Strukturierte Daten im B2B: Kein Garant für KI-Sichtbarkeit Strukturierte Daten im B2B: Kein Garant für KI-Sichtbarkeit

Was strukturierte Daten tatsächlich leisten

Strukturierte Daten sind kein Sammelbegriff für sämtliche Metadaten einer Website. Gemeint ist standardisiertes Markup, das sichtbare Seiteninhalte maschinenlesbar beschreibt – meist mit dem Vokabular von Schema.org und Formaten wie JSON-LD, Microdata oder RDFa.

Auf einer B2B-Website lassen sich damit beispielsweise das veröffentlichende Unternehmen, Autoren, Produkte, Stellenangebote, Veranstaltungen oder die Position einer Seite in der Navigation auszeichnen. Suchsysteme erhalten dadurch explizite Hinweise darauf, welche Bedeutung einzelne Informationen haben.

Für unterstützte Seitentypen kann korrektes Markup die Voraussetzung für Rich Results schaffen. Google empfiehlt für die meisten Implementierungen JSON-LD und rät dazu, lieber wenige Eigenschaften vollständig und korrekt als möglichst viele lückenhaft auszuzeichnen.

Das ist ein technischer Nutzen, aber noch kein Wachstumsnachweis. Selbst fehlerfreies Markup garantiert weder ein Rich Result noch mehr Rankings, Leads oder Umsatz. Solche Geschäftseffekte müssen getrennt gemessen werden.

Für KI-Suche gibt es kein Sonderschema

Die verbreitete These, strukturierte Daten seien ein direkter Zugang zu Answer Engines, greift zu kurz. In seinem am 10. Juli 2026 aktualisierten Leitfaden für generative KI-Funktionen warnt Google ausdrücklich vor einer Überbewertung: Strukturierte Daten sind für generative KI-Suche nicht vorgeschrieben, und es gibt kein spezielles Schema.org-Markup für AI Overviews oder AI Mode.

Entscheidend bleiben indexierbare, zugängliche Seiten, klarer und eigenständiger Inhalt sowie die grundlegenden Regeln technischer Suchmaschinenoptimierung. Markup kann diese Basis ergänzen, aber nicht ersetzen.

Auch die Hinweise von OpenAI für Publisher nennen kein Schema als Voraussetzung für ChatGPT Search. Im Mittelpunkt stehen öffentlich erreichbare Inhalte und der Zugriff für OAI-SearchBot. Das unterstreicht einen wichtigen Unterschied: Crawlability, inhaltliche Relevanz und strukturiertes Markup sind verwandte, aber nicht identische Ebenen.

Strukturierte Daten können Suchsystemen also zusätzliche semantische Hinweise liefern. Eine kausale Verbindung zu KI-Zitaten oder qualifizierten Leads ist durch die Plattformdokumentationen jedoch nicht belegt.

Wo sich der Aufwand im B2B lohnt

Der sinnvollste Einstieg sind Seitentypen mit stabilen, sichtbaren und intern gepflegten Fakten. Dazu gehören etwa Unternehmensinformationen, reale Produktseiten, Fachartikel, Stellenangebote, Veranstaltungen und Breadcrumb-Navigation.

Welcher Typ passt, entscheidet der Inhalt der jeweiligen Seite. Eine Beratungsleistung sollte nicht als Product ausgezeichnet werden, nur weil sich davon eine auffälligere Darstellung erhofft wird. Ebenso erzeugt nicht jeder Schema.org-Typ automatisch ein von Google unterstütztes Rich Result.

Der eigentliche B2B-Nutzen liegt häufig in der Konsistenz. Wenn Firmenname, rechtliche Identität, Autorenangaben, Publikationsdaten und Produktmerkmale aus definierten Quellen stammen, lassen sich Abweichungen zwischen Templates, Feeds und sichtbaren Inhalten früher erkennen. Das ist eine organisatorische Verbesserung – kein Versprechen eines Suchanbieters.

Ein belastbarer Workflow für Redaktion und Technik

1. Seitentypen modellieren: Für jedes relevante Template wird festgelegt, welches Schema fachlich passt und welche Eigenschaften verpflichtend oder optional sind.
2. Datenquellen bestimmen: Produktmerkmale kommen beispielsweise aus dem Produktinformationssystem, Autorenangaben aus dem Redaktionssystem und Unternehmensdaten aus einer zentral gepflegten Quelle.
3. Vor Veröffentlichung validieren: Automatisierte Prüfungen erkennen Syntaxfehler, fehlende Pflichtfelder und ungültige Werte. Die inhaltliche Richtigkeit muss weiterhin ein verantwortlicher Mensch beurteilen.
4. Änderungen überwachen: Template-Anpassungen, neue Inhaltstypen und veränderte Plattformanforderungen werden in einen wiederkehrenden Qualitätsprozess aufgenommen.

Ein Validator kann feststellen, ob Markup technisch verarbeitet werden kann. Er kann nicht zuverlässig beurteilen, ob eine Behauptung wahr, ein Produkttyp passend oder eine Seite für eine konkrete Suchanfrage hilfreich ist. Deshalb bleiben Redaktion, SEO und Entwicklung gemeinsam verantwortlich.

Welche Kennzahlen belastbar sind

Eine pauschale Kennzahl wie „Sichtbarkeitsindex in Answer Engines“ ist ohne offengelegte Methodik wenig aussagekräftig. Sinnvoller ist eine Trennung zwischen Implementierungsqualität, Suchdarstellung und Geschäftsergebnis.

• Anteil der vorgesehenen URLs mit gültigem Markup
• Fehler und Warnungen je Seitentyp oder Template
• Abweichungen zwischen sichtbarem Inhalt und strukturierten Angaben
• Impressionen und Klicks für unterstützte Suchdarstellungen
• Verweise, Besuche und Conversions aus KI-basierten Suchangeboten

Stand 19. Juli 2026 rollt Google einen eigenen Bericht für generative KI-Impressionen zunächst für einen Teil der Search-Console-Properties aus. Er zeigt unter anderem Impressionen nach Seite, Land und Gerät. OpenAI versieht Verweis-URLs aus ChatGPT Search nach eigener Angabe mit dem Parameter utm_source=chatgpt.com, sodass sich entsprechender Referral-Traffic separat auswerten lässt.

Ob strukturierte Daten die Leadqualität verbessern, lässt sich erst durch einen kontrollierten Vorher-nachher-Vergleich mit stabilen Landingpages und sauberer Conversion-Messung beurteilen. Ohne diesen Nachweis bleiben Aussagen über Umsatz- oder Leadsteigerungen eine Hypothese.

Für B2B-Websites sind strukturierte Daten deshalb vor allem Infrastruktur: Sie schaffen konsistente Signale, unterstützen ausgewählte Suchdarstellungen und machen technische Qualität prüfbar. Zum Wachstum tragen sie nur bei, wenn Inhalt, Indexierung, Nutzererlebnis und Messung ebenfalls stimmen.