Schema Markup für AEO: Diese Typen bringen KI-Zitierungen

Schema Markup ist die Sprache, die KI-Suchmaschinen sprechen

Wenn jemand Perplexity fragt: „Was sind die Best Practices für robots.txt im Jahr 2026?“, sucht Perplexity nicht einfach nur passende Seiten und fasst sie zusammen. Es hält gezielt Ausschau nach Seiten, die ihre Inhalte in strukturierten, gut extrahierbaren Formaten liefern. Seiten, die Fragen direkt in ausgezeichneten Frage-Antwort-Paaren beantworten, werden deutlich häufiger zitiert als Seiten mit denselben Informationen in unstrukturiertem Fließtext.

Genau das ist der Kern von Schema Markup für AEO (Answer Engine Optimization, also die Optimierung für Antwortmaschinen): Strukturierte Daten drehen sich längst nicht mehr nur um Rich Results bei Google. Sie sind das wichtigste technische Signal, an dem KI-Suchmaschinen zitierfähige Inhalte erkennen. Wer Schema für AEO richtig aufsetzen will, muss wissen, welche Typen LLM-Zitierungen auslösen, wie man sie korrekt umsetzt und in welcher Reihenfolge man die Arbeit angeht, um die größte Wirkung zu erzielen.

Dieser Leitfaden deckt den kompletten AEO-Schema-Stack ab: welche Typen zählen, den Implementierungscode für jeden Typ und das Priorisierungs-Framework, das wir Kunden empfehlen, die mit dem Schema-Generator von AI Rank Lab arbeiten.

Wie LLMs Schema Markup nutzen (was wirklich passiert)

Wer versteht, wie KI-Suchmaschinen Schema nutzen, setzt es anders um. So läuft der Prozess tatsächlich ab:

1. Crawling: KI-Crawler (GPTBot, ClaudeBot, PerplexityBot) crawlen deine Seite wie jeder andere Webcrawler.

2. Extraktion der strukturierten Daten: Der Crawler liest das JSON-LD aus dem Head-Bereich der Seite und aus Inline-Skripten aus.

3. Entity-Mapping: Mithilfe der strukturierten Daten werden deine Inhalte den Entitätstypen von Schema.org zugeordnet – Question, Answer, HowToStep, Product, Person usw.

4. Integration in den Knowledge Graph: Die extrahierten Entitäten fließen in die Trainingsdaten oder die Echtzeit-Wissensbasis des KI-Systems ein.

5. Gewichtung bei der Zitierung: Beim Generieren einer Antwort gewichtet das KI-System Quellen mit strukturierten Daten bei konkreten Fakten und Frage-Antwort-Inhalten stärker als unstrukturierten Fließtext.

Was das in der Praxis bedeutet: Schema garantiert keine Zitierung, erhöht aber drastisch die Wahrscheinlichkeit, dass deine Inhalte korrekt extrahiert und richtig zitiert werden. KI-Suchmaschinen arbeiten probabilistisch – Schema nimmt ihnen die Unsicherheit darüber, was deine Inhalte bedeuten und welche Frage sie beantworten.

Der AEO-Schema-Stack nach Priorität

Nicht alle Schema-Typen tragen gleich viel zur Zitierquote in KI-Antworten bei. Auf Basis einer Analyse der Zitiermuster verschiedener KI-Suchmaschinen ergibt sich folgende Reihenfolge:

Priorität 1: FAQPage-Schema (größter AEO-Effekt)

FAQPage-Schema spiegelt direkt das Dialogformat der KI-Suche wider. Jedes Paar aus Question und acceptedAnswer ist eine fertig verpackte Zitiereinheit: eine Frage, die KI-Suchmaschinen Nutzeranfragen zuordnen können, mit einer Antwort, die sie extrahieren und als Quelle angeben können. Kein anderer Schema-Typ passt so genau zur Art, wie LLMs ihre Antworten generieren.

Hinweis zur Umsetzung: Formuliere FAQ-Antworten direkt und mit Autorität („Die drei wirksamsten Ansätze sind X, Y und Z“) statt ausweichend („Manche meinen, es könnte eine gute Idee sein, zu überlegen …“). KI-Suchmaschinen bevorzugen klare, extrahierbare Aussagen gegenüber vorsichtig relativiertem Text.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "What is the difference between AEO and SEO?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SEO (Search Engine Optimization) optimizes content for Google's ranking algorithm. AEO (Answer Engine Optimization) optimizes content to be cited by AI answer engines like ChatGPT, Perplexity, and Gemini. AEO requires different signals: structured Q&A content, FAQPage schema, AI bot access, and citation-ready writing style."
      }
    },
    {
      "@type": "Question",
      "name": "How many FAQ items should I include in FAQPage schema?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Include 3-10 FAQ items per page. Google displays up to 10 in rich results. For AEO, quality matters more than quantity - each FAQ should answer a distinct, real question users ask. Avoid padding with low-value questions."
      }
    }
  ]
}

Priorität 2: HowTo-Schema

HowTo-Schema ist das prozedurale Gegenstück zu FAQPage. Wenn Nutzer KI-Suchmaschinen nach einem Ablauf fragen („Wie prüfe ich meine robots.txt auf den Zugriff von KI-Crawlern?“), liefert HowTo-Schema eine strukturierte Schritt-für-Schritt-Antwort, die sich direkt extrahieren lässt. Der Typ HowToStep passt ganz natürlich zum nummerierten Schrittformat, das KI-Suchmaschinen in Anleitungen verwenden.

Wichtig bei der Umsetzung: Jeder Schritt sollte wirklich eigenständig und umsetzbar sein. Schritte wie „Denk über deine Ziele nach“ bringen nichts. Schritte wie „Ruf deine robots.txt unter yourdomain.com/robots.txt auf und such nach Zeilen mit User-agent: GPTBot“ sind zitierfähig.

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "How to audit your robots.txt for AI crawler access",
  "description": "Step-by-step guide to checking and correcting robots.txt for GPTBot, ClaudeBot, and PerplexityBot access.",
  "totalTime": "PT10M",
  "step": [
    {
      "@type": "HowToStep",
      "name": "Check your current robots.txt",
      "text": "Navigate to yourdomain.com/robots.txt in your browser. This shows the live file as crawlers see it.",
      "position": 1
    },
    {
      "@type": "HowToStep",
      "name": "Identify AI crawler rules",
      "text": "Search the file for User-agent entries that match GPTBot, ClaudeBot, anthropic-ai, and PerplexityBot. If none exist, the wildcard User-agent:* rule applies.",
      "position": 2
    },
    {
      "@type": "HowToStep",
      "name": "Add explicit allow rules",
      "text": "Add User-agent: GPTBot / Allow: / entries for each AI crawler you want to permit. This overrides any restrictive wildcard rules.",
      "position": 3
    }
  ]
}

Priorität 3: Article-Schema mit vollständigen E-E-A-T-Signalen

Article-Schema hilft KI-Suchmaschinen nicht so beim Finden konkreter Antworten wie FAQPage. Sein Wert liegt in den Vertrauenssignalen (E-E-A-T), anhand derer KI-Suchmaschinen entscheiden, welche Quellen überhaupt zitierwürdig sind. Eine Domain ohne Article-Schema, ohne Autorenangaben und ohne Veröffentlichungsdaten ist weniger zitierfähig als eine Domain, bei der jeder Artikel klar zeigt, wer ihn wann geschrieben hat und warum der Autor bei diesem Thema glaubwürdig ist.

Für den größten AEO-Nutzen sollte Article-Schema Autorendaten enthalten, die auf eine echte Person-Entität verweisen: mit dem Namen des Autors, einem Link zu seiner Bio oder seinem beruflichen Profil (LinkedIn, eigene Website) und idealerweise seiner Position oder seinen Qualifikationen.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Schema Markup for AEO: Which Types Drive LLM Citations",
  "description": "Complete guide to schema markup for answer engine optimization...",
  "datePublished": "2026-07-23",
  "dateModified": "2026-07-23",
  "author": {
    "@type": "Person",
    "name": "Devanshu",
    "url": "https://airanklab.com/about",
    "jobTitle": "AI Search Optimization Specialist"
  },
  "publisher": {
    "@type": "Organization",
    "name": "AI Rank Lab",
    "logo": {
      "@type": "ImageObject",
      "url": "https://www.airanklab.com/logo.png"
    }
  },
  "image": "https://www.airanklab.com/blog/schema-aeo-hero.jpg",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://www.airanklab.com/blog/schema-markup-for-aeo-llm-citations"
  }
}

Priorität 4: BreadcrumbList-Schema

BreadcrumbList vermittelt KI-Suchmaschinen die thematische Hierarchie: Diese Seite gehört zu dieser Kategorie, die wiederum Teil dieses übergeordneten Themenbereichs ist. KI-Suchmaschinen nutzen die Seitenstruktur als Indikator für Autorität. Eine Website mit klarer thematischer Hierarchie (Home > Blog > AEO-Wissen > Schema Markup) ist bei AEO-Themen eine vertrauenswürdigere Quelle als eine Website, auf der jede Seite isoliert dazustehen scheint.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Home",
      "item": "https://www.airanklab.com"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Blog",
      "item": "https://www.airanklab.com/blog"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "AEO Education",
      "item": "https://www.airanklab.com/blog/category/aeo"
    },
    {
      "@type": "ListItem",
      "position": 4,
      "name": "Schema Markup for AEO"
    }
  ]
}

Priorität 5: Organization-Schema (seitenweit)

Organization-Schema auf deiner Startseite ist eine grundlegende Entitätsdeklaration. Es sagt KI-Suchmaschinen: Diese Website wird von dieser Organisation betrieben, die das hier tut, in diesem Bereich, mit diesen Kontaktdaten. Ohne Organization-Schema müssen KI-Suchmaschinen aus den Seiteninhalten ableiten, wer deine Marke ist – und diese Ableitung kann lückenhaft oder falsch sein.

Organization-Schema ist außerdem der Anker für dein Markennarrativ in der GEO (Generative Engine Optimization, also der Optimierung für generative Suchmaschinen). Wenn LLMs dein Unternehmen in ihren Antworten beschreiben, greifen sie auf Entitätsdaten zurück, darunter auch Organization-Schema. Beschreibung, Name, Branche und URL im Organization-Schema richtig zu setzen, ist also ein GEO-Signal genauso wie ein SEO-Signal.

Mehrere Schema-Typen auf einer Seite kombinieren

Eine einzelne Seite kann – und sollte – mehrere Schema-Typen haben. Die Seiten mit der besten AEO-Wirkung in unserer Analyse kombinieren typischerweise:

• Article + FAQPage: Das Article-Schema liefert E-E-A-T-Kontext und Autorenzuordnung, das FAQPage-Schema die direkte Extraktion von Frage-Antwort-Paaren. Diese Kombination beantwortet sowohl „Wem kann ich vertrauen?“ als auch „Was ist die Antwort?“.

• Article + BreadcrumbList: Jeder Artikel sollte beides haben, damit neben den Autorschaftssignalen auch der Kontext der thematischen Hierarchie mitgeliefert wird.

• HowTo + FAQPage: Für Tutorials, die zusätzlich häufige Fragen zum Ablauf beantworten. HowTo deckt den Prozess selbst ab, FAQPage die Fragen rundherum.

Um Schema-Typen zu kombinieren, nutzt du entweder ein JSON-LD-Array oder getrennte Script-Blöcke. Beides ist gültig:

<script type="application/ld+json">
{ Article schema here }
</script>

<script type="application/ld+json">
{ FAQPage schema here }
</script>


<script type="application/ld+json">
[
  { Article schema here },
  { FAQPage schema here }
]
</script>

AEO-Schema: Was NICHT funktioniert

Schema, das dem sichtbaren Inhalt widerspricht

Der häufigste und schädlichste Fehler. Enthält dein FAQPage-Schema Antworten, die auf der Seite nicht sichtbar sind, stufen KI-Suchmaschinen das Schema als potenziell irreführend ein und gewichten es bei der Zitierung schwächer. Jedes Feld in deinem Schema muss sichtbarem, crawlbarem Inhalt auf der Seite entsprechen.

Floskel-Antworten

FAQPage-Antworten, die Nutzer zum Anrufen auffordern, vage Nicht-Antworten geben oder alles relativieren, senken die Chance auf eine Zitierung, weil sich daraus keine brauchbare Antwort extrahieren lässt. „Kontaktiere uns für Preise“ ist keine zitierfähige Antwort. „Unsere Preise beginnen bei 69 $ pro Monat für den Starter-Plan, der 10.000 Credits pro Monat enthält“ schon.

Seiten mit irrelevantem Schema überladen

Product-Schema in einem Blogartikel oder FAQPage-Schema auf einer Kontaktseite erzeugt Signalrauschen. KI-Suchmaschinen können Schema erkennen, das nicht zum Seitenkontext passt, und verlieren dann womöglich insgesamt Vertrauen in deine strukturierten Daten. Setz nur Schema ein, das den Seitentyp korrekt beschreibt.

Den Leitfaden zur KI-Suchoptimierung ignorieren

Schema ist nur ein Teil des AEO-Puzzles. Das Gesamtbild, was Inhalte zitierfähig macht, findest du im Leitfaden zur KI-Suchoptimierung. Er behandelt neben der Schema-Umsetzung auch Content-Strategie, Entitätsklarheit und das komplette technische Setup.

So prüfst du deine aktuelle Schema-Abdeckung

Bevor du neues Schema hinzufügst, prüf erst einmal, was schon da ist. Die meisten Websites haben unvollständiges oder fehlerhaft umgesetztes Schema, das korrigiert werden sollte, bevor neues dazukommt.

Der schnellste Weg zum Audit:

1. Lass deine wichtigsten Seiten durch den Rich Results Test von Google laufen – er zeigt alle erkannten Schemas und Validierungsfehler.

2. Prüf mit dem vollständigen Audit-Tool von AI Rank Lab die Schema-Abdeckung deiner gesamten Website – es zeigt, welche Seitentypen Schema haben, welchen es fehlt und wo Implementierungsfehler stecken.

3. Erstell mit dem Schema-Generator korrigierte Versionen für die fehlerhaften Seiten.

Audit (um Lücken zu finden) und Generator (um sie zu schließen) zusammen sind der effizienteste Workflow für die Schema-Umsetzung bei allen Websites mit mehr als einer Handvoll Seiten.

Fazit

Bei Schema Markup für AEO geht es nicht darum, ein Häkchen auf der technischen SEO-Checkliste zu setzen. Es geht darum, die Sprache zu sprechen, mit der KI-Suchmaschinen Inhalte erkennen, extrahieren und zitieren. FAQPage-Schema ist die Investition mit der höchsten Priorität, weil es direkt dazu passt, wie KI-Antworten entstehen. HowTo-Schema überträgt das auf prozedurale Inhalte. Article-Schema baut die Vertrauensebene auf. Zusammen ergeben sie eine Seite, die KI-Suchmaschinen mit Überzeugung zitieren können – weil sie wissen, was der Inhalt sagt, wer es gesagt hat, wann und welche Frage er beantwortet.

Nutz den kostenlosen Schema-Generator von AI Rank Lab, um jeden der hier vorgestellten Schema-Typen umzusetzen, und starte das vollständige Audit, um deine aktuellen Lücken bei der Schema-Abdeckung zu sehen. Für Teams, die AEO umfassend aufbauen wollen, ist die Schema-Umsetzung die technische Maßnahme mit dem schnellsten ROI im ganzen Stack.