Schema.org für GEO: Wie KI-Systeme dich als Person finden

Kurz gesagt: Schema.org ist ein gemeinsames Vokabular, mit dem Webseiten Suchmaschinen und KI-Systemen explizit sagen können, was eine Information bedeutet, statt es aus Fließtext raten zu lassen. Für dich als Person heißt das konkret: eine Seite mit Schema.org-Markup kann eindeutig sagen „das ist ein Mensch, das ist sein Name, das sind seine Themen". Eine Seite ohne dieses Markup überlässt genau diese Zuordnung dem Zufall.

Du hast wahrscheinlich schon mal von Schema.org gehört, vermutlich im Zusammenhang mit Rezepten, die in Google mit Sternebewertung erscheinen, oder Produkten mit Preis direkt im Suchergebnis. Was weniger bekannt ist: Genau dasselbe System entscheidet zunehmend darüber, ob eine KI dich als Person überhaupt korrekt versteht.

Was Schema.org eigentlich ist

Schema.org ist keine Google-Erfindung, sondern ein gemeinsames Projekt von Google, Bing, Yahoo und Yandex. Der Grundgedanke ist einfach: Menschen lesen Text und verstehen automatisch, dass „Max Müller, geboren 1985" eine Person mit einem Namen und einem Geburtsjahr beschreibt. Eine Maschine kann das nicht automatisch. Schema.org liefert dafür ein festes Vokabular, mit dem man explizit markiert: das hier ist eine Person, das ihr Name, das ihr Geburtsjahr.

Technisch passiert das meist über sogenanntes JSON-LD, ein kleiner, unsichtbarer Datenblock im Quelltext einer Seite. Niemand sieht ihn beim normalen Surfen, aber jede Suchmaschine und zunehmend auch jedes Sprachmodell liest ihn mit.

Warum das für Personen relevant wird

Ohne dieses Markup muss eine Suchmaschine oder KI aus reinem Text erraten, wer gemeint ist. Das funktioniert bei bekannten Persönlichkeiten mit vielen Quellen einigermaßen gut, aber bei den meisten Menschen entsteht dabei ein unscharfes, teils falsches Bild: ein Namensvetter vermischt sich in der Antwort, eine veraltete Berufsbezeichnung wird als aktuell übernommen, zwei unabhängige Personen werden zu einer verschmolzen.

Mit einem Person-Objekt im Schema.org-Markup lässt sich das auflösen. Man kann explizit angeben, welche externen Profile wirklich zu dieser einen Person gehören, welche Themen sie vertritt, für welche Organisation sie arbeitet. Das ist keine Behauptung im Fließtext mehr, die eine KI erst interpretieren muss, sondern eine strukturierte Aussage, die maschinell direkt übernommen werden kann.

Eine Suchmaschine liest Text und interpretiert. Ein strukturiertes Markup hilft dabei die echten Zusammenhänge zu verstehen.

Der Unterschied zu klassischem SEO

Klassisches SEO optimiert dafür, dass eine Seite bei bestimmten Suchbegriffen gefunden wird. Schema.org-Markup optimiert etwas anderes: dass die gefundene Information korrekt einer Entität zugeordnet wird. Beides ergänzt sich, aber es sind unterschiedliche Probleme. Eine Seite kann hervorragend ranken und trotzdem komplett unstrukturiert sein, ohne jede Aussage darüber, welche Person eigentlich dahintersteht.

Gerade weil KI-Systeme zunehmend direkte Antworten statt Linklisten liefern, verschiebt sich das Gewicht noch mehr in Richtung Struktur. Eine Suchmaschine zeigt zehn Links und lässt den Nutzer selbst bewerten. Ein KI-System trifft die Bewertung vorher und zeigt nur noch das Ergebnis. Wenn diese Bewertung auf sauberen, strukturierten Daten beruht, ist die Wahrscheinlichkeit deutlich höher, dass sie stimmt.

Was konkret dazugehört

• Person als Basis-Typ mit Name, Beschreibung und einer eindeutigen URL

• sameAs, um externe Profile (LinkedIn, Instagram, die eigene Website) explizit als zur selben Person gehörig zu markieren. Jener Max Müller ist also genau der gleiche Max Müller wie der andere auf einer anderen Webseite

• knowsAbout, um Themengebiete strukturiert statt nur im Fließtext zu nennen

• worksFor, um die Zugehörigkeit zu einer Organisation eindeutig zu machen, statt es nur als Text in der Bio stehen zu haben

Keiner dieser Punkte ist kompliziert für sich genommen. Der eigentliche Aufwand liegt darin, sie konsistent über die eigene Seite hinweg zu pflegen, und zwar so, dass die Angaben auch tatsächlich stimmen. Ein Markup, das falsche oder veraltete Informationen strukturiert ausliefert, ist am Ende schlechter als gar keins.

Wer heute eine Seite über sich selbst betreibt, ohne dieses Markup zu nutzen, überlässt einem Algorithmus die Interpretation, was er eigentlich mit Sicherheit selbst wissen könnte.

Wer für LLMs und KI-Tools etwas mehr Struktur über seine eigene Person zur Verfügung stellen will kann Tools wie Humanword kostenlos nutzen, um hier eine für LLM-lesbare Person Entität aufzubauen.