Ich wurde gebeten, ein umfassendes Organisationsschema für die KI-Sichtbarkeit zu implementieren. Bei schema.org gibt es Dutzende möglicher Felder.
Meine Fragen:
Ich möchte es von Anfang an richtig machen. Suche nach Tipps von Leuten, die das schon erfolgreich umgesetzt haben.
Ich teile gerne das Prioritäts-Framework für das Organisationsschema:
Stufe 1 – Essentiell (immer einbinden):
| Feld | Zweck | KI-Einfluss |
|---|---|---|
| @type | Entitätstyp-Identifikation | Hoch |
| name | Offizieller Name der Organisation | Kritisch |
| url | Offizielle Website | Kritisch |
| logo | Visuelle Identifikation | Mittel |
| description | Was Sie tun | Hoch |
| sameAs | Soziale/externe Profile | Hoch |
Stufe 2 – Wichtig (sofern zutreffend einbinden):
| Feld | Zweck | KI-Einfluss |
|---|---|---|
| foundingDate | Gründungsdatum | Mittel |
| founder | Gründerperson(en) | Mittel |
| address | Physische Adresse | Mittel |
| contactPoint | Kontaktmöglichkeit | Mittel |
| numberOfEmployees | Unternehmensgröße | Niedrig-Mittel |
| areaServed | Geografische Abdeckung | Mittel |
Stufe 3 – Hilfreich (wenn verfügbar einbinden):
| Feld | Zweck | KI-Einfluss |
|---|---|---|
| award | Auszeichnungen/Zertifikate | Mittel |
| memberOf | Verbandsmitgliedschaften | Mittel |
| knowsAbout | Fachgebiete | Mittel |
| slogan | Markenbotschaft | Niedrig |
Wesentliche Erkenntnis:
KI nutzt das Organisationsschema zur Entitäts-Disambiguierung. Je vollständiger und konsistenter, desto besser kann die KI Ihr Unternehmen erkennen und korrekt beschreiben.
Best Practices für sameAs bei KI:
Prioritäre sameAs-Links (diese einbinden):
Warum diese wichtig sind:
KI-Systeme nutzen diese zur Verifikation von Entitätsinformationen. LinkedIn und Crunchbase sind besonders wertvoll zur Verifizierung von Geschäftseinheiten.
Was Sie weglassen sollten:
Format:
"sameAs": [
"https://www.linkedin.com/company/yourcompany",
"https://twitter.com/yourcompany",
"https://www.crunchbase.com/organization/yourcompany",
"https://www.youtube.com/@yourcompany"
]
Die Regel:
Nur Profile einbinden, die aktiv, offiziell und für die Entitätsverifikation relevant sind. Qualität vor Quantität.
Entscheidung Organisation vs. LocalBusiness:
Organisation verwenden, wenn:
LocalBusiness verwenden, wenn:
LocalBusiness-Subtypen:
Beispiel für die lokale Umsetzung:
{
"@type": "LocalBusiness",
"name": "Business Name",
"address": {
"@type": "PostalAddress",
"streetAddress": "123 Main St",
"addressLocality": "City",
"addressRegion": "State",
"postalCode": "12345",
"addressCountry": "US"
},
"geo": {
"@type": "GeoCoordinates",
"latitude": "40.7128",
"longitude": "-74.0060"
},
"openingHoursSpecification": [...]
}
Speziell für KI:
Das LocalBusiness-Schema hilft KI, auf „in meiner Nähe“-Anfragen und lokale Empfehlungen zu antworten. Wenn lokale Sichtbarkeit wichtig ist, nutzen Sie den passenden LocalBusiness-Typ.
Implikationen für den Knowledge Graph:
Wie das Organisationsschema mit Knowledge Graphs zusammenhängt:
Ihr Schema ist eine von mehreren Quellen, anhand derer KI-Systeme das Verständnis für Entitäten aufbauen. Weitere Quellen:
Rolle des Schemas:
| Was Schema leistet | Was es nicht leistet |
|---|---|
| Deklariert Ihre Entitätsdaten | Erstellt allein keine Knowledge-Graph-Präsenz |
| Ermöglicht Verifizierung | Überschreibt keine anderen Quellen |
| Unterstützt Konsistenz | Behebt keine Inkonsistenzen im Webauftritt |
Der positive Kreislauf:
Was das stört:
Zentrale Erkenntnis:
Schema ist notwendig, aber nicht ausreichend. Es funktioniert nur in Verbindung mit allgemeiner Konsistenz.
Vollständiges Implementierungs-Template:
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://yourcompany.com/#organization",
"name": "Your Company Name",
"alternateName": "Common Abbreviation",
"url": "https://yourcompany.com",
"logo": {
"@type": "ImageObject",
"url": "https://yourcompany.com/logo.png",
"width": 600,
"height": 200
},
"description": "Klare, prägnante Beschreibung dessen, was Ihr Unternehmen macht. Fassen Sie die wichtigsten Leistungen und Ihr Wertversprechen in 1–2 Sätzen zusammen.",
"foundingDate": "2020-01-15",
"founder": {
"@type": "Person",
"name": "Founder Name",
"url": "https://linkedin.com/in/foundername"
},
"address": {
"@type": "PostalAddress",
"streetAddress": "123 Main Street",
"addressLocality": "City",
"addressRegion": "State",
"postalCode": "12345",
"addressCountry": "US"
},
"contactPoint": {
"@type": "ContactPoint",
"contactType": "customer service",
"email": "support@yourcompany.com",
"telephone": "+1-555-123-4567"
},
"sameAs": [
"https://linkedin.com/company/yourcompany",
"https://twitter.com/yourcompany",
"https://www.crunchbase.com/organization/yourcompany"
],
"knowsAbout": [
"Ihr Fachgebiet 1",
"Ihr Fachgebiet 2"
]
}
</script>
Platzierung:
Im <head> der Startseite einbinden. Kann auch auf der Über-uns-Seite mit identischem Inhalt stehen.
Testen der Entitätenerkennung nach der Implementierung:
So prüfen Sie, ob alles funktioniert:
Google Rich Results Test
Schema Markup Validator
KI-Entitätsprüfung
Häufige Fehlerquellen:
| Problem | Symptom | Lösung |
|---|---|---|
| Namensinkonsistenz | KI nutzt falsche Namensvariante | Für Konsistenz sorgen |
| Fehlendes sameAs | Geringes Entitätsvertrauen | Profil-Links ergänzen |
| Veraltete Infos | KI zitiert alte Daten | Schema + Profile aktualisieren |
| Syntaxfehler | Schema wird ignoriert | Validieren und Fehler beheben |
Laufende Überwachung:
Am I Cited kann verfolgen, wie Ihre Markenentität auf KI-Plattformen beschrieben wird.
Das ist genau das, was ich gesucht habe. Hier mein Umsetzungsplan:
Phase 1: Vorbereitung
Phase 2: Implementierung
Essentielle Felder (Tag 1):
Zusätzliche Felder (Tag 2):
Phase 3: Validierung
Phase 4: Konsistenz
Pflege:
Zentrales Prinzip:
Schema + Konsistenz im Web = starke Entitätenerkennung.
Vielen Dank an alle für die umfangreiche Unterstützung!
Get personalized help from our team. We'll respond within 24 hours.
Verfolgen Sie, wie KI-Plattformen Ihr Unternehmen erkennen und beschreiben. Stellen Sie sicher, dass Ihre Entitätensignale funktionieren.
Erfahren Sie, wie Sie das Organization Schema Markup für KI-Sichtbarkeit implementieren. Schritt-für-Schritt-Anleitung zur Hinzufügung von JSON-LD, Verbesserung...
Community-Diskussion über Schema-Markup für KI-Sichtbarkeit. Echte Erfahrungen von Entwicklern und SEOs, welche strukturierten Datentypen KI-Zitate verbessern....
Community-Diskussion darüber, ob das Article Schema und strukturierte Daten tatsächlich Auswirkungen auf KI-Zitate in ChatGPT, Perplexity und Google AI Overview...