Das stille Problem: Schema.org altert unbemerkt
Stell dir vor, du hast vor zwei Jahren sorgfältig @type: Product, Name, Marke, Preis und Verfügbarkeit in dein Schema.org-Markup eingebaut. Google sagt "super", der Rich Results Test gibt grünes Licht. Du hakst es ab.
Zwei Jahre später fragt jemand ChatGPT: "Welcher Rasenmäher ist leise und für 300m² geeignet?" ChatGPT sucht nach Geräuschpegel in Dezibel, maximaler Fläche, Akku-Laufzeit und Mulchfunktion. Dein Markup hat davon: keines. Ein Konkurrent, der sein Schema.org aktuell hält, nennt alle vier Werte. Er wird empfohlen. Du nicht.
KI-Systeme wie ChatGPT, Perplexity und Gemini suchen kontinuierlich nach immer spezifischeren Produktattributen. Was 2024 als vollständiges Schema galt, ist 2026 unvollständig. Wer nicht nachzieht, verliert Reichweite — still und schleichend.
Warum Schema.org veraltet — ohne dass du es merkst
Schema.org selbst verändert sich kaum. Aber die Erwartungen der KI-Systeme ändern sich ständig — beeinflusst durch:
- Neue Suchtrends: Nutzer fragen KI immer detailliertere Fragen. "Welcher Staubsauger hat HEPA-Filter und eignet sich für Tierhaare?" war 2022 noch selten — heute ist es Standard.
- Neue Produktkategorien: E-Mobilität, KI-gestützte Geräte, Nachhaltigkeitsangaben — neue Felder entstehen, alte werden wichtiger.
- Wettbewerb: Wenn dein Konkurrent Felder hinzufügt, die du nicht hast, bevorzugen KI-Systeme seine präziseren Daten bei identischen Anfragen.
- KI-Modell-Updates: GPT-4o, Perplexity Sonar Pro, Gemini 2.0 — jede neue Version versteht und gewichtet Felder anders.
Das Ergebnis: Dein Schema.org-Markup ist technisch valide, aber inhaltlich veraltet. Der Rich Results Test sagt noch "okay" — aber KI-Empfehlungen werden seltener.
Warum manuelle Pflege so aufwendig ist
Von Hand ist das möglich, aber im Alltag fehlt dafür meist die Zeit. Die Tabelle zeigt, wie viel Aufwand dahintersteckt:
| Aufgabe | Manuell | Mit Feed-AI |
|---|---|---|
| Aktuelle KI-Felder kennen | Stundenlange Recherche pro Kategorie | Automatischer wöchentlicher Scan |
| Fehlende Felder erkennen | Manueller Vergleich, fehleranfällig | Automatischer Abgleich aller Kategorien |
| User benachrichtigen | Nicht skalierbar bei 100+ Produkten | Automatische E-Mail mit konkreten Feldern |
| Kontrolle ob Felder ausgefüllt | Manuell, pro Produkt einzeln | Dashboard-Badge " Felder aktualisieren" |
| Zeitaufwand | Mehrere Stunden/Monat | Prüfung automatisch, Ergänzen im Formular |
Wer 10 Produkte in 3 Kategorien verwaltet, kann das theoretisch noch manuell stemmen. Wer 50 oder 500 Produkte hat, kann es nicht. Und selbst mit 10 Produkten: Wer denkt wirklich jeden Monat daran, zu prüfen was KI-Systeme gerade brauchen?
Wie KI-Systeme unvollständige Daten bestrafen
KI-Systeme wie ChatGPT, Perplexity und Gemini arbeiten nach einem einfachen Prinzip: Die Quelle mit den vollständigsten, präzisesten Informationen gewinnt.
Wenn ein Nutzer fragt "Welcher Kaffeevollautomat hat ein eingebautes Mahlwerk und kostet unter 600€?" passiert folgendes:
KI sucht nach Produkten mit diesen Attributen
Mahlwerk vorhanden (bool), Preis (number), Typ (enum: Vollautomat). KI-Systeme priorisieren Quellen, die diese Felder strukturiert bereitstellen.
Vergleich der verfügbaren Quellen
Quelle A hat: Name, Preis — aber kein Mahlwerk-Feld. Quelle B hat: Name, Preis, Mahlwerk: "ja", Typ: "Vollautomat", Milchsystem, Garantie. Quelle B gewinnt.
Quelle B wird empfohlen
Die KI zitiert das Produkt von Quelle B — weil sie die Anfrage vollständig beantworten kann. Quelle A ist nicht schlechter — sie hat nur ein veraltetes Schema.
Es geht nicht darum, ein besseres Produkt zu haben. Es geht darum, dass die KI weiß, dass dein Produkt die Anfrage erfüllt. Wer das nicht kommuniziert, wird nicht gefunden — unabhängig von der Produktqualität.
Schritt-für-Schritt: So hältst du Schema.org aktuell
Wer es manuell angehen will — hier ist die Anleitung:
Bestandsaufnahme: Welche Felder hast du aktuell?
Prüfe dein Schema.org-Markup mit dem Google Rich Results Test. Notiere alle vorhandenen Felder. Das ist dein Ausgangspunkt.
KI-Systeme aktiv befragen
Frag ChatGPT oder Perplexity: "Welche Eigenschaften nennst du wenn jemand nach dem besten [deine Kategorie] fragt?" Die Attribute in der Antwort sind die Felder die du brauchst.
Fehlende Felder ergänzen und befüllen
Ergänze die Lücken. Priorität haben Felder mit direktem Kaufeinfluss: Preis, Verfügbarkeit, spezifische technische Eigenschaften, Garantie, Zertifizierungen.
Wiederholungsintervall festlegen
Plane diesen Check mindestens quartalsweise. Besser: monatlich. Am besten: automatisch — z.B. mit dem Feed-AI Aktualitäts-Check, der die Prüfung automatisiert und dich über fehlende Felder benachrichtigt.
Wie Feed-AI fehlende Felder erkennt und meldet
Feed-AI ist eine KI-Sichtbarkeits-Plattform für Hersteller, Händler und Dienstleister. Nach dem Eintragen prüft Feed-AI wöchentlich, welche Felder für KI gerade relevant sind, und meldet dir, wenn deine Einträge ergänzt werden sollten.
Das funktioniert in drei Stufen:
KI-Feld-Scout — wöchentlicher Scan
Jeden Montag analysiert Feed-AI über die Perplexity-Suchmaschine welche Produktattribute KI-Systeme aktuell bei den jeweiligen Kategorien abfragen. Das Ergebnis wird automatisch mit den vorhandenen Feldern verglichen.
Aktualitäts-Check — automatische Benachrichtigung
Werden fehlende Felder erkannt, erhalten betroffene Nutzer eine E-Mail: "Für deine Produkte sind neue Felder verfügbar — bitte ergänze sie für die beste KI-Trefferquote." Dashboard-Hinweis inklusive.
Einmal ergänzen, Markup wird aktualisiert
Nutzer füllen die vorgeschlagenen Felder im Formular aus. Feed-AI generiert daraus automatisch aktualisiertes Schema.org-Markup auf der Produktseite — vollständig crawlbar für GPTBot, PerplexityBot und alle anderen KI-Crawler.
Feed-AI enthält in allen Tarifen einen automatischen Aktualitäts-Check. Er läuft wöchentlich, erkennt Feldlücken kategorieübergreifend und benachrichtigt Nutzer proaktiv — ohne dass sie etwas tun müssen, um das Problem zu entdecken.
Die Realität: Selbst Profis machen diesen Fehler
In der klassischen SEO-Welt gilt Schema.org als technische Einmalaufgabe: einrichten, fertig. Dieser Mindset ist bei Google-SEO vertretbar — Googles Algorithmus ändert seine Feld-Präferenzen selten radikal.
Bei KI-Systemen ist das anders. ChatGPT, Perplexity und Gemini sind Large Language Models die kontinuierlich aktualisiert werden und aus Live-Websuchen lernen. Ihre "Erwartungen" an strukturierte Daten entwickeln sich mit jedem Update weiter.
Ein Elektriker hat sein Schema.org-Markup 2023 sorgfältig eingerichtet: Name, Standort, Leistungsart. Sehr gut für damals. 2026 fragt Perplexity bei Anfragen zu Elektrikern regelmäßig nach: Reaktionszeit, Notdienst, Meisterbetrieb, Haftpflichtversicherung, Innungsmitglied. Keines dieser Felder ist 2023 im Markup gewesen. Ergebnis: Wettbewerber mit vollständigerem Markup können bei vergleichbaren Anfragen eher genannt werden.
Häufige Fragen
Warum reicht es nicht, Schema.org einmal einzurichten? +
KI-Systeme wie ChatGPT und Perplexity lernen kontinuierlich dazu und suchen nach immer spezifischeren Produktattributen. Was 2024 als vollständiges Schema galt, kann 2026 bereits unvollständig sein — zum Beispiel weil neue Felder wie Energieeffizienzklasse, Nachhaltigkeitsangaben oder KI-Kompatibilität relevant wurden. Veraltete Schema.org-Daten werden von KI-Systemen weniger oft als Antwortquelle genutzt.
Wie merkt man, dass das eigene Schema.org veraltet ist? +
Das ist das Tückische: Man merkt es meist nicht sofort. Die KI-Trefferquote sinkt schleichend über Monate. Erst der direkte Vergleich mit Wettbewerbern oder ein strukturierter KI-Sichtbarkeitscheck macht das Problem sichtbar. Feed-AI führt diesen Check wöchentlich automatisch durch und benachrichtigt Nutzer wenn neue relevante Felder erkannt werden.
Welche Schema.org-Felder sind 2026 für KI besonders wichtig? +
Für Produkte: name, brand, description, offers (Preis, Währung, Verfügbarkeit), aggregateRating, image. Zusätzlich je nach Kategorie: Garantie, technische Spezifikationen, Energieeffizienz, Lieferzeit. Für Dienstleistungen: areaServed, serviceType, priceRange, Zertifizierungen, Reaktionszeit. KI-Systeme werten vor allem spezifische, messbare Attribute aus.
Was ist der Feed-AI Aktualitäts-Check? +
Der Feed-AI Aktualitäts-Check ist ein wöchentlicher automatischer Scan. Er vergleicht die aktuell bei KI-Systemen abgefragten Produktattribute mit den vorhandenen Feldern eines Listings. Fehlen wichtige Felder, erhalten Nutzer eine automatische Benachrichtigung mit konkreten Verbesserungsvorschlägen — die Felder ergänzen sie dann selbst im Formular.
Wie lange dauert es, bis veraltete Daten die KI-Sichtbarkeit messbar beeinflussen? +
Eine feste Frist gibt es nicht. KI-Systeme crawlen und aktualisieren ihr Wissen in unterschiedlichen Intervallen; GPTBot, PerplexityBot und Googlebot besuchen aktive Seiten teils wöchentlich. Liefert ein Wettbewerber vollständigere Daten, kann er bei vergleichbaren Anfragen eher genannt werden. Der Effekt tritt meist schleichend ein und fällt deshalb selten sofort auf.
Ist Feed-AI nur für große Unternehmen? +
Nein. Feed-AI richtet sich an Hersteller, Händler und Dienstleister jeder Größe — vom Einzelhandel über den Friseur-Betrieb bis zum SaaS-Anbieter. Der Starter-Tarif zu 19€/Monat ist für bis zu 10 Produkte oder Dienstleistungen ausgelegt.