Product Schema: Welche JSON-LD-Felder KI braucht
Product Schema für KI-Sichtbarkeit: Welche Felder Ihr JSON-LD wirklich braucht
Für E-Commerce-Betreiber gilt: Ohne ein korrekt implementiertes Product Schema nach dem Schema.org-Standard ist ein Onlineshop für KI-Suchmaschinen nahezu unsichtbar. In diesem Artikel erfahren Sie, welche Felder Ihr JSON-LD zwingend enthalten muss — und welche optionalen Felder den entscheidenden Unterschied bei der KI-Sichtbarkeit machen.
Die Rolle von strukturierten Daten in der KI-Ära
Wenn eine KI-basierte Suchmaschine eine komplexe Anfrage verarbeitet – beispielsweise "Beste Laufschuhe für verletzungsanfällige Marathonläufer mit Lieferung bis morgen" – benötigt sie maschinenlesbare Fakten. Das Product Schema fungiert als die einzige verlässliche Datenquelle.
Während Google traditionell auch den sichtbaren Text einer Seite auswertet, verlassen sich LLM-Crawler wie GPTBot oder PerplexityBot primär auf strukturierte Daten. Der Grund: Ein LLM kann aus einem JSON-LD-Block wesentlich zuverlässiger Fakten extrahieren als aus Fließtext, der Marketing-Sprache, mehrdeutige Formulierungen und dekorative Elemente vermischt.
Be Standard, not creative
Die Devise lautet: "Be Standard, not creative". Nutzen Sie die offiziellen Vokabeln von Schema.org. Während die visuelle Benutzeroberfläche kreativ sein darf, muss die technische Beschreibung strikten Standards folgen.
Häufige Fehler in der Praxis:
- Erfundene Property-Namen wie
productCategorystattcategory - Fehlende
@type-Deklarationen in verschachtelten Objekten - Inkonsistente Währungsformate (EUR vs. € vs. Euro)
- Preis als String mit Komma statt Punkt ("159,90" statt "159.90")
Jeder dieser Fehler kann dazu führen, dass die KI die Daten verwirft oder falsch interpretiert.
Die unverzichtbaren Pflichtfelder
- name: Der vollständige Produktname — klar, beschreibend und ohne Marketing-Floskeln. „Pro-Run Marathon Schuh X1" statt „Der ULTIMATIVE Laufschuh!!!".
- offers: Preis, Währung und Verfügbarkeit. Ohne diese Trias ist Ihr Produkt für kommerzielle KI-Anfragen irrelevant. Verwenden Sie stets das Schema.org-URL-Format für Verfügbarkeit (z.B.
https://schema.org/InStock). - review oder aggregateRating: Social Proof ist für KI-Empfehlungen unverzichtbar. Ein Produkt mit 124 Bewertungen und 4.8 Sternen wird deutlich häufiger empfohlen als eines ohne jegliche Bewertungsdaten.
Entscheidende Felder für die KI-Sichtbarkeit
Identifiers (SKU, GTIN, MPN)
Identifiers sind das Rückgrat der Varianten-Differenzierung. Die GTIN (Global Trade Item Number) ermöglicht es der KI, Daten aus verschiedenen Quellen abzugleichen und zusammenzuführen. Wenn Ihr Produkt auf Amazon, in Ihrem Shop und bei einem Preisvergleichsportal identisch über die GTIN identifiziert wird, steigt das Vertrauen der KI in die Datenqualität erheblich.Die SKU (Stock Keeping Unit) hilft zusätzlich bei der internen Produktidentifikation und der Differenzierung von Varianten (Größe, Farbe). Ohne Identifiers behandelt die KI jedes Listing als potenziell anderes Produkt.
Brand
Dasbrand-Feld ist oft unterschätzt, aber essenziell. Es verknüpft das Produkt mit der übergeordneten Marken-Entität im Knowledge Graph. Verwenden Sie immer den verschachtelten Typ: "brand": { "@type": "Brand", "name": "Pro-Run" }.
Price und Availability
Diese Daten müssen im JSON-LD exakt mit den Angaben auf der Landingpage übereinstimmen. Jede Diskrepanz zwischen dem angezeigten Preis und dem Schema-Preis kann von Crawlern als Manipulationsversuch gewertet werden und das Vertrauen nachhaltig beschädigen.Achten Sie besonders auf:
priceCurrencyim ISO-4217-Format (EUR, USD, GBP)priceals Dezimalzahl mit Punkt (nicht Komma)priceValidUntilfür zeitlich begrenzte Angeboteavailabilityals Schema.org-URL
Shipping Details
Durch
shippingDetails können Sie Lieferzeiten und Versandkosten präzise angeben. Nur so kann die KI Fragen wie "Was ist bis Freitag lieferbar?" oder "Welcher Shop liefert kostenlos?" beantworten. Dieses Feld wird zunehmend zum Differenzierungsmerkmal, da Nutzer in KI-Suchen häufig nach Lieferkonditionen filtern.
Aggregate Rating und Reviews
Bewertungen dienen als Social Proof. KI-Systeme gewichten Produkte höher, die eine positive Historie aufweisen. Wichtig: Verwenden SieaggregateRating für die Gesamtbewertung und zusätzlich einzelne review-Einträge für detaillierte Kundenmeinungen. Je mehr verifizierte Reviews, desto stärker das Vertrauenssignal.
Praxisbeispiel: Korrektes JSON-LD
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Pro-Run Marathon Schuh X1",
"description": "Leichter Laufschuh für Marathonläufer mit verstärkter Dämpfung und atmungsaktivem Obermaterial.",
"sku": "PR-X1-2024",
"gtin13": "4012345678901",
"brand": { "@type": "Brand", "name": "Pro-Run" },
"image": "https://example.com/images/pro-run-x1.jpg",
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "124"
},
"offers": {
"@type": "Offer",
"priceCurrency": "EUR",
"price": "159.90",
"availability": "https://schema.org/InStock",
"priceValidUntil": "2025-12-31",
"shippingDetails": {
"@type": "OfferShippingDetails",
"deliveryTime": {
"@type": "ShippingDeliveryTime",
"transitTime": {
"@type": "QuantitativeValue",
"minValue": 1,
"maxValue": 2,
"unitCode": "d"
}
}
}
}
}
Validierung und Testing
Ein korrekt aufgebautes Product Schema nützt wenig, wenn es Syntaxfehler enthält. Nutzen Sie diese Tools zur Validierung:
- Google Rich Results Test: Prüft, ob Ihr Schema für Rich Snippets qualifiziert ist
- Schema.org Validator: Validiert die technische Korrektheit gegen den Standard
- AI Trust Audit: Prüft Ihre strukturierten Daten speziell auf KI-Sichtbarkeit und Vollständigkeit
Fazit
Verwenden Sie konsequent eindeutige Identifikatoren (GTIN, SKU), pflegen Sie Versand- und Lieferdetails direkt im Schema, halten Sie Preis- und Verfügbarkeitsdaten penibel aktuell und bleiben Sie streng beim Schema.org-Standard. Ein vollständiges Product Schema ist kein Nice-to-have — es ist die Eintrittskarte zur KI-Sichtbarkeit Ihres Shops.