Für alle, die mit der KI nicht baden gehen wollen: Strukturierte Daten für deine Webseite

Überall wird gerade über KI gesprochen: Chatbots, Content-Generierung, automatisierte Webentwicklung. Wer in Ruhe bleiben und solide arbeiten will, konzentriert sich lieber auf Dinge, die nachweislich funktionieren - und die auch morgen noch Bestand haben. Strukturierte Daten gehören dazu. Kein Buzzword, kein Hype-Zyklus, sondern seit Jahren etablierter Standard, den Google, Bing und zunehmend auch KI-Suchsysteme nutzen, um Webseiten wirklich zu verstehen.

Bei imia digital haben wir dafür eine eigene TYPO3-Erweiterung entwickelt. Sie reichert Seiten beim normalen Pflegen von Inhaltselementen automatisch um passende JSON-LD-Daten an - Redakteure arbeiten wie gewohnt im Backend. Die Maschinenlesbarkeit entsteht im Hintergrund - ohne Copy-Paste aus Schema-Generatoren und ohne dass jemand JSON-LD von Hand schreiben muss.

Was sind strukturierte Daten – und warum solltest du dich kümmern?

Strukturierte Daten sind standardisierte Informationen, die Suchmaschinen und andere Systeme eindeutig zuordnen können: Wer ist das Unternehmen? Was ist das für ein Artikel? Wo sitzt ihr? Welche Stellen sind offen? Statt dass Google den Seiteninhalt interpretieren muss, liefert ihr die Antworten in einem definierten Format - meist als JSON-LD im HTML-Head der Seite.

Der konkrete Nutzen:

• Bessere Sichtbarkeit: Rich Results in der Google-Suche - Sterne, FAQ-Snippets, Stellenanzeigen, Breadcrumbs, Artikel-Metadaten.
• Klarere Signale: Suchmaschinen und KI-Systeme wissen, was eine Seite ist, nicht nur, was sie enthält.
• Weniger Interpretationsspielraum: Ihr kontrolliert, wie euer Unternehmen, eure Leistungen und eure Inhalte nach außen beschrieben werden.

Strukturierte Daten ersetzen keine gute Inhaltsstrategie und kein technisches SEO. Aber ohne sie verschenkt ihr Sichtbarkeitspotenzial - und das in einer Zeit, in der Wettbewerber oft schon einen Schritt voraus sind.

Warum das manuell fast immer schiefgeht

Technisch klingt das simpel: Ein JSON-LD-Block in den Quellcode, fertig. In der Praxis sieht es anders aus.

Schema.org kennt Hunderte von Typen und Eigenschaften. Google akzeptiert nicht alles, was der Standard erlaubt - und die Anforderungen ändern sich. Ein veraltetes JobPosting-Schema, fehlende Pflichtfelder bei Artikeln oder ein Organization-Block, der nicht zur sichtbaren Seite passt: Das führt zu Warnungen in der Search Console, fehlenden Rich Results oder schlimmer - zu irreführenden Daten in den Suchergebnissen.

Noch problematischer wird es, wenn strukturierte Daten losgelöst vom CMS gepflegt werden. Der Blogartikel wird aktualisiert, das Schema bleibt alt. Ein Mitarbeiter verlässt das Team, die Person-Structured-Data existiert weiter. Die Stellenanzeige wird geschlossen, das JobPosting lebt ewig. Manuelle Pflege skaliert nicht - und ist fehleranfällig, sobald mehr als eine Handvoll Seiten im Spiel sind.

Genau hier scheitern auch viele KI-generierte Lösungen: Sie produzieren Schema-Markup, das auf den ersten Blick valide aussieht, aber nicht zum Seitenaufbau passt, Mehrsprachigkeit ignoriert oder bei jedem Redaktions-Update veraltet. Schnell generiert, langsam falsch.

Unsere Lösung: Strukturierte Daten aus dem CMS heraus

Für TYPO3 haben wir daher eine Erweiterung entwickelt – eine wiederverwendbare JSON-LD-Aggregation, die sich nahtlos in unsere Projekte integriert. Das Prinzip: Redakteure und Entwickler pflegen Inhalte über normale TYPO3-Inhaltselemente und Seitentypen. Das System erkennt den Kontext und ergänzt die Seite automatisch um passende strukturierte Daten.

Konkret bedeutet das:

• Startseite: Organization- und WebSite-Schema aus den zentralen Unternehmensdaten - Adresse, Logo, Social-Media-Profile, Kontaktdaten.
• Leistungsseiten: Service-Schema mit Beschreibung, URL und Anbieter - abgeleitet aus Seitentitel und Inhalt.
• Team-Seite: Person-Schema für jeden Mitarbeiter, sobald das Mitarbeiter-Inhaltselement gepflegt wird - inklusive Jobtitel, Bild und Arbeitgeber-Zuordnung.
• Blog: Article-Schema für einzelne Beiträge und ItemList für die Übersicht - mit Autor, Datum, Teaser und Titelbild.
• Referenzen: Article-Schema auf Detailseiten, ItemList auf der Übersicht.
• Karriere: JobPosting-Schema für Stellenanzeigen, ItemList auf der Karriere-Übersicht.
• Kontakt: LocalBusiness-Schema, wenn eine Karten-Section vorhanden ist - inklusive Geo-Koordinaten.
• Alle Seiten: BreadcrumbList aus der bestehenden Seitenstruktur, passender Page-Type (AboutPage, ContactPage, CollectionPage …).

Kein separates Schema-Backend, kein Plugin pro Seite, kein manuelles Copy-Paste. Wer einen Blogbeitrag speichert, bekommt automatisch valides Article-Markup. Wer eine Stellenanzeige anlegt, erzeugt ein JobPosting. Wer das Team-Inhaltselement aktualisiert, aktualisiert gleichzeitig die Person-Daten.

Warum das keine KI-Aufgabe ist - und trotzdem Spezialisten braucht

Strukturierte Daten sind kein Hexenwerk, aber auch kein Knopfdruck-Thema. Die Technik dahinter ist ausgereift - im Gegensatz zu vielen KI-Anwendungen im Web-Bereich, die heute noch experimentellen Charakter haben. Trotzdem reicht es nicht, ein Plugin zu installieren und zu hoffen.

Entscheidend ist die Architektur: Welche Seitentypen gibt es? Welche Inhaltselemente sollen welches Schema auslösen? Wie werden Mehrsprachigkeit, Canonical URLs und Bilder-URLs korrekt aufgelöst? Wo greifen zentrale Unternehmensdaten, wo seitenbezogene Inhalte? Wer pflegt was - und was passiert, wenn ein Feld leer bleibt?

Typische Fallstricke, die wir in Projekten immer wieder sehen:

• Falsche Schema-Typen: Ein Blogpost als WebPage statt Article - kein Rich Result.
• Veraltete Daten: Schema und sichtbarer Inhalt laufen auseinander, weil sie getrennt gepflegt werden.
• Fehlende Pflichtfelder: Google akzeptiert das Markup, zeigt aber nichts an.
• Duplicate oder widersprüchliche Blöcke: Mehrere Organization-Schemas auf einer Seite verwirren Crawler.
• Performance und Wartbarkeit: Schema-Logik im Template statt in einer dedizierten Extension - schwer testbar, schwer erweiterbar.

Unsere Lösung adressiert genau diese Punkte: zentral wartbar, kontextsensitiv, an TYPO3-Inhaltselemente gekoppelt. Aber sie entsteht nicht von allein - sie braucht saubere Projektarchitektur, durchdachte Content-Modelle und jemanden, der die Search Console beobachtet und bei Google-Richtlinien-Updates nachzieht.

Strukturierte Daten vs. KI-Hype: Was wirklich zählt

Der Unterschied ist gravierend: Strukturierte Daten basieren auf offenen Standards (Schema.org), die von allen großen Suchmaschinen unterstützt werden. Sie sind deterministisch – gleicher Inhalt, gleiches Schema. KI-Tools hingegen raten, halluzinieren und liefern bei jedem Prompt ein anderes Ergebnis.

Für Unternehmen, die langfristig in Google, Bing und künftigen KI-Suchsystemen gefunden werden wollen, sind strukturierte Daten das solide Fundament. KI kann bei der Content-Erstellung helfen - aber die maschinenlesbare Struktur eurer Webseite sollte nicht dem Zufall oder einem Chatbot überlassen werden.

Bei imia digital verbinden wir beides: moderne Werkzeuge dort, wo sie Sinn machen und bewährte Technik dort, wo Zuverlässigkeit zählt. Unsere Schema-Lösung ist ein Beispiel dafür. Kein Marketing-Versprechen, sondern produktiver Code in echten TYPO3-Projekten.

Fazit: Solide statt laut

Wer mit der KI-Welle nicht mitschwimmen will, muss trotzdem sichtbar bleiben. Strukturierte Daten sind einer der effektivsten Hebel dafür - vorausgesetzt, sie werden richtig umgesetzt und automatisch mit dem CMS-Inhalt synchron gehalten.

Genau dafür haben wir imia Schema gebaut: Redakteure pflegen Inhalte, das System liefert maschinenlesbare Daten. Kein Extra-Aufwand, keine veralteten JSON-Blöcke, keine Schema.org-Recherche pro Seite.

Ihr wollt wissen, ob eure TYPO3-Seite suchmaschinen- und KI-ready ist? Wir prüfen eure strukturierten Daten, zeigen Lücken auf und setzen auf Wunsch unsere Lösung für euer Projekt um. Ohne Buzzword-Bingo, dafür mit messbarem Ergebnis.