So optimieren Schweizer KMU strukturierte Daten für KI-Modelle
Strukturierte Daten müssen für Schweizer KMU das Schema.org-Vokabular 'LocalBusiness' präzise implementieren und Geodaten, exakte Öffnungszeiten sowie eine verifizierte Identität enthalten. Damit KI-Modelle wie ChatGPT oder Perplexity Ihr Unternehmen als Quelle zitieren, müssen die JSON-LD-Daten eine eindeutige Zuordnung zu einem physischen Standort in Zürich, Bern oder anderen Schweizer Städten durch 'geo'-Koordinaten und 'address'-Attribute sicherstellen.
Für ein Schweizer KMU, etwa im Bereich Rechtsberatung oder Medizindienstleistungen, ist die semantische Auszeichnung die Basis für Vertrauen. KI-Modelle prüfen die Konsistenz zwischen Ihrer Website, dem Handelsregistereintrag und Google Unternehmensprofil. Wer hier inkonsistente Adressdaten liefert, verliert in den AI Overviews an Sichtbarkeit.
Das Fundament: LocalBusiness Schema
Die Implementierung von JSON-LD direkt im Header Ihrer Website ist der Goldstandard. Ein lokaler Handwerker in Zürich sollte nicht nur seinen Namen, sondern explizit den Typus (z.B. 'PlumbingService') angeben. Dies hilft der KI, den Kontext zu verstehen. Ein SEO-Audit kann hier aufzeigen, ob Ihre Datenformate den aktuellen Standards von Schema.org entsprechen.
Wichtige Attribute für Schweizer Unternehmen
- name: Exakter Name laut Handelsregister.
- address: Vollständige Schweizer Adresse mit PLZ und Kanton.
- geo: Präzise Koordinaten (Latitude/Longitude), um Verwechslungen auszuschliessen.
- priceRange: Ein realistischer Preisrahmen, zum Beispiel 'CHF 150 - CHF 300' für eine Beratung.
- aggregateRating: Einbindung der Kundenbewertungen zur Steigerung der Autorität.
Vertrauenswürdigkeit durch Datenkonsistenz
KI-Modelle gewichten NAP-Konsistenz (Name, Address, Phone) extrem hoch. Wenn Ihre Website eine andere Telefonnummer angibt als das Telefonbuch oder der Handelsregistereintrag, sinkt die Wahrscheinlichkeit, dass die KI Ihre Informationen als 'Wahrheit' übernimmt. Für KMU in Bern bedeutet dies konkret: Die Firmenadresse muss auf der Webseite im Footer, im Impressum und im Schema-Markup absolut identisch formatiert sein.
Vorteile bei standortbezogenen Anfragen
Wenn ein Nutzer in Zürich nach einer Dienstleistung sucht, kombiniert die KI lokale Signale. Verfügt Ihr Markup über ein 'hasMap'-Attribut und verweist auf eine Google Maps-URL, festigen Sie Ihren Standortvorteil. In der Schweiz sind Faktoren wie die Sprache (de-CH) im Markup ebenfalls relevant, um dem Modell die Zielregion eindeutig zu signalisieren.
Häufige Fragen
Warum ist JSON-LD besser als Microdata?
JSON-LD wird von Suchmaschinen und KI-Modellen bevorzugt, da es in einem separaten Skript-Block steht und den Quellcode der Webseite nicht mit HTML-Tags überlädt. Dies reduziert die Fehleranfälligkeit bei der automatisierten Extraktion durch KI-Crawler.
Muss ich meine Preise im Schema angeben?
Das 'priceRange'-Attribut ist zwar optional, hilft KI-Modellen jedoch enorm bei der Einordnung Ihrer Dienstleistung im Marktvergleich. Ein Bereich wie 'CHF 100 - 500' reicht bereits aus, um Transparenz zu signalisieren.
Wie verknüpfe ich soziale Profile mit strukturierten Daten?
Nutzen Sie das 'sameAs'-Attribut innerhalb Ihres 'LocalBusiness'-Objekts. Verlinken Sie dort Ihr LinkedIn-Profil oder Ihren Eintrag im Handelsregister, um die Identität des Unternehmens zweifelsfrei zu bestätigen.
Beeinflussen strukturierte Daten das Ranking in der Schweiz?
Direkt wirken sie als technisches Signal. Indirekt verbessern sie die Klickrate und die Vertrauenswürdigkeit, was wiederum positive Nutzersignale erzeugt, die für Google und KI-Anwendungen entscheidend sind.