Blog · Technik

Strukturierte Daten machen Sie nicht sichtbarer in ChatGPT. Was stattdessen zählt.

Robin21. Oktober 2026

Schema-Markup und eine llms.txt-Datei werden oft als Mittel für mehr Sichtbarkeit in ChatGPT angeboten. Die Daten, die es dazu gibt, zeigen keinen messbaren Effekt. Strukturierte Daten bleiben trotzdem nützlich, vor allem für Google Shopping.

Eine Studie mit Kontrollgruppe findet keinen Effekt

Die meisten Zahlen zur KI-Sichtbarkeit sind Korrelationen. Zu Schema-Markup gibt es eine Untersuchung mit Kontrollgruppe. Ahrefs hat 1'885 Seiten beobachtet, die zwischen August 2025 und März 2026 JSON-LD ergänzt haben, und sie mit vergleichbaren Seiten ohne diese Änderung verglichen (Ahrefs).

Quelle: Ahrefs, Schema und KI-Zitate. Seiten mit neuem JSON-LD im Vergleich zur Kontrollgruppe, August 2025 bis März 2026.

Bei ChatGPT und AI Mode liegt der Unterschied im Rauschen. Bei den AI Overviews sanken die Zitate sogar, was Ahrefs eher anderen Ursachen zuschreibt. Ahrefs ist ein Softwareanbieter, und die Studie ist nicht wissenschaftlich begutachtet. Bessere Daten zu dieser Frage habe ich nicht gefunden.

Eine zweite, kleinere Arbeit mit 730 Zitaten zu 75 kommerziellen Suchanfragen fand insgesamt ebenfalls keinen Unterschied. Sie sah höchstens einen kleinen Vorteil für sehr detaillierte Produktdaten auf wenig bekannten Websites (SSRN). Auch das ist ein Vorabdruck ohne Begutachtung.

KI-Systeme lesen den sichtbaren Text

Der Grund liegt vermutlich darin, wie die Systeme Seiten lesen. Ein Test von searchVIU, den Ahrefs zitiert, kam zum Schluss, dass ChatGPT, Claude, Perplexity, Gemini und Google AI Mode beim Abruf nur den sichtbaren HTML-Inhalt auswerteten. Das JSON-LD im Quelltext liessen sie liegen (Ahrefs).

Für Onlineshops ist ein zweiter Punkt wichtiger. Vercel und MERJ haben 2024 den Verkehr von KI-Crawlern untersucht. OAI-SearchBot, ChatGPT-User und GPTBot von OpenAI, ClaudeBot von Anthropic und PerplexityBot führen kein JavaScript aus. GPTBot lud in 11,5 % der Abrufe zwar JavaScript-Dateien herunter, führte sie aber nicht aus. Nur Gemini, das auf der Infrastruktur von Googlebot läuft, und AppleBot rendern Seiten vollständig (Vercel).

Stehen Preis, Lieferstatus oder Bewertungssterne erst nach dem Laden von JavaScript auf der Seite, fehlen sie für ChatGPT. Das kann bei Headless-Shops passieren und bei Themes, die Inhalte über Apps nachladen. In derselben Messung landete der Crawler von ChatGPT bei 34,8 % seiner Abrufe auf einer Fehlerseite (Vercel). Saubere Weiterleitungen für alte Produkt-URLs lohnen sich also auch hier.

llms.txt bringt nach heutigem Stand nichts

Eine llms.txt ist eine Textdatei im Hauptverzeichnis einer Website, die KI-Systemen eine Übersicht geben soll. SE Ranking hat rund 300'000 Domains untersucht, von denen 10,1 % eine solche Datei hatten. Ein Zusammenhang mit KI-Zitaten zeigte sich nicht. Das statistische Modell wurde sogar besser, als die Variable entfernt wurde (SE Ranking).

Google schreibt, dass man für die KI-Suche keine speziellen KI-Textdateien braucht und dass die Suche solche Dateien ignoriert (Google). Ein experimenteller Prüfpunkt in Googles Entwicklerwerkzeug Lighthouse fragt die Datei zwar ab (Search Engine Journal). Ein Einfluss auf Suchergebnisse folgt daraus nicht.

Auch diese Website hat eine llms.txt. Sie zu schreiben hat eine Viertelstunde gedauert, und ich erwarte davon nichts. Wenn Ihnen jemand die Datei als bezahlte KI-Massnahme anbietet, fragen Sie nach der Messung, die den Effekt belegt.

Wo strukturierte Daten weiterhin zählen

Ihr Product-Markup sollten Sie trotzdem behalten. Google empfiehlt strukturierte Daten weiterhin für Rich Results, also Sterne, Preis und Verfügbarkeit direkt im Suchergebnis. Für die generative KI-Suche brauche es dagegen kein spezielles Markup (Google).

Der grössere Hebel liegt im Produktfeed. Die Shopping-Antworten in Google AI Mode beruhen auf dem Shopping Graph mit über 50 Milliarden Produkteinträgen, von denen über 2 Milliarden stündlich aktualisiert werden (Google). Google empfiehlt in seinem Leitfaden Merchant-Center-Feeds, damit Produkte in KI-Antworten und in der normalen Suche erscheinen (Google). Seit Mai 2026 gibt es im Merchant Center laut Fachberichten sogenannte Conversational Attributes für Produkt-FAQ, verwandte Produkte und Varianten, in allen Ländern (Lily AI). Von allen Feed-Aufgaben halte ich diese im Moment für die lohnendste.

Auch OpenAI schreibt in seiner Dokumentation für Händler-Feeds, dass Angaben wie Bilder und Bewertungen das Ranking verbessern (OpenAI). Dieses Feed-Programm steht laut Drittanbietern aber bisher nur US-Händlern offen (e2m). Für Schweizer Shops führt der Weg in ChatGPT deshalb vorerst über die normale Website.

Was stattdessen zählt

Wenn Sie die Zeit, die sonst ins Markup fliesst, anders einsetzen wollen, haben diese Punkte die bessere Beweislage.

• Sichtbarer Text auf der Produktseite. Preis, Grösse, Inhaltsstoffe, Hauttyp, Lieferzeit und häufige Fragen gehören in den HTML-Text, den der Server ausliefert. Bei physischen Produkten zitiert ChatGPT von Marken in 87,2 % der Fälle die Produktseite (Ahrefs).
• Sachliche Sprache. In einem Laborversuch mit rund 13'700 Suchanfragen verbesserten FAQ, klar benannte Vorteile und Zwischentitel die Platzierung eines Produkts durch KI-Modelle leicht. Werbesprache und Storytelling verschlechterten sie deutlich (arXiv). Ob ChatGPT selbst gleich reagiert, ist offen.
• Zugang für Crawler. OAI-SearchBot, PerplexityBot, Googlebot und Bingbot müssen Ihre Seiten abrufen dürfen, in der robots.txt und in den Bot-Einstellungen Ihres CDN.
• Erwähnungen ausserhalb Ihrer Website. Die stärksten Zusammenhänge mit KI-Sichtbarkeit fand Ahrefs bei Erwähnungen auf YouTube und im Web, Backlinks spielten kaum eine Rolle (Ahrefs). Mehr dazu im Beitrag Wie ChatGPT entscheidet, welche Marken es empfiehlt.

Was Sie diese Woche tun können

1. Rufen Sie Ihre drei meistverkauften Produktseiten mit «Seitenquelltext anzeigen» auf oder mit curl in der Kommandozeile. Prüfen Sie, ob Preis, Verfügbarkeit und Beschreibung im Text stehen.
2. Öffnen Sie im Google Merchant Center die Diagnose und beheben Sie die häufigsten Fehler.
3. Testen Sie eine Produktseite mit dem Rich-Results-Test von Google. Preis und Verfügbarkeit sollten im Markup, im Feed und auf der Seite übereinstimmen.
4. Schreiben Sie die fünf häufigsten Kundenfragen zu Ihrem Bestseller als sichtbare FAQ auf die Produktseite.

Empfiehlt KI Ihre Marke? Kostenlose KI-Analyse, in 48 Stunden