Stell dir vor, ein potenzieller Kunde fragt ChatGPT: „Welcher Online-Shop hat guten Bio-Espresso unter 30 Euro?“ Die KI durchsucht keine Google-Rankings. Sie greift auf strukturierte Daten zu — maschinenlesbare Informationen, die direkt im HTML-Code einer Website eingebettet sind. Shops, die diese Daten liefern, werden empfohlen. Shops, die es nicht tun, existieren für die KI schlicht nicht.

Das Format, das diese Daten transportiert, heißt JSON-LD. Und für die meisten Online-Shops ist es der entscheidende Hebel zwischen KI-Sichtbarkeit und digitalem Schattendasein.

In diesem Artikel erfährst du, was JSON-LD genau ist, welche fünf Schema-Typen dein Shop mindestens braucht, wie du sie in Shopify, WooCommerce und Magento implementierst — und welche Fehler du unbedingt vermeiden solltest.

Was ist JSON-LD?

JSON-LD steht für „JavaScript Object Notation for Linked Data“. Es ist ein standardisiertes Format, um maschinenlesbare Informationen direkt in den HTML-Code einer Webseite einzubetten — ohne das sichtbare Design zu verändern. Der Code wird in einem <script type="application/ld+json">-Block im Head oder Body der Seite platziert und ist für Besucher unsichtbar.

Das zugrunde liegende Vokabular stammt von Schema.org — einer gemeinsamen Initiative von Google, Microsoft, Yahoo und Yandex. Schema.org definiert hunderte standardisierte Entitätstypen: Produkte, Organisationen, Bewertungen, Events, Rezepte und vieles mehr. JSON-LD ist das bevorzugte Format, um diese Entitäten zu beschreiben.

Und hier wird es für E-Commerce spannend: JSON-LD wird nicht nur von Google gelesen. ChatGPT, Perplexity, Gemini, Claude und andere KI-Systeme nutzen strukturierte Daten, um Produktinformationen präzise zu extrahieren. Ein sauber ausgezeichnetes Produkt mit Preis, Verfügbarkeit, Bewertung und Marke kann von einer KI sofort erfasst und empfohlen werden — ohne den umgebenden Text interpretieren zu müssen.

Die Analogie: Katalog vs. Zettelwirtschaft

Stell dir vor, du schickst einem Einkäufer deinen kompletten Shop als unsortierten Stapel Papier. Er müsste jede Seite lesen, Preise suchen, Verfügbarkeiten raten. Das ist HTML ohne strukturierte Daten.

JSON-LD ist dagegen wie ein perfekt strukturierter Produktkatalog mit klaren Spalten: Name, Preis, Lagerbestand, Bewertung, Versandkosten. Die KI kann sofort zugreifen, vergleichen und empfehlen — in Millisekunden.

Warum JSON-LD für E-Commerce unverzichtbar ist

JSON-LD ist längst kein reines SEO-Thema mehr. Es ist die technische Grundlage für mehrere Bereiche, die über die Zukunft deines Shops entscheiden:

  • Rich Results in Google: Sterne-Bewertungen, Preise und Verfügbarkeitsangaben direkt in den Suchergebnissen — das sind die auffälligen Snippets, die deutlich höhere Klickraten erzielen als normale Einträge.
  • KI-Systeme können Produktdaten präzise extrahieren: Wenn ChatGPT, Perplexity oder Gemini nach Produkten suchen, bevorzugen sie Quellen mit strukturierten Daten. Ohne JSON-LD muss die KI raten — und wird wahrscheinlich einen besser strukturierten Wettbewerber empfehlen.
  • Bessere Click-Through-Rate (CTR): Rich Snippets mit Bewertungen, Preisen und Verfügbarkeit erhöhen die Klickrate in Suchergebnissen um 20 bis 40 Prozent im Vergleich zu einfachen Texteinträgen.
  • Voraussetzung für LLM-Readiness: Strukturierte Daten sind eine der drei Säulen von Generative Engine Optimization (GEO). Ohne sie ist dein Shop technisch nicht in der Lage, von KI-Systemen korrekt erfasst zu werden — egal wie gut dein Content ist.

Die 5 wichtigsten Schema-Typen für Online-Shops

Nicht jedes Schema ist gleich relevant. Die folgenden fünf sind das absolute Minimum, das jeder E-Commerce-Shop implementieren sollte. Zusammen decken sie die kritischsten Informationsbereiche ab, die KI-Systeme und Suchmaschinen für Produktempfehlungen und Rich Results benötigen.

a) Product — Das Herzstück

Das Product-Schema ist das wichtigste Schema für jeden Online-Shop. Es beschreibt ein einzelnes Produkt mit allen relevanten Eigenschaften: Name, Beschreibung, Marke, Bild und — besonders entscheidend — das eingebettete Offer-Schema mit Preis, Währung und Verfügbarkeit. Ohne dieses Schema existiert dein Produkt für KI-Systeme und Google Rich Results schlicht nicht.

JSON-LD: Product{ "@context": "https://schema.org", "@type": "Product", "name": "Bio Espresso Crema", "description": "Kräftiger Espresso aus biologischem Anbau, handgeröstet in kleinen Chargen. Noten von dunkler Schokolade und Nuss. Intensität 8/10.", "image": "https://shop.de/img/bio-espresso-crema.jpg", "sku": "ESP-BIO-250", "brand": { "@type": "Brand", "name": "CoffeeShop" }, "offers": { "@type": "Offer", "price": "24.90", "priceCurrency": "EUR", "availability": "https://schema.org/InStock", "url": "https://shop.de/bio-espresso-crema", "priceValidUntil": "2026-12-31" } }

Pflichtfelder im Offer: price, priceCurrency und availability müssen immer vorhanden sein. Ohne diese drei Felder kann weder Google Rich Results anzeigen noch eine KI eine Kaufempfehlung aussprechen.

b) FAQPage — Für Produktseiten und Kategorien

FAQ-Schemas sind ein unterschätztes Werkzeug. Sie liefern KI-Systemen Antworten auf häufige Kundenfragen direkt als strukturierte Daten — und erhöhen die Wahrscheinlichkeit, dass dein Shop als Quelle zitiert wird, wenn ein Nutzer genau diese Frage in ChatGPT oder Google stellt. Außerdem generieren sie FAQ-Rich-Results in Google, die zusätzliche Fläche in den Suchergebnissen einnehmen.

JSON-LD: FAQPage{ "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Wie lange ist der Bio Espresso haltbar?", "acceptedAnswer": { "@type": "Answer", "text": "Ungemöffnet ist der Bio Espresso mindestens 12 Monate haltbar. Nach dem Öffnen empfehlen wir den Verbrauch innerhalb von 4 Wochen für optimales Aroma." } }, { "@type": "Question", "name": "Ist der Espresso für Vollautomaten geeignet?", "acceptedAnswer": { "@type": "Answer", "text": "Ja, der Bio Espresso Crema eignet sich für alle gängigen Zubereitungsarten: Vollautomat, Siebträger, Mokkakanne und French Press." } } ] }

Praxis-Tipp: Platziere FAQ-Schemas nicht nur auf der Startseite, sondern auf jeder Produktseite und Kategorieseite mit 3 bis 5 relevanten Fragen. Die Fragen sollten tatsächliche Kundenfragen widerspiegeln — nicht künstlich konstruiert wirken.

c) Review / AggregateRating — Bewertungen sichtbar machen

Bewertungen sind einer der stärksten Vertrauenssignale — für Menschen und Maschinen gleichermaßen. Wenn ein LLM zwischen zwei ähnlichen Produkten entscheiden muss, bevorzugt es das Produkt mit sauberen, strukturierten Bewertungsdaten. Das AggregateRating-Schema fasst alle Bewertungen zusammen, das Review-Schema liefert einzelne Rezensionen. Beide werden als Teil des Product-Schemas eingebettet.

JSON-LD: AggregateRating + Review"aggregateRating": { "@type": "AggregateRating", "ratingValue": "4.7", "bestRating": "5", "reviewCount": "238" }, "review": [ { "@type": "Review", "author": { "@type": "Person", "name": "Maria K." }, "datePublished": "2026-01-15", "reviewRating": { "@type": "Rating", "ratingValue": "5", "bestRating": "5" }, "reviewBody": "Bester Espresso, den ich je online bestellt habe. Intensiv, aber nicht bitter. Kommt in wiederverschließbarer Verpackung." } ]

Viele Shops haben hunderte Kundenbewertungen auf ihren Produktseiten — aber kein AggregateRating-Schema. Die KI sieht dann nur ein Produkt ohne soziale Bestätigung. Stelle sicher, dass dein Bewertungs-Plugin oder Theme die Daten auch als strukturierte Daten ausgibt.

d) Organization — Dein Unternehmen identifizierbar machen

Das Organization-Schema identifiziert dein Unternehmen gegenüber KI-Systemen und Suchmaschinen. Es enthält Name, Logo, Kontaktdaten, Social-Media-Profile und weitere Informationen, die eine KI braucht, um dich als vertrauenswürdige Marke einzuordnen. Dieses Schema gehört auf die Startseite und wird idealerweise auf jeder Seite als Teil eines übergreifenden Graphs eingebunden.

JSON-LD: Organization{ "@context": "https://schema.org", "@type": "Organization", "name": "CoffeeShop GmbH", "url": "https://shop.de", "logo": "https://shop.de/img/logo.png", "description": "Online-Rösterei für Bio-Kaffee aus Direkthandel. Frisch geröstet, klimaneutral versendet.", "foundingDate": "2019", "contactPoint": { "@type": "ContactPoint", "telephone": "+49-30-1234567", "contactType": "customer service", "availableLanguage": ["German", "English"] }, "sameAs": [ "https://www.instagram.com/coffeeshop", "https://www.linkedin.com/company/coffeeshop", "https://www.facebook.com/coffeeshop" ] }

Wenn ein Nutzer eine KI fragt „Empfiehl mir einen nachhaltigen Kaffee-Shop in Deutschland“, wird das Modell die Marke bevorzugen, die es mit klaren, strukturierten Unternehmensdaten verknüpfen kann. Das Organization-Schema ist die digitale Visitenkarte für Maschinen.

e) BreadcrumbList — Navigation für Maschinen

Das BreadcrumbList-Schema bildet die Navigationsstruktur deines Shops für Maschinen ab. Es hilft KI-Systemen, die Kategorie-Hierarchie zu verstehen und Produkte im richtigen Kontext einzuordnen. Google nutzt es außerdem, um Breadcrumb-Pfade in den Suchergebnissen anzuzeigen — statt der nackten URL.

JSON-LD: BreadcrumbList{ "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Startseite", "item": "https://shop.de/" }, { "@type": "ListItem", "position": 2, "name": "Espresso", "item": "https://shop.de/espresso/" }, { "@type": "ListItem", "position": 3, "name": "Bio Espresso Crema", "item": "https://shop.de/espresso/bio-espresso-crema/" } ] }

Ohne Breadcrumb-Schema muss eine KI die Zuordnung „Bio Espresso Crema → Espresso → Kaffee-Shop“ selbst herstellen. Mit dem Schema erhält sie diese Information strukturiert und kann das Produkt präzise in den richtigen Kontext setzen.

Implementierung: So fügst du JSON-LD hinzu

Die gute Nachricht: Du musst JSON-LD nicht immer manuell schreiben. Je nach Shopsystem gibt es bewährte Lösungen, die den Großteil der Arbeit übernehmen. Entscheidend ist, dass du am Ende validierst, ob die Schemas korrekt und vollständig sind.

Shopify

Shopify bringt von Haus aus bereits ein grundlegendes Product-Schema mit — aber es ist in den meisten Themes unvollständig. Häufig fehlen AggregateRating, FAQ und Organization. Für eine vollständige Abdeckung gibt es drei Wege:

  • JSON-LD for SEO (von Ilana Davis) — der Gold-Standard unter den Shopify-Apps. Generiert automatisch Product, Offer, Breadcrumb, Organization, FAQ und weitere Schemas. Dynamisch aus deinen Shopify-Daten, nicht statisch.
  • Schema Plus for SEO — solide Alternative mit visueller Konfiguration und Vorschau. Gut für Teams, die keine Liquid-Kenntnisse haben.
  • Manuell über theme.liquid — für maximale Kontrolle. Schemas werden im <head>-Bereich per Liquid-Template eingefügt, mit dynamischen Variablen wie {{ product.title }} und {{ product.price | money_without_currency }}. Nur empfehlenswert, wenn du Liquid beherrschst.

Worauf achten: Prüfe nach der Installation, ob das Theme und die App sich nicht gegenseitig überschreiben — doppelte Schemas sind ein häufiger Fehler bei Shopify.

WooCommerce

WooCommerce ohne Erweiterungen generiert nur rudimentäre strukturierte Daten. Diese Plugins schließen die Lücke:

  • Rank Math SEO — unser Favorit für die meisten WooCommerce-Shops. Generiert Product, Review, Breadcrumb, FAQ und Organization Schemas automatisch aus deinen WooCommerce-Daten. Intuitive Konfiguration, gute Dokumentation.
  • Yoast SEO + WooCommerce SEO Add-on — bewährte Kombination. Yoast liefert Basis-Schemas, das WooCommerce-Add-on erweitert sie um produktspezifische Daten. Etwas konservativer als Rank Math bei der Schema-Abdeckung.
  • Schema Pro — spezialisiertes Plugin mit granularen Konfigurationsmöglichkeiten. Ideal, wenn du sehr spezifische Schema-Anforderungen hast, die über Standard-E-Commerce hinausgehen.
  • Manuell über functions.php — mit dem Hook wp_head und wc_get_product() lassen sich Schemas vollständig dynamisch erzeugen. Maximale Kontrolle, aber erfordert PHP-Kenntnisse.

Magento (Adobe Commerce)

Magento ist das mächtigste, aber auch das komplexeste System bei der JSON-LD-Implementierung:

  • Built-in: Magento 2.4+ bringt grundlegendes Product- und Organization-Schema mit. Für die meisten Shops reicht das nicht aus.
  • Extensions: Amasty, Mageplaza und MageWorx bieten umfassende Schema-Extensions mit visueller Konfiguration und automatischer Datenübernahme aus dem Katalog.
  • Custom Module: Für individuelle Anforderungen. Die Schemas werden im Layout-XML definiert und über Block-Klassen mit Produktdaten befüllt. Erfordert Magento-Entwicklungserfahrung.
  • Hyvä-Kompatibilität: Bei Headless-Setups mit Hyvä müssen Schemas im Frontend separat gerendert werden — die Backend-Extensions greifen dort nicht automatisch.
Für alle Shopsysteme: Immer validieren

Egal welches System du nutzt — nach jeder Implementierung müssen die Schemas validiert werden. Nutze diese zwei Tools:

  • Google Rich Results Test (search.google.com/test/rich-results) — zeigt dir, welche Rich Results Google aus deinen Schemas generieren kann und wo Fehler vorliegen.
  • Schema.org Validator (validator.schema.org) — prüft die technische Korrektheit gegen das offizielle Schema.org-Vokabular. Strenger als der Google-Test.

Erst wenn alle relevanten Seitentypen (Startseite, Kategorieseiten, Produktseiten) fehlerfrei durchlaufen, ist die Implementierung abgeschlossen.

Typische Fehler bei JSON-LD

Selbst wenn du JSON-LD implementiert hast, können Fehler dafür sorgen, dass die Daten von KI-Systemen ignoriert oder falsch interpretiert werden. Die folgenden Fehler sehen wir bei Shop-Audits immer wieder:

Die 6 häufigsten JSON-LD-Fehler
  1. Fehlende Pflichtfelder (price, availability): Ein Product-Schema ohne Preis und Verfügbarkeit im Offer ist für KI-Systeme wertlos. Ohne diese Felder kann keine Kaufempfehlung ausgesprochen und kein Rich Result generiert werden.
  2. Veraltete Preise und Verfügbarkeit: Wenn availability auf InStock steht, obwohl das Produkt seit Wochen ausverkauft ist, verliert dein Shop das Vertrauen von KI-Systemen. Preis und Verfügbarkeit müssen dynamisch aus dem Warenwirtschaftssystem kommen — nicht statisch hinterlegt sein.
  3. Falsche Schema-Typen: Häufig wird @type: "Thing" statt "Product" verwendet, oder ein Service als Product ausgezeichnet. Falsche Typisierung führt dazu, dass die KI die Daten nicht korrekt einordnen kann.
  4. JSON-LD nur auf der Startseite: Einer der häufigsten Fehler. Das Organization-Schema gehört auf die Startseite — aber Product-Schemas müssen auf jeder einzelnen Produktseite individuell vorhanden sein. Eine pauschale Einbindung auf der Startseite reicht nicht aus.
  5. Doppelte oder widersprüchliche Markups: Wenn Theme und Plugin jeweils eigene Product-Schemas generieren, entstehen Duplikate mit potenziell widersprüchlichen Daten (unterschiedliche Preise, Verfügbarkeiten). Google und KI-Systeme wissen dann nicht, welche Version korrekt ist.
  6. Fehlende Review-Daten trotz vorhandener Bewertungen: Viele Shops zeigen Sternebewertungen auf der Website an, ohne ein AggregateRating-Schema zu haben. Die KI sieht dann ein Produkt ohne jede soziale Bestätigung.
Praxis-Tipp: Monatlicher JSON-LD-Audit

Führe einmal im Monat einen stichprobenartigen Audit durch: Prüfe 10 bis 15 Produktseiten mit dem Google Rich Results Test. Besonders nach Shop-Updates, Theme-Wechseln oder Plugin-Aktualisierungen können Schemas unbemerkt kaputtgehen. Wenn du es systematischer willst: Unser Audit Tool prüft automatisiert alle relevanten Schema-Typen.

JSON-LD und Generative Engine Optimization (GEO)

Strukturierte Daten sind nicht isoliert zu betrachten. Sie sind eine der drei zentralen Säulen von Generative Engine Optimization — der neuen Disziplin, die bestimmt, ob dein Shop von KI-Systemen empfohlen wird oder unsichtbar bleibt.

Die drei Säulen von GEO sind:

  1. Strukturierte Daten (JSON-LD) — die maschinenlesbare Beschreibung deiner Produkte und deines Unternehmens. Ohne sie kann keine KI deine Daten korrekt extrahieren.
  2. Faktenbasierter Content — konkrete Spezifikationen, Materialangaben, Testergebnisse statt Marketing-Floskeln. LLMs bewerten Inhalte nach faktischer Dichte und Präzision.
  3. Trust Signals — Bewertungen, Zertifizierungen, vollständige Impressumsangaben und Rückgaberichtlinien als maschinenlesbare Vertrauensindikatoren.

JSON-LD ist dabei das technische Fundament. Ohne strukturierte Daten können KI-Systeme deine Produkte nicht korrekt erfassen — egal wie gut dein Content oder wie stark deine Trust Signals sind. Es ist der erste Schritt, den du implementieren solltest.

Einen umfassenden Überblick über alle GEO-Säulen und deren Zusammenspiel findest du in unserem Artikel Was ist GEO? — Generative Engine Optimization für Online-Shops erklärt.

Fazit: JSON-LD ist kein Nice-to-have

JSON-LD ist die technische Grundvoraussetzung für KI-Sichtbarkeit. Es ist der Unterschied zwischen einem Shop, der von ChatGPT, Gemini und Perplexity empfohlen wird — und einem, der in deren Antworten schlicht nicht vorkommt.

Die gute Nachricht: Die Implementierung ist einfacher, als die meisten denken. Mit den richtigen Plugins und einer klaren Priorisierung kannst du die fünf wichtigsten Schema-Typen innerhalb weniger Tage implementieren — ohne Programmierteam und ohne dein Shop-Design anzufassen.

Die Reihenfolge ist klar:

  1. Product + Offer auf jeder Produktseite — das ist die Pflicht.
  2. AggregateRating — wenn du Bewertungen hast, mach sie maschinenlesbar.
  3. Organization auf der Startseite — mach dein Unternehmen identifizierbar.
  4. BreadcrumbList auf allen Seiten — gib der KI deine Navigationsstruktur.
  5. FAQPage auf Produkt- und Kategorieseiten — beantworte die Fragen, bevor sie gestellt werden.

Validiere mit dem Google Rich Results Test, prüfe monatlich stichprobenartig — und dein Shop ist technisch bereit für die KI-getriebene Zukunft des E-Commerce.

Häufige Fragen

Brauche ich Programmierkenntnisse für JSON-LD?

Grundkenntnisse in HTML und JSON helfen beim Verständnis, sind aber nicht zwingend nötig. Plugins wie Rank Math (WooCommerce) oder JSON-LD for SEO (Shopify) übernehmen den Großteil der Arbeit automatisch. Du konfigurierst, das Plugin generiert den Code dynamisch aus deinen Produktdaten. Für manuelle Anpassungen oder Sonderfälle sind PHP- oder Liquid-Kenntnisse hilfreich.

Wie teste ich, ob mein JSON-LD korrekt ist?

Nutze den Google Rich Results Test (search.google.com/test/rich-results) für eine schnelle Prüfung deiner Produktseiten. Für eine strengere, technische Validierung eignet sich der Schema Markup Validator (validator.schema.org). Teste beide Tools mit deiner Live-URL und prüfe, ob alle erwarteten Schema-Typen erkannt werden und keine Fehler vorliegen.

Beeinflusst JSON-LD das Google-Ranking direkt?

Nicht direkt — JSON-LD ist kein Ranking-Faktor im klassischen Sinne. Aber indirekt ist die Wirkung erheblich: Rich Results (Sterne, Preise, Verfügbarkeit) erhöhen die Klickrate um 20 bis 40 Prozent, was sich positiv auf Rankings auswirkt. Für KI-Sichtbarkeit sind strukturierte Daten dagegen direkt entscheidend — ohne sie können LLMs deine Produkte nicht korrekt erfassen und empfehlen.

Welche Schema-Typen sind für Mode- und Beauty-Shops am wichtigsten?

Für Mode und Beauty sind diese fünf Schema-Typen am relevantesten: Product mit detaillierten Offer-Daten (Preis, Größen, Farben, Verfügbarkeit), AggregateRating mit echten Kundenbewertungen, FAQPage für Material- und Pflegehinweise, Organization für Markenidentität und BreadcrumbList für die Kategorie-Hierarchie (z.B. Damen → Kleider → Sommerkleider).