Es ist schon faszinierend zu sehen, wie sich Dinge entwickeln, von denen man dachte, sie seien längst etabliert. Genau so fühlt es sich mit der jüngsten Neuerung von Schema.org an. Die Plattform hat etwas eingeführt, das vielen SEO-Profis, Entwicklern und Webanalysten schon lange gefehlt hat: eine direkte Übersicht, welche Schema-Typen im Web tatsächlich verwendet werden und wie stark.
Ich muss gestehen, als ich das zum ersten Mal gesehen habe, war mein erster Gedanke: „Endlich!“ Denn diese Art von Daten gab es bisher nicht öffentlich auf dieser Ebene. Man wusste, dass bestimmte strukturierte Datentypen häufiger vorkommen als andere – etwa Product oder Article – aber konkrete Zahlen bekam man nur aus verstreuten Studien oder den eigenen Crawls. Jetzt bietet Schema.org selbst diese Informationen an – monatlich aktualisiert, auf Domain-Ebene aggregiert.
Warum das für dich wichtig ist
Wenn du Websites baust oder SEO machst, wird dir klar sein, wie entscheidend strukturierte Daten inzwischen sind. Sie helfen Suchmaschinen, den Kontext deiner Inhalte besser zu verstehen und damit Features wie Rich Snippets oder Knowledge Panels zu unterstützen. Bisher konntest du sehen, ob dein Markup technisch korrekt ist – über Tools wie den Rich Results Test oder die Search Console. Aber du hattest kaum Anhaltspunkte, wie verbreitet bestimmte Schema-Elemente auf anderen Websites sind. Das ändert sich jetzt.
Die neue Datensammlung umfasst Aggregatwerte über verschiedene Domain-Bereiche hinweg. Schema.org selbst beschreibt, dass die Daten monatlich aktualisiert werden und nach Popularitätsbereichen gruppiert sind. Das heißt: Anstatt absolute Zahlen zu nennen, zeigt Schema.org, in welchen „Buckets“ (also Bereichen) sich ein bestimmter Typ bewegt – von sehr selten bis weit verbreitet.
Das Ziel ist, wie sie selbst schreiben, „die tägliche Datengeräuschkulisse herauszufiltern und gleichzeitig bedeutende Trends hervorzuheben“. Im Grunde sollen also saisonale oder zufällige Schwankungen keine falschen Eindrücke erzeugen. Stattdessen liegt der Fokus auf solideren langfristigen Entwicklungen.
Was die ersten Zahlen aussagen
Ein spannendes Beispiel ist der Vergleich zwischen dem Author-Schema und dem Event-Schema. Laut den ersten Werten wird das Author-Schema auf über zehn Millionen Domains verwendet – das Event-Schema dagegen auf weniger als einer Million. Das ist schon ein gewaltiger Unterschied, den man so bisher eher nur vermuten konnte.
Wenn man darüber nachdenkt, ergibt es natürlich Sinn: Autorenangaben sind auf Blogs, Nachrichtenportalen, Unternehmensseiten oder sogar Shops Standard. Events dagegen sind eher Nischeninhalte – Konzerte, Webinare, Workshops. Die Nutzung wird also stark branchenspezifisch sein. Dennoch hilft diese neue Übersicht enorm, um Prioritäten bei eigenen Markup-Strategien zu setzen. Du kannst endlich prüfen, ob ein bestimmtes Schema-Typfeld überhaupt relevant ist oder in der Praxis kaum genutzt wird.
Google & die Geschichte dahinter
Interessant ist, dass bei diesem Projekt auch Google aktiv beteiligt war. Ryan Levering – ein langjähriger Entwickler bei Google – hat auf LinkedIn erzählt, dass diese Statistikfunktion schon fast so etwas wie eine Herzensangelegenheit für Dan Brickley war, einen der wichtigsten Köpfe hinter Schema.org. Er wollte schon lange, dass Google selbst Nutzungsdaten veröffentlicht, um ein klareres Bild der Verbreitung zu zeigen.
Levering schrieb, er habe „endlich Unterstützung bekommen, um das Projekt abzuschließen“ – und dass noch mehr Features geplant seien. Er erwähnte außerdem, dass offene Crawls (also öffentliche Webcrawler außerhalb von Google) meist gar nicht dieselbe Tiefe im Index erreichen. Deshalb sei es sinnvoll, dass Google mithilft, solche Statistiken mitzugestalten – selbst wenn die veröffentlichten Werte bewusst vereinfacht oder abstrahiert werden.
Das zeigt auch, dass Google selbst Interesse daran hat, Strukturtrends im Web sichtbarer zu machen. Offensichtlich profitieren davon nicht nur SEOs, sondern auch machine-learning-getriebene Projekte, Tools oder Suchforschende, die sich auf die Entwicklung des semantischen Webs konzentrieren.
Neue Möglichkeiten für Forschung und Praxis
Für Tools, die Content-Analysen oder Schema-Optimierungen anbieten, ist das Gold wert. Anhand der Zahlen lässt sich zum Beispiel prüfen, ob bestimmte Schema-Elemente in der Praxis tatsächlich zunehmen oder ob sie nach wie vor Nischenthemen sind. Wenn man das regelmäßig beobachtet, kann man Adoptionstrends erkennen – also sehen, wann neue Formate (wie etwa „FAQPage“ oder „HowTo“) sich durchsetzen.
Ein Beispiel: Als Google vor Jahren das „FAQPage“-Schema unterstützte, dauerte es nur wenige Monate, bis Millionen von Sites begannen, es zu implementieren. Mit den neuen Statistikseiten wird man solche Entwicklungen erstmals messbar nachverfolgen können.
Das hat auch einen pädagogischen Effekt: Organisationen, die Datenstandards fördern, können jetzt konkreter argumentieren, welche Schemas sich durchsetzen und wo der Markt noch zurückhaltend ist. Kurz gesagt: Es bringt etwas Licht ins Dunkel der strukturierten Daten.
Wie du die Daten selbst einsehen kannst
Schema.org hat auf jeder Detailseite eines Schema-Typs – zum Beispiel bei Article oder Event – ganz oben eine neue Rubrik mit den Nutzungswerten eingebaut. Dort siehst du, in welchem Größenbereich sich der jeweilige Typ bewegt. Zusätzlich gibt es ein monatlich aktualisiertes .csv-File auf GitHub, das du herunterladen und selbst analysieren kannst. Darin sind die Zahlen strukturierter und für Forschung oder eigene Reports geeignet.
Google selbst hat auf LinkedIn extra darauf hingewiesen und geschrieben, dass man „diese Trends direkt auf den einzelnen Schema-Seiten oder über die Rohdateien auf GitHub analysieren kann“. Das ist clever, weil sie so Entwickler, Agenturen und Data Scientists gleichermaßen abholen.
Wenn du zum Beispiel wissen willst, wie sich der Einsatz bestimmter Schemas im Laufe von Monaten verändert, kannst du einfach mehrere Ausgaben des Datensatzes vergleichen. Damit ließe sich – mit einem kleinen Skript – sogar eine historische Entwicklungskurve erzeugen.
Wie die Zahlen erhoben werden
Laut Schema.org erfolgt die Messung auf Domain-Ebene. Das bedeutet: Wenn auf einer Website zehn verschiedene Seiten ein bestimmtes Markup verwenden, zählt das alles noch als „eine Domain mit diesem Typ“. Das verhindert, dass große Portale automatisch die Statistik dominieren. Die Werte werden dann in Bereiche eingeteilt – etwa „unter 100.000“, „zwischen 1 Million und 10 Millionen“ oder „über 10 Millionen“. So müssen keine exakten Zahlen veröffentlicht werden, und gleichzeitig bleibt das Gesamtbild aussagekräftig.
Die Entscheidung für diese Darstellungsart ist nachvollziehbar. Sie schützt einerseits sensible Daten (niemand will eine Website-Analyse von Google öffentlich sehen) und macht andererseits die Trends nachvollziehbar genug, um sie für Forschung und SEO-Strategie zu nutzen.
Praktische Auswirkungen auf SEO und Content-Strategie
Wenn man ehrlich ist, wird das die tägliche SEO-Arbeit nicht radikal verändern – aber sie wird smarter. Du kannst jetzt zum Beispiel prüfen, ob du als einer der wenigen in deiner Branche ein bestimmtes Markup nutzt. Falls ja, könnte das ein Wettbewerbsvorteil sein, weil du Suchmaschinen zusätzliche Signale gibst, die die Konkurrenz möglicherweise ignoriert.
Andererseits siehst du bei weit verbreiteten Typen sofort, dass du sie keineswegs vernachlässigen darfst. Wenn beispielsweise 80 Prozent aller Seiten mit Rezept-Inhalten „Recipe“-Schema nutzen und du nicht, machst du dir das Leben unnötig schwer. Diese Art Benchmarking wird durch die neuen Daten erheblich einfacher.
Auch Content-Planung kann davon profitieren. Es lassen sich Muster erkennen, welche Typen häufig miteinander kombiniert werden – etwa „Product“ mit „AggregateRating“ oder „Offer“. Gerade größere Portale, die standardisierte Vorlagen verwenden, können daraus lernen, welche Kombinationen in der Praxis üblich sind und wie weit sie mit eigenen Implementierungen vom Standard abweichen.
Ein kleiner Seitenblick: Datenethik und Transparenz
Etwas, das ich persönlich spannend finde: Dieses Projekt zeigt auch eine Tendenz Richtung Transparenz der Webstruktur. In den letzten Jahren war viel die Rede von geschlossenen Datensilos – also der Tatsache, dass nur große Akteure wie Google, Microsoft oder Amazon umfassendes Wissen darüber haben, wie strukturierte Informationen im Web verteilt sind.
Dass jetzt wenigstens aggregierte Werte öffentlich sind, stellt eine Art Balance her: Alle können etwas lernen, ohne dass jemand seine proprietären Daten vollständig offenlegen muss. Für viele offene Dateninitiativen ist das genau die Art von Kompromiss, die Weiterentwicklung fördert, ohne Geheimnisse preiszugeben.
Was vermutlich als Nächstes kommt
Levering hat ja angedeutet, dass noch „ein paar spannende Dinge“ folgen könnten. Ich vermute, dass in Zukunft noch detailliertere Aufschlüsselungen kommen – vielleicht nach Sprachregionen oder Kategorien. Denkbar wäre auch, dass Schema.org irgendwann historische Diagramme direkt auf den Seiten anbietet, ähnlich wie Google Trends, sodass man die Akzeptanzkurve eines Typs sehen kann.
Ebenso wäre es nützlich, Kreuzbeziehungen zu erkennen: Welche Typen kommen oft gemeinsam vor? Das wäre Gold wert für Tool-Entwickler, um Empfehlungen zu geben wie „Wenn du ‘Event’ nutzt, füge auch ‘Place’ und ‘Performer’ hinzu“.
Warum das mehr als nur ein Statistik-Gimmick ist
Ich sehe in dieser Neuerung einen größeren kulturellen Schritt. Schema.org war viele Jahre ein Framework, das Entwickler eher als technische Pflichtübung betrachteten. Jetzt wird es transparenter, beobachtbarer – beinahe sozial. Du kannst endlich sehen, wie sich das kollektive Verhalten der Webcommunity entwickelt.
Das mag banal klingen, aber für Forschung im Bereich Machine Learning und Websemantik ist das ein echter Meilenstein. Je besser man versteht, welche Strukturen im Web tatsächlich existieren, desto genauer können Modelle trainiert werden, die das menschliche Wissen in maschinenlesbarer Form abbilden sollen.
Und für dich als SEO oder Entwickler heißt das: Du kannst faktenbasiert argumentieren. Wenn du deinem Kunden erklärst, warum du bestimmte Markups einführst oder warum andere optional sind, kannst du jetzt mit realen Webdaten argumentieren – nicht nur mit Google-Dokumentation oder Bauchgefühl.
Natürlich wird das Ganze seine Grenzen haben. Schema.org selbst betont, dass die Werte nur „aggregierte Stichproben“ repräsentieren. Aber dennoch – selbst wenn sie nur 70 % der Realität abbilden, ist das mehr als all die Vermutungen, mit denen wir bisher gearbeitet haben.
Mein persönliches Fazit
Wenn ich auf die letzten Jahre SEO zurückblicke, gab es immer wieder Meilensteine, die still, aber fundamental waren. AMP war so einer, die Einführung von Core Web Vitals ein anderer. Diese neue Statistikfunktion von Schema.org gehört in dieselbe Kategorie – unscheinbar auf den ersten Blick, aber mit enormem Potenzial.
Sie verändert nicht die Suchergebnisse direkt, aber sie liefert Wissen – und Wissen ist im SEO fast immer die halbe Miete. Du erkennst jetzt, welche Strukturen sich gerade im Web durchsetzen, und das gibt dir ein gutes Gespür dafür, wo du Zeit investierst, die sich langfristig auszahlt.
Ich bin sicher, dass viele SEO-Tools beginnen werden, diese Daten automatisiert auszulesen und grafisch aufzubereiten. Das wird neue Vergleichsmöglichkeiten eröffnen und vielleicht sogar eine Art „Schema-Ranking-Fieber“ auslösen – wer weiß. Aber selbst wenn nicht: Allein der Blick auf die realen Verwendungszahlen wird für viele von uns das Verständnis verändern, was im Web tatsächlich „Standard“ ist und was nur Theorie bleibt.
Und um ehrlich zu sein: Es wurde Zeit.
