Eine Diskussion auf LinkedIn hat die Vorstellung infrage gestellt, dass strukturierten Daten von Schema.org einen direkten Einfluss darauf haben könnten, was ein Large Language Model (LLM) wie ChatGPT an Informationen ausgibt. Tatsächlich gibt es offenbar SEOs, die vorschlagen, strukturierte Daten zu nutzen, um in KI-Suchergebnissen besser zu ranken.
Ein Unterschied zwischen Meinungen und Fakten
Eine wesentliche Herausforderung im Bereich der Suchmaschinenoptimierung liegt darin, zwischen Meinungen und Fakten zu unterscheiden. Wenn jemand „Ich denke“ sagt, deutet das darauf hin, dass es sich um eine Meinung handelt. Das Problem beginnt, wenn diese Meinungen als Fakten angenommen werden. Dadurch können Missverständnisse entstehen, die die Arbeit der SEOs erschweren.
Fragen von SEO-Experten: Verpassen wir etwas?
Patrick Stox, ein anerkannter Experte, äußerte eine direkte Frage auf LinkedIn: „Warum glauben SEOs, dass strukturierte Daten Einfluss auf die Ausgaben von LLMs haben?“ Dies lenkt die Aufmerksamkeit auf eine wichtige Frage: Beziehen KI-Suchmaschinen ihre Daten tatsächlich aus Schema.org-Daten?
LLMs werden auf einer Vielzahl von Textquellen wie Webinhalten, Büchern und offiziellen Dokumenten trainiert. Daraus resultieren ihre Fähigkeiten, Antworten zu generieren – jedoch ohne die trainierten Inhalte direkt zu zitieren. KI-Suchmaschinen, wie beispielsweise Google Bard oder Perplexity AI, greifen auf Suchindexe und Wissensgraphen zurück, die aus gecrawlten Inhalten entstehen. Strukturierte Daten spielen direkt für diese Indexe eine sehr eingeschränkte Rolle.
Fakten zur Nutzung von Schema-Daten
Sowohl Google als auch Bing rendern Webseiteninhalte vollständig, um Header, Footer und Hauptinhalte zu identifizieren. Daraus extrahieren sie Text für Ranking-Zwecke. Die Vorstellung, dass Schema.org-Daten allein Rankings in KI-Suchmaschinen beeinflussen können, ist daher nicht fundiert.
Darüber hinaus verwenden Suchmaschinen nur einen Bruchteil der verfügbaren Schema.org-Tags. Der Großteil dient Rich Results oder spezifischen Suchfeatures, was die Nutzung durch Webseitenbetreiber ebenfalls einschränkt.
Missverständnisse unter SEOs
Konzepte wie die Bedeutung von Schema-Daten für Trainingsprozesse von KI-Modellen könnten durch spekulative Aussagen oder Missverständnisse bei der Weitergabe von Informationen entstehen – ein Effekt, der als „Stille Post“ bekannt ist. Beispielhaft erwähnte Jono Alderson, dass Schema.org in Zukunft eine Rolle spielen könnte, um KI-Systeme beim Verstehen von Webinhalten besser zu unterstützen. Doch daraus entstand möglicherweise die falsche Annahme, sie würden bereits heute verwendet.
Direkte Beispiele für Missverständnisse
Ein Präzedenzfall ist das Missverständnis zur Rolle von IP-Adressen in Google-Suchen. Während Google klar festgelegt hat, dass IP-Adressen bei standortbasierten Suchergebnissen berücksichtigt werden, gibt es SEOs, die dies bestreiten. Solche Beispiele helfen, die Notwendigkeit klarer wissenschaftlicher Untersuchungen und Tests in der SEO-Welt zu betonen.
Pragmatismus in der SEO-Welt
SEO sollte sich auf realistische, gut fundierte Strategien stützen und nicht auf unklare Meinungen oder unfundierte Behauptungen. Pragmatismus bedeutet, sich auf bewährte Methoden und nachvollziehbare Erklärungen zu konzentrieren, um bessere Ergebnisse zu erzielen. Unkritisches Akzeptieren von Gerüchten und Mythen führt zu Zeitverschwendung und ineffizienten Maßnahmen.
Fazit
Es ist wichtig, dass SEO-Strategien stärker auf belegbaren Fakten und offiziellen Dokumentationen basieren. Spekulative Theorien und Meinungen sollten nicht das Verhalten von SEOs diktieren. Ein pragmatischer Ansatz, der auf fundierte Informationen setzt, kann die Branche effektiver und zukunftssicherer gestalten.
