Neben der Gesprächsanalyse haben wir zehn Marken derselben Kategorie technisch vermessen: je die deutschsprachige Kategorieseite gecrawlt, auf strukturierte Daten geprüft und entlang vier Achsen bewertet. Dabei kam ein Ergebnis heraus, das dem gängigen SEO-Reflex widerspricht.
Die Marke, die dieses Feld anführt, erreicht 61,7 von 100 Punkten. Der Wettbewerbsdurchschnitt liegt bei 45,4. Ein Vorsprung von 16,3 Punkten, also alles andere als knapp.
Dieselbe Marke setzt auf ihren Kategorieseiten kein JSON-LD ein. Vorhanden ist nur eine Breadcrumb-Navigation über das ältere Microdata-Format. Sonst nichts.
Aus zwei Quellen, die beide nichts mit Technik zu tun haben.
Extern bestätigte Autorität. Eine sehr gute Testnote aus einem etablierten Vergleichstest, Fachpresse zu den Profi-Modellen, Erwähnungen in Ratgeberportalen. Also Belege, die nicht vom Unternehmen selbst stammen.
Inhaltliche Differenzierung. Die Seiten unterscheiden erkennbar zwischen verschiedenen Anwendungssituationen statt nur Produktmerkmale aufzulisten. Damit passen sie auf mehr unterschiedliche Fragestellungen.
Beides zusammen trägt die Spitzenposition. Die technische Auszeichnung trägt sie nicht.
Genau das, was der Marktführer nicht tut. Mehrere Wettbewerber im selben Feld, darunter starke Verfolger, setzen auf ihren Kategorieseiten zusätzlich JSON-LD ein und bauen ihre Maschinenlesbarkeit systematisch aus.
Das ist die eigentliche Nachricht dieses Befunds. Der Vorsprung des Marktführers beruht auf Autorität und Inhalt, also auf Faktoren, die andere über Zeit aufholen können. Gleichzeitig liegt die technische Basis brach, die vergleichsweise günstig nachzurüsten wäre. Wenn ein Verfolger inhaltlich aufschließt und technisch bereits vorne liegt, kippt die Position.
Ein reiner SEO-Audit hätte diesen Fall vermutlich als Alarmsignal gewertet. Fehlendes JSON-LD gilt dort seit Jahren als Basishygiene.
In der GEO-Bewertung reicht die inhaltliche und reputative Stärke aus, um trotzdem vorn zu liegen. Ein Sprachmodell bewertet eine Seite nicht in erster Linie nach Auszeichnung, sondern danach, ob sie eine Frage belastbar beantwortet und ob unabhängige Quellen das stützen.
Daraus sollte man aber nicht den Schluss ziehen, strukturierte Daten seien überflüssig. Die richtige Lesart ist: Es sind zwei unabhängige Hebel. Wer nur auf einem steht, steht wackelig.
Falls Sie strukturierte Daten bisher nicht oder nur teilweise einsetzen, ist das die sinnvolle Reihenfolge.
Nicht fragen, ob es eingebaut wurde, sondern nachsehen. Der Rich-Results-Test von Google oder ein Crawler zeigt Ihnen je Seitentyp, was wirklich ausgeliefert wird. Erfahrungsgemäß weicht das häufig von der Erwartung ab.
Firmenname, Gründungsjahr, Logo und Verweise auf Wikipedia oder Wikidata über das Feld sameAs. Das klärt, wer Sie überhaupt sind, und ist Grundlage für die Zuordnung im Knowledge Graph. Aufwand: gering.
Inklusive Preis oder Preisspanne, Verfügbarkeit und Garantiedauer. Genau die Angaben, die in der Kaufphase fehlen, wie die Gesprächsanalyse gezeigt hat.
Wo Sie ohnehin Fragen beantworten, macht die Auszeichnung die Frage-Antwort-Paare eindeutig erkennbar. Das ist wenig Aufwand bei bereits vorhandenem Inhalt.
Im Analysefall trugen zwei verschiedene Seiten denselben Titel. Das ist in einer Stunde behoben und beseitigt eine unnötige Mehrdeutigkeit.
Testergebnisse, Zertifikate und Auszeichnungen gehören zitierfähig auf die eigene Domain, mit Quelle und Datum. Das ist der Hebel, der im Analysefall die Spitzenposition getragen hat.
Der Marktführer kommt damit aus, weil er über Jahre Autorität aufgebaut hat, die das kompensiert. Diese Ausgangslage haben die wenigsten. Für alle anderen ist die technische Auszeichnung der günstigere und schnellere Hebel, weil sie in Tagen umsetzbar ist, während Autorität Jahre braucht.
Technisch versteht Google beide Formate. JSON-LD ist aber das von Google empfohlene Format, lässt sich unabhängig vom sichtbaren Markup pflegen und ist bei Änderungen deutlich weniger fehleranfällig. Für Neuimplementierungen gibt es kaum einen Grund, Microdata zu wählen.
In unserem Fall vier Achsen: Eindeutigkeit als Entität und Knowledge-Panel-Reife, inhaltliche Substanz nach den E-E-A-T-Kriterien, Eignung für dialogische Antworten sowie Präsenz über verschiedene Plattformen hinweg. Ein Teil davon wird von einem Sprachmodell bewertet, weshalb solche Werte nur innerhalb desselben Prüfmodells vergleichbar sind.
Ein- bis zweimal im Jahr genügt meist. Die deterministischen Teile wie strukturierte Daten und Crawlbarkeit ändern sich selten sprunghaft. Bei den modellbewerteten Achsen ist wichtiger, dass Sie beim selben Prüfmodell bleiben, als dass Sie häufig messen.
Technischer GEO-Crawl von zehn Marken, je deutschsprachige Kategorieseite, bewertet entlang vier Achsen durch ein Sprachmodell. Strukturierte Daten deterministisch geprüft: Vollcrawl über 3.305 Seiten am 13.07.2026 sowie Einzelprüfungen am 26.07. und 05.08.2026, alle mit identischem Ergebnis (Microdata-BreadcrumbList vorhanden, kein JSON-LD). Titel, Beschreibung und Wortzahl der Zielseite waren über alle drei Erhebungen unverändert.
Hinweis zu diesem Beitrag: Recherche, Auswertung und Text wurden mit Unterstützung von KI-Systemen erstellt (Ex Tenebris Agenten-Team) und von Felix Zeh redaktionell geprüft. Alle genannten Zahlen stammen aus einer echten LUX-/GEO-Analyse; die analysierte Marke ist zum Schutz der Kundenbeziehung anonymisiert.
Die Methodik hinter diesem Artikel ist dieselbe, die wir für jede Standortbestimmung einsetzen — auf Ihre Kategorie, Ihre Wettbewerber, Ihre Bedarfsgruppen zugeschnitten.