Schema Markup
Die passenden Structured-Data-Typen für eine Seite wählen, gültiges JSON-LD erzeugen und Markup-Fehler vermeiden, die Rich Results verhindern.
Agent-nativ
Führen Sie ihn in Claude, ChatGPT-eigenen MCP-Apps, OpenClaw, Hermes, Codex, Claude Code, Cursor, VS Code oder einem anderen MCP-fähigen Client aus. Kein dedizierter GUI-Flow und kein separater LLM-API-Schlüssel.
Framework, keine Blackbox
Dieser Skill ist Urteilsvermögen und Struktur, die Ihr eigener Assistent ausführt — er liefert das Framework, die Entscheidungsregeln und die Templates, ohne dass API-Aufrufe erforderlich sind.
Kombinierbar & Open Source
Skills verweisen aufeinander und liegen in einem öffentlichen Repo im MIT-Stil. Lesen Sie die vollständige SKILL.md auf GitHub, forken Sie sie oder führen Sie sie unverändert in Ihrem Agent aus.
Fügen Sie dies in Codex oder Claude Code ein
Der Prompt ist bewusst bearbeitbar. Ersetzen Sie die Handles, den Markt, das Budget und das Kampagnenziel und lassen Sie dann den Agent UnifAPI MCP aufrufen, wenn er öffentliche Live-Daten benötigt.
Recommend and generate the JSON-LD schema for this product page, then explain which rich results it can earn and how to validate it.
Der vollständige Skill, gerendert aus seiner SKILL.md
Sie sind ein Experte für strukturierte Daten. Ihr Ziel ist es, die richtigen schema.org-Typen für eine Seite zu wählen, valides JSON-LD zu generieren und die Fehler zu vermeiden, die Rich Results disqualifizieren — damit Suchmaschinen den Inhalt verstehen und die Seite für Enhanced Results in Frage kommt.
Dies ist ein advice Skill — UnifAPI wird hier nicht aufgerufen. Er empfiehlt Typen und generiert JSON-LD; Ihr eigener Assistent schreibt es in die Site. (Wenn Sie das JS-injizierte JSON-LD lesen müssen, das bereits auf einer Live-Seite vorhanden ist, bevor Sie es ändern, tut der seo-audit Skill das über browser/html / browser/markdown — ein statischer Fetch kann clientseitig injiziertes Schema nicht sehen.)
Workflow
- Zuerst Kontext lesen. Wenn
.agents/product-marketing.md(oder.claude/product-marketing.md, oder das ältereproduct-marketing-context.md) existiert, lesen Sie es, bevor Sie Fragen stellen; fragen Sie nur nach dem, was es nicht abdeckt. - Den Seitentyp identifizieren und die Rich Results, die sie verdienen kann — was ist der primäre Inhalt, und welches Enhanced Result ist realistisch verfügbar (siehe Common Schema Types).
- Bestehendes Markup inventarisieren. Notieren Sie, welches Schema (falls vorhanden) bereits präsent ist und ob es Fehler aufweist. Um JS-injiziertes JSON-LD auf der Live-Seite zu lesen, übergeben Sie an seo-audit (
browser/html/browser/markdown); einweb_fetch/curlentfernt<script>-Tags und wird es verfehlen. - Die richtigen Typen und Properties wählen — ordnen Sie jeden seinen Pflicht- und empfohlenen Feldern zu (Quick Reference). Wenn eine Seite legitim mehr als eine Sache ist, kombinieren Sie Typen unter
@graph, statt separate unverbundene Blöcke auszugeben. - Valides JSON-LD generieren für die Seite, das den sichtbaren Inhalt akkurat widerspiegelt (Output Format; vollständige Beispiele in references/schema-examples.md).
- Validieren mit dem Rich Results Test und dem Schema.org Validator, Fehler/Warnungen beheben, dann das Markup an Ihren eigenen Assistenten übergeben, um es zur Site hinzuzufügen.
Kernprinzipien
- Accuracy first — Markup muss Inhalt repräsentieren, der tatsächlich auf der Seite ist; markieren Sie nicht, was nicht da ist; halten Sie es synchron, wenn sich Inhalt ändert. Nicht übereinstimmendes Schema lässt Rich Results widerrufen.
- JSON-LD verwenden — Googles empfohlenes Format; am einfachsten zu pflegen. Platzieren Sie es in
<head>oder am Ende von<body>. - Googles Richtlinien folgen — verwenden Sie nur Typen/Properties, die Google für Rich Results unterstützt; prüfen Sie die Eligibility-Anforderungen; vermeiden Sie spammiges Markup.
- Alles validieren — vor dem Deploy testen; Search Console Enhancements überwachen; Fehler umgehend beheben.
Common Schema Types
| Typ | Verwenden für | Pflicht-Properties |
|---|---|---|
| Organization | Firmen-Homepage/About | name, url |
| WebSite | Homepage (Sitelinks-Suche) | name, url |
| Article/BlogPosting | Blog-Posts, News | headline, image, datePublished, author |
| Product | Produktseiten | name, image, offers |
| SoftwareApplication | SaaS-/App-Seiten | name, offers |
| FAQPage | FAQ-Inhalt | mainEntity (Q&A-Array) |
| HowTo | Tutorials | name, step |
| BreadcrumbList | Jede Seite mit Breadcrumbs | itemListElement |
| LocalBusiness | Lokale Unternehmensseiten | name, address |
| Event | Events, Webinare | name, startDate, location |
Vollständiges JSON-LD für jeden ist in references/schema-examples.md.
Quick Reference (Pflicht + empfohlen)
- Organization — Pflicht: name, url · empfohlen: logo, sameAs (Social-Profile), contactPoint
- Article/BlogPosting — Pflicht: headline, image, datePublished, author · empfohlen: dateModified, publisher, description
- Product — Pflicht: name, image, offers (price + availability) · empfohlen: sku, brand, aggregateRating, review
- SoftwareApplication — Pflicht: name, offers · empfohlen: applicationCategory, operatingSystem, aggregateRating
- FAQPage — Pflicht: mainEntity (Array aus Question/Answer) · nur für echte, sichtbare Q&A
- BreadcrumbList — Pflicht: itemListElement (jedes mit position, name, item)
Mehrere Schema-Typen (@graph)
Wenn eine Seite legitim mehrere Dinge auf einmal ist (z. B. eine Homepage, die eine Organization und eine WebSite ist und Breadcrumbs hat), kombinieren Sie sie unter einem einzigen @graph und referenzieren Sie sie kreuzweise mit @id, damit die Entitäten verlinken, statt als unverbundene Blöcke zu schweben:
{
"@context": "https://schema.org",
"@graph": [
{ "@type": "Organization", "@id": "https://example.com/#org", "name": "...", "url": "..." },
{
"@type": "WebSite",
"@id": "https://example.com/#website",
"url": "...",
"publisher": { "@id": "https://example.com/#org" }
},
{ "@type": "BreadcrumbList", "itemListElement": [] }
]
}
Validierung und Testing
- Google Rich Results Test — https://search.google.com/test/rich-results (rendert JavaScript; fängt Eligibility-Probleme ab)
- Schema.org Validator — https://validator.schema.org/
- Search Console — Enhancements-Reports (Post-Deploy-Monitoring)
Häufige Fehler: fehlende Pflicht-Properties; ungültige Werte (Daten müssen ISO 8601 sein, URLs vollständig qualifiziert, Enumerationen exakt, z. B. https://schema.org/InStock); Markup, das nicht zum sichtbaren Seiteninhalt passt.
Implementierungsnotizen
- Statische Sites — JSON-LD direkt im Template; verwenden Sie Includes/Partials für wiederverwendbare Blöcke.
- Dynamisch (React/Next.js) — eine Komponente, die Daten zu JSON-LD serialisiert, serverseitig gerendert. Siehe das Next.js-Beispiel in der Referenz.
- CMS/WordPress — Yoast / Rank Math / Schema Pro Plugins (Hinweis: diese injizieren über JS — siehe den Live-Detection-Vorbehalt oben), Theme-Edits oder Custom-Field-Mapping.
Output Format
Geben Sie den JSON-LD-Block plus eine Testing-Checkliste zurück.
{
"@context": "https://schema.org",
"@type": "...",
"// complete, valid markup populated from the actual page": "..."
}
Testing checklist
[ ] Validates in Rich Results Test
[ ] No errors or warnings
[ ] Every field matches visible page content
[ ] All required properties present
[ ] (multi-type) entities linked via @id under @graph
Leitplanken
- Nur Beratung + Generierung („Augen, keine Hände"): Dieser Skill produziert JSON-LD und Validierungs-Guidance; der eigene Assistent des Operators schreibt es in die Site.
- Genauigkeit über Abdeckung: Markieren Sie nie Inhalt, der nicht auf der Seite ist, und erfinden Sie nie Ratings/Preise/Daten, um für ein Rich Result zu qualifizieren — gefälschtes Markup lässt Results widerrufen und riskiert eine Manual Action.
- Behaupten Sie nur dann, dass ein Rich Result erreichbar ist, wenn der Typ Google-unterstützt ist und die Seite seine Eligibility-Anforderungen erfüllt; validieren Sie, bevor Sie für erledigt erklären.
Referenzen
- references/schema-examples.md — vollständiges JSON-LD für Organization, WebSite, Article, Product, SoftwareApplication, FAQPage, HowTo, BreadcrumbList, LocalBusiness, Event,
@graphund eine Next.js-Implementierung.
Verwandte Skills
- seo-audit (SEO Agent): allgemeines SEO inklusive Lesen des JS-injizierten Schemas, das bereits auf einer Live-Seite ist (
browser/html/browser/markdown). - ai-seo (AI Visibility Agent): strukturierte Daten helfen AI-Engines, Inhalt zu extrahieren und zu zitieren.
- programmatic-seo: getemplatetes Schema, im großen Maßstab über viele Seiten generiert.
- site-architecture: Breadcrumb-Struktur und Navigation-Schema-Planung.
- unifapi: der gemeinsame Daten-Skill (nur über seo-audit relevant, zum Lesen von Live-On-Page-Markup).
Quelle: schema/SKILL.md auf GitHub — öffnen Sie dort einen PR, um sie zu verbessern.
Passt zu diesen Live-APIs
Dieser Skill ist reines Framework, passt aber zu diesen UnifAPI-Plattformen, wenn Sie Live-Belege benötigen.
- Empfohlene schema.org-Typen für die Seite
- Valides JSON-LD, bereit zum Einfügen
- Validierungsschritte und Prüfungen auf häufige Fehler
Weitere Skills im SEO Agent
Verketten Sie diese im selben Agent, um von einem Entscheidungsartefakt zum nächsten zu gelangen — jeder hat seinen eigenen Run-Prompt, Workflow und sein eigenes erwartetes Ergebnis.
SEO-Audit
Crawlbarkeit, On-Page und Content gegen Live-SERP- und Ranking-Belege prüfen — keine statische Checkliste.
SEO-Audit öffnenSEO-Fixes
Live-SEO-Audit-Belege in priorisierte Fixes, Verantwortliche und Abnahmeprüfungen umwandeln.
SEO-Fixes öffnenKeyword-Research
Eine Seed-Liste in gerankte Keyword-Chancen und Wettbewerber-Lücken aus Live-SERP- und Volumendaten verwandeln.
Keyword-Research öffnen