Gestructureerde gegevens zijn geen SEO-truc meer - ze zijn de taal waarin AI-systemen met uw website communiceren. Wanneer ChatGPT, Perplexity of AI-zoekantwoorden een vraag beantwoorden, putten ze uit machineleesbare informatie. Schema.org is daarin het meestgebruikte vocabulaire ter wereld. Dit artikel legt uit welke schema-typen voor AI-zichtbaarheid daadwerkelijk relevant zijn, waarom JSON-LD de enige zinvolle implementatiemethode is - en wat Schema.org expliciet niet kan.
Schema.org definieert een gemeenschappelijk vocabulaire voor gestructureerde gegevens. Hoe dit vocabulaire technisch in een webpagina wordt ingebed, is een aparte vraag - en het antwoord is eenduidig: JSON-LD (JavaScript Object Notation for Linked Data) is de aanbevolen methode, om meerdere concrete redenen. Microdata integreert Schema-attributen direct in HTML-tags: itemscope, itemtype, itemprop genest door de DOM. Het probleem: Microdata is nauw verbonden met de HTML-structuur. Wie de lay-out aanpast, riskeert per ongeluk Schema-attributen te verbreken. Bovendien is Microdata alleen gedefinieerd voor HTML5 - niet voor JSON-antwoorden of API-eindpunten. RDFa (Resource Description Framework in Attributes) is het oudste van de drie formaten, afkomstig uit het Semantic Web-milieu en aanzienlijk complexer te implementeren. RDFa wordt door Google geaccepteerd, maar biedt geen voordelen ten opzichte van JSON-LD - alleen meer complexiteit. JSON-LD daarentegen staat in het script-tag, volledig losgekoppeld van de HTML-markup. Dat biedt drie praktische voordelen: ten eerste onderhoudbaarheid - het JSON-LD-object kan centraal worden beheerd zonder dat het HTML-template wordt aangepast. Bij een productpagina verandert de lay-out vaak maandelijks - het schema blijft stabiel. Ten tweede volledigheid - JSON-LD staat geneste objecten toe zonder DOM-beperkingen. Een Product-schema met Offer, AggregateRating, Review en Brand is als een overzichtelijk object weer te geven. Ten derde AI-crawler-compatibiliteit - Googles eigen documentatie (Google Search Central) beveelt JSON-LD expliciet aan als voorkeursformaat. Omdat AI-zoekantwoorden en veel andere AI-systemen gebruikmaken van Googles crawling-infrastructuur of vergelijkbare benaderingen volgen, volgt de sector deze aanbeveling. De praktische aanbeveling is dan ook duidelijk: gebruik JSON-LD. Microdata en RDFa werken technisch, maar bieden geen voordelen en leveren aanzienlijk meer onderhoudsinspanning op.
Probeer het nu
Controleer uw GEO Score in 60 seconden - gratis, zonder account. 42 factoren geanalyseerd.
Niet alle schema-typen zijn even waardevol voor AI-zichtbaarheid. Op basis van analyse van Google Search Central-documentatie en geobserveerde citatiepatronen in AI-zoekantwoorden zijn zeven typen te identificeren met bijzonder hoge relevantie. FAQPage bereikt de hoogste Citation Rate in AI-zoekantwoorden - en dat is geen toeval. FAQ-structuur komt exact overeen met het formaat waarin AI-systemen antwoorden genereren: een vraag, een duidelijk antwoord. AI-zoekantwoorden roept FAQPage-schema direct aan om antwoordblokken te vullen. De implementatie is eenvoudig: een FAQPage-object met mainEntity als array van Question-Answer-paren. Product is voor e-commerce onmisbaar. Een volledig Product-schema bevat name, description, brand (met @type Organization), offers (met price, priceCurrency, availability), aggregateRating en review. Ontbrekende velden - met name GTIN, MPN of availability - verminderen de kansen op weergave in shoppingfuncties aanzienlijk. Service is het equivalent van Product voor dienstverleners. Belangrijke velden: serviceType, provider (Organization), areaServed, hasOfferCatalog. Zonder Service-schema is het voor AI-systemen moeilijker te begrijpen wat er precies aangeboden wordt en voor wie. LocalBusiness met zijn meer dan 80 subtypen is cruciaal voor lokale zichtbaarheid. In plaats van het generieke LocalBusiness gebruikt u het meest specifieke passende subtype: Plumber voor loodgieters, Dentist voor tandartsen, Restaurant voor horeca, Attorney voor advocaten, Bakery voor bakkerijen. AI-systemen die lokale aanbevelingen doen, interpreteren subtypen preciezer dan het generieke type. Organization creëert vertrouwen via machineleesbare bedrijfsidentiteit: legalName, address, telephone, email, sameAs (met links naar LinkedIn, Google Business, Wikidata). Bijzonder belangrijk: sameAs koppelt uw gegevens aan externe bronnen en verhoogt de betrouwbaarheidsgraad in AI-systemen. Person is relevant voor adviesintensieve branches: advocaten, artsen, consultants, coaches. Een volledig Person-schema met jobTitle, worksFor, knowsAbout en sameAs vergroot de kans om als expert in AI-antwoorden te worden vermeld. Review en AggregateRating werken als vertrouwenssignaal. Belangrijk: reviews moeten echte beoordelingen weerspiegelen - nepreviews zijn in strijd met Googles richtlijnen. Valideer uw implementaties met de Google Rich Results Test en de Schema.org Validator. Beide tools zijn gratis en tonen fouten en waarschuwingen.
Een veelgehoord misverstand is dat Schema.org-markup alleen voldoende is om in AI-antwoorden te verschijnen. Dat klopt niet - en het loont de moeite de grenzen duidelijk te benoemen. Schema.org is een vocabulaire, geen rankingsignaal. Het helpt AI-systemen en zoekmachines de context van uw content te begrijpen. Het garandeert geen weergave in Rich Snippets, geen citaat in AI-zoekantwoorden en geen betere ranking. Google benadrukt zelf in de Search Central-documentatie dat gestructureerde gegevens als hint worden behandeld - niet als bindende instructie. Een ander misverstand betreft llms.txt: dit bestand, dat sommigen de robots.txt voor AI-systemen noemen, is op dit moment geen officiële standaard. Het wordt door sommige AI-crawlers gelezen, maar de meeste grote systemen - ChatGPT, Perplexity, and Claude - volgen geen gestandaardiseerde llms.txt-specificatie. Voor een gedetailleerde analyse is het artikel over de llms.txt-realiteitscheck in deze blog de moeite waard. Ook geen officieel schema: er bestaat geen speciaal AI-schema of GEO-markup. Wie u propriëtaire schema-uitbreidingen voor AI-zichtbaarheid wil verkopen, verkoopt lucht. Wat naast Schema.org werkelijk telt: inhoudelijke diepgang en bronvermeldingen (AI-systemen citeren controleerbare feiten vaker dan ongefundeerde claims), consistente bedrijfsgegevens op alle platformen (NAP-consistentie: naam, adres, telefoon), regelmatige updates (verouderde gegevens veroorzaken hallucinaties - AI-systemen interpoleren ontbrekende informatie uit het trainingskorpus) en technische crawlbaarheid (robots.txt mag relevante pagina's niet blokkeren, de server moet bereikbaar zijn voor crawlers). Schema.org is het fundament - maar het is slechts één laag in een meerlagige strategie. Wie alleen Schema.org implementeert en verder niets aanpast, zal geen dramatische effecten zien. Wie het als onderdeel van een coherente datastrategie inzet, heeft een meetbaar voordeel.
De hiërarchie is duidelijk: JSON-LD als implementatieformaat, FAQPage en Product/Service als prioritaire schema-typen, LocalBusiness-subtypen in plaats van het generieke type, Organization voor vertrouwen, Review voor autoriteit. Valideer regelmatig met de Google Rich Results Test. En vergeet niet: Schema.org is het technische fundament - het vervangt geen inhoudelijke kwaliteit en geen consistente databeheer. De combinatie van beide bepaalt of AI-systemen uw bedrijf als betrouwbare bron herkennen.
GEO Score gratis controlerenMarvin Malessa
Oprichter, Beconova
Oprichtte Beconova in Duitsland in 2025 om winkels en dienstverleners zichtbaar te maken in AI-zoekmachines. Schrijft over GEO, AI-zichtbaarheid en de toekomst van zoeken.
Start met Beconova en optimaliseer uw aanwezigheid in AI-zoekmachines.
Nu starten