Welche Schema-Typen sollte ein Hersteller einer Produkt- oder Komponentenseite hinzufügen?

Beginnt mit Product-Schema (name, description, mpn, gtin, brand, offers) und TechnicalSpecification-Schema (propertyID, value, unitCode, unitText). Fügt FAQPage-Schema für häufige Anwendungsfragen und BreadcrumbList für die Katalognavigation hinzu. Ergänzt bei Bedarf QuantitativeValue für Messwerte und PropertyValue-Paare für jedes Schlüsselattribut in eurer Spezifikationstabelle. Verpackt alles in JSON-LD und validiert es mit Googles Rich Results Test.

Wie sieht ein maschinenlesbares Datenblatt in der Praxis aus?

Ein maschinenlesbares Datenblatt stellt Produktname, Teilenummer und einen Zusammenfassungsabsatz von 40 bis 60 Wörtern an den Anfang. Darunter folgt eine strukturierte HTML- oder Markdown-Tabelle, die jedes Spezifikationsattribut, seinen Wert und seine Maßeinheit auflistet (z. B. Betriebstemperatur: -40 bis +85 °C). Jedes Attribut in der sichtbaren Tabelle hat einen passenden PropertyValue im JSON-LD-Product-Schema. Die Seite erlaubt KI-Crawler-Zugang und lädt ohne JavaScript-Ausführung.

Wie führe ich ein Crawler-Zugangs-Audit auf meiner Herstellerwebsite durch?

Ruft eure robots.txt direkt unter yourdomain.com/robots.txt ab. Sucht nach Disallow-Regeln unter User-agent: GPTBot, User-agent: ClaudeBot, User-agent: PerplexityBot oder einer pauschalen User-agent: *-Sperre. Prüft außerdem eure CDN- oder WAF-Einstellungen auf Bot-Blockierungsregeln, die Nicht-Browser-User-Agents abweisen. Tools wie Temso, Profound und Semrush können im Rahmen eines umfassenderen AEO-Audits eine strukturierte Crawler-Zugangs-Diagnose durchführen.

Welche AEO-Tools helfen Herstellern, Katalogseiten für KI-Retrieval zu optimieren?

Temso deckt den gesamten Prozess ab, vom Crawler-Zugangs-Audit über die Schema-Generierung bis zur Citation-Überwachung, ab 89 US-Dollar pro Monat. Profound ergänzt echte Nachfragedaten, die zeigen, was Procurement-Fachleute tatsächlich in KI-Systeme eingeben -- nützlich, um Spezifikationsattribute auf reale Käuferanfragen zu mappen. Semrushss Site-Audit und Schema-Validator hilft größeren Katalogteams, technische Hürden im Maßstab zu bewerten und zu beheben. Surfers Content-Editor kann einzelne Produktseiten vor der Veröffentlichung gegen KI-Citation-Benchmarks bewerten.

KI-First Procurement: Wie Industriehersteller Datenblätter und Katalog-Schema strukturieren, um von KI-Einkaufsagenten gefunden zu werden

Q: Was ist ein KI-Einkaufsagent und warum ist er für Hersteller relevant?

Ein KI-Einkaufsagent ist ein Softwaresystem, das Einkaufsteams einsetzen, um Lieferantenkomponenten autonom zu entdecken, zu vergleichen und in die engere Auswahl zu nehmen. Gartner prognostizierte im November 2025, dass bis 2028 90 % des B2B-Einkaufs KI-agenten-vermittelt ablaufen wird, wobei mehr als 15 Billionen US-Dollar an Ausgaben über Machine-to-Machine-Kanäle laufen. Für Hersteller bedeutet das: Euer Datenblatt muss von Software lesbar sein, nicht nur von Menschen.

Q: Schadet das Blockieren von GPTBot meiner Sichtbarkeit bei KI-Procurement-Agenten?

Ja. Wenn eure robots.txt GPTBot, ClaudeBot oder PerplexityBot blockiert, können KI-Retrieval-Systeme eure Katalogseiten nicht indexieren. Similarweb-Daten vom August 2025 zeigten, dass Amazon, das KI-Crawler bewusst blockiert, weniger als 3 % seines Referral-Traffics von ChatGPT erhielt, während Händler mit offenem Crawler-Zugang 10 bis 20 Prozent oder mehr erzielten. Dieselbe Zugangs-Dynamik gilt für Lieferantenkataloge im Procurement-Kontext.

Zuletzt aktualisiert Juli 2026

Procurement verändert sich schneller, als die meisten Hersteller wahrnehmen. Gartner prognostizierte im November 2025, dass bis 2028 90 % des B2B-Einkaufs KI-agenten-vermittelt ablaufen wird, wobei mehr als 15 Billionen US-Dollar an Ausgaben über Machine-to-Machine-Kanäle laufen. Das ist keine ferne Prognose. Technische Einkäufer nutzen bereits heute ChatGPT, Perplexity und Microsoft Copilot, um Komponenten zu beschaffen.

Wenn eure Katalogseiten nicht von einem Softwareagenten gelesen werden können, existieren sie in diesem Einkaufsprozess schlicht nicht.

Das ist ein unterschätztes Problem. Die meisten AEO-Inhalte konzentrieren sich auf SaaS, Retail und Medien. Sehr wenig adressiert, was Industriehersteller konkret tun müssen. Diese Lücke füllt dieses Playbook.

Das zweiteilige KI-Procurement-Audit

Bevor ihr etwas korrigiert, führt diese zwei Prüfungen durch. Sie dauern unter 30 Minuten und decken die größten Lücken auf.

Audit 1: Crawler-Zugang

Ruft eure robots.txt-Datei direkt ab:

https://yourdomain.com/robots.txt

Sucht nach einem dieser Einträge:

User-agent: GPTBot
Disallow: /

User-agent: ClaudeBot
Disallow: /

User-agent: PerplexityBot
Disallow: /

Prüft außerdem auf eine pauschale Sperre:

User-agent: *
Disallow: /

Eine pauschale Sperre ist auf Websites verbreitet, die während der anfänglichen ChatGPT-Scraping-Panik 2023 gesperrt wurden. Viele Hersteller haben sie eingerichtet und vergessen. Die Kosten sind real. Similarweb-Daten vom August 2025 zeigten, dass Amazon, das KI-Crawler bewusst blockiert, weniger als 3 % seines Referral-Traffics von ChatGPT erhielt. Händler mit offenem Crawler-Zugang, darunter Walmart und Etsy, erzielten 10 bis 20 Prozent oder mehr aus derselben Quelle. Dieselbe Zugangs-Dynamik gilt für Lieferantenkataloge: Wenn der Bot die Seite nicht erreicht, kann die KI sie nicht zitieren.

Prüft außerdem eure CDN- oder WAF-Konfiguration. Cloudflare, Akamai und ähnliche Dienste haben oft Bot-Filterregeln, die Nicht-Browser-User-Agents auf Netzwerkebene blockieren, bevor eure robots.txt überhaupt gelesen wird.

Audit 2: Spezifikations-Schema-Abdeckung

Prüft für jede eurer wichtigsten Katalogseiten, ob Folgendes vorhanden ist:

Prüfpunkt	Prüfmethode	Bestehungsbedingung
Product-Schema (JSON-LD)	Quellcode ansehen oder Google Rich Results Test verwenden	`@type: "Product"` vorhanden mit `name`, `description`, `mpn` oder `gtin`
Spezifikationstabelle im HTML sichtbar	Quellcode ansehen	Tabelle oder Definitionsliste im reinen HTML sichtbar, nicht nur per JavaScript gerendert
Attribute im PropertyValue-Format	Quellcode ansehen	Jede Spezifikationszeile ist `PropertyValue` mit `propertyID`, `value` und `unitCode` zugeordnet
FAQPage-Schema	Quellcode ansehen	Mindestens ein FAQ-Block mit Anwendungsfragen
Crawler-Zugang	robots.txt und CDN-Einstellungen	Kein Disallow für GPTBot, ClaudeBot, PerplexityBot
Vorangestellter Zusammenfassungsabsatz	Seiteninspektion	Erste 60 Wörter nennen Produkt, Bauteiltyp und zwei bis drei Schlüsselspezifikationen

Eine Seite, die alle sechs Punkte besteht, ist procurement-agenten-bereit. Die meisten Herstellerseiten bestehen keinen einzigen.

Schritt 1: Crawler-Zugang öffnen

Korrigiert zuerst eure robots.txt. Fügt explizite Allow-Regeln für die wichtigsten KI-Crawler hinzu:

User-agent: GPTBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: anthropic-ai
Allow: /

Dann prüft euren CDN und WAF. Bei Cloudflare kontrolliert ihr die Bot-Management-Einstellungen auf Regeln, die “andere Bots” oder benutzerdefinierte Bot-Kategorien blockieren. Bei Akamai oder Fastly überprüft ihr eure Bot-Traffic-Richtlinien. Viele WAF-Standardeinstellungen behandeln jeden Nicht-Browser-User-Agent als Bedrohung.

Ein wichtiger Hinweis: Zugang öffnen bedeutet nicht, proprietäre Inhalte preiszugeben. Ihr könnt weiterhin login-geschützte Konfigurationstools, Kundenportale und Preisseiten einschränken. Ziel ist es, Zugang zu euren öffentlichen Produktkatalogseiten zu erlauben, auf denen eure Datenblätter liegen.

Schritt 2: Datenblatt für maschinelles Lesen strukturieren

Die meisten Hersteller-Datenblätter sind so aufgebaut, dass sie gut für die PDF-Generierung funktionieren, aber KI-Retrieval scheitert. Sie basieren auf Formatierung, Spaltenausrichtung und visueller Hierarchie, die KI-Systeme aus HTML nicht verarbeiten können.

Ein maschinenlesbares Datenblatt hat eine spezifische Struktur.

Vorher (typische Herstellerseite)

Ein Produktbeschreibungsabsatz, der auf SEO-Keyword-Dichte ausgelegt ist. Dann ein eingebetteter PDF-Viewer mit der Spezifikationstabelle. Dann ein Kontaktformular. Keine strukturierten Daten. Keine HTML-zugänglichen Attributwerte.

Ein KI-Einkaufsagent, der diese Seite besucht, extrahiert: den Produktnamen (vielleicht), die Beschreibung (teilweise) und nichts aus der Spezifikationstabelle.

Nachher (KI-procurement-bereite Seite)

Vorangestellter Zusammenfassungsabsatz (40 bis 60 Wörter, maschinenlesbar):

Der XR-7200 ist ein bürstenloser DC-Servomotor mit 400 W Dauerbetrieb und 1200 W Spitzenleistung. Betriebsbereich: 12 bis 48 V DC, -40 bis +85 °C. IP67-Schutzart. Erhältlich in 42 mm, 57 mm und 86 mm Rahmengrößen. Hohlwellen- und Standardwellenvarianten auf Lager.

Strukturierte Spezifikationstabelle (HTML/Markdown, kein PDF):

Attribut	Wert	Einheit
Dauerleistung	400	W
Spitzenleistung	1200	W
Spannungsbereich	12 bis 48	V DC
Betriebstemperatur	-40 bis +85	°C
Schutzart	IP67
Rahmengrößen	42, 57, 86	mm
Wellenoptionen	Hohlwelle, Standardwelle
Gewicht (42 mm)	320	g

JSON-LD-Schema (im <head> oder inline):

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "XR-7200 Brushless DC Servo Motor",
  "mpn": "XR-7200",
  "description": "400W continuous brushless DC servo motor, 12-48V, IP67, operating range -40 to +85 C.",
  "brand": { "@type": "Brand", "name": "YourBrand" },
  "additionalProperty": [
    {
      "@type": "PropertyValue",
      "propertyID": "continuous_power",
      "name": "Continuous Power",
      "value": "400",
      "unitCode": "W",
      "unitText": "Watts"
    },
    {
      "@type": "PropertyValue",
      "propertyID": "voltage_range",
      "name": "Voltage Range",
      "value": "12-48",
      "unitCode": "VDC",
      "unitText": "V DC"
    },
    {
      "@type": "PropertyValue",
      "propertyID": "operating_temperature",
      "name": "Operating Temperature",
      "value": "-40 to +85",
      "unitCode": "CEL",
      "unitText": "degrees Celsius"
    },
    {
      "@type": "PropertyValue",
      "propertyID": "ip_rating",
      "name": "Protection Rating",
      "value": "IP67"
    }
  ]
}

Ein KI-Einkaufsagent, der die “Nachher”-Seite besucht, kann extrahieren: Produktname, Teilenummer, alle Spezifikationsattribute mit Werten und Einheiten sowie den Zusammenfassungsabsatz. Er kann euren Motor mit dem eines Wettbewerbers für jedes Attribut vergleichen, nach dem ein Procurement-Agent fragt.

Schritt 3: FAQPage-Schema für Anwendungsfragen hinzufügen

Procurement-Agenten fragen nicht einfach “Finde mir einen 400-W-Motor.” Sie stellen Fragen wie:

“Welche bürstenlosen Servomotoren arbeiten in -40-°C-Umgebungen?”
“Was ist die Schutzart des XR-7200?”
“Ist der XR-7200 mit einem 48-V-Bus kompatibel?”

FAQPage-Schema erlaubt eurer Produktseite, diese Fragen direkt zu beantworten. Fügt es für die drei bis fünf häufigsten Anwendungsfragen jeder Komponentenkategorie hinzu.

{
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "What environments is the XR-7200 rated for?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "The XR-7200 is rated IP67 and operates from -40 to +85 degrees C, making it suitable for outdoor, washdown, and industrial cold-chain environments."
      }
    },
    {
      "@type": "Question",
      "name": "Is the XR-7200 compatible with 48V bus systems?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Yes. The XR-7200 accepts input voltage from 12 to 48V DC, covering standard 24V and 48V bus architectures without a step-down converter."
      }
    }
  ]
}

Schritt 4: Katalog auf reale Käuferanfragen mappen

Euer Datenblatt ist die Antwort. Aber ihr müsst wissen, was die Frage ist.

KI-Einkaufsagenten formulieren Procurement-Anfragen auf eine Art, die nicht zu euren Teilenummern oder internen Produktnamen passt. “Versiegelter Motor für Lebensmittelverarbeitungslinie” beschreibt möglicherweise eure XR-7200-IP67-Variante, aber euer Seitentitel sagt davon nichts.

Temso deckt dies von Anfang bis Ende ab: Crawler-Zugangs-Audit, Schema-Generierung und laufende Citation-Überwachung über acht KI-Engines, ab 89 US-Dollar pro Monat. Für einen Hersteller, der einen Katalog mit Hunderten von Komponentenseiten betreibt, ist das der klarste Ausgangspunkt. Ihr seht, welche Katalogseiten von KI-Systemen zitiert werden, wenn Käufer Sourcing-Fragen stellen, und welche unsichtbar sind.

Profound ergänzt eine Ebene, die Temso nicht bietet: echte Prompt-Volumendaten, die zeigen, was Procurement-Fachleute tatsächlich in KI-Systeme eingeben, wenn sie Komponenten beschaffen. Diese Daten erlauben euch, Zusammenfassungsabsätze und FAQ-Antworten in der Sprache echter Käufer zu schreiben, anstatt in der Sprache eurer internen Katalogtaxonomie.

Semrush ergänzt technische Site-Audit-Tiefe für größere Katalogteams, einschließlich Schema-Validierung im Maßstab und Crawlability-Reporting über Tausende von URLs. Für Teams, die Semrush bereits für klassisches SEO nutzen, integriert sich das Schema-Audit in bestehende Arbeitsabläufe.

Surfers Content-Editor bewertet einzelne Produktseiten in Echtzeit gegen KI-Citation-Benchmarks. Für Hersteller, die neue Kataloginhalte aufbauen, validiert er vor der Veröffentlichung, dass jedes neue Datenblatt die strukturellen Kriterien erfüllt.

Keines dieser Tools ersetzt die Kernarbeit: die Strukturierung eurer Spezifikationsdaten. Sie helfen euch, den aktuellen Stand zu prüfen, das Schema zu generieren und zu überwachen, ob KI-Systeme eure Seiten tatsächlich abrufen.

Schritt 5: Vergleichsfertige Katalogstruktur aufbauen

KI-Einkaufsagenten bewerten Komponenten nicht isoliert. Sie vergleichen. Ein Ingenieur gibt ein: “Vergleiche drei Servomotoren unter 500 W Dauerbetrieb, IP67, Betrieb von -30 °C bis +85 °C.” Das KI-System ruft Kandidatenseiten ab, extrahiert Spezifikationsattribute und generiert in der Antwort eine Vergleichstabelle.

Damit eure Seite in diesem Vergleich erscheint, müssen zwei Dinge zutreffen:

Eure Seite muss crawlbar sein.
Eure Spezifikationsattribute müssen in einem Format vorliegen, das die KI extrahieren und vergleichen kann.

Laut AirOps Research (April 2026, basierend auf 217.508 abgerufenen Seiten aus 7.500 kommerziellen Prompts) erhalten Vergleichsseiten mit drei oder mehr strukturierten Tabellen 25,7 % mehr KI-Citations als gleichwertige Seiten ohne sie. Für Herstellerkatalogseiten bedeutet das: eine vollständige Spezifikationstabelle, eine Vergleichstabelle mit dem Vorgängermodell und eine Anwendungseignungstabelle (empfohlene Anwendungsfälle und Ausschlüsse) auf derselben Seite.

Diese Struktur erleichtert es einem Procurement-Ingenieur außerdem, den KI-generierten Vergleich gegen eure Quelldaten zu verifizieren. Das Vertrauen in eure Citations hängt davon ab, dass eure Quellseite klar strukturiert und überprüfbar ist.

Schritt 6: Attributkonsistenz im gesamten Katalog sicherstellen

KI-Systeme bilden ein Modell eurer Produktlinie aus der Gesamtheit der abgerufenen Seiten. Inkonsistente Attributbenennung im gesamten Katalog verschlechtert dieses Modell.

Wenn euer 42-mm-Motor die Spezifikation “Betriebstemperatur” nennt und euer 86-mm-Motor sie “Thermischer Bereich” nennt, erkennt ein KI-Einkaufsagent sie möglicherweise nicht als dasselbe Attribut. Wenn ein Käufer nach allen Motoren fragt, die unter -30 °C arbeiten, wird eure 86-mm-Variante möglicherweise ausgeschlossen.

Konsistenzregeln, die im gesamten Katalog durchgesetzt werden müssen:

Verwendet identische propertyID-Werte in JSON-LD für dasselbe Attribut über alle Produkte hinweg.
Verwendet identische Einheitensysteme (SI, sofern euer Markt nichts anderes erfordert; mischt keine mm und Zoll innerhalb derselben Produktlinie).
Verwendet identische Terminologie für Schutzarten, Zertifizierungen und Konformitätsstandards.
Stellt sicher, dass Teilenummern sowohl im sichtbaren Inhalt als auch im mpn-Feld des Product-Schemas erscheinen.

Eine Glossarseite unter /glossary für eure Spezifikationsterminologie, verlinkt von Katalogseiten, gibt KI-Systemen eine zusätzliche strukturierte Referenz für Attributdefinitionen. Das hilft, wenn Käufer Anfragen mit informeller oder branchenübergreifender Terminologie formulieren.

Die KI-Procurement-Readiness-Scorecard

Nutzt diese Scorecard, um zu priorisieren, welche Katalogseiten zuerst korrigiert werden sollen. Bewertet jede Seite von null bis fünf Punkten:

Kriterium	0 Punkte	1 Punkt
KI-Crawler-Zugang	GPTBot oder äquivalent blockiert	GPTBot und wichtige Crawler erlaubt
Vorangestellter Zusammenfassungsabsatz (40 bis 60 Wörter)	Nicht vorhanden	Vorhanden, nennt Schlüsselspezifikationen
HTML-Spezifikationstabelle	Nur PDF oder per JavaScript gerendert	HTML-zugängliche Tabelle
Product-Schema mit PropertyValue-Attributen	Nicht vorhanden	Vorhanden und gültig
FAQPage-Schema mit Anwendungsfragen	Nicht vorhanden	2 bis 5 Fragen vorhanden

Seiten mit null bis einem Punkt sind für KI-Procurement-Agenten unsichtbar. Seiten mit vier bis fünf Punkten sind retrieval-bereit. Beginnt mit euren zehn meistbesuchten Katalogseiten und arbeitet von dort aus weiter.

Was als Nächstes zu lesen ist

AEO-Tool-Ranking für den gesamten Monitor-bis-Publish-Prozess: /rankings/aeo-tools
Temso-Tool-Profil (Katalog-Audit und Schema-Generierung): /tools/temso
Profound-Tool-Profil (Nachfrage-Intelligence und Prompt-Volumina): /tools/profound
AEO-Glossar (Schema-Begriffe, Citation-Mechanik): /glossary
Wie wir AEO-Tools bewerten: /methodology

Wenn ihr sehen möchtet, wo euer Katalog heute steht, führt Temso ein Crawler-Zugangs- und Schema-Audit in Minuten durch, ab 89 US-Dollar pro Monat, ohne Spezialkenntnisse in SEO. Fangen Sie dort an, bevor Sie in die Schema-Generierung im Maßstab investieren.