Gestructureerde data (markup) in het AI-tijdperk met Schema.org: Wat de ingenieurs van Google er echt van denken

Ondanks ChatGPT en dergelijke: Waarom Google-ingenieurs Schema.org blijven aanbevelen

SEO-update: Waarom Schema.org Open Graph nu verdringt in de zoekresultaten van Google

In de SEO-wereld circuleert een hardnekkige mythe: in het tijdperk van briljante AI-taalmodellen die zelfs ongestructureerde tekst moeiteloos begrijpen, is zorgvuldig bijgehouden gestructureerde data zoals Schema.org simpelweg achterhaald. Maar de realiteit is heel anders. Tijdens het Google Search Central Live-evenement ontkrachtte Google-ingenieur Ryan Levering deze misvatting en maakte hij ondubbelzinnig duidelijk: gestructureerde markup is geen overblijfsel uit het verleden, maar juist de fundamentele basis van de nieuwe, door AI aangedreven zoekmachine.

Van nieuwe AI-overzichten tot autonome winkelassistenten: taalmodellen hebben precieze, machineleesbare richtlijnen nodig om verwarring te voorkomen en computationeel efficiënt te werken. Wie zichtbaar wil blijven op het moderne web, moet machines helpen de context zonder ambiguïteit te begrijpen. Dit artikel onderzoekt de strategische heroriëntatie van Google, presenteert revolutionaire innovaties voor e-commerce en door gebruikers gegenereerde content, en laat zien waarom technische SEO nu het doorslaggevende concurrentievoordeel is in de strijd om zichtbaarheid voor machines.

Machines kunnen het web lezen, maar alleen als je ze helpt het te begrijpen

Op 21 april 2026 vond het eerste Google Search Central Live-evenement op Canadese bodem plaats in Toronto – en het was geen gewone branchebijeenkomst. Ryan Levering, een engineer bij Google Search Engineering, gaf wat wellicht de technisch meest diepgaande en strategisch belangrijke presentatie van de dag was: "Gestructureerde data, kwaliteit en AI". Wat hij presenteerde was meer dan een technisch overzicht. Het was een duidelijke uiteenzetting over de toekomst van het semantische web in een tijdperk waarin kunstmatige intelligentie steeds vaker de rol van intermediair tussen gebruikers en informatie op zich neemt.

Tussen twee uitersten in: de verkeerde keuze tussen twee uitersten

Aan het begin van zijn presentatie zette Ryan Levering twee diametraal tegenovergestelde meningen tegenover elkaar die in de SEO-gemeenschap circuleren. Enerzijds is er de overtuiging dat gestructureerde data simpelweg overbodig is in het tijdperk van krachtige taalmodellen: als AI-modellen ongestructureerde tekst gemakkelijk kunnen interpreteren, waarom zou je dan de moeite nemen om schema.org-markup aan de broncode toe te voegen? Anderzijds propageren sommige enthousiastelingen het idee dat gestructureerde data de toekomst van het internet is – een universeel semantisch communicatieprotocol tussen autonome AI-agenten dat het traditionele web grotendeels zal vervangen.

Levering verwierp beide extreme standpunten en presenteerde in plaats daarvan een genuanceerd, empirisch onderbouwd perspectief. Beide posities bevatten een kern van waarheid, concludeerde hij, maar geen van beide beschreef de realiteit volledig. Deze nuance is kenmerkend voor Googles huidige benadering van het onderwerp: het gaat niet om dogma, maar om pragmatische efficiëntie.

Vier argumenten die alles verklaren

Leverings centrale argument kan worden samengevat in vier kernpunten, die hij verder uitwerkte onder de titel "De waarde van gestructureerde data". Het eerste punt is precisie: gestructureerde data biedt een aanzienlijk hogere nauwkeurigheid voor complexe schema's zoals verkoopprijzen of loyaliteitsprogramma's dan extractie uit vrije tekst op basis van taalmodellen. Taalmodellen kunnen misleidend zijn: ze vullen ontbrekende attributen in, nesten data onjuist of halen informatie uit de context. Bij het extraheren van productprijzen van een grote e-commercewebsite met tientallen vergelijkbare artikelen is het foutpercentage aanzienlijk hoger met AI-inferentie dan met een correct geïmplementeerde, gestructureerde markup.

Het tweede punt betreft aanvullende inhoud: gestructureerde data bevat vaak onzichtbare metadata die simpelweg niet aanwezig is in de weergegeven HTML van een pagina. Complete ISO-datumformaten, stabiele identificatoren voor door gebruikers gegenereerde content of interne entiteits-ID's – deze informatie bestaat uitsluitend in de markup. Geen enkel taalmodel kan extraheren wat niet in de tekst staat.

Ten derde, efficiëntie: het parsen van gestructureerde markup is vele malen goedkoper dan het verwerken van een groot taalmodel om complexe data te extraheren. Google indexeert dagelijks miljarden pagina's. De berekening is eenvoudig: een reguliere parser die JSON-LD verwerkt, verbruikt een fractie van de rekenkracht die een LLM-inferentiestap vereist. Gestructureerde data is daarom niet alleen semantisch superieur, maar ook aanzienlijk efficiënter vanuit een zakelijk perspectief. Dit punt is direct relevant voor de infrastructuur van Google.

Het vierde, en misschien wel meest onderschatte, aspect is focus: gestructureerde data markeert expliciet welke informatie relevant is op een pagina, waardoor AI-systemen geen irrelevante data oppikken. Op een productpagina met een hoofdartikel, verschillende gerelateerde producten en een navigatiebalk vol prijzen, kan een taalmodel zonder expliciete annotatie niet zeker weten naar welke prijs het moet verwijzen. Gestructureerde markup lost dit probleem op door middel van ondubbelzinnige toewijzing.

Hoe gestructureerde data daadwerkelijk wordt verwerkt

Levering maakte ook de technische verwerkingsstroom transparant. Schema.org-data wordt eerst verwerkt door middel van specifieke opschoning en filtering, waarna het wordt gecategoriseerd als geïndexeerde data – onderverdeeld in gebieden zoals evenementen, winkelen en recensies. Deze voorbereide data stroomt vervolgens naar twee verschillende outputkanalen: enerzijds de klassieke zoekresultatenpagina (SRP) en anderzijds als context voor Google's AI-systemen, met name de zogenaamde AI Overviews (AIO) en AI Mode (AIM). Gestructureerde data is dus niet langer alleen een hulpmiddel voor uitgebreide resultaten, maar directe input voor generatieve AI-reacties. Dit vertegenwoordigt een fundamentele verschuiving in het strategische belang van schema.org-markup.

De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering - Afbeelding: Xpert.Digital

Xpert.Digital is een datagedreven B2B-branchehub onder leiding van Konrad Wolfenstein . Het bedrijf fungeert als een externe, quasi-interne oplossing voor industriële partners en dicht operationele lacunes in marketing, content en sales – zonder dat de klant extra middelen nodig heeft.

Meer informatie vindt u hier:

• De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering

Winkelen in de spotlight: verzending, loyaliteitsprogramma's en variaties

Een aanzienlijk deel van de presentatie was gewijd aan innovaties in e-commerce. Levering legde uit dat, volgens gegevens van het Baymard Instituut, onverwachte verzendinformatie de tweede en derde meest voorkomende redenen zijn voor het verlaten van winkelwagens. Gestructureerde markup voor verzenddiensten kan dit probleem direct aanpakken: webwinkeliers kunnen nu nauwkeurig de herkomst- en bestemmingsregio's, afmetingen en gewichten, drempelwaarden voor orderwaarden, verwerkingstijden en loyaliteitsprogramma's rechtstreeks in de code definiëren.

Het verzendtijdmodel dat Google gebruikt, is verdeeld in twee fasen: de verwerkingstijd, oftewel de tijd tussen het moment van orderontvangst en de overhandiging aan de transporteur, en de daadwerkelijke levertijd. Beide fasen kunnen afzonderlijk en zeer gedetailleerd worden geannoteerd – tot aan de uiterste besteltijden en of de verwerking ook op werkdagen plaatsvindt. De bijbehorende JSON-LD-voorbeelden laten zien hoe het type `ShippingConditions` kan worden gebruikt om gratis verzending voor bepaalde landen (bijv. Frankrijk en Duitsland) en minimale orderwaarden (bijv. € 50) te definiëren.

De integratie van verzenddiensten met loyaliteitsprogramma's is bijzonder innovatief. Met behulp van de eigenschap `validForMemberTier` kan een verzenddienst expliciet worden gekoppeld aan een lidmaatschapsprogramma en een specifieke tier. Hierdoor is het mogelijk om verzendvoordelen voor premiumleden direct in de markup te vermelden – een functie die voorheen alleen via Google Merchant Center kon worden geconfigureerd. Het bijbehorende loyaliteitsprogramma zelf wordt gedefinieerd als een `MemberProgram`-object onder de entiteit `Organization`, met tiers zoals "Gold" of "Silver" en bijbehorende voordelen zoals loyaliteitsbeloningen of punten.

Loyaliteitsprogramma's als semantische entiteiten

De introductie van een markup voor loyaliteitsprogramma's is economisch gezien significant. Organisaties kunnen meerdere onafhankelijke lidmaatschapsprogramma's definiëren, elk met verschillende niveaus en gedifferentieerde voordelen – punten, ledenprijzen, retourbeleid, verzendbonussen. Deze informatie verschijnt vervolgens direct in de zoekresultaten van Google, zoals Levering demonstreerde met praktijkvoorbeelden, waaronder een Sephora-aanbieding die een ledenkorting van 30 procent direct in het winkelfragment weergaf. Het linken tussen pagina-ID's, de mogelijkheid om vanaf andere pagina's te linken naar definities van loyaliteitsprogramma's, is volgens Levering de volgende geplande stap, momenteel getiteld "De weg vrijmaken voor linken tussen @id's op pagina's". Het doel: sterkere organisatorische verwijzingen tussen productpagina's en bedrijfsbeleid.

Door gebruikers gegenereerde content: het probleem van AI-labeling

Een ander belangrijk onderwerp was de verdere ontwikkeling van schematypes voor door gebruikers gegenereerde content (UGC). Twee nieuwe functies zijn hierbij bijzonder relevant. Ten eerste worden ingesloten berichten en herplaatste berichten ondersteund in forum- en Q&A-markup, waardoor een nauwkeurigere semantische weergave van discussiestructuren mogelijk is. Ten tweede – en dit is van nog groter strategisch belang – wordt de eigenschap `so#digitalSourceType` geïntroduceerd om expliciet machinaal gegenereerde content te identificeren.

Deze ontwikkeling is een directe reactie op de overvloed aan door AI gegenereerde content op platforms zoals forums en vraag-en-antwoordwebsites. Webmasters kunnen nu aangeven of een bericht algoritmisch of door een taalmodel is gegenereerd. Degenen die dit niet specificeren, worden door Google impliciet beschouwd als menselijke auteurs – een regel die transparante labeling stimuleert. De eigenschap `digitalSourceType` is gebaseerd op de IPTC-codes voor digitale bronnen en maakt onder andere onderscheid tussen algoritmisch gegenereerde en door modellen gegenereerde content.

Afbeeldingselectie: Schema wint het van Open Graph

Een minder opgemerkte, maar praktisch effectieve update betreft de logica van Google voor het selecteren van afbeeldingen. Het systeem wordt intern geconsolideerd met een duidelijke prioriteitshiërarchie: Schema.org-markup, met name de eigenschappen `primaryImageOfPage` en `mainEntity → image`, heeft voorrang. Pas daarna komt de meta-tag `og:image` van Open Graph. Deze wijziging betekent dat voor websitebeheerders een correcte implementatie van de hoofdafbeelding volgens Schema.org direct van invloed is op de weergave ervan in Google-zoekresultaten en AI-overzichten – een concreet, meetbaar voordeel.

Schema.org zelf ontvangt investeringen

Ook noemenswaardig is de aangekondigde herinvestering van Google in schema.org als open specificatie. Er werden drie concrete maatregelen genoemd: de publicatie van statistieken over de gebruiksfrequentie van individuele schema-termen (prevalentiegegevens zijn, zoals een slide laat zien, al beschikbaar voor individuele termen zoals `digitalSourceType` met informatie over ongeveer 10.000 domeinen), de publicatie van Google's eigen validatieregels in machineleesbare standaardformaten zoals SHACL of ShEx, en verbeterde ondersteuning voor volgorderegels. Dit is belangrijk omdat het externe ontwikkelaars in staat stelt om hun eigen validatietools te bouwen op basis van Google-standaarden – onafhankelijk van de officiële testtools, die soms vastlopen onder belasting.

Validatie: Twee instrumenten, één doel

Levering presenteerde twee validatietools die elkaar aanvullen, maar verschillende testcriteria hanteren. De Rich Result Test Tool op `search.google.com/test/rich-results` accepteert URL's of pure JSON en controleert of de markup geschikt is voor Google Search Rich Results – deze tool is dus gebaseerd op de specifieke eisen van Google, niet op de schema.org-standaard zelf. De tool `validator.schema.org` daarentegen controleert of de markup voldoet aan de schema.org-standaard, oftewel of deze zich houdt aan het open vocabulaire, ongeacht of Google er rich results mee genereert. Dit leidt tot een duidelijke aanbeveling voor webontwikkelaars: beide tools moeten worden gebruikt, omdat markup schema-compatibel kan zijn maar niet geschikt voor rich results – en omgekeerd.

Het grotere plaatje: gestructureerde data als AI-infrastructuur

Als we het evenement in Toronto als geheel bekijken, zien we een verschuiving die veel verder gaat dan traditionele SEO-optimalisatie. Gestructureerde data evolueert van een hulpmiddel voor het genereren van rich snippets naar een fundamentele datalaagstandaard voor AI-systemen. Google's AI Overviews en AI Mode gebruiken actief schema.org-markup als context voor het genereren van antwoorden en het verifiëren van entiteiten. Degenen die correcte, complete en precieze gestructureerde data implementeren, vergroten niet alleen hun kansen op visuele hoogtepunten in zoekresultaten, maar positioneren hun content ook als een betrouwbare primaire bron voor AI-antwoorden.

De vermelding van het Universal Commerce Protocol (UCP) en WebMCP in deze context is geen toeval. Beide agentgebaseerde communicatiestandaarden, waarvan Google in 2026 vroege versies heeft uitgebracht, vereisen dat websites semantisch worden beschreven. Schema.org vormt hiervoor de basis. In een wereld waarin AI-agenten autonoom op het web opereren, zoeken, vergelijken en transacties initiëren, is machineleesbaarheid van content niet langer optioneel, maar een voorwaarde voor economische relevantie. De presentatie van Ryan Levering in Toronto was daarom niet zomaar een technisch updateverslag – het gaf een inkijkje in de infrastructuur van het web van de toekomst.

Als je wilt weten hoe goed en uitgebreid jouw website of een andere website gebruikmaakt van gestructureerde data, kun je precies de twee tools gebruiken die Ryan Levering van Google (uit onze tekst hierboven) aanbeveelde:

Google Rich Results-test (gericht op zichtbaarheid in Google):

Ga naar search.google.com/test/rich-results, kopieer de URL van een willekeurig artikel op xpert.digital en klik op 'URL testen'. De tool laat je precies zien welke markeringen Google op die pagina herkent en of ze foutloos zijn.

Schema-validator (gericht op pure naleving van standaarden):

Ga naar validator.schema.orgen plak dezelfde URL. Daar kunt u direct in de broncode, in kleur gemarkeerd, zien welke JSON-LD-scripts (gestructureerde data) xpert.digital heeft opgenomen.

☑️ Onze zakelijke voertaal is Engels of Duits

☑️ NIEUW: Correspondentie in uw moedertaal!

Konrad Wolfenstein

Mijn team en ik staan ​​graag tot uw beschikking als uw persoonlijke adviseur.

U kunt contact met mij opnemen door hier het contactformulier in te vullen door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is [email protected]:of

Ik kijk uit naar ons gezamenlijke project.

☑️ Ondersteuning van het MKB op het gebied van strategie, advies, planning en implementatie

☑️ Opstellen of herzien van de digitale strategie en digitalisering

☑️ Uitbreiding en optimalisatie van internationale verkoopprocessen

☑️ Wereldwijde en digitale B2B-handelsplatformen

☑️ Pionier in bedrijfsontwikkeling / marketing / PR / beurzen

B2B-ondersteuning en SaaS voor SEO en GEO (AI-zoekopdrachten) gecombineerd: de alles-in-één oplossing voor B2B-bedrijven - Afbeelding: Xpert.Digital

AI-zoekopdrachten veranderen alles: hoe deze SaaS-oplossing uw B2B-ranking voorgoed zal revolutioneren.

Het digitale landschap voor B2B-bedrijven verandert razendsnel. Gedreven door kunstmatige intelligentie worden de regels voor online zichtbaarheid herschreven. Voor bedrijven is het altijd al een uitdaging geweest om niet alleen zichtbaar te zijn in de digitale massa, maar ook relevant te zijn voor de juiste besluitvormers. Traditionele SEO-strategieën en het beheren van lokale aanwezigheid (geomarketing) zijn complex, tijdrovend en vaak een strijd tegen voortdurend veranderende algoritmes en hevige concurrentie.

Maar wat als er een oplossing bestond die dit proces niet alleen vereenvoudigde, maar ook slimmer, voorspellender en veel effectiever maakte? Hier komt de combinatie van gespecialiseerde B2B-ondersteuning met een krachtig SaaS-platform (Software as a Service) om de hoek kijken, specifiek ontworpen voor de eisen van SEO en GEO in het tijdperk van AI-gestuurd zoeken.

Deze nieuwe generatie tools vertrouwt niet langer uitsluitend op handmatige zoekwoordanalyse en backlinkstrategieën. In plaats daarvan maakt het gebruik van kunstmatige intelligentie om de zoekintentie nauwkeuriger te begrijpen, lokale rankingfactoren automatisch te optimaliseren en realtime concurrentieanalyses uit te voeren. Het resultaat is een proactieve, datagedreven strategie die B2B-bedrijven een doorslaggevend voordeel biedt: ze worden niet alleen gevonden, maar ook gezien als de toonaangevende autoriteit in hun niche en regio.

Dit is de synergie tussen B2B-ondersteuning en AI-gestuurde SaaS-technologie die SEO en GEO-marketing transformeert, en hoe uw bedrijf hiervan kan profiteren om duurzaam te groeien in de digitale wereld.

Meer informatie vindt u hier:

​

• B2B-ondersteuning en blog voor SEO, GEO en AIS – Artificial Intelligence Search
• Vergeet dure SEO-tools – dit alternatief domineert met onverslaanbare B2B-functies