Schema markup voor AI: welke structured data je laat citeren

Schema markup is gestructureerde data die je toevoegt aan een pagina zodat machines precies begrijpen wat erop staat: dit is een vraag, dit is het antwoord, dit is een product met een prijs, dit is de auteur. Voor AI-zoekmachines zoals ChatGPT, Gemini en Perplexity is dat verschil belangrijk. Een taalmodel dat je pagina ophaalt en samenvat, pakt feiten makkelijker over als ze ondubbelzinnig gelabeld zijn. Schema markup garandeert geen citatie, maar het verlaagt de kans op verwarring en vergroot de kans dat het juiste feit bij jou vandaan komt. Hieronder lees je welke types ertoe doen, hoe een correct JSON-LD voorbeeld eruitziet en wat je beter weglaat.

Wat schema markup eigenlijk doet voor AI

Een AI-systeem leest je pagina niet zoals een mens. Het haalt tekst op, knipt die in stukken en probeert te bepalen welk stuk antwoord geeft op welke vraag. Schema markup maakt dat werk makkelijker door expliciet te benoemen wat ieder onderdeel is.

Het verschil dat het maakt

• Minder gokwerk: in plaats van te raden of een blok een vraag of een kop is, krijgt het model een label dat zegt wat het is.
• Hogere feitelijke precisie: een prijs, datum of stap die als zodanig gelabeld is, wordt minder snel verkeerd overgenomen.
• Betere koppeling van bron en feit: auteur, organisatie en publicatiedatum helpen het systeem inschatten of jij een betrouwbare bron bent.

Wees eerlijk over wat het is: schema markup is geen knop waarmee je een citatie afdwingt. Modellen lezen ook gewone HTML prima. Het effect zit in de marge, en die marge telt vooral op pagina's waar het op precieze feiten aankomt. Hoe schema past in het grotere plaatje lees je in onze uitleg over AI-vindbaarheid.

Schema markup in cijfers

Bijna iedereen die hoog scoort gebruikt schema, maar de meeste sites laten het liggen. Een paar geverifieerde getallen.

De boodschap: schema is geen exotische bonus meer, maar wel een gemiste kans bij het merendeel van de sites. Wie het netjes neerzet, hoort bij de minderheid die het goed doet.

JSON-LD: het formaat dat je gebruikt

Er bestaan drie manieren om schema toe te voegen: JSON-LD, Microdata en RDFa. Voor AI en voor Google is JSON-LD de aanbevolen keuze. Het is een los stuk code dat je in de pagina plaatst, gescheiden van je zichtbare tekst, waardoor het makkelijk te onderhouden is.

Waarom JSON-LD wint

• Gescheiden van je HTML: je hoeft je tekst niet vol te zetten met attributen, het schema staat apart in een scriptblok.
• Makkelijk te genereren: de meeste CMS-systemen en SEO-plugins zetten JSON-LD automatisch neer.
• Goed leesbaar voor machines: het is platte data in een vaste structuur, precies wat een model graag verwerkt.

Hieronder zie je een correct FAQPage-voorbeeld. Let op dat de vragen en antwoorden ook letterlijk zichtbaar op de pagina moeten staan.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Wat is schema markup?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Schema markup is gestructureerde data die machines vertelt wat er op een pagina staat, zoals een vraag, een antwoord of een prijs."
      }
    },
    {
      "@type": "Question",
      "name": "Helpt schema markup voor AI-citaties?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Het garandeert geen citatie, maar het verkleint de kans dat een AI-systeem je feiten verkeerd overneemt."
      }
    }
  ]
}
</script>

Welke schema-types ertoe doen

Niet ieder type heeft evenveel waarde voor AI-vindbaarheid. Deze tabel laat zien welk type je waarvoor inzet.

De vuistregel: kies het type dat je content het best beschrijft en stapel niet onnodig. Eén kloppend FAQPage-blok is meer waard dan vijf half ingevulde types.

Schema markup verandert je content niet in iets beters. Het zorgt dat de goede content die er al staat correct wordt begrepen.

FAQPage: het type met de meeste hefboom

Voor AI-citaties is FAQPage vaak het meest renderende type. De reden is simpel: een vraag met een kort, compleet antwoord is precies het formaat dat een taalmodel graag overneemt.

Hoe je het goed doet

• Echte vragen: formuleer ze zoals iemand ze zou stellen, niet als keyword-fragmenten.
• Antwoord-eerst: beantwoord de vraag in de eerste een tot twee zinnen, daarna pas toelichting.
• Zichtbaar op de pagina: de vraag en het antwoord uit je schema moeten ook letterlijk in de zichtbare tekst staan.
• Niet misbruiken: gebruik FAQPage alleen voor echte vraag-antwoordinhoud, niet om willekeurige tekst binnen te smokkelen.

Belangrijk: FAQ-rich-results verdwenen, FAQPage niet

Hier zit een verwarrend punt dat je goed moet snappen voor je conclusies trekt. Google liet FAQ-vragen oorspronkelijk uitklappen onder een zoekresultaat. In augustus 2023 beperkte Google dat al tot bekende overheids- en gezondheidssites, omdat veel sites nep-FAQ's toevoegden om meer ruimte in te pakken. Op 7 mei 2026 stopte Google er helemaal mee: FAQ-rich-results verschijnen nu voor niemand meer in de zoekresultaten.

Betekent dat dat FAQPage-schema waardeloos is geworden? Nee, en dat onderscheid is precies waar dit artikel over gaat. Twee dingen blijven overeind:

• FAQPage is nog steeds een geldig schema.org-type. Google heeft bevestigd dat het de markup blijft lezen om je pagina te begrijpen. Bestaande FAQ-markup hoef je niet weg te halen, die veroorzaakt geen problemen.
• De waarde voor AI verandert niet. De verdwenen rich result was een Google-zoekfunctie. AI-crawlers van ChatGPT, Perplexity en Google's eigen AI-systemen kunnen FAQ-structuur nog steeds uitlezen en gebruiken om vraag en antwoord aan elkaar te koppelen.

De les: meet de waarde van schema niet meer aan het verdwenen Google-snippet, maar aan of machines je feiten correct overnemen. Dat is een fundamenteel andere manier van kijken, en het is precies waarom het loont je richting generative engine optimization te verschuiven in plaats van alleen op klassieke rich results te mikken. Lees ook hoe dit doorwerkt in Google AI Overviews.

Organization en Article: je autoriteit vastleggen

FAQPage krijgt veel aandacht, maar voor AI-citaties zijn twee minder besproken types net zo belangrijk: Organization en Article. Ze beantwoorden de vraag die een model stelt voordat het je citeert: wie ben jij en kan ik je vertrouwen?

Organization: je naam ondubbelzinnig maken

Met Organization-schema op je homepage leg je vast hoe je bedrijf heet, wat je logo is, naar welke social-profielen je linkt en hoe je te bereiken bent. Dat helpt een AI-systeem jouw merk te herkennen als één consistente entiteit in plaats van een losse verzameling pagina's. Vooral als je merknaam ook een gewoon woord is, voorkom je verwarring. Hoe AI-systemen merken oppikken lees je in merkvermeldingen in AI.

Article: feiten aan een bron koppelen

Article-schema verbindt je inhoud aan een auteur, een publicatiedatum en een uitgever. Voor AI is dat waardevol omdat het een feit niet alleen labelt, maar ook aangeeft wie het beweert en wanneer. Een goed ingevuld author-veld met een echte naam en, idealiter, een auteurspagina sluit aan op hoe modellen ervaring en autoriteit wegen. Dat raakt direct aan E-E-A-T en AI: schema maakt zichtbaar wie achter de tekst staat.

De regel die alles bepaalt: laat schema kloppen met je tekst

De grootste fout met schema markup is data labelen die niet overeenkomt met wat de bezoeker ziet. Een prijs in je schema die niet op de pagina staat, een review-score die je verzon, een auteur die niet bestaat: dat ondermijnt je betrouwbaarheid.

Wat je daarom altijd controleert

1. Staat ieder gelabeld feit ook zichtbaar op de pagina?
2. Klopt de informatie en is die actueel?
3. Verwijst je auteur- en organisatieschema naar echte, consistente gegevens?
4. Valideert het blok zonder fouten?

Dit sluit aan op een breder principe van AI-vindbaarheid: precisie en consistentie wegen zwaarder dan trucs. Een uitgewerkt stappenplan om geciteerd te worden vind je in het AI-citatie-recept.

Schema toevoegen: een werkbare volgorde

Je hoeft niet alles tegelijk te doen. Deze volgorde levert het snelst resultaat zonder dat je verdrinkt in markup.

Wil je dit niet zelf uitzoeken, dan helpen we je op weg met de kant-en-klare aanpak in onze producten. Wil je eerst weten waar je nu staat, doe dan de gratis AI-citatie-check.

Wat NIET werkt met schema markup

Een paar dingen kosten je tijd of geloofwaardigheid zonder iets op te leveren:

• Schema dat niet matcht met de tekst. Feiten labelen die niet zichtbaar zijn, is de snelste manier om je markup genegeerd te krijgen.
• Verzonnen reviews en scores. Een aggregateRating zonder echte beoordelingen is misleidend en risicovol voor je betrouwbaarheid.
• Types stapelen voor de schijn. Tien schema-types op een dunne pagina maakt je niet vaker geciteerd, het maakt je markup alleen rommeliger.
• Schema als vervanging van content. Markup versterkt goede content. Op een lege of vage pagina valt er niets te versterken.

En wees eerlijk over de grenzen: schema markup is een marginale hefboom bovenop sterke content en goede vindbaarheid. Heb je die basis nog niet, begin daar dan. Meer voorbeelden vind je op het blog.

Voor wie schema het verschil maakt, en voor wie niet

Niet elke site heeft evenveel baat bij schema markup. Een eerlijke inschatting voorkomt dat je uren stopt in iets met weinig rendement.

Wel de moeite waard

• Sites met veel feitelijke content: prijzen, openingstijden, stappenplannen, specificaties en echte vraag-antwoordblokken. Hoe meer precieze feiten, hoe meer schema te labelen heeft.
• Lokale ondernemers en vakmensen: Organization- en LocalBusiness-schema met adres, contactgegevens en werkgebied helpen een AI-systeem jou aan de juiste plaats en dienst te koppelen.
• Webshops: Product-schema met echte prijs, voorraad en beoordelingen is precies wat een model nodig heeft om jouw aanbod correct samen te vatten.

Minder urgent

• Dunne of vage pagina's: als er weinig concrete feiten staan, valt er ook weinig zinnigs te labelen. Eerst de content op orde.
• Sites zonder basisvindbaarheid: word je nog door geen enkele crawler opgehaald, dan los je dat eerst op. Schema is de afwerking, niet het fundament.
• Persoonlijke verhalen en opinie: sterke meningen citeert een model op inhoud, niet op markup. Schema voegt daar weinig toe.

Schema werkt het hardst waar feiten centraal staan. Hoe AI-zoekmachines kiezen wie ze citeren lees je in AI-zoekmachines.

Hoe je controleert of het klopt

Je hoeft niet te gissen of je schema goed staat. Deze checks geven snel uitsluitsel:

• Plak je pagina-URL in de Rich Results Test van Google en kijk welke types herkend worden.
• Gebruik de Schema Markup Validator van schema.org voor losse foutmeldingen.
• Bekijk de broncode van je pagina en controleer of het JSON-LD-blok daadwerkelijk meegestuurd wordt, ook bij sites die zwaar op JavaScript leunen.
• Stel je belangrijkste vragen aan ChatGPT en Perplexity en kijk of de feiten die ze noemen, kloppen met wat jij gelabeld hebt.

Verwacht geen dashboard met harde scores. Behandel schema als hygiëne: het hoort te kloppen, en als het klopt, haal je er rust en precisie uit. Let op één ding dat veel mensen vergeten: sinds de FAQ-rich-results verdwenen zijn, toont de Rich Results Test FAQPage niet meer als visueel resultaat. Het schema is daarom niet kapot, gebruik dan de Schema Markup Validator om te zien dat het nog steeds valide is.