aggregateRating
Auch bekannt als: schema:aggregateRating, Aggregate Rating
1. Kurzdefinition
aggregateRating ist eine Schema.org-Property für strukturierte Bewertungs-Aggregate (Sterne plus Anzahl Bewertungen) — schaltet Star-Snippets in Google Rich Results frei und ist relevant für Produkte, Lokalbusinesses, Software und Services mit User-Bewertungen.
2. Ausführliche Erklärung
aggregateRating ist die Schema.org-Property für aggregierte Bewertungen einer Entity — typisch Sterne-Bewertung plus Anzahl der zugrundeliegenden Reviews. Sie wird mit einem AggregateRating-Sub-Objekt befüllt und schaltet bei Google die markanten Star-Snippets in den Suchergebnissen frei.
Aus GEO-Sicht ist aggregateRating ein wichtiger Trust-Hebel — wenn echte User-Bewertungen vorliegen. Google's Star-Snippets erhöhen die Click-Through-Rate aus Suchergebnissen messbar (typisch 15-30 Prozent), und KI-Modelle nutzen Bewertungs-Aggregate als Authority-Signal bei Produkt- oder Service-Anfragen.
Technisch hat AggregateRating drei zentrale Properties. ratingValue ist der durchschnittliche Bewertungs-Wert (typisch 1-5, kann auch andere Skalen sein). reviewCount ist die Anzahl der zugrundeliegenden Reviews. bestRating und worstRating definieren die Skala (Default ist 1-5). Plus optional itemReviewed als Verweis auf die bewertete Entity.
Eine kritische Konvention: aggregateRating darf nur mit echten User-Bewertungen ausgezeichnet werden. Fake-Ratings werden von Google seit 2020 systematisch erkannt und führen zu Penalties — verlust der Star-Snippets bis hin zur Domain-Sichtbarkeits-Reduktion. Die Bewertungen müssen tatsächlich auf der Page sichtbar sein und nachvollziehbar.
Für eine Schweizer KMU bedeutet aggregateRating konkret: nur einsetzen wenn echte Bewertungen vorliegen. Bei Restaurants, Hotels, Praxen, Online-Shops mit User-Reviews: AggregateRating mit ratingValue und reviewCount, plus Review-Sub-Entitäten für die einzelnen Bewertungen. Bei Sites ohne echte Bewertungen: weglassen. Manipulation ist rechtlich und SEO-technisch problematisch.
Bei Sites mit ehrlichem Reviews-Backend (Trustpilot-Sync, eigene Review-Datenbank, Plattform-Reviews via API) ist aggregateRating ein hoher Hebel. Bei Sites ohne Reviews ist es eine Falle — Manipulationsversuche werden erkannt und führen zu Penalties. Mein Standard für Klienten: nur einsetzen, wenn echte Reviews vorhanden sind und automatisch aktualisiert werden. Plus mindestens eine Review-Sub-Entity ausspielen, sonst werden Star-Snippets nicht freigeschaltet. Bei aggregateRating-Pflege lohnt sich auch der Blick auf reviewCount-Wachstum über die Zeit — ein langsam wachsender Review-Pool wirkt authentischer als plötzliche Sprünge.
Die Verbindung zu Product- oder LocalBusiness-Entities ist Standard. Bei E-Commerce: aggregateRating an jedem Product. Bei stationären Geschäften: aggregateRating an LocalBusiness. Bei SaaS-Produkten: aggregateRating an SoftwareApplication. Diese Entity-Typ-spezifische Auszeichnung macht die Bewertung im Kontext sichtbar — ein Restaurant-Bewertung wird anders interpretiert als eine SaaS-Bewertung, aber beide nutzen dasselbe AggregateRating-Pattern.
Bei Sites mit ehrlichem Reviews-Backend (Trustpilot-Sync, eigene Review-Datenbank, Plattform-Reviews via API) ist aggregateRating ein hoher Hebel. Bei Sites ohne Reviews ist es eine Falle — Manipulationsversuche werden erkannt und führen zu Penalties. Mein Standard für Klienten: nur einsetzen, wenn echte Reviews vorhanden sind und automatisch aktualisiert werden. Plus mindestens eine Review-Sub-Entity ausspielen, sonst werden Star-Snippets nicht freigeschaltet. Bei aggregateRating-Pflege lohnt sich auch der Blick auf reviewCount-Wachstum über die Zeit — ein langsam wachsender Review-Pool wirkt authentischer als plötzliche Sprünge.
Die Verbindung zu Product- oder LocalBusiness-Entities ist Standard. Bei E-Commerce: aggregateRating an jedem Product. Bei stationären Geschäften: aggregateRating an LocalBusiness. Bei SaaS-Produkten: aggregateRating an SoftwareApplication. Diese Entity-Typ-spezifische Auszeichnung macht die Bewertung im Kontext sichtbar — ein Restaurant-Bewertung wird anders interpretiert als eine SaaS-Bewertung, aber beide nutzen dasselbe AggregateRating-Pattern.
3. Praxisbeispiel
Product mit aggregateRating und einzelnen Reviews:
{
"@type": "Product",
"@id": "https://www.beispiel.ch/produkte/laptop-stand#product",
"name": "Ergonomischer Laptop-Stand",
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.7",
"reviewCount": "127",
"bestRating": "5",
"worstRating": "1"
},
"review": [
{
"@type": "Review",
"reviewRating": { "@type": "Rating", "ratingValue": "5" },
"author": { "@type": "Person", "name": "Anna B." },
"reviewBody": "Sehr stabil, gute Verarbeitung."
}
]
}Aggregate-Daten plus mindestens eine Review als Beleg. Google fordert bei aggregateRating mindestens eine sichtbare Review — sonst werden Star-Snippets nicht ausgespielt.
4. Typische Fehler & Missverständnisse
- aggregateRating ohne echte Bewertungen ausspielen — Google erkennt Fake-Ratings und verhängt Penalties.
- Bewertungen nur im Markup, nicht sichtbar auf der Page — Google fordert sichtbare Bewertungs-Inhalte.
- ratingValue und reviewCount inkonsistent zur Realität — bei 5 Reviews keine 4.9-Bewertung von 200 Usern auszeichnen.
- bestRating und worstRating bei Custom-Skalen vergessen — wenn die Skala nicht 1-5 ist, müssen die Grenzen definiert werden.
- aggregateRating an Entities setzen, die keine Bewertungen haben können — z. B. an Articles oder Glossar-Begriffen.
5. Best Practices
- aggregateRating nur bei Entities mit echten User-Bewertungen ausspielen — Product, LocalBusiness, SoftwareApplication.
- Sichtbare Bewertungen auf der Page sicherstellen — Google fordert Markup-Inhalte sichtbar.
- Mindestens eine Review-Sub-Entity ausspielen — Google fordert das für Star-Snippets.
- Werte konsistent zur Realität halten — automatisch aus Review-Datenbank generieren statt manuell pflegen.
- Bei Custom-Skalen: bestRating und worstRating explizit setzen — Default ist 1-5.
- Verbinde aggregateRating mit itemReviewed-Property bei Stand-alone-Reviews — verlinkt Bewertung mit Bewerteter Entity.
6. Fakten
- aggregateRating ist seit Schema.org 1.0 (2011) verfügbar und einer der ersten Schema-Properties für Trust-Signale.
- Google's Star-Snippets in Suchergebnissen erhöhen die CTR um 15-30 Prozent — eine der grössten Sichtbarkeits-Verbesserungen via Schema.org.
- Seit 2020 erkennt Google Fake-aggregateRating systematisch und verhängt Penalties — die Toleranz für Manipulation ist null.
- Bei Produkten ist aggregateRating eines der wichtigsten Markup-Elemente für E-Commerce-SEO.
- Im DACH-Raum nutzen 2026 etwa 23 Prozent aller E-Commerce-Sites aggregateRating — wertvoller Differenzierungs-Hebel.
- Die Skala muss konsistent sein — wenn ratingValue 5 und bestRating 5, ist das volle Bewertung; wenn ratingValue 4.5 und bestRating 10, ist das eher mittelmäßig.
Definition von Marco Biner · Certified GEO Expert
aggregateRating ist Pflicht für jede Site mit echten User-Bewertungen — und gleichzeitig der Schema-Typ mit dem höchsten Manipulations-Risiko. Google's Erkennung von Fake-Ratings ist 2026 sehr gut, Penalties sind real und schmerzhaft. Mein Standard: nur einsetzen bei echten Bewertungen, automatisch aus Review-Backend generieren, niemals manuell „aufhübschen“.
Was ich konsistent sehe: KMU mit korrekt ausgezeichneten aggregateRatings (echte Reviews, sichtbar auf der Page, automatisch aktuell) gewinnen 15-30 Prozent CTR aus Google-Suchergebnissen. KMU mit Fake-Ratings verlieren langfristig Authority. Die Versuchung ist gross, der Schaden noch grösser.
GEO Importance Rank
Wie wichtig ist dieser Begriff für Generative Engine Optimization?
FAQs
Brauche ich aggregateRating für meine KMU-Site?
Nur wenn du echte User-Bewertungen hast und auf der Page sichtbar machst. Bei Service-Sites ohne strukturiertes Bewertungs-System: nicht einsetzen. Bei Restaurants, Hotels, Online-Shops mit Reviews: Pflichtprogramm. Faustregel: wenn du nicht aktiv Bewertungen sammelst, kein aggregateRating.
Was passiert bei Fake-Ratings?
Google erkennt Manipulation seit 2020 systematisch. Penalties reichen von Star-Snippet-Entzug bis zu Domain-Sichtbarkeits-Reduktion in der Suche. Bei E-Commerce kann das schwerwiegende Auswirkungen auf das Geschäft haben — Fake-Ratings sind ein hohes Risiko mit minimalem Upside.
Wie viele Reviews sind nötig?
Google fordert keine spezifische Mindestzahl, aber unter 3-5 Reviews sind Star-Snippets selten sichtbar. Erste Reviews müssen aktiv gesammelt werden — Customer-Feedback nach Kauf, Service-Bewertungen, Plattform-Reviews mit Site-Sync. Bei wachsendem Review-Pool wachsen Star-Snippet-Effekte.
Kann ich Plattform-Reviews (Google, Trustpilot) nutzen?
Eingeschränkt. Reviews müssen first-party auf der eigenen Site sein, nicht nur auf externen Plattformen. Google akzeptiert keine aggregateRating, die nur Trustpilot-Daten zeigen — die Reviews müssen auf der Page selbst sichtbar sein. Plattform-Integration via Widget/Embed ist OK, aber die Reviews müssen ins HTML.
Wie verbinde ich Reviews mit Pricing-Information?
Bei Products: aggregateRating und offers parallel pflegen — Bewertung zeigt Quality, offers zeigen Pricing. Beide ergeben das vollständige Produkt-Bild. KI-Modelle bei Anfragen wie „Was ist ein gutes günstiges X?“ nutzen beide Properties.
Soll ich ratingValue rund oder mit Dezimalstellen?
Dezimalstellen sind authentischer (4.7 statt 5.0). 5.0 bei vielen Reviews wirkt zu perfekt und kann Skepsis auslösen. Bei wenigen Reviews (< 5) sind ganze Zahlen OK. Best Practice: automatisch aus Review-Daten berechnen, mit einer Dezimalstelle ausspielen — realistisch und glaubwürdig.
Verwandte Begriffe
Eigene AI-Sichtbarkeit messen
Kostenlose SEAKT-Analyse für jede Website — Score in unter 2 Minuten.
Jetzt analysieren →