--- title: Rich Results slug: rich-results canonical_url: https://www.geoquality.ai/glossar/rich-results md_url: https://www.geoquality.ai/glossar/rich-results.md language: de last_modified: 2026-05-07T00:00:00+00:00 related_terms: [ai-overview, breadcrumb-list, faq-page, featured-snippet, json-ld, schema-org, structured-data] content_hash: a6a378a41fc45b9c license: CC BY 4.0 author: Marco Biner (geoquality.ai) schema_type: DefinedTerm --- # Rich Results Rich Results sind Google-Suchergebnisse mit erweiterten visuellen Elementen — Sterne-Bewertungen, FAQ-Akkordeon, Video-Karten, Recipe-Cards, Breadcrumb-Pfade. Sie werden durch Schema.org-Markup getriggert und erhöhen Click-Through-Rate typisch um Faktor 2-3 gegenüber Standard-Snippets. 2026 koexistieren sie mit AI Overviews. ## Erläuterung Rich Results sind Googles erweitertes SERP-Format, das seit 2009 schrittweise eingeführt wurde und 2026 etwa 35 bis 45 Prozent aller Google-Suchergebnisse betrifft. Während ein klassisches Snippet aus Title, URL und Meta-Description besteht, erweitern Rich Results das Format um visuell auffällige Elemente: Stern-Ratings (für Reviews und Aggregate-Ratings), FAQ-Akkordeon (für FAQPage-Schema), Recipe-Cards (für Recipe-Schema mit Kochzeit, Bewertung, Bild), Video-Cards (für VideoObject-Schema), Breadcrumb-Pfade (für BreadcrumbList-Schema), Knowledge-Panel-ähnliche Boxes (für Organization- und Person-Schema ). Click-Through-Rate auf Rich Results liegt typisch 2-3x höher als auf Standard-Snippets — der direkte ROI von Schema.org-Investments. Rich Results sind Schema-getriggert, aber nicht Schema-garantiert. Google entscheidet algorithmisch, welche berechtigten Sites tatsächlich Rich Results erhalten. Voraussetzungen: erstens valides Schema-Markup nach Google's Eligibility-Spec, zweitens ausreichende Authority/Trust-Signale der Domain, drittens passende Anfrage-Intent. Eine Site mit FAQPage-Schema bekommt nicht automatisch FAQ-Akkordeon; sie muss zusätzlich genug Domain-Authority aufgebaut haben, dass Google das Akkordeon prominent anzeigt. Mit der Einführung der AI Overviews ab 2024 in den USA und Anfang 2026 im DACH-Raum verschiebt sich die Rich-Results-Landschaft. Bei AI-Overview-aktivierten Anfragen (etwa 35 Prozent aller Suchen im DACH-Raum) erscheint die synthesizierte KI-Antwort im SERP-Header, gefolgt von Quellen-Liste und erst dann den klassischen Trefferlisten mit Rich Results. Konsequenz: Rich Results und AI Overviews koexistieren, aber AI Overviews dominieren visuell. Wer für beide optimiert, gewinnt. Strategisch sind Rich Results 2026 weiterhin wertvoll, primär für transaktionale Anfragen (Recipe-Cards, Product-Cards mit Reviews) und YMYL-Themen, in denen Google AI-Overview-Aktivierung niedrig hält. Rich Results produzieren auch in AI-Overview-Sites zusätzlichen Klick-Volumen, wenn die User nach der KI-Antwort weiterscrollen. Geoquality.ai-Daten zeigen: Sites mit Rich Results haben auch in AI-Overview-aktivierten SERPs etwa 18 bis 25 Prozent höhere Total-Klickrate als Sites ohne. Wichtig zur Abgrenzung: Rich Results sind nicht Featured Snippets sind nicht AI Overviews. Featured Snippets sind direkte Wort-für-Wort-Auszüge aus einer einzelnen Quelle auf Position Zero . Rich Results sind Schema-getriggerte Visualisierungs-Erweiterungen klassischer Trefferlisten. AI Overviews sind synthesizierte Antworten aus mehreren Quellen, KI-generiert. Alle drei können auf derselben SERP gleichzeitig erscheinen — das ist 2026 die Norm bei vielen Anfragen. ## Praxisbeispiel Beispiel: FAQPage-Schema triggert FAQ-Rich-Result: Resultat in Google-SERP: das Standard-Snippet wird ergänzt um ausklappbares FAQ-Akkordeon mit den ersten 2-3 Fragen direkt unter Title + Description. CTR steigt typisch von 4% auf 9-12%, weil das Akkordeon mehr Bildschirm-Real-Estate beansprucht und visuell auffälliger ist. ## Häufige Fehler - Annehmen, dass Schema-Markup automatisch Rich Results garantiert — Google entscheidet algorithmisch, welche eligible Sites tatsächlich Rich Results bekommen. - FAQPage-Schema mit unter 3 Frage-Antwort-Paaren bauen — Google's empfohlenes Minimum für FAQ-Rich-Results ist 3+. - Rich Results in AI-Overview-aktiven Themenfeldern als irrelevant abtun — die zwei koexistieren, und die kombinierte Sichtbarkeit ist optimal. - Auf einzelne Rich-Result-Typen optimieren statt domain-weit — Breadcrumb, Article, Organization, FAQPage zusammen geben besseres Ergebnis. ## Best Practices - Implementiere FAQPage-Schema auf allen Hilfe- und Service-Seiten mit mindestens 3 Q&A-Paaren — der wirkungsvollste Rich-Result-Trigger. - Nutze BreadcrumbList-Schema auf jeder Site-Page — Breadcrumb-Pfade in der SERP erhöhen CTR und Authority-Wahrnehmung. - Pflege Article-Schema mit Author, Publisher, datePublished auf allen Editorial-Seiten — Article-Rich-Results sind YMYL-relevant. - Bei eCommerce: Product-Schema mit AggregateRating ergänzen für Stern-Ratings im SERP — typisch 2-3x CTR-Boost. - Validiere und teste alle Rich-Result-Schemas via Google Rich Results Test vor Deploy. - Tracke Rich-Result-Erscheinungen monatlich in Google Search Console — hilft beim Identifizieren ungetriggerten Eligibilitäten. ## Fakten - Rich Results wurden 2009 als Rich Snippets eingeführt; das Konzept wurde 2016 zu 'Rich Results' umbenannt mit erweitertem Spektrum. - Im DACH-Raum 2026 zeigen 35-45 Prozent aller Google-SERPs mindestens ein Rich Result — gestiegen von 18 Prozent (2018). - Die Click-Through-Rate auf Rich Results liegt 2-3x höher als auf Standard-Snippets — durch erhöhten visuellen Anteil im SERP-Bereich. - FAQPage-Schema ist 2026 der meist-getriggerte Rich-Result-Typ im DACH-Raum, gefolgt von BreadcrumbList und AggregateRating. - Google publiziert offizielle Eligibility-Specs pro Rich-Result-Typ unter developers.google.com/search/docs/appearance — Pflichtlektüre für GEO-Strateginnen. - Mit AI Overviews-Einführung ab 2024 sank die durchschnittliche Rich-Result-Sichtbarkeit auf den oberen 1000 Pixeln um 25-35 Prozent — Rich Results bleiben aber wertvoll bei Scroll-down. ## FAQ ### Garantiert Schema-Markup Rich Results? Nein. Schema-Markup ist eine notwendige, aber nicht hinreichende Bedingung. Google entscheidet algorithmisch, welche eligible Sites tatsächlich Rich Results bekommen. Voraussetzungen: valides Schema, ausreichende Domain-Authority, passender Anfrage-Intent. Eine Site mit perfektem FAQPage-Schema und schwacher Authority bekommt oft kein FAQ-Rich-Result. ### Welche Rich-Result-Typen lohnen sich am meisten? Drei Typen dominieren ROI-mässig: FAQPage (für Hilfe- und Service-Seiten), BreadcrumbList (für alle Site-Pages), AggregateRating (für eCommerce mit Reviews). Article-Schema lohnt sich für Editorial-Sites. Recipe und Video sind Spezialfälle. Diese vier zusammen decken 80 Prozent des Rich-Result-Wertes ab. ### Sind Rich Results in AI-Overview-Zeitalter noch relevant? Ja, weiterhin. AI Overviews dominieren die obere SERP-Hälfte; Rich Results bedienen die Trefferliste darunter. Geoquality.ai-Daten zeigen: Sites mit Rich Results haben in AI-Overview-aktivierten SERPs etwa 18-25 Prozent höhere Total-Klickrate als Sites ohne. Beide Optimierungs-Ebenen ergänzen sich. ### Wie messe ich Rich-Result-Sichtbarkeit? Über Google Search Console (Bericht 'Search Appearance' oder 'Performance' mit Filter auf Rich-Result-Typ). Manuelle SERP-Stichproben gegen ein definiertes Test-Anfrage-Set ergänzen. Tools wie Sistrix oder SE Ranking tracken Rich-Result-Erscheinungen domain-weit über die Zeit. ### Was ist der Unterschied zwischen Rich Results und Featured Snippets? Featured Snippets sind direkte Wort-für-Wort-Auszüge aus einer einzelnen Quelle auf Position Zero (oberhalb der Trefferliste). Rich Results sind Schema-getriggerte Visualisierungs-Erweiterungen einzelner Trefferlistung-Einträge (Sterne, FAQ-Akkordeon, etc.). Beide können gleichzeitig auf einer SERP erscheinen. ### Kann ich Rich Results auf nicht-Google-Suchmaschinen erzeugen? Bing und Yandex unterstützen vergleichbare Rich-Snippet-Formate basierend auf Schema.org-Markup. Die Eligibility-Specs unterscheiden sich aber im Detail. Google ist im DACH-Raum die dominante Quelle (2026 etwa 92% Marktanteil), daher Google-spezifische Optimierung priorisieren. ## Experten-Definition Rich Results sind 2026 noch immer ein wichtiger Hebel, aber nicht mehr der Star, den sie bis 2023 waren. AI Overviews dominieren die obere SERP-Hälfte; Rich Results bedienen die untere Hälfte. Bei meinen Klienten setze ich drei Rich-Result-Typen als Pflicht: FAQPage auf Hilfe-Seiten, BreadcrumbList überall, Article auf Editorial-Seiten. Diese drei zusammen produzieren typisch 60-70 Prozent der möglichen Rich-Result-Sichtbarkeit bei moderatem Setup-Aufwand — etwa zwei Stunden Schema-Implementation pro Site. Wer mehr investiert, gewinnt diminishing returns; wer weniger investiert, verschenkt messbare Klickraten-Gewinne. ## Verwandte Begriffe - [AI Overview (Google)](https://www.geoquality.ai/glossar/ai-overview.md) — Ein AI Overview ist eine generative KI-Antwort, die Google seit 2026 in der DACH-Region oberhalb der klassischen Trefferliste anzeigt. Sie synthesizt Inhalte mehrerer Quellen zu einer kompakten Antwort und ist 2026 ein zentraler Sichtbarkeits-Treiber im Google-Ecosystem. - [BreadcrumbList](https://www.geoquality.ai/glossar/breadcrumb-list.md) — BreadcrumbList ist ein Schema.org-Typ, der die Navigations-Pfadkette einer Seite (Home > Bereich > Seite) maschinenlesbar abbildet — verbessert Such-Snippets in Google und liefert KI-Modellen den hierarchischen Kontext einer Page. - [FAQPage](https://www.geoquality.ai/glossar/faq-page.md) — FAQPage ist ein Schema.org-Typ für Webseiten, die ausschliesslich oder primär aus Frage-Antwort-Paaren bestehen — einer der wertvollsten Schema-Typen für GEO, weil das Q&A-Format direkt der Mechanik von KI-Antwortmaschinen entspricht. - [Featured Snippet](https://www.geoquality.ai/glossar/featured-snippet.md) — Ein Featured Snippet ist eine direkt extrahierte Antwort, die Google oberhalb der klassischen Trefferliste anzeigt — typisch als 40 bis 60 Wort Wort-für-Wort-Übernahme aus einer Quelle. 2026 wird es zunehmend von AI Overviews verdrängt, bleibt aber in vielen YMYL-Themen weiterhin der primäre SERP-Hebel. - [JSON-LD](https://www.geoquality.ai/glossar/json-ld.md) — JSON-LD ist ein W3C-standardisiertes Format zur Einbettung strukturierter Daten in Webseiten — typischerweise nach Schema.org-Vokabular — und der von Google sowie allen grossen KI-Crawlern bevorzugte Weg, Entitäten und Beziehungen maschinenlesbar zu beschreiben. - [Schema.org](https://www.geoquality.ai/glossar/schema-org.md) — Schema.org ist das von Google, Microsoft, Yahoo und Yandex gemeinsam entwickelte Vokabular zur strukturierten Beschreibung von Web-Inhalten — der De-facto-Standard für maschinenlesbare Auszeichnung und das technische Fundament jeder GEO-Strategie. - [Strukturierte Daten](https://www.geoquality.ai/glossar/structured-data.md) — Strukturierte Daten sind maschinenlesbare Auszeichnungen von Web-Inhalten — typischerweise als JSON-LD im HTML-Head — die Entitäten, Beziehungen und Metadaten explizit benennen statt sie nur implizit im Fliesstext zu hinterlassen. ## Quelle und Zitation - HTML-Original: https://www.geoquality.ai/glossar/rich-results - Lizenz: CC BY 4.0 - Zitiervorschlag: "Rich Results (geoquality.ai Glossar, Biner 2026)"