Data Highlighter

Was ist der Data Highlighter?

Der Data Highlighter ist ein Google-Werkzeug, mit dem Betreiber einer Website sichtbare Inhalte wie Preise, Termine oder Bewertungen per Maus markieren können. Google erkennt daraus wiederkehrende Datenmuster und kann die Informationen für erweiterte Suchergebnisse nutzen, ohne dass strukturierte Daten direkt im HTML-Code der Seiten eingebunden werden müssen.

Was steckt hinter dem Data Highlighter?

Der Data Highlighter ist ein mit der Google Search Console verbundenes Markierungswerkzeug für strukturierte Informationen. Google bezeichnet den Vorgang als Training: Ein Nutzer kennzeichnet einzelne Datenfelder auf einer bereits gecrawlten Seite, damit Google deren Bedeutung und das zugrunde liegende Seitenmuster erkennt.

Das Werkzeug wird auch als Daten-Highlighter oder Markierungshilfe für strukturierte Daten bezeichnet. Anders als klassisches Schema Markup schreibt es keine Angaben in den Quellcode. Die erzeugten Zuordnungen werden bei Google gespeichert und ausschließlich dort für die Verarbeitung der markierten Website verwendet.

Stand 2026 dokumentiert Google das Werkzeug weiterhin und stellt einen zugangsbeschränkten Bereich bereit. Für die Nutzung muss das Google-Konto als Nutzer der betreffenden Search-Console-Property hinterlegt sein.

Wie funktioniert das Markieren strukturierter Daten?

Für das Training wird zunächst eine geeignete URL ausgewählt. Anschließend öffnet Google die Seite in einer visuellen Oberfläche. Dort lassen sich sichtbare Elemente wie ein Produktname, ein Preis oder ein Veranstaltungsdatum markieren und einer vorgegebenen Eigenschaft zuordnen.

Der typische Ablauf umfasst folgende Schritte:

Du wählst eine bestätigte Website beziehungsweise Property aus und gibst eine bereits von Google gecrawlte Startseite an.
Du markierst auf der dargestellten Seite zusammengehörige Informationen und weist ihnen passende Dateneigenschaften zu.
Du legst fest, ob nur die einzelne URL oder eine Gruppe ähnlich aufgebauter Seiten verarbeitet werden soll.
Google prüft weitere Seiten des Musters und schlägt automatisch erkannte Zuordnungen vor.
Nach der Kontrolle veröffentlichst du das Seitenset, damit Google die extrahierten Informationen beim nächsten Crawling berücksichtigen kann.

Ein Seitenset besteht aus ähnlich aufgebauten URLs, deren Inhalte nach einem einheitlichen Template dargestellt werden. Das Werkzeug kann ein auf einer Produktseite trainiertes Muster beispielsweise auf weitere Produktseiten übertragen, wenn deren URL- und Seitenstruktur ausreichend konsistent ist.

Ein Beispiel ist eine Veranstaltungsseite mit dem Titel „Münchner Fachkonferenz“, dem Datum „15. Oktober“ und einem Veranstaltungsort. Nach dem Markieren ordnet Google diese sichtbaren Angaben den Eigenschaften Name, Datum und Ort zu. Das erzeugt jedoch keinen Schema-Code im HTML und garantiert kein erweitertes Suchergebnis.

Welche Inhaltstypen unterstützt das Werkzeug?

Google nennt für den Data Highlighter mehrere vordefinierte Datentypen. Dazu gehören Artikel, Veranstaltungen, lokale Unternehmen, Restaurants, Produkte, Softwareanwendungen, Filme, TV-Episoden und Bücher. Die verfügbaren Felder unterscheiden sich je nach gewähltem Inhaltstyp.

Inhaltstyp	Beispiele für markierbare Informationen	Typischer Einsatz
Artikel	Titel, Autor, Veröffentlichungsdatum, Bild	Magazine und redaktionelle Websites
Veranstaltung	Name, Datum, Ort, Ticketinformationen	Eventkalender und Veranstalter
Produkt	Name, Preis, Verfügbarkeit, Bewertung	Produktdetailseiten im E-Commerce
Lokales Unternehmen	Name, Adresse, Telefonnummer, Öffnungszeiten	Standort- und Filialseiten
Softwareanwendung	Name, Kategorie, Betriebssystem, Bewertung	Seiten zu Apps und Software

Data Highlighter oder Schema Markup: Wo liegt der Unterschied?

Der Unterschied zwischen dem Data Highlighter und Schema Markup liegt im Speicherort und in der technischen Kontrolle. Der Highlighter hinterlegt die Zuordnung bei Google, während Schema Markup die maschinenlesbaren Informationen direkt in der Website auszeichnet.

Google unterstützt für strukturierte Daten die Formate JSON-LD, Microdata und RDFa. JSON-LD wird in der offiziellen Dokumentation empfohlen, weil es sich unabhängig vom sichtbaren HTML-Inhalt implementieren und bei größeren Websites leichter verwalten lässt.

Eine direkte Implementierung eignet sich besonders für Shops, Portale und Websites mit häufig wechselnden Inhalten. Änderungen an Preisen, Verfügbarkeiten oder Terminen können über Templates oder das Content-Management-System automatisch in das Markup einfließen. Der Highlighter benötigt bei wesentlichen Änderungen am Layout oder an der URL-Struktur dagegen ein erneutes Training.

Die folgende Abgrenzung erleichtert die Auswahl:

Der Highlighter erfordert keine Bearbeitung des Quellcodes und eignet sich für überschaubare, gleichförmig aufgebaute Seitenbestände.
JSON-LD bietet mehr Datentypen, Eigenschaften und Kontrolle über die ausgelieferten Informationen.
Schema Markup kann neben Google auch von anderen Suchmaschinen, Plattformen und maschinellen Systemen verarbeitet werden.
Bei einer technischen Migration bleibt eingebettetes Markup überprüfbar, während trainierte Seitensets gegebenenfalls neu erstellt werden müssen.

Welche Bedeutung hat der Daten-Highlighter für SEO und GEO?

Der Data Highlighter beeinflusst Rankings nicht unmittelbar. Er hilft Google jedoch dabei, Entitäten und Eigenschaften einer Seite genauer zuzuordnen. Korrekt verstandene Daten können eine Seite für Rich Results qualifizieren, wobei Google deren tatsächliche Anzeige auch bei fehlerfreiem Markup nicht garantiert.

Rich Results können zusätzliche Angaben wie Preise, Termine oder Bewertungen in den Suchergebnissen darstellen. Dadurch verändert sich die optische Präsentation eines Ergebnisses, was sich auf die organische Klickrate auswirken kann. Ob eine Verbesserung eintritt, muss anhand vergleichbarer Zeiträume und URLs in der Search Console geprüft werden.

Für GEO, die Generative Engine Optimization, sind eindeutig bezeichnete Unternehmen, Produkte, Autoren und Beziehungen ebenfalls hilfreich. Strukturierte Informationen erleichtern maschinellen Systemen die Einordnung von Inhalten, stellen aber keine Garantie für eine Nennung oder Quellenangabe durch ChatGPT, Perplexity, Gemini oder andere KI-Systeme dar.

Da Highlighter-Daten nur Google zur Verfügung stehen, ist direkt eingebundenes Schema Markup für eine kanalübergreifende Datenstrategie geeigneter. Es bildet einen offen auslesbaren Datenlayer, der Inhalte explizit beschreibt und damit über die klassische Google-Suche hinaus verarbeitet werden kann.

Welche Grenzen und Fehlerquellen gibt es?

Das Werkzeug kann nur Seiten verarbeiten, die Google kürzlich gecrawlt hat. Login-Bereiche, blockierte URLs und nicht indexierbare Inhalte sind deshalb ungeeignet. Außerdem müssen die Seiten eines Sets ein konsistentes Layout und ein erkennbares URL-Muster besitzen.

Typische Fehler entstehen durch uneinheitliche Templates, falsch markierte Felder oder veraltete Seitensets. Besonders bei Produktpreisen, Lagerbeständen und Veranstaltungsterminen kann eine unpassende Zuordnung dazu führen, dass Google Informationen falsch interpretiert.

Markiere ausschließlich Angaben, die auf der jeweiligen Seite sichtbar sind und den Hauptinhalt korrekt beschreiben. Irreführende, versteckte oder sachlich unpassende strukturierte Daten können die Berechtigung für Rich Results beeinträchtigen und bei Richtlinienverstößen eine manuelle Maßnahme auslösen.

Wann ist eine direkte Implementierung sinnvoller?

JSON-LD ist meist die bessere Wahl, wenn du strukturierte Daten langfristig kontrollieren, automatisiert aktualisieren oder für mehrere Systeme bereitstellen möchtest. Die Implementierung sollte über Templates, ein geeignetes CMS-Modul oder eine individuelle technische Lösung erfolgen.

Ein sinnvoller Arbeitsablauf besteht aus Auswahl des passenden Schema.org-Typs, Zuordnung der erforderlichen Eigenschaften, Implementierung im Quellcode und Validierung mit dem Rich Results Test. Nach der Veröffentlichung solltest du die URL-Prüfung und die Berichte zu Rich Results in der Google Search Console kontrollieren. Google empfiehlt ebenfalls, Markup während der Entwicklung und nach dem Ausrollen zu testen.

Bei größeren Websites gehört die Prüfung strukturierter Daten in ein regelmäßiges technisches Audit. Eine umfassende SEO-Audit-Analyse für Websites kann fehlerhafte Auszeichnungen, fehlende Pflichtfelder und Widersprüche zwischen Markup und sichtbarem Inhalt erfassen. Die technische und inhaltliche Onpage-Optimierung verbindet diese Prüfung mit weiteren Faktoren wie Crawling, Indexierbarkeit und interner Verlinkung.

Wenn strukturierte Inhalte zusätzlich für KI-Suchen aufbereitet werden sollen, müssen Entitäten, Quellenangaben und semantische Beziehungen konsistent gepflegt werden. Eine GEO-Strategie für die Sichtbarkeit in KI-Systemen betrachtet diese Signale gemeinsam mit verständlichem Content und einer technisch zugänglichen Website.