Gestructureerde data in 2026: wat de schema-discussie over het hoofd ziet

Schema-markup beïnvloedt AI-zichtbaarheid nog steeds, maar nieuw Ahrefs-onderzoek laat zien dat 80% van de AI-vermeldingen buiten de top 100 van Google valt. Entiteitsherkenning telt zwaarder dan technische markup alleen.

23 mei 20265 min leestijd

0:00

Hoe ziet de discussie rond gestructureerde data in 2026 er eigenlijk uit?

Schema-markup staat onder druk vanuit twee richtingen: Google verwijdert rich result-typen en Ahrefs-data laat zien dat schema alleen geen AI-citaten genereert.

Twee signalen kwamen kort na elkaar en wijzen dezelfde kant op. Google verwijderde FAQ rich results uit de zoekresultaten, waarmee een van de meest aangehaalde toepassingen van schema-markup wegviel. Rond dezelfde tijd publiceerde Ahrefs onderzoek dat de waarde van schema voor AI-zoekopdrachten en -citaten direct in twijfel trekt. Volgens Search Engine Journal stelt deze nieuwe data rechtstreeks de vraag of gestructureerde data zijn belofte waarmaakt in het tijdperk van AI-zoekopdrachten. Vanuit een bouwersperspectief is dit geen crisis voor gestructureerde data als concept. Het is een signaal dat het spel verschoven is: van content taggen voor crawlers naar een identiteit bouwen die AI-systemen herkennen.

De verwijdering van FAQ rich results door Google: wat het werkelijk zegt

FAQ-schema was een van de makkelijkste winsten in technische SEO: voeg markup toe, krijg rich results, verhoog de doorklikratio. De beslissing van Google om die resultaten te verwijderen is meer dan het afvoeren van een feature. Het is een uitspraak over wat Google nuttig acht voor gebruikers. De implicatie voor AI-zoekopdrachten is direct: als een type markup niet langer bijdraagt aan de eigen zoekresultaten van Google, is de kans klein dat het gewicht ervan in de trainings- en citatielogica van AI-systemen zal toenemen.

Ahrefs-data en de kloof tussen schema en AI-citaten

Wat het Ahrefs-onderzoek laat zien, is dat het verband tussen gestructureerde markup en geciteerd worden door AI-systemen zwakker is dan de SEO-industrie aannam. Technisch correcte schema-markup maakt je niet automatisch tot een betrouwbare entiteit in de redenering van AI. Het mechanisme waarmee AI bronnen naar boven haalt, namelijk entiteitsherkenning in plaats van documentrangschikking, werkt op andere invoer dan een correct opgemaakt JSON-LD-blok.

Waarom blijft metadata-organisatie relevant als schema zijn grenzen heeft?

Georganiseerde metadata geeft AI-systemen de context die nodig is om een entiteit te herkennen en te vertrouwen, ook als het geen directe schema-gestuurde citaten oplevert.

Wat opvalt: de MarTech-analyse van 22 mei 2026 stelt dat bedrijven die metadata organiseren en structureren een groot voordeel hebben in AI-gestuurde zoekopdrachten en personalisatie. Het sleutelwoord is organiseren, niet alleen taggen. Volgens MarTech zit het voordeel niet in de markup zelf, maar in de onderliggende samenhang van de data. AI-systemen, of dat nu ChatGPT, Perplexity, Claude of de AI Overviews van Google zijn, bouwen hun begrip van entiteiten op uit consistente, verbonden informatie uit meerdere bronnen. Metadata die schoon, consistent en logisch gestructureerd is, voedt dat proces. Metadata die gefragmenteerd, inconsistent of volgestopt met zoekwoorden is, doet dat niet.

Verandert AI Overviews de regels voor lokale zichtbaarheid en vestigingen?

AI Overviews vormen lokale zoekresultaten opnieuw, en merken met meerdere vestigingen die entiteitssignalen begrijpen staan sterker dan bedrijven die uitsluitend op traditionele lokale SEO-technieken vertrouwen.

De verslaggeving van Search Engine Journal over het webinar over AI Overviews en lokale SEO uit april 2026 laat een direct patroon zien: AI bepaalt in toenemende mate welke bedrijven verschijnen in lokale zoekopdrachten, en de factoren die die zichtbaarheid bepalen wijken af van de klassieke lokale rangschikkingssignalen. Wat de data laat zien, is dat lokale entiteiten, of het nu een eenvestigingsbedrijf of een merk met meerdere vestigingen is, een consistente entiteitspresentatie nodig hebben over het hele web. NAP-consistentie (naam, adres, telefoonnummer) was altijd al belangrijk voor lokale SEO. In het tijdperk van AI Overviews gaat entiteitsconsistentie verder: over reviewplatformen, branchedirectories, sociale profielen, eigen content en gestructureerde data heen. Volgens Search Engine Journal moeten merken met meerdere vestigingen opnieuw nadenken over welke factoren lokale rangschikkingen beïnvloeden in AI-gestuurde omgevingen.

Entiteitsconsistentie als het nieuwe fundament van lokale SEO

Traditionele lokale SEO draaide grotendeels om vermeldingen: zorg dat je bedrijf in directories staat met consistente NAP-gegevens. AI Overviews putten uit een bredere bewijsbasis. Een entiteit die op zowel eigen als externe bronnen consistent wordt omschreven, met samenhangende informatie over wat ze doet en wie ze bedient, komt duidelijker naar voren in de redenering van AI dan een bedrijf met perfecte NAP-gegevens maar dunne of tegenstrijdige content elders.

Wat betekent de 80%-kloof in AI-citaten voor hoe je zichtbaarheid opbouwt?

Tachtig procent van de URL's die AI-systemen citeren valt buiten de top 100 van Google. Dat betekent dat hoog scoren in Google en herkend worden door AI twee afzonderlijke spellen zijn met andere regels.

Ahrefs-onderzoek over 15.000 zoekopdrachten getest op ChatGPT, Gemini, Copilot en Perplexity laat zien dat 80% van de URL's die AI-systemen citeren niet in de top 100 van Google staat. Dit is geen kleine afwijking. Het betekent dat het SEO-draaiboek en het AI-zichtbaarheidsplan veel minder overlap hebben dan de meeste specialisten aannemen. PageRank telt links en rangschikt documenten. EntityRank, het mechanisme dat AI-systemen gebruiken, herkent entiteiten en werkt ze in antwoorden in. Een sterke entiteit heeft geen top-tien-positie in Google nodig om geciteerd te worden. Hier wordt de discussie over gestructureerde data interessant: schema-markup, ook als die technisch perfect is, is in de eerste plaats een signaal op documentniveau. Entiteitsherkenning vereist consistente naamgeving, externe vermeldingen op gezaghebbende bronnen, diepte in onderwerpenclusters en gestructureerde verbanden over je volledige aanwezigheid heen, niet alleen op één pagina.

Wat moeten marketeers meenemen uit de richtlijnen van Google voor gestructureerde data?

De richtlijnen van Google voor gestructureerde data gelden voor de indexering door Google. Ze bepalen niet wat ChatGPT, Perplexity of Claude beslissen te citeren. Behandel die als afzonderlijke systemen.

De aanbevelingen van Google over schema, gestructureerde data en AI-zichtbaarheid hebben een specifiek gewicht: ze kloppen voor de systemen van Google. Wanneer Google zegt dat een bepaald type markup waardevol is of niet, geldt dat voor hoe Google content indexeert en toont. Dat bepaalt niet hoe andere AI-systemen met je content omgaan. Volgens de verslaggeving van Search Engine Journal over het Ahrefs-onderzoek stelt de nieuwe data specifiek de waarde van schema voor AI-zoekopdrachten ter discussie, ook voor systemen die ver buiten de eigen producten van Google vallen. Een bedrijf dat AI-zichtbaarheid uitsluitend bouwt op de richtlijnen voor gestructureerde data van Google, optimaliseert voor één systeem terwijl de sneller groeiende kanalen buiten beeld blijven. Rapporten suggereren dat AI-gestuurd verwijzingsverkeer jaar op jaar aanzienlijk is gegroeid, al zijn specifieke groeicijfers en vergelijkingen van conversieratio's moeilijk te verifiëren op basis van het huidige bronmateriaal. Het is de moeite waard om te onderzoeken wat het kost om de richtlijnen van Google als universele technische waarheid te behandelen.

Hoe ziet een praktische AI-zichtbaarheidsstrategie er in 2026 uit?

Consistente entiteitssignalen uit eigen en externe bronnen, gecombineerd met diepgaande onderwerpautoriteit en samenhangende metadata, presteren beter dan schema-markup alleen voor AI-citaatzichtbaarheid.

Wat de data uit alle drie de bronnen aanwijst, is een verschuiving van technische markup als voornaamste hefboom naar entiteitscohesie als fundament. MarTech identificeert metadata-organisatie als het verborgen voordeel. Ahrefs-data laat zien dat schema alleen onvoldoende is voor AI-citaten. De lokale SEO-analyse van Search Engine Journal wijst op entiteitsconsistentie als de nieuwe basisvereiste. Samen is het patroon helder: AI-systemen bouwen hun begrip van wie je bent op uit de totaliteit van je aanwezigheid, niet uit één technisch element. Consistente naamgeving op alle platforms, gezaghebbende externe vermeldingen, diepte in onderwerpelijke content op je eigen domein en gestructureerde entiteitsverbanden voeden allemaal het EntityRank-mechanisme. Schema-markup blijft nuttig als één invoer. Het is niet langer de snelkoppeling die het in 2022 leek te zijn.

Veelgestelde vragen

Helpt schema-markup nog bij AI-zichtbaarheid in 2026?

Schema-markup is één invoer van velen. Ahrefs-onderzoek uit 2026 stelt de directe waarde ervan voor AI-citaten ter discussie, en de verwijdering van FAQ rich results door Google beperkt een van de belangrijkste toepassingen. Het blijft nuttig voor signalen op documentniveau, maar vervangt entiteitsconsistentie niet als de voornaamste drijver van AI-citaatzichtbaarheid.

Waarom valt 80% van de door AI geciteerde URL's buiten de top 100 van Google?

AI-systemen gebruiken entiteitsherkenning, geen documentrangschikking, om bronnen naar boven te halen. PageRank en EntityRank zijn verschillende mechanismen. Een bekende entiteit met diepe onderwerpautoriteit en consistente externe vermeldingen kan door AI-systemen geciteerd worden, ongeacht de positie in Google.

Wat is het verschil tussen SEO en AI-zichtbaarheidsoptimalisatie?

SEO optimaliseert documenten voor zoekwoordgestuurde rangschikking in zoekmachines. AI-zichtbaarheidsoptimalisatie bouwt entiteitsherkenning op over AI-systemen heen. Ahrefs-data laat zien dat slechts 20% van de door AI geciteerde bronnen overlapt met de top 100 van Google. Beide disciplines delen sommige invoer, maar werken op fundamenteel andere logica.

Hoe beïnvloedt de verwijdering van FAQ rich results door Google de AI-zoekstrategie?

Het vermindert een van de duidelijkste winsten van schema-markup en geeft aan dat markup alleen niet de prioriteit van Google is voor nuttige resultaten in het AI-tijdperk. Volgens Search Engine Journal stelt het, samen met Ahrefs-onderzoek, de aanname ter discussie dat gestructureerde data de belangrijkste weg is naar AI-zoekopdrachtzichtbaarheid.

Wat betekent metadata-organisatie concreet voor AI-gestuurde zoekopdrachten?

Volgens MarTech hebben bedrijven die metadata organiseren en structureren een groot voordeel in AI-gestuurde zoekopdrachten en personalisatie. Dat betekent samenhangende, consistente data over eigen en externe bronnen heen, niet alleen technisch correcte markup op één pagina. AI-systemen lezen het gehele plaatje.

Ontdek in 2 minuten hoe zichtbaar jij bent voor AI zoals ChatGPT, Claude en Gemini.

Start de gratis scan