Was sind Entities? Und warum sie für dein GEO-Ranking entscheidend sind
Herkömmliche Keywords verlieren in der modernen Websuche rasant an Bedeutung. Wer im Zeitalter von GEO (Generative Engine Optimization)…
Skip to content
↑
GEO Radar Österreich · Studie Q3 2026
Strukturierte Daten in der österreichischen Hotellerie
Wie verbreitet sind strukturierte Daten, Unternehmens-Entities und semantische Verknüpfungen auf österreichischen Hotel-Websites? Die aktuelle GEO-Radar-Studie untersucht 4.826 analysierbare Websites.
Studien-Datenstand: Q3 2026
Kurzfassung
Strukturierte Daten sind verbreitet – verknüpfte Unternehmens-Entities deutlich seltener
Für die aktuelle Ausgabe des GEO Radar Österreich wurden 5.187 Messergebnisse von österreichischen Hotel-Websites ausgewertet.. 4.826 davon waren technisch analysierbar. 59,4 % der analysierbaren Websites setzen JSON-LD ein, 24,1 % bilden eine Organization ab und 22,9 % verwenden sameAs. Nur 8,3 % kombinieren Organization, @id und sameAs.
Auch weiterführende semantische Signale sind vergleichsweise selten: 7,4 % der Websites enthalten erfasste Entity-Beziehungen, 1,2 % areaServed, 0,9 % strukturierte Produkte oder Services und 0,5 % knowsAbout.
Die Studie untersucht damit, wie österreichische Hotel-Websites Unternehmen, Inhalte und Beziehungen maschinenlesbar beschreiben. Sie bewertet nicht direkt die tatsächliche Sichtbarkeit oder das Ranking in KI-Systemen.
Fragestellung
Wie maschinenlesbar ist Österreichs Hotellerie heute aufgestellt?
Die Untersuchung analysiert, in welchem Umfang österreichische Hotel-Websites strukturierte Daten und maschinenlesbare Entity-Signale einsetzen. Im Mittelpunkt steht die Frage, wie Unternehmen, Standorte, Inhalte, Leistungen und Beziehungen technisch beschrieben und miteinander verknüpft werden.
Dabei werden unter anderem JSON-LD, verwendete Schema-Typen, Organization, LocalBusiness, @id, identifier, sameAs, Entity-Beziehungen sowie weitere semantische Angaben wie areaServed, knowsAbout, Produkte und Services betrachtet.
Ziel der Studie ist es, einen reproduzierbaren Ausgangspunkt für die Entwicklung dieser Signale über die Zeit zu schaffen und regionale Unterschiede nachvollziehbar zu dokumentieren.
Methodik
Einheitliche Kriterien für mehr als 5.000 Hotel-Websites
Grundlage der Untersuchung ist ein österreichweiter Tourismusdatensatz. Berücksichtigt wurden Einträge der Kategorien Hotel, Hotel garni und Motel, für die eine öffentlich erreichbare Website hinterlegt war. Allgemeine Tourismusportale, Buchungsplattformen, Social-Media-Profile sowie nicht eindeutig einem Betrieb zuordenbare Zielseiten wurden nach definierten Kriterien ausgeschlossen.
Die verbleibenden Websites wurden automatisiert abgerufen und auf strukturierte Daten untersucht. Erfasst wurden unter anderem vorhandene JSON-LD-Blöcke, verwendete Schema-Typen, Unternehmens- und Standort-Entities, Identifikatoren und externe Referenzen sowie ausgewählte Eigenschaften und Beziehungen zwischen Entities.
Für die aktuelle Auswertung standen 5.187 Messergebnisse zur Verfügung. 4.826 Ergebnisse waren technisch analysierbar und bilden die Grundlage der ausgewiesenen Prozentwerte. Nicht analysierbare Ergebnisse werden nicht als fehlendes Merkmal gewertet, sondern getrennt ausgewiesen.
Für jedes Merkmal gelten einheitliche, versionierte Auswertungsregeln. Pro Website und untersuchtem Check wird innerhalb des definierten Studienzeitraums das jeweils jüngste abgeschlossene Messergebnis verwendet. Dadurch lässt sich die Untersuchung mit zukünftigen Erhebungen nach denselben Kriterien wiederholen und über die Zeit vergleichen.
Untersuchungszeitraum / Datenstand
Drittes Quartal 2026
Die aktuelle Ausgabe bildet den Datenstand des dritten Quartals 2026 ab. Berücksichtigt wurden die innerhalb des definierten Studienfensters verfügbaren Messergebnisse bis zum 24. September 2026.
Für jede Website wurde innerhalb dieses Zeitraums das jeweils jüngste abgeschlossene Messergebnis herangezogen. Die ausgewiesenen Kennzahlen stellen damit eine Momentaufnahme des untersuchten Datenbestands dar und dienen als Ausgangspunkt für den Vergleich mit zukünftigen Quartalsauswertungen.
Strukturierte Daten
Knapp sechs von zehn analysierbaren Websites setzen JSON-LD ein
Von den 4.826 technisch analysierbaren Hotel-Websites enthalten 2.868 JSON-LD. Das entspricht 59,4 %. Bei 58,7 %wurde zumindest ein gültiger JSON-LD-Block erkannt.
Damit sind strukturierte Daten in der österreichischen Hotellerie weit verbreitet, aber keineswegs flächendeckend. Bei rund vier von zehn analysierbaren Websites wurde im untersuchten Seitenstand kein JSON-LD gefunden.
Die verwendeten Schema-Typen unterscheiden sich deutlich. Besonders häufig treten WebSite, WebPage, PostalAddress, BreadcrumbList und Organization auf. Der speziellere Typ Hotel wurde auf 19,8 % der analysierbaren Websites erkannt.
| Signal | Percentage |
|---|---|
| JSON-LD vorhanden | 59.4 |
| Gültiger JSON-LD-Block | 58.7 |
| Organization | 24.1 |
| Hotel | 19.8 |
| LocalBusiness | 8.7 |
Entity-Signale
Nur 8,3 % verbinden ihre Organization mit @id und sameAs
Von den 4.826 analysierbaren Websites bilden 24,1 % eine Organization ab. 20,3 % kombinieren Organization mit einer @id, 9,6 % mit sameAs. Nur 8,3 % weisen gleichzeitig Organization, @id und sameAs auf.
Damit zeigt sich ein deutlicher Unterschied zwischen dem bloßen Vorhandensein strukturierter Daten und einer stärker verknüpften Unternehmensdarstellung. Während JSON-LD auf knapp sechs von zehn Websites vorkommt, ist die Kombination aus Unternehmens-Entity, stabiler Kennzeichnung und externer Referenz deutlich seltener.
| Signal | Percentage |
|---|---|
| JSON-LD | 59.4 |
| Organization | 24.1 |
| Org. + @id | 20.3 |
| Org. + sameAs | 9.6 |
| Org. + @id + sameAs | 8.3 |
Semantische Signale
Themen, Leistungen und Beziehungen werden nur selten strukturiert beschrieben
Über die grundlegende Unternehmens- und Website-Beschreibung hinaus treten weiterführende semantische Angaben nur selten auf. areaServed wurde bei 1,2 % der analysierbaren Websites erkannt, strukturierte Produkte oder Services bei 0,9 % und knowsAbout bei 0,5 %.
Auch explizite Beziehungen zwischen Entities sind vergleichsweise selten. Bei 7,4 % der Websites wurden solche Beziehungen erkannt. Dazu zählen unter anderem Verknüpfungen über containsPlace, location, brand, parentOrganization, containedInPlace oder founder.
Die Auswertung zeigt damit, dass weiterführende semantische Modellierung deutlich seltener vorkommt als grundlegendes Website- oder Unternehmens-Markup.
| Signal | Anteil |
|---|---|
| Entity-Beziehungen | 7,4 % |
areaServed | 1,2 % |
| Produkte oder Services | 0,9 % |
knowsAbout | 0,5 % |
Regionale Unterschiede
Die Verbreitung strukturierter Daten unterscheidet sich deutlich nach Bundesland
Zwischen den österreichischen Bundesländern zeigen sich klare Unterschiede. Der Anteil analysierbarer Websites mit JSON-LD reicht von 51,9 % im Burgenland bis 73,2 % in Wien. Auch bei Organization, sameAs und der Kombination aus Organization, @id und sameAs unterscheiden sich die Werte teils deutlich.
Dabei müssen die unterschiedlichen Fallzahlen berücksichtigt werden. Tirol stellt mit 1.599 analysierbaren Websites den größten Teil der Stichprobe, während etwa Wien mit 224 und das Burgenland mit 104 deutlich kleinere Gruppen bilden.
Für die Interpretation einzelner Bundesländer sollten deshalb immer sowohl der Prozentwert als auch die jeweilige Stichprobengröße betrachtet werden.
| Bundesland | n | JSON-LD | Organization | Org. + @id + sameAs |
|---|---|---|---|---|
| Wien | 224 | 73,2 % | 35,3 % | 8,9 % |
| Kärnten | 367 | 64,0 % | 28,6 % | 12,5 % |
| Salzburg | 849 | 63,4 % | 27,3 % | 7,9 % |
| Oberösterreich | 431 | 61,7 % | 24,6 % | 11,4 % |
| Vorarlberg | 298 | 60,4 % | 26,5 % | 9,4 % |
| Niederösterreich | 340 | 57,4 % | 22,9 % | 9,1 % |
| Steiermark | 614 | 57,2 % | 28,0 % | 9,3 % |
| Tirol | 1.599 | 55,3 % | 18,3 % | 5,6 % |
| Burgenland | 104 | 51,9 % | 19,2 % | 11,5 % |
Grenzen der Untersuchung
Die Studie misst Website-Signale – nicht die tatsächliche Sichtbarkeit in KI-Systemen
Die Untersuchung erfasst technische und semantische Merkmale, die auf den analysierten Hotel-Websites zum jeweiligen Messzeitpunkt vorhanden waren. Dazu zählen strukturierte Daten, verwendete Schema-Typen, Entity-Signale, Identifikatoren, externe Referenzen und Beziehungen zwischen Entities.
Aus dem Vorhandensein oder Fehlen dieser Merkmale lässt sich nicht unmittelbar auf Sichtbarkeit, Ranking oder Zitierwahrscheinlichkeit in generativen Suchsystemen schließen. Die Studie beschreibt den technischen und semantischen Zustand der untersuchten Websites, nicht deren tatsächliche Performance in ChatGPT, Gemini, Perplexity oder anderen KI-Systemen.
Dass aus den untersuchten Signalen kein direkter Rückschluss auf KI-Sichtbarkeit möglich ist, bedeutet jedoch nicht, dass sie für KI-Systeme bedeutungslos sind. Strukturierte Daten und klar definierte Entities werden von Such- und KI-Systemen als wichtige Grundlage für die maschinelle Beschreibung, Einordnung und Verknüpfung von Inhalten und Organisationen genutzt beziehungsweise empfohlen. Wie stark einzelne Signale tatsächlich zu Sichtbarkeit oder Zitierbarkeit beitragen, ist jedoch eine eigene Fragestellung und wird in dieser Studie nicht untersucht.
Die Ergebnisse sind zudem als Momentaufnahme zu verstehen. Änderungen an Websites nach dem Erhebungszeitpunkt sind nicht berücksichtigt. Unterschiede zwischen Regionen können außerdem durch die jeweilige Zusammensetzung und Größe der Stichprobe beeinflusst werden.
Die Untersuchung bildet damit eine reproduzierbare Grundlage für spätere Quartalsvergleiche und weiterführende Analysen – insbesondere für die Frage, ob bestimmte strukturierte und semantische Signale mit tatsächlicher KI-Sichtbarkeit zusammenhängen.
Fazit
Zwischen vorhandenem Markup und konsequenter Entity-Modellierung liegt eine deutliche Lücke
Die Untersuchung zeigt, dass strukturierte Daten in der österreichischen Hotellerie bereits weit verbreitet sind. 59,4 % der analysierbaren Websites setzen JSON-LD ein. Eine explizite Organization findet sich jedoch nur auf 24,1 %, und lediglich 8,3 % kombinieren Organization, @id und sameAs.
Auch weiterführende semantische Signale wie Entity-Beziehungen, areaServed, knowsAbout oder strukturierte Produkte und Services kommen nur selten vor. Die Daten zeigen damit vor allem eines: Zwischen dem bloßen Vorhandensein strukturierter Daten und einer stärker verknüpften, semantisch beschriebenen Unternehmensstruktur besteht ein deutlicher Abstand.
Mit den kommenden Quartalsauswertungen soll sichtbar werden, ob und wie sich diese Signale in der österreichischen Hotellerie weiterentwickeln.
Einordnung & Analysen
Was die Ergebnisse für die KI-Suche bedeuten
Vertiefende Beiträge ordnen einzelne Ergebnisse des GEO Radar Österreich ein und zeigen, welche Bedeutung strukturierte Daten, Entity-Signale und semantische Verknüpfungen für Generative Engine Optimization und KI-Sichtbarkeit haben können.