Schema Markup voor AI-Engines: De Typen die Boven Hun Gewicht Slaan

Inhoudsopgave

Bijgewerkt mei 2026.

TL;DR: FAQPage en HowTo schema geven de hoogste GEO-citatie-lift per werkuur omdat AI-engines ze interpreteren als vooraf beantwoorde vragen en stap-voor-stap procedures. Article/BlogPosting signaleert auteurs-geloofwaardigheid. Person en Organization verankeren je entiteitsgraph zodat modellen je niet meer verwarren met iemand anders. Sla obscure typen over — ze bewegen de metrics niet in 2026.

[Operatornotitie] Ik voer regelmatig schema-audits uit op mijn eigen sites en die van klanten. Het verschil tussen typen die AI-engines echt gebruiken en typen die gewoon nutteloos staan, is groter dan de meeste guides toegeven.

Waarom AI-engines schema anders lezen dan Google

Traditionele Google-crawlers gebruiken schema voornamelijk voor rich results — die sterrenwaarderingen en FAQ-dropdowns in de SERP. Dat is een renderingkwestie. Het schema kwalificeert zich voor een functie of niet.

AI-engines — ChatGPT, Perplexity, Gemini, Claude — gebruiken schema anders. Ze renderen geen SERP. Ze analyseren je pagina om discrete, citeerbare feiten te extraheren. Schema markup is een snelkoppeling. In plaats van te infereren wat een tekstblok betekent, kan het model het @type-veld lezen en weten: “dit is een vraag-antwoord-paar”, of “dit is een gestructureerde procedure”, of “dit is de auteur”.

Dat verandert welke typen belangrijk zijn. Typen die je content serialiseren in schone, extraheerbare eenheden winnen. Typen die Google voornamelijk helpen een rich result te tonen zijn minder waardevol in de GEO-context.

De crawlers die AI-trainingsdata en real-time retrieval voeden (Common Crawl, Bings index, Googles crawl) verwerken allemaal JSON-LD. Als de markup geldig en semantisch nauwkeurig is, wordt hij opgenomen. Als hij vol staat met nep-FAQs of niet-overeenkomende typen, leren modellen er wantrouwig tegenover te staan — of het te negeren.

Article en BlogPosting: het auteur-anker

Elk bericht dat je publiceert moet Article- of BlogPosting-schema hebben. Dat is niet glamoureus, maar het is fundamenteel.

De twee velden die het meest tellen voor GEO zijn author en dateModified. AI-engines wegen versheid en benoemde auteurschap mee bij het beslissen of een citatie getoond wordt. Een pagina zonder gedeclareerde auteur en een twee jaar oude publicatiedatum concurreert slecht tegenover een pagina met een benoemde expert en een recente update.

{
  "@context": "https://schema.org",
  "@type": "BlogPosting",
  "headline": "Schema Markup voor AI-Engines: De Typen die Boven Hun Gewicht Slaan",
  "author": {
    "@type": "Person",
    "name": "Alejandro Rioja",
    "url": "https://alejandrorioja.com/about/"
  },
  "datePublished": "2026-05-31",
  "dateModified": "2026-05-31",
  "publisher": {
    "@type": "Organization",
    "name": "Alejandro Rioja",
    "url": "https://alejandrorioja.com"
  },
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://alejandrorioja.com/blog/schema-markup-for-ai-engines-the-types-that-punch-above-their-weight/"
  }
}

Houd dateModified nauwkeurig bij. Ik heb sites gezien met een nep “vandaag bijgewerkt”-datum op elke pagina — modellen herkennen het patroon en verdisconteren het. Werk de datum bij wanneer je de content echt bijwerkt.

FAQPage: de hoogste GEO-lift per uur

Als ik één schema-type zou moeten kiezen om nu aan elke informatieve pagina toe te voegen, is het FAQPage. De reden is structureel: AI-engines willen al vragen beantwoorden. FAQPage geeft ze een gelabelde vraag en een gelabeld antwoord in één knoop. Geen inferentie vereist.

De lift verschijnt ook in featured snippets, maar het GEO-effect is betrouwbaarder. Wanneer een gebruiker Perplexity een vraag stelt die overeenkomt met een van je FAQ-vermeldingen, kan het model je antwoord bijna woordelijk citeren omdat je het al als citaat hebt opgemaakt.

Regels die ik volg voor FAQ-schema dat echt werkt:

1. Elke vraag moet weerspiegelen hoe een echte gebruiker hem formuleert — niet hoe jij het als marketeer zou formuleren.
2. Elk antwoord moet zelfstandig zijn. Als het antwoord alleen zinvol is na het lezen van het artikel, wordt het niet geciteerd.
3. Drie tot zes vragen per pagina is de sweet spot. Opvullen met tien zwakke vragen doet meer kwaad dan goed.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Welke schema-typen prioriseren AI-engines?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "AI-engines prioriseren FAQPage, HowTo, Article/BlogPosting, Person en Organization. Deze typen serialiseren content in schone, extraheerbare eenheden die modellen direct kunnen citeren zonder proza te hoeven analyseren."
      }
    },
    {
      "@type": "Question",
      "name": "Helpt schema markup in 2026 nog bij SEO?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Ja. Schema markup helpt zowel traditionele crawlers (voor rich results) als AI-crawlers (voor citatie-extractie). FAQPage en HowTo bieden het hoogste rendement per implementatie-uur."
      }
    },
    {
      "@type": "Question",
      "name": "Hoeveel FAQ-items moet ik per pagina opnemen?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Drie tot zes zelfstandige vraag-antwoord-paren is de sweet spot. Meer dan zes verdunt de kwaliteit; minder dan drie verkleint het citatie-oppervlak."
      }
    }
  ]
}

HowTo: procedures die AI-engines graag citeren

HowTo-schema wordt onderschat. De meeste mensen implementeren het op receptachtige content en stoppen daar. Maar elke procedurele content — setup-gidsen, audits, frameworks — is een kandidaat.

De reden waarom het boven zijn gewicht presteert voor GEO: AI-engines beantwoorden regelmatig “hoe doe ik…”-zoekopdrachten door stappen op te sommen. Wanneer je pagina HowTo-schema heeft met benoemde stappen, kan het model je structuur bijna exact reproduceren. Het vat je niet samen — het citeert je procedure.

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "Hoe FAQPage Schema aan een Blogpost Toevoegen",
  "step": [
    {
      "@type": "HowToStep",
      "position": 1,
      "name": "Identificeer drie tot zes echte gebruikersvragen",
      "text": "Haal vragen op uit Google Search Console-zoekopdrachten, Reddit-threads en je eigen klanten-e-mails. Elke vraag moet natuurlijke taal weerspiegelen, geen marketingtaal."
    },
    {
      "@type": "HowToStep",
      "position": 2,
      "name": "Schrijf zelfstandige antwoorden",
      "text": "Elk antwoord moet geïsoleerd zinvol zijn — geen verwijzingen naar 'zoals hierboven vermeld' of 'zie sectie 3'. Stuur op 40–120 woorden per antwoord."
    },
    {
      "@type": "HowToStep",
      "position": 3,
      "name": "Voeg het JSON-LD-blok toe aan het head of body van je pagina",
      "text": "Plak het FAQPage JSON-LD in een <script type='application/ld+json'>-tag. Valideer met Google's Rich Results Test en de Schema.org Validator voor het publiceren."
    }
  ]
}

Een praktische noot: houd de HowToStep-tekst kort en scanbaar. AI-engines excerpteren staptekst op globale zinsniveau. Een essay van 400 woorden in een stapveld wordt grotendeels genegeerd.

Person en Organization: entiteits-disambiguatie

Dit is de onopvallende die echte problemen voorkomt. AI-engines onderhouden entiteitsgraphs — interne kaarten van wie personen en organisaties zijn. Als je Person-schema ontbreekt of inconsistent is, kunnen modellen je verwarren met iemand die je naam deelt, of je simpelweg als onbekende entiteit labelen en je content deprioriteren.

Person-schema op je about-pagina en auteurspagina’s doet drie dingen:

1. Declareert je canonieke naam en URL
2. Linkt naar je sociale profielen via sameAs (deze fungeren als entiteitsankers)
3. Associeert je expertise via knowsAbout

{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "Alejandro Rioja",
  "url": "https://alejandrorioja.com/about/",
  "sameAs": [
    "https://www.linkedin.com/in/alejandrioja/",
    "https://twitter.com/alejandrorioja",
    "https://github.com/alejandrorioja"
  ],
  "knowsAbout": [
    "AI agents",
    "Generative Engine Optimization",
    "SEO",
    "growth marketing"
  ],
  "jobTitle": "Founder",
  "worksFor": {
    "@type": "Organization",
    "name": "Alejandro Rioja",
    "url": "https://alejandrorioja.com"
  }
}

Organization-schema hoort op je homepage. De sameAs-links hier zijn bijzonder belangrijk — ze laten modellen verifiëren dat je website, je LinkedIn-pagina en je Crunchbase-profiel allemaal dezelfde entiteit zijn.

BreadcrumbList: het navigatiecontextsignaal

BreadcrumbList wordt vaak overgeslagen omdat het eruitziet als een UX-gemak in plaats van een contentsignaal. Dat is een vergissing.

AI-engines gebruiken broodkruimels om te begrijpen waar een stuk content in de taxonomie van je site staat. Een post over “schema markup” die in /blog/seo/ staat, wordt anders gecontextualiseerd dan een losse pagina. Die hiërarchie helpt modellen je content nauwkeurig te classificeren, wat beïnvloedt voor welke zoekopdrachten hij getoond wordt.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Home",
      "item": "https://alejandrorioja.com/"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Blog",
      "item": "https://alejandrorioja.com/blog/"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "Schema Markup voor AI-Engines",
      "item": "https://alejandrorioja.com/blog/schema-markup-for-ai-engines-the-types-that-punch-above-their-weight/"
    }
  ]
}

Dit is een 10-minuten-implementatie die de meeste sites in één template-bewerking kunnen toevoegen. Voeg het toe aan je CMS-layout en elke pagina krijgt het automatisch.

Typen die ik in 2026 overslaat

Een niet-uitputtende lijst van schema-typen waaraan ik voor GEO geen tijd besteed:

• Product — relevant voor e-commerce, niet voor informatieve sites
• Event — nuttig voor evenementenbedrijven (ik gebruik het bij Pickleland), elders irrelevant
• Recipe — niche
• JobPosting — alleen als je een vacaturesite bent
• Review/AggregateRating — Google gebruikt ze nog voor rich results, maar AI-engines zijn sceptisch over zelfingemelde beoordelingen
• SpeakableSpecification — theoretisch interessant voor voice, praktisch niet ondersteund door de meeste AI-engines

Het patroon: als een type je daadwerkelijke content niet serialiseert in discrete, citeerbare eenheden, gaat het je GEO-metrics niet bewegen. Blijf bij de typen die wat je al zegt herformatteren naar gestructureerde data die een model schoon kan extraheren.

Je schema valideren voor publicatie

Twee tools die ik altijd gebruik:

1. Google’s Rich Results Test — search.google.com/test/rich-results. Controleert geschiktheid voor Googles rich result-functies en markeert syntaxfouten.
2. Schema.org Validator — validator.schema.org. Meer toegeeflijk dan Googles tool; vangt structurele problemen op die Google negeert.

Een workflow die ik gebruik: het JSON-LD in de validator plakken voor het aan de pagina toe te voegen. Fouten herstellen. Dan toevoegen aan de pagina en de Rich Results Test uitvoeren op de live URL. Dit voorkomt het publiceren van kapotte markup die maandenlang onopgemerkt blijft.

Een veelgemaakte fout: meerdere @type-blokken in aparte <script>-tags werkt prima, maar niet-gerelateerde typen nesten binnen één blok veroorzaakt validatiefouten. Houd elk type in zijn eigen script-tag.

De conclusie van de operator

FAQPage en HowTo zijn de twee typen die ik aan elke informatieve pagina toevoeg die ik publiceer. Ze kosten 20–40 minuten om goed te schrijven en creëren gestructureerd citatie-oppervlak dat AI-engines direct kunnen gebruiken. Article/BlogPosting, Person, Organization en BreadcrumbList zijn verplichte kost — verwerk ze eens in je templates en vergeet ze daarna. Al het andere is ruis totdat je deze vijf beheerst.