JSON-LD vs. JSONL — Datenformate für Websites verstehen

JSON-LD — das Fundament für Rich Snippets und KI-Verständnis

JSON-LD steht für JSON for Linking Data und ist eine W3C-Empfehlung seit 2014, aktualisiert mit Version 1.1 im Jahr 2020. Das Format bettet strukturierte Daten direkt in den HTML-Quelltext einer Seite ein — über ein <script type="application/ld+json">-Tag, das für Besucher unsichtbar bleibt, aber von Suchmaschinen und KI-Crawlern gelesen wird.

Google empfiehlt JSON-LD als bevorzugtes Format für Structured Data. Rund 90 % der Websites mit strukturierten Daten nutzen JSON-LD (W3Techs). Es bildet die Grundlage für Rich Snippets in Suchergebnissen — Sternebewertungen, FAQ-Dropdowns, Breadcrumbs, Produktpreise und Veranstaltungsdaten.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Was ist JSON-LD?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "JSON-LD ist ein W3C-Standard..."
      }
    }
  ]
}

Die wichtigsten Schema.org-Typen für Unternehmenswebsites sind Organization, WebSite, FAQPage, Product, BreadcrumbList und LocalBusiness. Jeder Typ hat Pflichtfelder — fehlt bei einer FAQPage das mainEntity-Array, ignoriert Google das Markup vollständig. XICTRAQ prüft diese Pflichtfelder automatisch bei jedem Compliance-Scan und meldet fehlende oder fehlerhafte Schema.org-Blöcke.

JSONL — ein JSON-Objekt pro Zeile für große Datenmengen

JSONL (auch NDJSON — Newline Delimited JSON) ist ein Datenformat, bei dem jede Zeile ein eigenständiges, gültiges JSON-Objekt enthält. Zwischen den Zeilen steht kein Komma, kein Array-Klammern — nur ein Zeilenumbruch. Das klingt simpel, hat aber entscheidende Vorteile gegenüber regulärem JSON.

{"url":"example.com","is_up":true,"status":200,"response_ms":142,"checked_at":"2026-05-15T08:00:00Z"}
{"url":"example.com","is_up":true,"status":200,"response_ms":138,"checked_at":"2026-05-15T08:05:00Z"}
{"url":"example.com","is_up":false,"status":503,"response_ms":5001,"checked_at":"2026-05-15T08:10:00Z"}

• Streaming-fähig: Daten können zeilenweise verarbeitet werden, ohne die gesamte Datei in den Speicher zu laden
• Append-friendly: Neue Daten werden einfach als neue Zeile angehängt — kein erneutes Parsen der Gesamtdatei nötig
• Pipeline-kompatibel: Jede Zeile lässt sich einzeln durch grep, jq oder Python-Skripte filtern
• Fehlerresistent: Ein fehlerhaftes JSON-Objekt in Zeile 500 verhindert nicht das Parsen der übrigen 10.000 Zeilen

Seit OpenAPI 3.2 (veröffentlicht 2025) ist JSONL offiziell als Streaming-Media-Type anerkannt — APIs können nun application/jsonl als Content-Type verwenden und Schemas für einzelne Stream-Elemente definieren (OpenAPI Initiative).

Die Unterschiede auf einen Blick

JSON-LD für SEO — warum korrektes Markup zählt

Fehlerhaftes JSON-LD schadet doppelt: Google ignoriert das Markup, und die erhofften Rich Snippets bleiben aus. Häufige Fehler sind fehlende Pflichtfelder (name bei Organization, mainEntity bei FAQPage), doppelte JSON-LD-Blöcke durch fehlerhafte Hydration in Single-Page-Apps und veraltete Schema.org-Typen, die Google nicht mehr unterstützt.

Eine Analyse von 40 Millionen Websites zeigt, dass rund 33 % aller JSON-LD-Implementierungen mindestens einen Validierungsfehler aufweisen (Schema App). Für KMUs bedeutet das: Wer sein Markup nicht regelmäßig prüft, verschenkt Sichtbarkeit in den Suchergebnissen.

JSONL in der Praxis — wer das Format heute nutzt

JSONL hat sich als Standardformat in drei Bereichen etabliert, die für Website-Betreiber zunehmend relevant werden:

Monitoring-Daten als JSONL exportieren — Anwendungsfälle

Für Website-Betreiber mit mehreren Projekten, Agenturen oder Unternehmen mit eigener Dateninfrastruktur sind maschinenlesbare Exporte entscheidend. CSV ist weit verbreitet, aber JSONL bietet Vorteile bei verschachtelten Datenstrukturen — ein Scan-Ergebnis mit Security-Headern, SSL-Details und Performance-Metriken passt nicht sauber in eine flache CSV-Tabelle.

• Uptime-Analyse: Antwortzeiten und Ausfälle als JSONL exportieren, in eigenes Dashboard oder BI-Tool importieren
• Security-Audit-Dokumentation: Scan-Ergebnisse als JSONL-Datei für Compliance-Nachweise und Revisionen archivieren
• Alert-Historisierung: Alle ausgelösten Alerts mit Zeitstempeln, Typen und Lösungszeiten für SLA-Reports nutzen
• Agentur-Reporting: Kundendaten gesammelt exportieren und in eigene Reporting-Tools einspeisen
• KI-gestützte Auswertung: Monitoring-Daten als JSONL-Input für eigene ML-Modelle oder LLM-Analysen verwenden

# Analytics-Daten der letzten 30 Tage als JSONL
curl -H "Authorization: Bearer $TOKEN" \
  "https://api.xictraq.com/api/websites/42/export.jsonl?report=pages&from=2026-04-15&to=2026-05-15"

# Uptime-Checks exportieren
curl -H "Authorization: Bearer $TOKEN" \
  "https://api.xictraq.com/api/websites/42/export.jsonl?report=uptime"

# Mit jq filtern: nur Ausfälle
curl -s -H "Authorization: Bearer $TOKEN" \
  "https://api.xictraq.com/api/websites/42/export.jsonl?report=uptime" \
  | jq 'select(.is_up == false)'

JSON-LD und JSONL kombiniert einsetzen

Die beiden Formate schließen sich nicht aus — sie ergänzen sich. JSON-LD sorgt dafür, dass Suchmaschinen und KI-Systeme Ihre Website verstehen. JSONL sorgt dafür, dass Sie Ihre Monitoring-Daten in eigene Systeme übertragen können. Eine durchdachte Web-Strategie nutzt beide.

1. JSON-LD einbetten: Organization, FAQPage, BreadcrumbList und weitere relevante Typen auf jeder Seite — automatisiert über Ihr CMS oder Ihren Static-Site-Generator
2. JSON-LD überwachen: Regelmäßige Validierung, ob Pflichtfelder vorhanden sind und Google das Markup akzeptiert — XICTRAQ prüft das bei jedem Scan
3. JSONL-Export nutzen: Monitoring-Daten periodisch exportieren und in eigene Dashboards, BI-Tools oder Archiv-Systeme einspeisen
4. Daten maschinenlesbar halten: Ob für Suchmaschinen (JSON-LD) oder für interne Auswertung (JSONL) — strukturierte Daten sind die Basis für Automatisierung

llms.txt und weitere AI-Discovery-Formate im Vergleich

Neben JSON-LD und JSONL gibt es weitere Formate, die für die Sichtbarkeit bei KI-Systemen relevant werden. llms.txt ist ein Vorschlag von Answer.AI (Version 1.7.0, Stand 2026), der LLM-Crawlern eine strukturierte Übersicht über den Inhalt einer Website in Markdown-Format bietet. Google hat bestätigt, dass AI Overviews llms.txt nicht nutzen — die Datei richtet sich primär an ChatGPT und andere KI-Assistenten.

Für maximale Sichtbarkeit empfiehlt sich eine Kombination: robots.txt für Crawler-Steuerung, sitemap.xml für URL-Discovery, JSON-LD für strukturierte Inhalte und llms.txt für KI-Assistenten. JSONL dient nicht der Discovery, sondern dem Datenexport — und ist damit Teil der internen Toolchain, nicht der öffentlichen Website-Infrastruktur.

Typische Fehler bei JSON-LD — und wie man sie vermeidet

• Doppelte Blöcke: Single-Page-Apps (React, Svelte, Vue) können JSON-LD bei Hydration duplizieren — ein MutationObserver oder serverseitiges Rendering löst das Problem
• Fehlende Pflichtfelder: FAQPage ohne mainEntity, Organization ohne name, Product ohne offers — Google ignoriert das gesamte Markup
• Veraltete Typen: Schema.org entwickelt sich weiter. WebSite braucht seit 2024 potentialAction für die Sitelinks-Searchbox
• Ungültiges JSON: Ein vergessenes Komma oder eine fehlende Klammer macht den gesamten Block unlesbar
• Inkonsistente Daten: Wenn der JSON-LD-Preis nicht mit dem auf der Seite sichtbaren Preis übereinstimmt, kann Google die Seite abstrafen

JSONL sicher verarbeiten — Best Practices

Beim Arbeiten mit JSONL-Dateien gelten einige Grundregeln, die Datenverlust und Parsing-Fehler verhindern:

• UTF-8 ohne BOM: JSONL-Dateien sollten immer in UTF-8 kodiert sein, ohne Byte-Order-Mark
• Keine Pretty-Printing: Jedes JSON-Objekt muss in einer einzigen Zeile stehen — Zeilenumbrüche innerhalb eines Objekts brechen das Format
• Zeilenweise validieren: Nutzen Sie jq -c '.' < datei.jsonl um jede Zeile auf gültiges JSON zu prüfen
• Große Dateien streamen: Laden Sie JSONL-Dateien nie komplett in den Speicher — lesen Sie zeilenweise mit einem Stream-Parser
• Komprimierung nutzen: .jsonl.gz spart typischerweise 70-80 % Speicherplatz bei Monitoring-Zeitreihen

Strukturierte Daten überwachen lohnt sich

JSON-LD und JSONL bedienen unterschiedliche Bedürfnisse, aber beide sind für professionelles Website-Management relevant. JSON-LD ist Pflicht für jede Website, die in Suchmaschinen sichtbar sein will — und regelmäßige Validierung stellt sicher, dass das Markup auch tatsächlich funktioniert. JSONL wird dann wichtig, wenn Monitoring-Daten weiterverarbeitet werden sollen: für eigene Dashboards, SLA-Reports, Compliance-Dokumentation oder KI-gestützte Analysen.

XICTRAQ vereint beide Welten: Automatische Schema.org-Validierung bei jedem Scan prüft Ihre JSON-LD-Blöcke auf Korrektheit. Der JSONL-Datenexport liefert Analytics-, Uptime- und Alert-Daten in einem Format, das direkt in Ihre Datenpipeline passt — ohne manuelle Konvertierung.