MedicalStudy Schema Markup in der Praxis: Klinische Studien für Google sichtbar machen

Klinische Forschungseinrichtungen, Universitätskliniken und pharmazeutische Unternehmen veröffentlichen täglich Studien, Ergebnisse und Protokolle auf ihren Websites. Das Problem: Ohne strukturierte Daten erkennt Google diese Inhalte nicht als wissenschaftliche Studien — sie werden wie beliebige Blogbeiträge behandelt. MedicalStudy und MedicalTrial Schema Markup ändern das grundlegend. Dieser Praxisleitfaden zeigt Schritt für Schritt, wie du das JSON-LD korrekt implementierst, was bei medizinischen YMYL-Inhalten besonders wichtig ist, und wie unser kostenloser MedicalStudy Generator die Arbeit erheblich beschleunigt.

1. Wer braucht MedicalStudy Schema?

MedicalStudy Schema ist kein Tool für Allgemein-Websites. Es adressiert spezifische Organisationstypen im medizinisch-wissenschaftlichen Umfeld:

• Universitätskliniken und Hochschulen: Publikationen von Forschungsteams, Doktorarbeiten mit klinischen Studien, Forschungsberichte
• Pharmazeutische Unternehmen: Klinische Studien zu Medikamenten und Wirkstoffen, Zulassungsstudien, Post-Market-Surveillance
• Medizinische Fachverlage: Publikationswebsites für wissenschaftliche Artikel, Preprint-Server
• Krankenhäuser mit Forschungsabteilungen: Interne Forschungsberichte, Behandlungsergebnis-Analysen
• Klinische Forschungsorganisationen (CROs): Studienergebnisse für Auftraggeber, Protokoll-Veröffentlichungen
• Öffentliche Gesundheitsbehörden: Epidemiologische Studien, Surveillance-Berichte

2. YMYL und E-E-A-T: Warum Schema bei medizinischen Inhalten besonders wichtig ist

Medizinische Inhalte fallen in Googles "Your Money or Your Life" (YMYL)-Kategorie — also Inhalte, die die Gesundheit, Sicherheit oder das Leben von Menschen direkt beeinflussen können. Google bewertet YMYL-Seiten nach besonders strengen Qualitätsstandards und gewichtet E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) hier stärker als bei anderen Themen.

Wie MedicalStudy Schema E-E-A-T unterstützt

Strukturierte Daten liefern Google maschinenlesbare Signale, die E-E-A-T-Indikatoren belegen:

E-E-A-T-Dimension	Schema-Property	Was es Google signalisiert
Expertise	studySubject, healthCondition	Die Seite behandelt eine spezifische medizinische Kondition aus wissenschaftlicher Perspektive
Experience	populationStudied, studyLocation	Echte Studienpopulation und Durchführungsort → keine Theorie, echte Forschung
Authoritativeness	author (mit Organization-Type), identifier (NCT/EudraCT)	Anerkannte Institution führt Studie durch; externe Registrierung bestätigt Legitimität
Trustworthiness	status, sponsor, ethicsPolicy	Studie hat definierten Status; Sponsor transparent; ethische Richtlinien beachtet

Bedeutung für Rankings bei medizinischen Suchanfragen

Bei Suchanfragen wie "Phase-3-Studie Diabetes Metformin" oder "RCT Hüftprothese Ergebnisse" bevorzugt Google nachweislich Seiten von verifizierten Forschungseinrichtungen. MedicalStudy Schema ist kein direkter Ranking-Faktor, aber ein indirekter: Wenn Google die Quelle eindeutig als wissenschaftliche Institution identifiziert, steigt die Wahrscheinlichkeit, dass Seiten in Googles Knowledge Graph als vertrauenswürdig eingestuft werden.

3. Den MedicalStudy Generator verwenden: Schritt für Schritt

Der kostenlose MedicalStudy Schema Generator von Shift07 führt dich durch alle relevanten Felder und generiert direkt einbettbares JSON-LD. So gehst du vor:

4. Schema-Muster für verschiedene Studientypen

Randomisierte kontrollierte Studie (RCT)

{
  "@context": "https://schema.org",
  "@type": "MedicalTrial",
  "name": "Wirksamkeit von Substanz-X bei Typ-2-Diabetes: Randomisierte Doppelblindstudie",
  "description": "Phase-3-RCT zur Untersuchung der Wirksamkeit und Sicherheit von Substanz-X im Vergleich zu Placebo bei erwachsenen Patienten mit nicht-insulinpflichtigem Typ-2-Diabetes.",
  "url": "https://www.klinik.de/forschung/studie-substanz-x-diabetes",
  "status": "Completed",
  "phase": "Phase3",
  "trialDesign": ["Randomized", "DoubleBlind", "PlaceboControlled"],
  "healthCondition": {
    "@type": "MedicalCondition",
    "name": "Typ-2-Diabetes mellitus",
    "code": {
      "@type": "MedicalCode",
      "code": "E11",
      "codingSystem": "ICD-10"
    }
  },
  "studySubject": {
    "@type": "Drug",
    "name": "Substanz-X",
    "activeIngredient": "Substanz-X"
  },
  "identifier": [
    {
      "@type": "PropertyValue",
      "name": "EudraCT",
      "value": "2023-001234-56"
    },
    {
      "@type": "PropertyValue",
      "name": "NCT",
      "value": "NCT05678901"
    }
  ],
  "sponsor": {
    "@type": "Organization",
    "name": "Pharmaunternehmen GmbH",
    "url": "https://www.pharmaunternehmen.de"
  },
  "author": {
    "@type": "Organization",
    "name": "Universitätsklinikum Musterstadt",
    "url": "https://www.uniklinikum-musterstadt.de"
  },
  "populationStudied": "Erwachsene (18-75 Jahre) mit nicht-insulinpflichtigem Typ-2-Diabetes mellitus, HbA1c 7,5–10%"
}

Kohortenstudie (Beobachtungsstudie)

{
  "@context": "https://schema.org",
  "@type": "MedicalObservationalStudy",
  "name": "Langzeit-Outcome nach Hüfttotalendoprothese: 10-Jahres-Kohorte",
  "description": "Prospektive Kohortenstudie zur Untersuchung der 10-Jahres-Überlebensrate und Funktionsergebnisse nach primärer Hüfttotalendoprothese bei Coxarthrose.",
  "url": "https://www.orthopaedie-klinik.de/forschung/hueft-kohorte-10-jahre",
  "status": "Completed",
  "studyDesign": "CohortStudy",
  "healthCondition": {
    "@type": "MedicalCondition",
    "name": "Coxarthrose",
    "code": {
      "@type": "MedicalCode",
      "code": "M16",
      "codingSystem": "ICD-10"
    }
  },
  "populationStudied": "488 Patienten mit primärer Hüft-TEP zwischen 2010 und 2013, Nachbeobachtung über 10 Jahre",
  "identifier": {
    "@type": "PropertyValue",
    "name": "DRKS",
    "value": "DRKS00012345"
  },
  "author": {
    "@type": "Organization",
    "name": "Klinik für Orthopädie und Unfallchirurgie, Universitätsklinikum Musterstadt"
  }
}

5. Studienergebnisse strukturiert darstellen

Eine oft übersehene Möglichkeit ist die Verknüpfung des MedicalStudy-Schemas mit Ergebnisseiten. Wenn deine Klinik oder Universität eine separate Seite für Studienergebnisse betreibt, nutze result um darauf zu verweisen:

{
  "@context": "https://schema.org",
  "@type": "MedicalTrial",
  "name": "Studie ABC: Ergebnisse nach 12 Monaten",
  "status": "Completed",
  "result": "Nach 12 Monaten zeigten 78% der Patienten in der Interventionsgruppe eine signifikante Verbesserung des primären Endpunkts (p<0,001). Die Sicherheitsanalyse ergab keine unerwarteten Nebenwirkungen.",
  "url": "https://www.klinik.de/studie-abc",
  ...
}

6. Studienregister: EudraCT, NCT und DRKS verknüpfen

Das Verlinken auf offizielle Studienregister ist das wichtigste Trust-Signal bei MedicalStudy Schema. In Deutschland und der EU sind folgende Register relevant:

Register	Geltungsbereich	Format der ID	URL-Muster
EudraCT	EU-Zulassungsstudien	YYYY-NNNNNN-NN	eudract.ema.europa.eu
ClinicalTrials.gov (NCT)	International (FDA)	NCT + 8 Ziffern	clinicaltrials.gov/ct2/show/NCT...
DRKS	Deutschland	DRKS + 8 Ziffern	drks.de/drks_web/navigate.do?navigationId=trial.HTML&TRIAL_ID=DRKS...
ISRCTN	International (UK)	ISRCTN + 8 Ziffern	isrctn.com/ISRCTN...

Im JSON-LD gibt du Registernummern als Array von PropertyValue-Objekten an. Verwende sameAs für den direkten Link zur Registerseite:

"identifier": [
  {
    "@type": "PropertyValue",
    "name": "EudraCT",
    "value": "2023-001234-56",
    "url": "https://www.clinicaltrialsregister.eu/ctr-search/search?query=2023-001234-56"
  },
  {
    "@type": "PropertyValue",
    "name": "DRKS",
    "value": "DRKS00025678",
    "url": "https://www.drks.de/drks_web/navigate.do?navigationId=trial.HTML&TRIAL_ID=DRKS00025678"
  }
]

7. Kombination mit anderen Medizin-Schema-Typen

MedicalStudy ist selten allein auf einer Seite sinnvoll. Die meisten klinischen Studien-Seiten profitieren von einer Kombination mehrerer Schema-Typen:

MedicalStudy + MedicalWebPage

Wenn die Studien-Seite Teil eines medizinischen Webangebots (Klinik-Website, Forschungsportal) ist, sollte die Seite selbst als MedicalWebPage ausgezeichnet werden. Das ergänzt das Studien-Schema um Seiten-bezogene Metadaten:

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "MedicalWebPage",
      "@id": "https://www.uniklinik.de/forschung/studie-abc#page",
      "name": "Studie ABC — Forschung an der Uni-Klinik Musterstadt",
      "medicalAudience": {
        "@type": "MedicalAudience",
        "audienceType": "Clinician"
      },
      "lastReviewed": "2026-04-01",
      "reviewedBy": {
        "@type": "Person",
        "name": "Prof. Dr. med. Jana Muster",
        "honorificPrefix": "Prof. Dr. med."
      }
    },
    {
      "@type": "MedicalTrial",
      "@id": "https://www.uniklinik.de/forschung/studie-abc#study",
      "name": "Studie ABC: Vollständiger Titel",
      ...
    }
  ]
}

MedicalStudy + Person (Hauptuntersucher)

Der Hauptuntersucher (Principal Investigator) sollte als Person-Objekt mit akademischem Titel und Institutionszugehörigkeit eingebunden werden:

"author": [
  {
    "@type": "Person",
    "name": "Prof. Dr. med. Jana Muster",
    "honorificPrefix": "Prof. Dr. med.",
    "jobTitle": "Leiterin Klinische Forschung",
    "affiliation": {
      "@type": "CollegeOrUniversity",
      "name": "Universitätsklinikum Musterstadt",
      "url": "https://www.uniklinikum-musterstadt.de"
    }
  }
]

8. Praxisbeispiel: Universitätsklinikum

Stellen wir uns ein Universitätsklinikum vor, das eine Phase-2-Studie zur innovativen Krebstherapie abgeschlossen hat und nun eine Ergebnisseite veröffentlicht. So würde das vollständige Schema aussehen:

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "MedicalWebPage",
      "name": "CAR-T-Zelltherapie bei rezidivierendem DLBCL: Ergebnisse der Phase-2-Studie",
      "url": "https://www.uniklinikum-musterstadt.de/haematologie/car-t-dlbcl-studie",
      "lastReviewed": "2026-03-15",
      "reviewedBy": {
        "@type": "Person",
        "name": "Prof. Dr. med. Klaus Bergmann",
        "affiliation": {
          "@type": "Hospital",
          "name": "Universitätsklinikum Musterstadt"
        }
      }
    },
    {
      "@type": "MedicalTrial",
      "name": "CAR-T-Zelltherapie bei rezidivierendem DLBCL: Einarmige Phase-2-Studie",
      "description": "Einarmige Phase-2-Studie zur Beurteilung der Wirksamkeit und Sicherheit der autologen CAR-T-Zelltherapie bei erwachsenen Patienten mit rezidiviertem oder refraktärem diffusem großzelligem B-Zell-Lymphom nach mindestens zwei Vortherapielinien.",
      "url": "https://www.uniklinikum-musterstadt.de/haematologie/car-t-dlbcl-studie",
      "status": "Completed",
      "phase": "Phase2",
      "trialDesign": ["SingleArm"],
      "healthCondition": {
        "@type": "MedicalCondition",
        "name": "Diffuses großzelliges B-Zell-Lymphom (DLBCL)",
        "code": {
          "@type": "MedicalCode",
          "code": "C83.3",
          "codingSystem": "ICD-10"
        }
      },
      "result": "Die Gesamtansprechrate (ORR) betrug 73% (CR: 58%). Das mediane Gesamtüberleben war nach 24 Monaten noch nicht erreicht. Die Toxizitätsdaten bestätigten das bekannte Sicherheitsprofil der CAR-T-Therapie.",
      "identifier": [
        {
          "@type": "PropertyValue",
          "name": "EudraCT",
          "value": "2021-004567-89"
        },
        {
          "@type": "PropertyValue",
          "name": "DRKS",
          "value": "DRKS00021456"
        }
      ],
      "author": {
        "@type": "Person",
        "name": "Prof. Dr. med. Klaus Bergmann",
        "affiliation": {
          "@type": "Hospital",
          "name": "Universitätsklinikum Musterstadt",
          "url": "https://www.uniklinikum-musterstadt.de"
        }
      },
      "sponsor": {
        "@type": "Organization",
        "name": "Deutsche Krebshilfe",
        "url": "https://www.krebshilfe.de"
      },
      "populationStudied": "45 erwachsene Patienten (≥18 Jahre) mit rezidiviertem/refraktärem DLBCL"
    }
  ]
}

9. Implementierungs-Checkliste

• ☑ Richtiger Typ: MedicalTrial für kontrollierte Studien, MedicalObservationalStudy für Beobachtungsstudien
• ☑ Status korrekt: Aktuellen Studienstatus aus dem Schema.org-Vokabular verwenden
• ☑ Register-ID: Mindestens eine offizielle Registrierungsnummer als Identifier
• ☑ healthCondition: Krankheitsbild mit ICD-10-Code strukturiert angeben
• ☑ author/investigator: Hauptuntersucher mit Affiliations und Titel
• ☑ Institution als Organization: Durchführende Klinik/Universität korrekt typisiert
• ☑ populationStudied: Knappe Beschreibung der Studienpopulation
• ☑ trialDesign (nur MedicalTrial): Randomisierung, Verblindung, Kontrollgruppe
• ☑ Google Rich Results Test: Keine Fehler, nur optionale Warnungen
• ☑ Seiteninhalt konsistent: JSON-LD-Daten stimmen mit sichtbarem Seiteninhalt überein
• ☑ E-E-A-T auf Seitenebene: Autorenbiografie, Institution, Peer-Review-Status sichtbar

Zusammenfassung

MedicalStudy und MedicalTrial Schema Markup sind essenzielle SEO-Werkzeuge für alle Einrichtungen, die klinische Forschung online kommunizieren. Die Kombination aus korrektem Schema-Typ, Studienregister-IDs und vollständigen Autoren-Informationen sendet Google starke Trust-Signale — besonders wichtig bei YMYL-Inhalten im Medizinbereich. Nutze unseren kostenlosen MedicalStudy Generator um das JSON-LD schnell und fehlerfrei zu erstellen, und überprüfe mit der kostenlosen SEO-Analyse ob deine Website weitere strukturierte Daten-Potenziale hat.

Weiterführende Artikel

• MedicalStudy und MedicalTrial Schema Markup: Grundlagen
• MedicalEntity Untertypen vertieft: MedicalCondition, Drug und Co.
• MedicalWebPage Schema Markup: Gesundheitsseiten für Google optimieren
• MedicalProcedure Schema Markup: Medizinische Eingriffe für Google
• E-E-A-T: Expertise, Autorität und Vertrauen als Google-Qualitätssignale