H1
Gestütztllms.txt-Kluft zwischen Kohorten
Sites mit Modernisierungsbedarf haben deutlich seltener eine llms.txt.
Evidenz: Eligible 11,8 % vs. stärker AI-ready 89,6 % (Schwelle ≥ 30 Pp. Differenz).
Empirische Studie · Deutschland · 1. Oktober 2026
Wie gut sind Webseiten deutscher B2B-Dienstleister auf KI-Suche und Agenten vorbereitet? Modern Stack wertet in dieser Studie 6.675 Live-Audits aus einem Discovery-Set von 9.019 Webseiten aus — mit einheitlichen Checks zu llms.txt, Crawling, strukturierten Daten und Agent-Ready-Signalen im Kontext von GEO & AI-Sichtbarkeit.
Fachartikel mit Interpretation und Handlungsempfehlungen: AI-Readiness deutscher Dienstleister-Webseiten. Lokale Orts-Censuses: Bad Schönborn · Bruchsal.
Audits
6.675
von 9.019 entdeckten Sites
Agent-Ready Ø
25/100
Skala 0–100 · höher = besser für Agenten
llms.txt
15,6 %
Anteil mit vorhandener llms.txt
Markdown-Negotiation
0,3 %
Accept: text/markdown beantwortet
Kapitel 1
Generative Suche und KI-Assistenten verändern, wie Kunden Dienstleister finden. Klassische Webseiten-Kennzahlen (Sichtbarkeit in Google, mobile Darstellung, CMS-Version) sagen wenig darüber aus, ob Inhalte für Agenten und LLM-Systeme maschinenlesbar, crawlbar und strukturiert genug sind. Es fehlt an großen, einheitlich gemessenen Datensätzen zur AI-Readiness lokaler und regionaler Dienstleister-Webseiten in Deutschland — obwohl GEO, AIO und AEO die Sichtbarkeitslogik verschieben.
Für Praxen, Kanzleien, Coaches und Studios ist die Webseite oft der zentrale Vertrauens- und Buchungskanal. Wenn KI-Systeme Angebote nicht zuverlässig extrahieren können, droht unsichtbare Nachfrage — trotz vorhandener Seite. Das betrifft auch Branchenseiten wie Physiotherapie-Praxen und Steuerberater-Kanzleien. Anbieter von Webseite-Modernisierung brauchen belastbare Indikatoren statt Anekdoten.
Wie AI-ready sind Webseiten deutscher B2B-Dienstleister — gemessen an Agent-Ready-Scores, LLM-Schnittstellen (llms.txt, Markdown) und Crawl-/Struktur-Signalen — und welche Lücken dominieren?
Daraus leiten wir vier Hypothesen ab (siehe Theorie und Ergebnisprüfung).
Kapitel 2
Accept: text/markdown mit klarer Markdown-Antwort zu reagieren — relevant für Agenten und RAG-Pipelines.fit = 100 − agentReady. Höherer Fit = klarerer Modernisierungsbedarf aus Agent-Perspektive — parallel zur Produktlogik von Webseite-Modernisierung.Bestehende Arbeitsschwerpunkte liegen bei SEO-Audits, Core Web Vitals und CMS-Marktanteilen. Spezifische Agent-Ready-Checks und LLM-Orientierungshilfen (llms.txt) sind vergleichsweise neu. Großangelegte, branchenbezogene Zählungen für DE-Dienstleister fehlen weitgehend — insbesondere mit Multi-Page-Proben, JSON-LD-Abdeckung und kombinierten Quellen. Stack-Vergleiche wie Next.js vs WordPress in der KI-Suche erklären Architektur; diese Studie liefert die empirische Lückenmessung.
Kapitel 3
Quantitative Querschnittstudie (Observational Census) auf Basis automatisierter Live-Webseiten-Audits. Keine Umfrage, kein Experiment — gemessene technische Signale zum Erhebungszeitpunkt.
9.019 entdeckte Domains; davon 6.675 mit vollständigem Audit-Datensatz (Stand 1. Oktober 2026). Zusammensetzung der auditierten Sites nach Nische und Status siehe Grafiken.
Deskriptive Statistik: Mittelwerte, prozentuale Prävalenzen, Score-Bänder (0–19 … 80–100), Kohortenvergleich (eligible vs. disqualified). Hypothesen werden anhand vorab festgelegter Schwellen als gestützt/nicht gestützt bewertet — ohne kausale Inferenz.
9.019 Webseiten im Census — Audit-Abdeckung 74 %.
| Segment | Anzahl | Anteil |
|---|---|---|
| Modernisierungsbedarf | 6.340 | 70 % |
| Ohne öffentliche E-Mail | 1.705 | 19 % |
| Noch ohne Audit | 648 | 7 % |
| Bereits stärker AI-ready | 326 | 4 % |
Anteil an allen Audits (n = Audits mit Nischen-Label).
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Physiotherapie | 34,8 % | 2.323 |
| Steuerberater | 19,4 % | 1.297 |
| Psychologie | 14,9 % | 997 |
| Fotografie | 13,5 % | 903 |
| Dienstleistung | 8,9 % | 597 |
| Coaching | 8,4 % | 558 |
Jede Nische hat eine zitierfähige Slice-Seite mit Vergleichstabelle und Kennzahlen aus dem Live-Census:
Kapitel 4
Neutrale Darstellung der Aggregate. Interpretation folgt in der Diskussion.
Mittelwert 25/100 · 76 % der Audits liegen unter 40.
| Bereich | Anzahl | Anteil |
|---|---|---|
| 0–19 | 2.657 | 40 % |
| 20–39 | 2.398 | 36 % |
| 40–59 | 1.284 | 19 % |
| 60–79 | 228 | 3 % |
| 80–100 | 108 | 2 % |
Mittelwert 75/100 · fit = 100 − agentReady.
| Bereich | Anzahl | Anteil |
|---|---|---|
| 0–19 | 105 | 2 % |
| 20–39 | 221 | 3 % |
| 40–59 | 1.260 | 19 % |
| 60–79 | 2.261 | 34 % |
| 80–100 | 2.828 | 42 % |
Anteil „wahr“ über alle Audits.
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| llms.txt vorhanden | 15,6 % | 1.043 |
| Sitemap vorhanden | 73,5 % | 4.905 |
| robots.txt vorhanden | 72,5 % | 4.840 |
| JSON-LD erkannt | 41,9 % | 2.796 |
| Markdown-Negotiation | 0,3 % | 22 |
| KI-Crawler blockiert | 1,8 % | 123 |
| Unvollständiges HTML / JS-Shell | 1,0 % | 70 |
| Legacy-CMS erkannt | 69,4 % | 4.630 |
Anteil der Audits mit dem jeweiligen Finding.
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Keine Markdown-Negotiation | 99,7 % | 6.653 |
| Kein llms.txt | 84,4 % | 5.632 |
| Agent-Ready Level niedrig | 67,4 % | 4.499 |
| Wenig strukturierte Daten | 64,0 % | 4.271 |
| Kein klares robots.txt | 27,5 % | 1.835 |
| Sitemap unklar | 26,5 % | 1.770 |
| Sample-Seiten fehlerhaft | 20,6 % | 1.372 |
| Website schwer erreichbar | 10,9 % | 727 |
| KI-Crawler blockiert | 1,8 % | 123 |
| Unvollständiges HTML | 1,0 % | 70 |
Eligible n=6.340 · Disqualified n=326.
Agent-Ready-Score (Ø)
llms.txt vorhanden
Sitemap vorhanden
JSON-LD erkannt
Markdown-Negotiation
Legacy-CMS erkannt
LLM-/llms-Score (Ø)
Crawl-Score (Ø)
| Kennzahl | Modernisierungsbedarf | Stärker AI-ready |
|---|---|---|
| Agent-Ready-Score (Ø) | 22 | 77 |
| llms.txt vorhanden | 11,8 % | 89,6 % |
| Sitemap vorhanden | 72,2 % | 100,0 % |
| JSON-LD erkannt | 40,1 % | 77,0 % |
| Markdown-Negotiation | 0,3 % | 1,2 % |
| Legacy-CMS erkannt | 68,6 % | 85,0 % |
| LLM-/llms-Score (Ø) | 26 | 68 |
| Crawl-Score (Ø) | 85 | 96 |
Nur als Kontext — kein Eligibility-Gate. Anteile an Audits mit CMS-Guess.
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| WordPress | 41,6 % | 2.775 |
| Divi | 23,0 % | 1.535 |
| Elementor | 2,4 % | 159 |
| Jimdo | 2,3 % | 154 |
| Webflow | 0,2 % | 14 |
| Squarespace | 0,1 % | 7 |
| Shopify | 0,0 % | 3 |
Crawl-Score Ø
86
LLM-/llms-Score Ø
28
isitagentready Pass-Rate Ø
14%
KI-Bots blockiert
1,8 %
H1
GestütztSites mit Modernisierungsbedarf haben deutlich seltener eine llms.txt.
Evidenz: Eligible 11,8 % vs. stärker AI-ready 89,6 % (Schwelle ≥ 30 Pp. Differenz).
H2
GestütztMarkdown-Negotiation ist flächendeckend abwesend.
Evidenz: Gesamtprävalenz 0,3 % (Schwelle ≤ 5 %).
H3
GestütztLegacy-CMS-Anteile sind in beiden Kohorten hoch und liegen nah beieinander.
Evidenz: Legacy-CMS Eligible 68,6 % vs. stärker AI-ready 85,0 %.
H4
GestütztKlassische Crawl-Scores liegen klar über LLM-/llms-Scores.
Evidenz: Crawl Ø 86 vs. llms Ø 28 (Schwelle ≥ 20 Punkte).
Kapitel 5
Die Daten zeichnen ein klares Muster: Viele Dienstleister-Webseiten sind für klassisches Crawling relativ gut aufgestellt (Sitemap/robots häufig vorhanden, Crawl-Scores hoch), aber für AI-Agenten und LLM-Schnittstellen kaum vorbereitet. Der mittlere Agent-Ready-Score von 25/100 und die llms.txt-Prävalenz von nur 15,6 % unterstreichen eine Infrastruktur-Lücke jenseits von „Seite lädt“ und „CMS ist WordPress“. Das deckt sich mit der These aus Next.js vs WordPress für KI-Suche: Maschinenlesbarkeit und Extrahierbarkeit entscheiden mit.
Der Kohortenvergleich stützt H1 und H4 besonders deutlich: llms.txt springt von ca. 11,8 % auf 89,6 %, während Markdown in beiden Gruppen praktisch fehlt (H2). H3 zeigt: Legacy-CMS ist kein zuverlässiger Proxy für AI-Readiness — wer nur „Weg vom WordPress“ predigt, verfehlt den eigentlichen Agenten-Layer. Für Sichtbarkeit in ChatGPT, Perplexity und Google AI Mode zählen Direct Answers, strukturierte Daten und stabile Entities.
KI-Bot-Blocks sind selten (1,8 %). Das Problem ist also weniger aktive Sperre als fehlende Maschinenlesbarkeit — ein zentrales Thema von GEO & AI-Sichtbarkeit.
Kapitel 6
Unter 6.675 auditierten Dienstleister-Webseiten in Deutschland liegt der mittlere Agent-Ready-Score bei 25/100. Über drei Viertel der Audits liegen unter 40 Punkten. llms.txt fehlt bei rund 84 % der Sites; Markdown-Negotiation bei praktisch allen. Gleichzeitig sind Crawl-Grundlagen oft vorhanden. Die zentrale Antwort auf die Forschungsfrage: AI-Readiness ist flächig schwach — nicht weil Seiten „tot“ sind, sondern weil der Maschinen-Layer fehlt. Interpretation und Praxisleitfaden: Fachartikel zur Studie.
Verwandte Entities
Methodischer Hinweis: Aggregate aus anonymisierten Audit-Snapshots (1. Oktober 2026). Keine Veröffentlichung von Firmennamen, E-Mails oder einzelnen URLs. Wiederholbare Auswertung über gepaginierte Census-Batches.