Konzept

agent readableMarkdown

AI-Readiness Studie Bad Schönborn: 149 Webseiten, Ø 22/100

Direkte Antwort

In Bad Schönborn liegt der Agent-Ready-Score der Dienstleister-Webseiten bei Ø 22/100. Modern Stack hat 149 auffindbare, erreichbare Dienstleister-Webseiten in Bad Schönborn — inklusive Mingolsheim und Langenbrücken — vollständig geprüft. Fit (Modernisierungsbedarf) Ø 78/100; llms.txt nur bei 20,8 %; Markdown-Negotiation bei 0 %. Charts und Methodik: modern-stack.de/studie/bad-schoenborn.

Wichtigste Punkte

— Steve Baka

Aktualisiert: · Autor: Steve Baka

Warum eine lokale Studie für Bad Schönborn?

Nationale Mittelwerte helfen bei der großen Lage. Ein Physiotherapie-Betrieb in Mingolsheim oder eine Steuerkanzlei in Langenbrücken braucht einen Ortsbezug: Wird der Betrieb genannt, wenn Assistenten nach einem Anbieter hier fragen?

Diese Primärstudie inventarisiert auffindbare Dienstleister-Webseiten in der Gemeinde und misst, wie gut sie für KI-Suche und Assistenten lesbar sind. Quellen: OpenStreetMap, lokale Branchensuchen, kommunales Unternehmensverzeichnis und Web-Recherche. Ausschlüsse: Rechtsanwälte, Kliniken, öffentliche Verwaltung, Vereine.

Bad Schönborn liegt im Kraichgau / Landkreis Karlsruhe, mit zwei Ortsteilen, die in der Suche oft getrennte Intents sind. Eine Startseite „Willkommen“ ohne Orts- und Leistungsfakten reicht für GEO nicht. Rahmen: GEO & AI-Sichtbarkeit, Zero-Click.

Was wird gemessen?

Dieselbe Audit-Logik wie unter /studie:

  1. Agent-Ready-Score (0–100) als Kernmetrik für Maschinen- und Assistenten-Nutzbarkeit
  2. llms.txt-Prävalenz und LLM-/Crawl-Scores
  3. Strukturierte Daten (JSON-LD), robots.txt, Sitemap
  4. Markdown-Negotiation und unvollständiges HTML / JS-Shell
  5. Fit-Score als Spiegel (100 − Agent-Ready) für Modernisierungsbedarf

Multi-Page: nicht nur die Startseite. CMS nur als Kontext. Vertiefung: llms.txt für Agenten, Strukturierte Daten & GEO, Technical SEO.

Einordnung zur DE-weiten und Bruchsal-Studie

Die deutschlandweite Auswertung (6.675 Audits): Agent-Ready Ø 25, llms.txt 15,6 %, Crawl Ø 86. Bad Schönborn liegt knapp darunter beim Agent-Ready (22), aber über dem nationalen llms.txt-Anteil (20,8 % vs. 15,6 %) — bei Crawl Ø 80.

Bruchsal (180 Audits) liegt tiefer: Agent-Ready Ø 17, llms.txt 14,4 %, Crawl Ø 72. Das Muster ist dasselbe: Crawl vor LLM-Layer, Markdown bei 0 %. Die Gemeinde ist lokal etwas „maschinenfreundlicher“ als die Nachbarstadt, aber weit entfernt von zitierfähiger AI-Readiness.

Charts: Bad Schönborn, Bruchsal, DE.

Was die lokalen Zahlen zeigen

Vollständiger Orts-Census, n = 149, alle auditiert (Stand Oktober 2026):

KennzahlBad SchönbornBruchsalDE-Studie
Agent-Ready Ø221725
Fit Ø788375
Crawl-Score Ø807286
LLM-Score Ø302428
llms.txt20,8 %14,4 %15,6 %
Sitemap / robots.txt69,1 % / 68,5 %63,3 % / 60,6 %73,5 % / 72,5 %
JSON-LD39,6 %37,2 %41,9 %
Markdown-Negotiation0 %0 %0,3 %
KI-Crawler blockiert2,7 %2,8 %1,8 %
Legacy-CMS erkannt73,8 %57,8 %69,4 %

Verteilung Agent-Ready: 46,3 % im Band 0–19, 34,9 % bei 20–39, 15,4 % bei 40–59, 2,7 % bei 60–79, 0,7 % bei 80–100. Fit 80–100: 47,7 %. Findings: keine Markdown-Negotiation (100 %), kein llms.txt (79,2 %), Agent-Ready niedrig (73,8 %), wenig strukturierte Daten (68,5 %).

Nischen: allgemeine Dienstleistung 59,1 %, Gesundheitspraxis 18,8 %, Coaching und Handwerk je 6 %, Physio und Steuerberatung je 3,4 %. CMS: WordPress 36,9 %, Divi 30,2 % — Pagebuilder-lastiger als Bruchsal. Trotzdem liegt Legacy-CMS in der stärkeren Kohorte hoch: CMS tauschen erklärt die Kluft nicht.

Öffentliche E-Mail bei 108 Betrieben. Der Engpass ist zitierfähiges Leistungs- und Ortswissen, nicht die Kontaktadresse.

Blockieren Betriebe KI-Bots — oder fehlt der Maschinen-Layer?

Es fehlt der Maschinen-Layer. Nur 2,7 % mit blockierten KI-Crawlern. llms.txt fehlt bei vier von fünf Sites, Markdown überall, JSON-LD bei 60,4 % nicht erkannt. Freigabe ohne Extrahierbarkeit erzeugt keine Zitation — relevant für E-E-A-T und AIO.

Was das für Betriebe in Mingolsheim und Langenbrücken bedeutet

Ortsteile sind eigene Suchintents. „Bad Schönborn“ allein deckt nicht ab, wer in Mingolsheim sucht. Leistungsseiten brauchen Ort + Ortsteil + NAP, abgestimmt auf das Google Business Profil.

Conversion-Landing mit lokalem Fokus: /bad-schoenborn.

Klare Handlungsempfehlungen (Priorität nach den Findings)

Sofort (diese Woche)

  1. Webseite-Check auf modern-stack.de.
  2. robots.txt und Sitemap — Lücken bei 31,5 % bzw. 30,9 %. KI-Bots nicht sperren.
  3. Ortsteil sichtbar machen: Mingolsheim / Langenbrücken / Bad Schönborn in Titel, erster Absatz, Kontakt — konsistent zur NAP.

In 30 Tagen

  1. llms.txt (8–15 URLs: Start, Leistungen, Ort/Kontakt, Impressum, Kernangebote). Anleitung: llms.txt für Agenten. Lokal liegt ihr mit 20,8 % über DE — der Hebel bleibt trotzdem groß, weil 79 % ohne Karte sind.
  2. JSON-LD LocalBusiness / ProfessionalService, sichtbar gedeckt. Structured Data GEO, LocalBusiness-Schema.
  3. Leistungsseiten: Antwort zuerst, eine Frage pro H2, kein leeres Hydration-DOM.

In 60–90 Tagen

  1. Markdown-Negotiation — lokal 0 %, also Differenzierung.
  2. Place-Graph: intern zu Bad Schönborn, Mingolsheim, Langenbrücken, Kraichgau.
  3. Stack nur wo er schadet: Divi/Elementor-Rauschen, langsame Templates → Modernisierung, Next.js vs WordPress, Pagebuilder-Ablösung. Nicht CMS tauschen als Selbstzweck (73,8 % Legacy, Score trotzdem niedrig).

Nicht zuerst: neues Logo, weitere Slider, ungeplante Blogserie. Zuerst Maschinenkarte, Schema, extrahierbare Antworten.

Methodik und Grenzen

  • Vollständiger Orts-Census, Live-Prüfungen, anonymisierte Aggregate
  • Mehrere Quellen; Deduplizierung pro Domain; Multi-Page
  • Keine Zufallsstichprobe des gesamten Gemeinde-Webs; Nischen mit Ausschlüssen
  • CMS heuristisch; keine Zeit-Kausalität
  • Hypothesen analog DE lokal gestützt

Fazit

Mit Ø 22/100 Agent-Ready und 0 % Markdown-Negotiation ist die lokale Webseitenlandschaft für Menschen gebaut, nicht für Assistenten. Crawl (Ø 80) ist oft da; der Maschinen-Layer fehlt. Wer in Bad Schönborn, Mingolsheim oder Langenbrücken in der KI-Suche stehen will, braucht zitierfähige Orts- und Leistungsfakten.

Primärquelle: AI-Readiness Bad Schönborn. Nächster Schritt: Webseite-Check oder Webseite modernisieren.

Mehr dazu: AI-Readiness deutscher Dienstleister-Webseiten — Studie, Zahlen und Handlungsbedarf

Quellen

Häufige Fragen

Gibt es eine AI-Readiness-Studie speziell für Bad Schönborn?

Ja. Modern Stack hat 149 auffindbare Dienstleister-Webseiten in Bad Schönborn inkl. Mingolsheim und Langenbrücken live geprüft. Agent-Ready Ø 22/100. Charts: https://modern-stack.de/studie/bad-schoenborn

Welche Betriebe sind in der lokalen Studie enthalten?

Dienstleister mit erreichbarer Webseite — u. a. Physiotherapie, Psychologie, Coaching, Steuerberatung, Fotografie, Handwerk und kleine Dienstleister. Ausgeschlossen: Anwälte, Kliniken, Kommunen, Vereine.

Wie unterscheidet sich die Bad-Schönborn-Studie von der DE-Studie?

Die DE-Studie ist ein großer Querschnitt. Die Bad-Schönborn-Studie ist ein Orts-Census: möglichst alle auffindbaren lokalen Dienstleister-Webseiten, gleiche Metriken, lokale Interpretation.

Was sollten Betriebe in Bad Schönborn zuerst tun?
  1. Webseite-Check. 2) llms.txt mit Leistungen, Ort, Kontakt. 3) JSON-LD LocalBusiness. 4) Klare Leistungsseiten (Antwort zuerst). 5) robots.txt und Sitemap prüfen. Markdown-Negotiation danach als Differenzierung.

Weiterlesen

  • Bad Schönborn

    Bad Schönborn mit Ortsteilen Mingolsheim und Langenbrücken: Lage, Geschichte, Kur/Reha, Wirtschaft und Verkehr — Place-Hub für Gemeinde-Intent. Anfragen zur Webseite-Modernisierung über /bad-schoenborn.

  • Mingolsheim

    Bad Mingolsheim — Ortsteil von Bad Schönborn: Geschichte ab 773, Thermarium, Kliniken, Schloss Kislau, Bahnhof Kronau und lokale Wirtschaft. Place-Hub für Ortsteil-Intent; Anfrage zur Webseite-Modernisierung über /bad-schoenborn.

  • Langenbrücken

    Bad Langenbrücken — Ortsteil von Bad Schönborn: Geschichte ab 1269, Amalienbad, Sigel-Klinik, Bahnhof Süd, Posidonienschiefergrube und Langenbrücken-West. Place-Hub für Ortsteil-Intent; Anfrage über /bad-schoenborn.

  • AI-Readiness deutscher Dienstleister-Webseiten — Studie, Zahlen und Handlungsbedarf

    Empirische Auswertung von 6.675 Live-Audits: Agent-Ready-Scores, llms.txt, Markdown-Negotiation und Crawl-Signale bei Physiotherapie, Steuerberatung, Coaching, Psychologie, Fotografie und weiteren Dienstleistern in Deutschland — mit Interpretation für GEO, AIO und Webseite-Modernisierung.

  • GEO & AI-Sichtbarkeit

    Warum moderne Webseiten für Google und KI-Systeme strukturiert sein müssen — und wie Modern Stack die technische Grundlage für GEO, AIO und Zitation in generativen Antworten schafft.

  • AI-Readiness in Bruchsal — lokale Studie zu Dienstleister-Webseiten

    Primärstudie zur AI-Readiness aller auffindbaren Dienstleister-Webseiten in Bruchsal (PLZ 76646) inkl. Stadtteile: Agent-Ready-Scores, llms.txt, Crawl-Signale und konkrete Handlungsempfehlungen für lokale Betriebe.

  • llms.txt für Agenten

    Was llms.txt und llms.json leisten — und warum sie nur Ergänzung zu crawlbarem, servergerendertem HTML sind, kein Ersatz für Inhalte.

  • Webseite-Modernisierung

    Was Webseite-Modernisierung bei Modern Stack bedeutet: bestehende WordPress- und Baukasten-Webseiten auf einen modernen Web-Stack bringen — Inhalte behalten, Technik erneuern, bereit für Google und KI-Suche.

  • Webseite-Modernisierung für Physiotherapie-Praxen

    Physiotherapie-Praxen brauchen eine schnelle, sachliche Webseite mit klaren Leistungen, Erreichbarkeit, Terminweg und datenschutzfesten Formularen — im Rahmen von HWG/UWG. Modern Stack modernisiert bestehende Praxisauftritte.

  • Agent-Ready-Score

    Der Agent-Ready-Score (0–100) misst, wie gut eine Webseite für KI-Crawler und Assistenten nutzbar ist: Freigaben, maschinenlesbare Übersichten, strukturierte Daten und extrahierbare Antworten — über klassisches SEO hinaus.

  • Webseite-Modernisierung für Steuerberater-Kanzleien

    Steuerberater-Kanzleien brauchen eine sachliche, pflichtangabenfeste Webseite mit klaren Leistungsschwerpunkten und sicherem Mandantenkontakt — im Rahmen von §57a StBerG. Modern Stack modernisiert bestehende Kanzlei-Auftritte.

  • Strukturierte Daten für GEO

    JSON-LD und Schema.org als Grundlage, damit Suchmaschinen und KI Entities, FAQ und Organisationen korrekt zuordnen — immer aligned mit sichtbarem Content.

  • Modern Stack

    Modern Stack modernisiert bestehende Unternehmenswebseiten im D-A-CH-Raum — Technik erneuern, Inhalte behalten, lokal und in der KI-Suche sichtbar bleiben.

  • Next.js vs WordPress in der KI-Suche

    Strategischer Bericht: Warum moderne Web-Stacks (Next.js) WordPress in der Ära von GEO und AIO technisch und zitationsseitig überlegen sind — inkl. Core Web Vitals, RAG-Pipelines und Princeton-Framework.

  • Technical-SEO-Basis

    Crawlability, Canonicals, Sitemap, robots.txt, Performance und strukturierte Daten als Lieferumfang der Migration — plus IndexNow und Redirect-Hygiene.

  • Kraichgau

    Webseite-Modernisierung für Unternehmen im Kraichgau: Mittelstand, Handwerk und Praxen — WordPress und Baukasten auf modernen Stack, lokal sichtbar ab 500 €.

  • Landkreis Karlsruhe

    Webseite-Modernisierung im Landkreis Karlsruhe: für Handwerk, Handel, Dienstleister und Industrie — WordPress und Baukasten ablösen, ab 500 €, TechnologieRegion Karlsruhe.

  • E-E-A-T

    E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness. Das Konzept beschreibt Qualitätsaspekte, mit denen Google besonders sensible oder beratende Inhalte beurteilt.

  • NAP

    NAP bezeichnet Name, Adresse und Telefonnummer eines Unternehmens. Konsistente NAP-Angaben helfen Suchsystemen, lokale Einträge derselben Organisation eindeutig zuzuordnen.

  • GEO

    GEO (Generative Engine Optimization) optimiert Inhalte und Technik so, dass generative KI-Systeme (ChatGPT, Perplexity, Gemini, Google AI Overviews) eine Marke namentlich nennen und zitieren können — nicht nur zehn blaue Links ranken.

  • AIO

    AIO steht für AI Optimization bzw. die Optimierung für Google AI Overviews und ähnliche KI-Zusammenfassungen: klare Direct Answers, strukturierte Daten und zitierfähige Fakten.

  • AEO

    AEO (Answer Engine Optimization) optimiert Inhalte für Antwort-Engines: kompakte, zitierfähige Antworten auf konkrete Fragen — oft deckungsgleich mit GEO-Taktiken.

  • Markdown-Negotiation

    Markdown-Negotiation bedeutet: Die Webseite liefert bei Accept: text/markdown eine maschinenlesbare Markdown-Fassung derselben kanonischen Inhalte — für Agenten und RAG, nicht als Ersatz für HTML.

  • llms.txt

    llms.txt ist eine optionale Maschinenkarte der wichtigsten URLs und Summaries für KI-Agenten. Ergänzung, kein Ersatz für crawlbares HTML; Google Search ignoriert sie derzeit für Rankings.

  • Strukturierte Daten

    Strukturierte Daten beschreiben Entities maschinenlesbar (JSON-LD/Schema.org): Wer, was, wo, FAQ — Grundlage für Rich Results und GEO.

  • JSON-LD

    JSON-LD ist ein Format für strukturierte Daten im HTML (meist Schema.org). Es macht Entities, FAQ und Organisationen maschinenlesbar.

  • BLUF

    BLUF (Bottom Line Up Front) stellt die Kernaussage zuerst — bei Modern Stack als Direct-Answer-Block für Menschen und Maschinen.

  • Crawlability

    Crawlability beschreibt, wie leicht Suchmaschinen und KI-Crawler Inhalte erreichen und lesen können: SSR/SSG, Sitemap, keine Blockaden, schnelle Antwortzeiten.

  • Direct Answer

    Ein Direct Answer ist eine kompakte, zitierfähige Antwort am Seitenanfang oder Abschnittsbeginn — ideal für Featured Snippets, AI Overviews und RAG.

  • robots.txt

    robots.txt steuert, welche Pfade Crawler besuchen dürfen. Falsche Disallows blockieren versehentlich Indexierung und GEO-Retrieval.

  • Sitemap

    Eine XML-Sitemap listet kanonische URLs für Crawler. Sie ersetzt keine interne Verlinkung, ergänzt sie.

Sofort-Check

Deine Webseite jetzt prüfen

Kurzreport mit den wichtigsten Schwachstellen sofort — den Vollreport schaltest du mit deiner E-Mail frei.

← Content Hub·AI-Readiness deutscher Dienstleister-Webseiten — Studie, Zahlen und Handlungsbedarf