Branche
Coaching: AI-Readiness-Studie (n=702)
Direkte Antwort
Coaching-Webseiten erreichen in der Stichprobe den niedrigsten mittleren Agent-Ready-Score aller Hauptbranchen. In 702 Live-Audits liegt der mittlere Agent-Ready-Score bei 18/100, der Fit (Modernisierungsbedarf) bei 82/100; 87 % der Audits liegen unter 40. llms.txt nur bei 13.4 %. DE-Querschnitt: 9345 Audits, Agent-Ready Ø 21/100. AI-Readiness ≠ AI-Sichtbarkeit. Charts und Vergleichstabelle stehen oben auf dieser Seite; Methodik: modern-stack.de/studie.
Wichtigste Punkte
- Stichprobe Coaching: n=702 (7.5 % des Census).
- Agent-Ready Ø 18 · Fit Ø 82 · Δ zum DE-Mittel -3.
- AR < 40: 87 % · llms.txt: 13.4 % · JSON-LD: 33.9 %.
- Häufigste Findings (ohne Markdown): Agent-Ready Level niedrig (87.2 %); Kein llms.txt (86.6 %); Wenig strukturierte Daten (69.1 %); Sitemap unklar (36.2 %).
- CMS-Schwerpunkte: WordPress (252), Divi (154), Elementor (15).
- Readiness misst technische Extrahierbarkeit — nicht, ob ChatGPT den Coach nennt.
Audits in dieser Branche
702
Agent-Ready Ø
18/100
Fit Ø (Modernisierungsbedarf)
82/100
Anteil am Gesamt-Census
7,5 %
| Branche | n | AR Ø | Fit Ø | AR < 40 | llms.txt |
|---|---|---|---|---|---|
| Physiotherapie | 2.854 | 19 | 81 | 87,4 % | 14,8 % |
| Dienstleistung | 1.622 | 22 | 78 | 79,7 % | 16,3 % |
| Steuerberater | 1.524 | 22 | 78 | 80,5 % | 13,5 % |
| Psychologie | 1.272 | 25 | 75 | 70,9 % | 13,9 % |
| Fotografie | 1.262 | 25 | 75 | 71,7 % | 14,6 % |
| Coaching | 702 | 18 | 82 | 87,0 % | 13,4 % |
Gesamt-Census: 9.345 Audits · Agent-Ready Ø 21/100 · Stand 8.10.2026 · Quelle: Modern Stack Live-Audits
Signale — Coaching
Anteil der Audits mit positivem Signal
- llms.txt vorhanden13,4 %n=94
- JSON-LD erkannt33,9 %n=238
- Sitemap vorhanden63,8 %n=448
- robots.txt vorhanden65,8 %n=462
- Legacy-CMS erkannt62,0 %n=435
- Markdown-Negotiation0,3 %n=2
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| llms.txt vorhanden | 13,4 % | 94 |
| JSON-LD erkannt | 33,9 % | 238 |
| Sitemap vorhanden | 63,8 % | 448 |
| robots.txt vorhanden | 65,8 % | 462 |
| Legacy-CMS erkannt | 62,0 % | 435 |
| Markdown-Negotiation | 0,3 % | 2 |
Häufigste Findings — Coaching
ohne Markdown (nahezu 100 % in allen Branchen)
- Agent-Ready Level niedrig87,2 %n=612
- Kein llms.txt86,6 %n=608
- Wenig strukturierte Daten69,1 %n=485
- Sitemap unklar36,2 %n=254
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Agent-Ready Level niedrig | 87,2 % | 612 |
| Kein llms.txt | 86,6 % | 608 |
| Wenig strukturierte Daten | 69,1 % | 485 |
| Sitemap unklar | 36,2 % | 254 |
Agent-Ready-Verteilung
Coaching: Anteil je Score-Band
- Agent-Ready 0-1952,7 %n=370
- Agent-Ready 20-3934,3 %n=241
- Agent-Ready 40-5911,8 %n=83
- Agent-Ready 60-790,7 %n=5
- Agent-Ready 80-1000,4 %n=3
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Agent-Ready 0-19 | 52,7 % | 370 |
| Agent-Ready 20-39 | 34,3 % | 241 |
| Agent-Ready 40-59 | 11,8 % | 83 |
| Agent-Ready 60-79 | 0,7 % | 5 |
| Agent-Ready 80-100 | 0,4 % | 3 |
Agent-Ready Ø im Branchenvergleich
Balkenlänge = Mittelwert auf Skala 0–100 (höher = besser für KI/Agenten)
- Physiotherapie · Ø 1919,0 %n=2.854
- Dienstleistung · Ø 2222,0 %n=1.622
- Steuerberater · Ø 2222,0 %n=1.524
- Psychologie · Ø 2525,0 %n=1.272
- Fotografie · Ø 2525,0 %n=1.262
- Coaching · Ø 1818,0 %n=702
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Physiotherapie · Ø 19 | 19,0 % | 2.854 |
| Dienstleistung · Ø 22 | 22,0 % | 1.622 |
| Steuerberater · Ø 22 | 22,0 % | 1.524 |
| Psychologie · Ø 25 | 25,0 % | 1.272 |
| Fotografie · Ø 25 | 25,0 % | 1.262 |
| Coaching · Ø 18 | 18,0 % | 702 |
Coaching-Anfragen starten oft mit offenen Fragen („Welches Coaching hilft bei …?“). Genau diese Fragen beantworten generative Suchen — und zitieren Quellen mit klaren Leistungsdefinitionen, Zielgruppen und Orten. Unscharfe Marken-Storys ohne extrahierbare Fakten verlieren gegen strukturierte Anbieter, auch wenn das Design teurer wirkt. Diese Branchenauswertung von Modern Stack zeigt, warum markenstarke Coaching-Webseiten technisch oft schwach für Maschinen sind und welche Reihenfolge aus dem Census folgt. Primärquelle: diese Seite; Gesamtmethodik: AI-Readiness-Studie Dienstleister. Stand der Kennzahlen: 2026-10-08. Die Messung betrifft technische AI-Readiness — keine Zertifizierungen, keine Outcome-Versprechen und keine Mention-Rate für die Niche.
Was bedeutet „niedrigstes Mittel der Hauptbranchen“ konkret?
Kurz: Ø 18 bei 87 % unter 40: die typische Coaching-Webseite in dieser Stichprobe liegt klar im Keller.
Der Abstand zum DE-Mittel (Ø 21, n=9345) beträgt Δ −3. Gegen Fotografie (Ø 25) sind das sieben Punkte Differenz im Mittel — bei gleicher Methodik. Gleichzeitig bleibt Markdown-Negotiation bei 0.3 % und llms.txt bei 13.4 %. Das Muster: Coaching hat oft SEO-Basics, aber selten einen Maschinen-Layer. Sitemap 63.8 % und jev-Crawl Ø 83 unterstreichen: Crawling allein erklärt den Rückstand nicht.
Was ist AI-Readiness für Coaching?
Kurz: AI-Readiness misst technische Lesbarkeit von Coaching-Sites — keine Methoden-, Zertifizierungs- oder Outcome-Qualität.
Der Agent-Ready-Score (0–100) verdichtet Signale wie llms.txt, Structured Data, Markdown-Negotiation, Crawl-Zugänge und Extrahierbarkeit. Fit = 100 − Agent-Ready: höherer Fit heißt klarerer Modernisierungsbedarf. Die Messung betrifft technische und strukturelle AI-Readiness, keine Coaching-Methoden, Zertifizierungen oder Outcome-Versprechen.
Für Coaches heißt das: Leistungen müssen als Text existieren (Was / Für wen / Ergebnisrahmen), Person/Organization-Schema muss stimmen, und Hero-Videos ersetzen keine Direct Answers. Unscharfe Marken-Storys ohne extrahierbare Fakten verlieren gegen strukturierte Anbieter — auch wenn das Design teurer wirkt.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
Kurz: Readiness = technische Lesbarkeit; Visibility = Nennung in einer Antwort — beides anstreben, Zahlen nicht vermischen.
| AI-Readiness | AI-Sichtbarkeit | |
|---|---|---|
| Alltagsfrage | Kann ein System deine Coaching-Webseite lesen? | Wirst du in der KI-Antwort empfohlen? |
| Messung hier | Live-Audit, Agent-Ready 0–100 | separate Prompt-/Mention-Messung |
| Diese Kohorte | 702 Audits → Ø 18/100 | nicht als Niche-Mention-Rate ausgewiesen |
| Was du steuern kannst | Offer-Definitionen, llms.txt, Schema, Crawl | nur indirekt über Lesbarkeit + zitierfähige Claims |
| Was daraus nicht folgt | Score 80 = automatische Empfehlung | eine Nennung = dauerhafte Garantie |
Lokal getrennt gemessen (Bad Schönborn): Discovery 25 % vs. Brand 91,7 % (n=120). Brand-Prompts „kennen“ Namen oft; offene Empfehlungen nennen die Mehrheit nicht. Fehlen von llms.txt ist Readiness-Befund — kein automatischer Nachweis, dass dein Coaching unsichtbar ist. Rahmen: GEO & AI-Sichtbarkeit, ChatGPT-Sichtbarkeit.
Was zeigen die Zahlen für Coaching?
Kurz: Coaching ist in dieser Stichprobe die schwächste Hauptbranche beim Mittel — und die Masse liegt klar unter 40.
Kennzahlen dieser Kohorte (Stand 2026-10-08):
| Metrik | Coaching | DE-Querschnitt |
|---|---|---|
| Audits (n) | 702 | 9345 |
| Agent-Ready Ø | 18 | 21 |
| Fit Ø | 82 | — |
| Anteil AR < 40 | 87 % | — |
| llms.txt | 13.4 % | — |
| JSON-LD | 33.9 % | — |
| Sitemap | 63.8 % | — |
| Legacy-CMS | 62 % | — |
| Markdown-Negotiation | 0.3 % | — |
Crawl-nahe Scores (falls gemessen): jev-Crawl Ø 83, jev-llms Ø 25 — klassisches Crawling oft stärker als der LLM-/Agenten-Layer. Δ zum DE-Mittel: −3 Agent-Ready-Punkte.
Häufigste Findings (ohne Markdown): Agent-Ready Level niedrig (87.2 %); kein llms.txt (86.6 %); wenig strukturierte Daten (69.1 %); Sitemap unklar (36.2 %).
Über alle Branchen hinweg liegt Markdown-Negotiation nahe 0 % — systemisches Defizit, kein Coaching-Alleinstellungsmerkmal. Differenzierend: llms.txt-Quote, JSON-LD (33.9 % — unter Physio/Steuer), Agent-Ready-Verteilung und Legacy-CMS-Anteil.
Warum scheitern viele Sites trotz „eigener Webseite“?
Kurz: Design und Story dominieren oft — Entities, Schema und Maschinen-Kurzformen fehlen trotz „eigener Webseite“.
Viele Coaching-Sites sind markenstark im Design, aber schwach in Entities: unklare Leistungsgrenzen, fehlendes Structured Data, kaum llms.txt. Der Fit-Score 82 passt zu persönlicher Markenführung auf Legacy-Stacks ohne Maschinen-Schnittstelle. Generative Engines brauchen zitierfähige Absätze — nicht nur Testimonials und Hero-Slides.
Princeton GEO (arXiv:2311.09735) belohnt klare Aussagen und Quellen auf extrahierbarer Basis. Typische Bruchstellen:
- Leistungsgrenzen unklar — „ganzheitlich begleiten“ ohne Was/Für-wen/Rahmen.
- Kein llms.txt bei 86.6 % — Assistenten finden kein Kurzportrait.
- JSON-LD dünn (33.9 %) — Person/Organization fehlt oder ist leer.
- Sitemap unklar bei 36.2 % — selbst klassisches SEO ist nicht durchgängig sauber.
Conversion ohne Maschinen-Layer: Conversion & Anfragen hilft erst, wenn die Seite überhaupt zitierfähig und klar ist.
Wie liest man die Vergleichstabelle richtig?
Kurz: Das niedrigste Mittel aller Hauptbranchen plus 87 % unter 40 ist der Befund — nicht „ein paar Punkte Differenz“.
Drei Leseregeln für die Niche-Tabelle (n ≥ 100):
- Mittel + Verteilung: Ø 18 bei 87 % unter 40 = Masse im Modernisierungsbereich.
- llms.txt / JSON-LD als frühe Proxy-Signale — Sitemap allein rettet Agent-Ready nicht.
- n=702 ist belastbar für Richtungsvergleiche; kleinere Nischen mit Warnhinweis lesen.
Anteil am Census: 7.5 %. Δ −3 zum DE-Mittel (Ø 21, n=9345) macht Coaching zum klaren Nachzügler gegenüber z. B. Fotografie (+4) oder Steuerberater (+1).
Welche CMS-Muster tauchen auf?
Kurz: WordPress/Divi häufig — CMS-Wechsel ohne Offer-Definitionen ändert Visibility nicht.
In dieser Kohorte: WordPress (252), Divi (154), Elementor (15). Legacy-CMS erkannt bei 62 %. CMS allein sagt den Agent-Ready-Score nicht vorher. Wer nur Pagebuilder ablöst (WordPress-Migration, Next.js vs WordPress) und keine Direct Answers baut, bleibt für Assistenten unsichtbar. Parallel: KMU-Webseite-Muster gelten oft auch für Solo-Coaches.
Was folgt daraus für GEO und AIO?
Kurz: Offene Intent-Fragen („Welches Coaching …?“) belohnen klare Entities — nicht Slogan-only-Marken.
GEO und AIO belohnen zitierfähige Fakten, konsistente Entities und abrufbare Passagen (Grounding, RAG, Zitation). Für Coaches, Beratungs- und Mentoring-Anbieter mit eigener Webseite heißt das: Sichtbarkeit verschiebt sich von „Ranking einer URL“ zu „Nennung in der Antwort“. Ohne Maschinen-Layer bleibt die Marke in Zero-Click-Szenarien unsichtbar — siehe auch Perplexity-Sichtbarkeit.
Praktisch: Eine Seite „Business-Coaching für Solo-Selbstständige in Region X — Format, Dauer, nächster Schritt“ ist zitierfähiger als „Dein Potenzial entfalten“. Princeton GEO (arXiv:2311.09735) stützt klare Aussagen und Quellen — aber nur, wenn der Stack sie als flaches HTML liefert. Deshalb kommen llms.txt (13.4 % heute) und Direct Answers vor dem nächsten Theme-Kauf.
Was solltest du konkret umsetzen?
Kurz: Offer-Text zitierfähig machen, dann llms.txt/Schema, dann Stack — Visibility getrennt monitoren.
Definiere Leistungen in zitierfähigen Absätzen (Was / Für wen / Ergebnisrahmen). Ergänze llms.txt, Person/Organization-Schema und FAQ mit echten Direct Answers. Vertiefung: GEO & AI-Sichtbarkeit, Webseite-Modernisierung, Structured Data & GEO.
Beispiel-Kurzstruktur für llms.txt:
# Coaching Beispiel — Name, Ort
> Business-Coaching für Solo-Selbstständige in Region X.
# Angebot
- Format: 1:1 online / vor Ort
- Fokus: Positionierung, Angebot, Preis
- Keine Therapie; Abgrenzung zu psychologischer Beratung
# Kontakt
- Name, Ort, E-Mail, Buchungslink
Reihenfolge aus den Findings:
- Messung — Webseite-Check oder Outreach-Report.
- Maschinen-Layer — llms.txt, Schema, Direct Answers, Bot-Zugang.
- Technik-Basis — Legacy-Pagebuilder ablösen, wenn Extraktion/Performance scheitern.
- Monitoring — Agent-Ready und (separat) Zitationen; klassische Rankings allein reichen nicht.
Wie priorisierst du die Findings in der Praxis?
Kurz: Zuerst Leistungsgrenzen zitierfähig machen, dann llms.txt und Schema — Stack erst wenn Extraktion blockiert.
| Priorität | Hebel | Warum zuerst |
|---|---|---|
| 1 | Offer-Absatz Was / Für wen / Ergebnisrahmen | Offene Intent-Fragen brauchen definierte Leistungen |
| 2 | llms.txt mit Name, Ort, Angebot | Finding „kein llms.txt“ 86.6 %; Prävalenz 13.4 % |
| 3 | Person/Organization-JSON-LD (JSON-LD) | Quote nur 33.9 % — unter Physio/Steuer |
| 4 | FAQ mit echten Direct Answers | Slogan-Heroes sind nicht extrahierbar |
| 5 | Sitemap klären | 36.2 % „Sitemap unklar“ — Basis vor Fancy-Features |
| 6 | Stack/Pagebuilder | Legacy 62 % — wenn HTML/Performance Extraktion blockiert |
jev-Crawl Ø 83 vs. jev-llms Ø 25 zeigt dasselbe Muster wie die Gesamtstudie: klassisches SEO oft besser als der Agenten-Layer. Du „fehlst“ Assistenten vor allem, weil keine zitierfähige Kurzform existiert — selten weil Google dich nicht crawlt.
Einordnung: Coaching hat das niedrigste Mittel der Hauptbranchen (Ø 18, Δ −3). Physiotherapie (Ø 19) ist ähnlich schwach, aber größer; Steuerberater (Ø 22) und Fotografie (Ø 25) liegen höher. Für Solo-Marken heißt das: persönliches Branding ohne Maschinen-Entities ist der typische Blindspot — nicht fehlende „Modernität“ im Design.
Lokale Korrelation Readiness↔Visibility: Bad Schönborn (Discovery vs. Brand). Nutze das als Interpretationshilfe, nicht als Mention-Garantie für deine Domain.
Wann reichen Texte — und wann brauchst du Migration?
Kurz: Texte und Maschinen-Layer zuerst bei klarer Marke; Migration, wenn Legacy Extraktion und Wartung blockieren.
- Content + Maschinen-Layer zuerst, wenn die Webseite erreichbar ist und die Markengeschichte nur nicht maschinenlesbar formuliert ist.
- Conversion parallel schärfen (Conversion & Anfragen), sobald Leistungen klar sind — sonst optimierst du Anfragen auf unscharfe Angebote.
- Migration, wenn WordPress/Divi (252 / 154 Treffer) Wartung, Security oder Extraktion dominieren — siehe WordPress-Migration und Webseite-Modernisierung.
Migration ohne Direct Answers und llms.txt verschiebt nur den Stack — sie erzeugt keine Visibility. Readiness kannst du im Audit messen; Visibility bleibt eine eigene Frage.
Welche Grenzen hat diese Methodik?
Kurz: Technischer Readiness-Census für Coaching — kein Qualitätsranking und keine DE-weite Bevölkerungsstatistik.
- Stichprobe: Discovery-/Outreach-getrieben; n=702 (7.5 % des Census), Stand 2026-10-08.
- Kein Methoden-Urteil: Score sagt nichts über Coaching-Qualität oder Ethik.
- Readiness ≠ Visibility: keine Niche-Mention-Rate ausgewiesen; lokale Korrelation nur Bad Schönborn.
- CMS heuristisch; Markdown 0.3 % branchenübergreifend nahe null.
- Selbstauskunft vs. Markup: schöne About-Texte ohne Schema/llms.txt bleiben schwer extrahierbar.
- Fit Ø 82: Modernisierungsbedarf als Spiegel — kein Preissignal.
- Abgrenzung Therapie: technische Empfehlungen ersetzen keine rechtliche Abgrenzung Coaching vs. Heilkunde in deinen Texten.
Welche Checkliste gilt vor dem nächsten Audit?
Kurz: Vor dem Re-Audit: Offer-Grenzen, Therapie-Abgrenzung, Schema und llms.txt prüfen — Visibility separat messen.
Leistungen als Was/Für-wen/Rahmen formuliert, Abgrenzung zu Therapie klar, llms.txt live, Person/Organization-Schema gesetzt, FAQ mit Direct Answers, Sitemap/robots geprüft, Hero nicht die einzige Inhaltsquelle, Agent-Ready erneut gemessen. Visibility (Nennung in ChatGPT & Co.) nur behaupten, wenn du sie separat prüfst — der Score 18/100 bzw. dein Folge-Audit misst Lesbarkeit, keine Empfehlungsrate. Für Solo-Marken gilt zusätzlich: ein konsistenter Name/Ort über Webseite, Impressum und Profilseiten — sonst zerfällt die Entity, selbst wenn einzelne Texte stark sind.
Typische Fehlinterpretationen vermeiden
- „Wir haben eine moderne Webseite“ — Design ≠ Agent-Ready; Fit Ø 82 zeigt den Modernisierungsbedarf der Kohorte.
- „Sitemap reicht“ — 63.8 % Sitemap vs. 13.4 % llms.txt: klassisches SEO ≠ Maschinen-Layer.
- „Wir sind unsichtbar, weil Markdown fehlt“ — Markdown 0.3 % ist branchenübergreifend; differenzierend sind Offer-Klarheit, llms.txt und JSON-LD.
- „Score hoch = wir werden empfohlen“ — Readiness ≠ Visibility; lokale Trennung siehe Bad Schönborn.
Wie zitierst du diese Branchenstudie?
Kurz: Kurzcitation: Modern Stack (2026), AI-Readiness Coaching — n=702, Agent-Ready Ø 18/100.
Empfohlene Kurzcitation: Modern Stack (2026): AI-Readiness Coaching — Branchenauswertung, n=702, Agent-Ready Ø 18/100. https://modern-stack.de/themen/ai-readiness-coaching-studie
Gesamtstudie und Methodik: modern-stack.de/studie. Lokale Vertiefungen: Bad Schönborn, Bruchsal.
Verwandte Branchen-Slices: Physiotherapie, Steuerberater, Psychologie, Fotografie, Dienstleistung, Gesundheitspraxis, Handwerk.
Kurz: Niedrigstes Agent-Ready-Mittel der Hauptbranchen — Offer-Definitionen und Maschinen-Layer zuerst, Stack danach, Visibility separat. Anfrage stellen
Mehr dazu: AI-Readiness deutscher Dienstleister-Webseiten — Studie, Zahlen und Handlungsbedarf
Quellen
- AI-Readiness deutscher Dienstleister-Webseiten (Modern Stack) — Modern Stack
Primärstudie mit Methodik und Gesamt-Charts.
- AI-Readiness von Coaching-Webseiten — Branchenstudie — Modern Stack
Branchen-Slice mit Kennzahlen, Vergleichstabelle und Charts.
- Agent-Ready-Score (Glossar) — Modern Stack
Definition der Score-Metrik.
- AI-Sichtbarkeit Bad Schönborn — Einmal-Census — Modern Stack
Primärnachweis Readiness ≠ Visibility (Discovery vs. Brand).
- GEO: Generative Engine Optimization (Aggarwal et al.) — arXiv / KDD 2024
Rahmen für Zitation und Sichtbarkeit in generativen Engines.
- GEO & AI-Sichtbarkeit — Modern Stack
Praktischer GEO-/AIO-Rahmen für Dienstleister.
Häufige Fragen
Wie AI-ready sind Coaching-Webseiten?
In der Modern-Stack-Branchenauswertung (702 Live-Audits, Stand 2026-10-08) liegt der mittlere Agent-Ready-Score bei 18/100. 87 % der Audits liegen unter 40. Charts: https://modern-stack.de/themen/ai-readiness-coaching-studie
Wie schneidet Coaching gegen den DE-Querschnitt ab?
Der DE-Querschnitt (n=9345) liegt bei Agent-Ready Ø 21/100. Coaching liegt bei Ø 18 (Δ -3).
Wie häufig gibt es eine llms.txt?
In dieser Branchenkohorte bei 13.4 % der Audits. Markdown-Negotiation bei 0.3 %.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
AI-Readiness misst, ob Maschinen deine Webseite technisch auslesen können (hier Agent-Ready Ø 18/100). AI-Sichtbarkeit misst, ob du in einer konkreten KI-Antwort genannt wirst. Diese Branchenpage berichtet Readiness-Census — keine Niche-Mention-Rate. Lokale Visibility-Messung: https://modern-stack.de/studie/bad-schoenborn/sichtbarkeit
Was sollten Coaches zuerst tun?
Was ist die Primärquelle?
Modern Stack AI-Readiness-Census (Live-Audits). Branchenpage mit Charts: https://modern-stack.de/themen/ai-readiness-coaching-studie — Methodik und Gesamtcensus: https://modern-stack.de/studie
Weiterlesen
- GEO & AI-Sichtbarkeit
Strategische und konkrete Analyse: warum moderne Webseiten für Google und KI-Systeme strukturiert sein müssen — und wie Modern Stack die technische und redaktionelle Grundlage für GEO, AIO und Zitation in generativen Antworten schafft.
- Agent-Ready-Score
Der Agent-Ready-Score (0–100) bewertet, wie gut eine Webseite für KI-Crawler und Assistenten nutzbar ist: Auffindbarkeit, Inhalt für Agenten und Bot-Zugangsregeln — gemessen über mehrere Seiten, nicht nur die Startseite.
- 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.
- llms.txt für Agenten
Was llms.txt und llms.json sind und nicht sind: Agent-Discovery, Markdown- Negotiation, Census-Zahlen und Abgrenzung zu Google-Rankings — Ergänzung zu crawlbarem HTML, kein Content-Ersatz.
- llms.txt
llms.txt ist ein 2024 vorgeschlagenes Format: eine Markdown-Datei unter /llms.txt, die Sprachmodellen Titel, Kurzbeschreibung und priorisierte Links einer Webseite liefert. Sie ergänzt HTML, ersetzt aber keine guten Seiten.
- Strukturierte Daten für GEO
JSON-LD und Schema.org als GEO-Infrastruktur: @graph mit Organization, LocalBusiness, FAQPage und Article, sameAs-Disziplin und Census-Gap 41,9 % — immer aligned mit sichtbarem Content, nie als alleiniger Zitationshebel.
- JSON-LD
JSON-LD (JSON for Linking Data) ist ein W3C-Standard, um Linked Data als JSON zu schreiben. Im HTML eingebettet, beschreibt es per Schema.org Firma, Angebote, FAQ und Glossarbegriffe für Suchmaschinen und KI-Systeme.
- Webseite-Modernisierung
Eltern-Angebot Webseite-Modernisierung bei Modern Stack: Migration ab 500 €, Redesign 1.000 €, Knowledge Graph 500 €, Conversion ab 500 €, Webseiten-Abo 49 €/Monat — Modul-Architektur, Entscheidungsbaum und Migrationspfade.
- Markdown-Negotiation
Bei Markdown-Negotiation liefert ein Server unter derselben URL HTML oder Markdown, je nachdem, was der Client im Accept-Header anfordert. KI-Agenten erhalten so reinen Text mit Struktur, Menschen weiterhin die normale Seite.
- Sichtbarkeit in ChatGPT
Strategische und konkrete Analyse: Sichtbarkeit in ChatGPT entsteht nicht durch ein Meta-Tag. Sie braucht crawlbare Originalquellen, eindeutige Marken- und Leistungsangaben, konsistente externe Bestätigung und zitierfähige Antworten.
- Webseiten für KMU & Mittelstand
KMU modernisieren ihre Webseite am wirtschaftlichsten schrittweise: vorhandene Inhalte sichern, kritische Seiten auf stabiler Technik veröffentlichen und danach Fachthemen, Regionen und Conversion-Pfade anhand realer Prioritäten ausbauen — mit festem Entscheidungsrahmen und Preisen.
- Sichtbarkeit in Perplexity
Strategische und konkrete Analyse: Perplexity-Sichtbarkeit bedeutet vor allem, als aktuelle und belegbare Quelle in Antworten zitiert zu werden — mit klaren Passagen, zugänglichen Seiten, präzisen Entities und Primärquellen.
- Modern Stack
Modern Stack modernisiert bestehende Unternehmenswebseiten im D-A-CH-Raum — Technik erneuern, Inhalte behalten, lokal und in der KI-Suche sichtbar bleiben. Sitz Bad Schönborn, Kontakt info@modern-stack.de.
- WordPress-Migration
WordPress zu Next.js migrieren — Headless vs. Re-Platforming, Phasenplan, Redirects, Cutover und Betrieb. Inhalte bleiben. Ab 500 €.
- 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.
- Conversion & Anfragen
Formulare, CTAs, Trust-Signale, WhatsApp und mobiler Funnel vom Besuch zur Anfrage — ohne WordPress-Formular-Plugins. Ab 500 € als Modul der Webseite-Modernisierung. Stack-Migration allein repariert kein schwaches Angebot.
- AIO & AI Overviews
Strategische und konkrete Analyse: wie Google AI Overviews Sichtbarkeit verändern — Zero-Click steigt, Zitation wird zur Währung — und was Webseiten technisch und redaktionell dafür brauchen.
- Extrahierbarkeit
Extrahierbarkeit beschreibt, wie zuverlässig sich Fakten aus einer Webseite herauslösen lassen — durch Menschen, Crawler und KI-Modelle. Sauberes HTML, klare Überschriften und eigenständige Antwortabschnitte erhöhen sie; Layout-Ballast und JavaScript-Hüllen senken sie.
- Direct Answer
Ein Direct Answer ist die kompakte, in sich geschlossene Antwort auf die Hauptfrage einer Seite — sichtbar im ersten Block, typisch 40–80 Wörter. Er macht eine Seite für Menschen, Snippets und KI-Assistenten sofort zitierfähig.
- Zitation
Zitation bedeutet in der KI-Suche: Ein System wie ChatGPT, Perplexity oder Google AI Overviews nennt deine Marke, URL oder Aussage als Quelle in einer generierten Antwort. Dafür brauchst du überprüfbare Fakten, klare Struktur und Seiten, die Maschinen sauber lesen können.
- AI-Readiness in Bad Schönborn — lokale Studie zu Dienstleister-Webseiten
Primärstudie zur AI-Readiness und AI-Sichtbarkeit von Dienstleister-Webseiten in Bad Schönborn inkl. Mingolsheim und Langenbrücken: Agent-Ready-Scores, Discovery-Mentions in KI-Suche, llms.txt und Handlungsempfehlungen.
- 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.
- AI-Readiness von Physiotherapie-Webseiten — Branchenstudie
Empirische Branchenauswertung: 2854 Live-Audits zu Physiotherapie, Agent-Ready Ø 19/100, Fit Ø 81/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
- AI-Readiness von Steuerberater-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1524 Live-Audits zu Steuerberater, Agent-Ready Ø 22/100, Fit Ø 78/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
- AI-Readiness von Psychologie- und Therapie-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1272 Live-Audits zu Psychologie, Agent-Ready Ø 25/100, Fit Ø 75/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
- AI-Readiness von Fotografie-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1262 Live-Audits zu Fotografie, Agent-Ready Ø 25/100, Fit Ø 75/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
- AI-Readiness gemischter Dienstleister-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1622 Live-Audits zu Dienstleistung, Agent-Ready Ø 22/100, Fit Ø 78/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
- AI-Readiness von Gesundheitspraxis-Webseiten — Richtungsstudie
Empirische Branchenauswertung: 74 Live-Audits zu Gesundheitspraxis, Agent-Ready Ø 20/100, Fit Ø 80/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
- AI-Readiness von Handwerks-Webseiten — Richtungsstudie
Empirische Branchenauswertung: 35 Live-Audits zu Handwerk, Agent-Ready Ø 19/100, Fit Ø 81/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.