Branche
Fotografie: AI-Readiness-Studie (n=1262)
Direkte Antwort
Fotografie-Webseiten liegen beim Agent-Ready-Mittel über dem Gesamtschnitt — und haben den geringsten Legacy-CMS-Anteil der großen Branchen. In 1262 Live-Audits liegt der mittlere Agent-Ready-Score bei 25/100, der Fit (Modernisierungsbedarf) bei 75/100; 71.7 % der Audits liegen unter 40. llms.txt nur bei 14.6 %. 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 Fotografie: n=1262 (13.5 % des Census).
- Agent-Ready Ø 25 · Fit Ø 75 · Δ zum DE-Mittel +4.
- AR < 40: 71.7 % · llms.txt: 14.6 % · JSON-LD: 36.1 %.
- Häufigste Findings (ohne Markdown): Kein llms.txt (85.4 %); Wenig strukturierte Daten (69.4 %); Agent-Ready Level niedrig (52.2 %); Kein klares robots.txt (37 %).
- CMS-Schwerpunkte: WordPress (437), Divi (205), Jimdo (24).
- Readiness misst technische Extrahierbarkeit — nicht, ob ChatGPT dich als Fotograf:in nennt.
Audits in dieser Branche
1.262
Agent-Ready Ø
25/100
Fit Ø (Modernisierungsbedarf)
75/100
Anteil am Gesamt-Census
13,5 %
| 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 — Fotografie
Anteil der Audits mit positivem Signal
- llms.txt vorhanden14,6 %n=184
- JSON-LD erkannt36,1 %n=456
- Sitemap vorhanden64,7 %n=817
- robots.txt vorhanden63,0 %n=795
- Legacy-CMS erkannt54,1 %n=683
- Markdown-Negotiation0,1 %n=1
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| llms.txt vorhanden | 14,6 % | 184 |
| JSON-LD erkannt | 36,1 % | 456 |
| Sitemap vorhanden | 64,7 % | 817 |
| robots.txt vorhanden | 63,0 % | 795 |
| Legacy-CMS erkannt | 54,1 % | 683 |
| Markdown-Negotiation | 0,1 % | 1 |
Häufigste Findings — Fotografie
ohne Markdown (nahezu 100 % in allen Branchen)
- Kein llms.txt85,4 %n=1.078
- Wenig strukturierte Daten69,4 %n=876
- Agent-Ready Level niedrig52,2 %n=659
- Kein klares robots.txt37,0 %n=467
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Kein llms.txt | 85,4 % | 1.078 |
| Wenig strukturierte Daten | 69,4 % | 876 |
| Agent-Ready Level niedrig | 52,2 % | 659 |
| Kein klares robots.txt | 37,0 % | 467 |
Agent-Ready-Verteilung
Fotografie: Anteil je Score-Band
- Agent-Ready 0-1948,3 %n=609
- Agent-Ready 20-3923,5 %n=296
- Agent-Ready 40-5919,8 %n=250
- Agent-Ready 60-795,2 %n=65
- Agent-Ready 80-1003,3 %n=42
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Agent-Ready 0-19 | 48,3 % | 609 |
| Agent-Ready 20-39 | 23,5 % | 296 |
| Agent-Ready 40-59 | 19,8 % | 250 |
| Agent-Ready 60-79 | 5,2 % | 65 |
| Agent-Ready 80-100 | 3,3 % | 42 |
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 |
Buchungsentscheidungen laufen über Stil, Ort und Angebot. KI-Assistenten brauchen dafür Text und Struktur — nicht nur Bildergalerien. Reine Portfolio-Shells ohne Leistungs- und Ortsfakten werden selten zitiert, auch wenn die Galerie stark ist. Diese Branchenauswertung von Modern Stack zeigt, warum Fotografie relativ stärker beim Agent-Ready-Mittel abschneidet, wo der Maschinen-Layer trotzdem dünn bleibt, und welche Reihenfolge aus den Findings folgt. Gesamtmethodik: AI-Readiness-Studie Dienstleister. Kennzahlen Stand 2026-10-08. Die Audits bewerten Extrahierbarkeit — keine Bildqualität und keine Urheberrechtslage.
Was bedeutet „über dem Schnitt“ bei 71.7 % unter 40?
Kurz: Ø 25 (Δ +4) ist relativ stark — die Mehrheit der Sites in dieser Kohorte liegt trotzdem unter 40.
Der geringste Legacy-CMS-Anteil der großen Branchen (54.1 %) erklärt einen Teil der Varianz: weniger Pagebuilder-Ballast im Schnitt. Er erklärt nicht llms.txt nur 14.6 %, JSON-LD 36.1 % oder Markdown-Negotiation 0.1 %. Gegen Coaching (Ø 18) und Physiotherapie (Ø 19) führt Fotografie; gegen den Anspruch „Assistenten können mich empfehlen und einordnen“ bleibt der Gap groß. Sitemap 64.7 % und jev-Crawl Ø 83 vs. jev-llms Ø 26 zeigen erneut: Crawl vor LLM-Layer.
Was ist AI-Readiness für Fotografie?
Kurz: AI-Readiness misst, wie gut eine Portfolio-/Buchungs-Webseite von Suchmaschinen und generativen Systemen.
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 Audits messen technische AI-Readiness und Extrahierbarkeit, keine künstlerische Bewertung.
Für Fotografinnen und Fotografen heißt das: Angebotskategorien, Regionen, Preismodelle (falls öffentlich) und Kontakt müssen als Text existieren. Reine Portfolio-Shells ohne Leistungs- und Ortsfakten werden selten zitiert — auch wenn die Galerie stark ist. Client-only-Galerien ohne crawlbaren Fallback sind ein Extraktionsrisiko.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
Kurz: Readiness = Lesbarkeit der Webseite. Visibility = Nennung in der Antwort. Höheres Mittel (+4) ≠ Empfehlungsgarantie.
| AI-Readiness | AI-Sichtbarkeit | |
|---|---|---|
| Alltagsfrage | Kann ein System deine Foto-Webseite lesen? | Wirst du als Fotograf:in in der KI-Antwort genannt? |
| Messung hier | Live-Audit, Agent-Ready 0–100 | separate Prompt-/Mention-Messung |
| Diese Kohorte | 1262 Audits → Ø 25/100 | nicht als Niche-Mention-Rate ausgewiesen |
| Was du steuern kannst | Offer-/Ortstext, Schema, llms.txt, crawlbare Galerien | nur indirekt über Lesbarkeit + zitierfähige Fakten |
| Was daraus nicht folgt | Ø 25 = „fertig für ChatGPT“ | eine Nennung = dauerhafte Garantie |
Lokal getrennt gemessen (Bad Schönborn): Discovery 25 % vs. Brand 91,7 %. Fehlen von llms.txt ist Readiness-Befund — kein automatischer Nachweis, dass dein Studio unsichtbar ist. Rahmen: GEO & AI-Sichtbarkeit, ChatGPT-Sichtbarkeit.
Was zeigen die Zahlen für Fotografie?
Kurz: Stärkstes Mittel der hier verglichenen großen Nischen (25, Δ +4) — und trotzdem 71.7 % unter 40.
Kennzahlen dieser Kohorte (Stand 2026-10-08):
| Metrik | Fotografie | DE-Querschnitt |
|---|---|---|
| Audits (n) | 1262 | 9345 |
| Agent-Ready Ø | 25 | 21 |
| Fit Ø | 75 | — |
| Anteil AR < 40 | 71.7 % | — |
| llms.txt | 14.6 % | — |
| JSON-LD | 36.1 % | — |
| Sitemap | 64.7 % | — |
| Legacy-CMS | 54.1 % | — |
| Markdown-Negotiation | 0.1 % | — |
Crawl-nahe Scores (falls gemessen): jev-Crawl Ø 83, jev-llms Ø 26 — Crawl vor LLM-Layer. Δ zum DE-Mittel: +4 Agent-Ready-Punkte.
Häufigste Findings (ohne Markdown): kein llms.txt (85.4 %); wenig strukturierte Daten (69.4 %); Agent-Ready Level niedrig (52.2 %); kein klares robots.txt (37 %).
Legacy-CMS 54.1 % — geringster Anteil der großen Branchen. Das erklärt Varianz, nicht Abschluss der Modernisierung. Markdown-Negotiation 0.1 % bleibt systemisch nahe null. Differenzierend: höheres Mittel, niedrigere Legacy-Quote, trotzdem dünner Maschinen-Layer.
Warum scheitern viele Sites trotz „eigener Webseite“?
Kurz: Visuell starke Sites können technisch modern wirken und trotzdem keinen Maschinen-Layer haben.
Kaum Markdown, selten llms.txt, oft schwaches JSON-LD. Der etwas höhere Agent-Ready-Mittelwert und niedrigere Legacy-CMS-Anteil zeigen Varianz — nicht „Fotografie ist fertig“. Assistenten brauchen Text zu Stil, Ort und Buchungsweg; Bilder allein sind schlecht zitierfähig.
Princeton GEO (arXiv:2311.09735) belohnt klare Aussagen auf extrahierbarer Basis. Typische Bruchstellen:
- Galerie ohne Offer-Text — „Hochzeitsfotografie Region X, Pakete, Ablauf“ fehlt als Absatz.
- Kein llms.txt bei 85.4 %.
- Schema dünn — JSON-LD 36.1 %; CreativeWork/LocalBusiness oft fehlend.
- robots unklar bei 37 % — plus Client-only-Galerien, die Crawler leer sehen.
- Performance — bildschwere Pages ohne moderne Auslieferung treffen Core Web Vitals und Crawl-Timeouts.
Wie liest man die Vergleichstabelle richtig?
Kurz: Δ +4 ist relativ stark — 71.7 % unter 40 bleibt der Modernisierungsdruck für die Masse.
Drei Leseregeln:
- Mittel 25 plus Anteil unter 40 lesen; „über dem Schnitt“ ≠ Mehrheit fertig.
- llms.txt/JSON-LD als Proxy; Legacy 54.1 % erklärt nicht den Maschinen-Layer.
- n=1262 (13.5 % des Census) ist robust für Vergleiche mit Physiotherapie, Coaching, Steuerberater.
Gegen Coaching (Ø 18) und Physio (Ø 19) liegt Fotografie klar höher; gegen den Anspruch „Assistenten können mich buchen/empfehlen“ bleibt der Gap groß.
Welche CMS-Muster tauchen auf?
Kurz: WordPress/Divi weiterhin häufig, Jimdo sichtbar — niedrigere Legacy-Quote ≠ fertiger Maschinen-Layer.
In dieser Kohorte: WordPress (437), Divi (205), Jimdo (24). Legacy-CMS erkannt bei 54.1 %. CMS allein sagt den Agent-Ready-Score nicht vorher. Stack-Wechsel (WordPress-Migration, Next.js vs WordPress) hilft Extraktion und Performance — ersetzt aber nicht Offer-Text, Schema und llms.txt.
Was folgt daraus für GEO und AIO?
Kurz: Zitierfähig sind Stil + Ort + Angebot als Text — nicht die Lightbox.
GEO und AIO belohnen zitierfähige Fakten, konsistente Entities und abrufbare Passagen (Grounding, RAG, Zitation). Für Fotografinnen und Fotografen mit Portfolio- und Buchungswebseiten 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 Perplexity-Sichtbarkeit und Conversion & Anfragen.
„Hochzeitsfotografie in Region X — Reportage, Vorbereitung, Buchung“ als Direct Answer ist für Assistenten nutzbarer als eine reine Grid-Galerie. Trotz Ø 25 und Legacy nur 54.1 % haben nur 14.6 % eine llms.txt und 36.1 % JSON-LD — der relative Vorsprung der Niche liegt also nicht am fertigen Maschinen-Layer. Princeton GEO (arXiv:2311.09735) setzt voraus, dass Fakten überhaupt extrahierbar sind; Client-only-Portfolios ohne Text-Fallback scheitern daran systematisch.
Was solltest du konkret umsetzen?
Kurz: Offer-/Regionstext + llms.txt + Schema + crawlbare Galerien — dann Performance/Stack.
Ergänze Angebotskategorien, Regionen und Kontakt als extrahierbaren Text, setze CreativeWork/LocalBusiness wo passend, publish llms.txt, halte Galerien crawlbar (nicht nur Client-only). Pfad: Webseite-Modernisierung, llms.txt für Agenten, Structured Data & GEO, bei schweren Portfolios Core Web Vitals.
Beispiel-Kurzstruktur:
# Fotografie Beispiel — Name, Ort
> Hochzeits- und Portraitfotografie in Region X / Ort Y.
# Angebote
- Hochzeit (Reportage)
- Business-Portrait
- Buchung: Anfrageformular / E-Mail
# Einzugsgebiet
- Ort, Umland, optional Reise
# Kontakt
- Name, Ort, E-Mail, Telefon
Reihenfolge aus den Findings:
- Messung — Webseite-Check.
- Maschinen-Layer — llms.txt, Schema, Direct Answers, Bot-Zugang, crawlbarer Text neben Bildern.
- Technik-Basis — Pagebuilder/JS-Shell ablösen, wenn Extraktion/LCP scheitern.
- Monitoring — Agent-Ready und (separat) Zitationen; Galerie-Redesign allein misst nichts.
Wie priorisierst du die Findings in der Praxis?
Kurz: Trotz relativ starkem Mittel (Ø 25) führt „kein llms.txt“ (85.4 %) — Offer-/Ortstext und Maschinen-Kurzform.
| Priorität | Hebel | Warum zuerst |
|---|---|---|
| 1 | Angebot + Region als Textabsatz | Assistenten zitieren Text, nicht Lightboxes |
| 2 | llms.txt | Finding 85.4 %; Prävalenz nur 14.6 % |
| 3 | CreativeWork/LocalBusiness-JSON-LD | JSON-LD 36.1 %; „wenig strukturierte Daten“ 69.4 % |
| 4 | robots.txt klären | 37 % ohne klares robots.txt |
| 5 | Galerien crawlbar (SSR/Fallback) | Client-only-Shells = Extraktionsrisiko |
| 6 | Performance / Stack | Legacy 54.1 % — niedrigster Großbranchen-Anteil, trotzdem oft WordPress/Divi |
jev-Crawl Ø 83 vs. jev-llms Ø 26: Crawl vor LLM-Layer. Δ +4 zum DE-Mittel ist relativ stark — 71.7 % unter 40 und Markdown 0.1 % zeigen trotzdem Modernisierungsbedarf für die Masse.
Einordnung: Fotografie führt die großen Nischen beim Mittel; Coaching (Ø 18) und Physiotherapie (Ø 19) liegen klar darunter, Steuerberater (Ø 22) dazwischen. Der Blindspot hier ist „visuell stark, textlich dünn“ — nicht fehlendes Design.
Lokale Visibility-Hilfe: Bad Schönborn (Discovery vs. Brand). Korrelation in Bändern ≠ Buchungs- oder Mention-Garantie.
Wann reichen Texte — und wann brauchst du Migration?
Kurz: Wenn Portfolio trägt, aber Offer/Ort/Schema fehlen: Maschinen-Layer. Wenn JS-Galerien, LCP und Pagebuilder.
- Text + Schema + llms.txt zuerst — schnellster Weg, Assistenten überhaupt etwas Zitierfähiges zu geben.
- Core Web Vitals / Bildpipeline parallel bei schweren Portfolios — Core Web Vitals Modernisierung.
- Migration, wenn WordPress (437) / Divi (205) oder Client-only-Stacks Extraktion und Wartung dominieren — WordPress-Migration, Webseite-Modernisierung, Next.js vs WordPress.
- Jimdo (24): oft schnell, selten agent-ready — Offer-Text und Schema trotzdem nachziehen.
Ein neues Theme ohne Direct Answers und ohne llms.txt hebt Visibility nicht zuverlässig. Audit = Readiness; Visibility bleibt getrennt und optional separat zu messen.
Welche Grenzen hat diese Methodik?
Kurz: Technischer Readiness-Census — kein Portfolio-Wettbewerb und keine DE-weite Mention-Studie Fotografie.
- Stichprobe: n=1262 (13.5 % des Census), Stand 2026-10-08, Discovery-/Outreach-getrieben.
- Kein Kunst-Urteil: Score ≠ Bildqualität oder Stil.
- Readiness ≠ Visibility: keine Niche-Mention-Rate; lokale Korrelation Bad Schönborn.
- CMS heuristisch; Markdown 0.1 % systemisch nahe null.
- Δ +4 / Legacy 54.1 % nicht als „Branche fertig“ lesen — 71.7 % unter 40 bleiben.
- Client-Galerien: Audit kann fehlenden Text sehen; visuelle Qualität misst er nicht.
- Fit Ø 75: Modernisierungsbedarf als Spiegel — kein Preissignal.
- Urheberrecht: technische Empfehlungen ändern nichts an Bildrechten oder Lizenzfragen.
Welche Checkliste gilt vor dem nächsten Audit?
Kurz: Vor dem Re-Audit: Angebotstext, Buchungsweg, Schema und llms.txt prüfen — Visibility separat messen.
Angebotskategorien und Regionen als Text, Buchungsweg sichtbar, llms.txt live, CreativeWork/LocalBusiness wo passend, Galerien mit crawlbarem Fallback, robots/Sitemap geprüft, schwere Bilder ohne LCP-Kollaps, Agent-Ready erneut gemessen. Visibility nur behaupten mit eigener Stichprobe — Ø 25/100 und Legacy 54.1 % beschreiben relative Stärke, nicht „Assistenten-Empfehlung garantiert“. Für Studio-Marken: Name/Ort/Stil konsistent über Webseite, Impressum und Profil — sonst zerfällt die Entity trotz starker Bilder. Wenn Client-only-Galerien oder Pagebuilder (WordPress 437, Divi 205) die Extraktion weiter blockieren: Performance-/Migrationspfad bewusst wählen — Core Web Vitals und Stack-Wechsel folgen dem Maschinen-Layer, ersetzen ihn nicht.
Typische Fehlinterpretationen vermeiden
- „Wir sind über dem DE-Mittel — fertig“ — 71.7 % unter 40 und llms.txt 14.6 % bleiben der Handlungsdruck.
- „Weniger Legacy-CMS = agent-ready“ — 54.1 % Legacy ist besser als Physio (67.9 %), ersetzt aber keinen Maschinen-Layer.
- „Galerie = Content“ — ohne Offer-/Ortstext fehlt Zitierstoff für Assistenten.
- „Markdown fehlt nur bei uns“ — 0.1 % ist systemisch; differenziert über Text, Schema und llms.txt.
Wie zitierst du diese Branchenstudie?
Kurz: Kurzcitation: Modern Stack (2026), AI-Readiness Fotografie — n=1262, Agent-Ready im Branchenschnitt.
Empfohlene Kurzcitation: Modern Stack (2026): AI-Readiness Fotografie — Branchenauswertung, n=1262, Agent-Ready Ø 25/100. https://modern-stack.de/themen/ai-readiness-fotografie-studie
Gesamtstudie und Methodik: modern-stack.de/studie. Lokale Vertiefungen: Bad Schönborn, Bruchsal.
Verwandte Branchen-Slices: Physiotherapie, Coaching, Steuerberater, Psychologie, Dienstleistung, Gesundheitspraxis, Handwerk.
Die nächste sinnvolle Messung ist derselbe Audit-Maßstab wie in der Studie (Webseite-Check): Agent-Ready, llms.txt, JSON-LD, crawlbarer Offer-Text neben der Galerie — Visibility getrennt denken.
Kurz: Relativ stärkstes Mittel der großen Nischen — trotzdem Maschinen-Layer und Offer-Text vor Galerie-Kosmetik. 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 Fotografie-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.
- Core Web Vitals Modernisierung — Modern Stack
Performance-Rahmen für bildschwere Portfolio-Sites.
Häufige Fragen
Wie AI-ready sind Fotografie-Webseiten?
In der Modern-Stack-Branchenauswertung (1262 Live-Audits, Stand 2026-10-08) liegt der mittlere Agent-Ready-Score bei 25/100. 71.7 % der Audits liegen unter 40. Charts: https://modern-stack.de/themen/ai-readiness-fotografie-studie
Wie schneidet Fotografie gegen den DE-Querschnitt ab?
Der DE-Querschnitt (n=9345) liegt bei Agent-Ready Ø 21/100. Fotografie liegt bei Ø 25 (Δ +4).
Wie häufig gibt es eine llms.txt?
In dieser Branchenkohorte bei 14.6 % der Audits. Markdown-Negotiation bei 0.1 %.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
AI-Readiness misst, ob Maschinen deine Webseite technisch auslesen können (hier Agent-Ready Ø 25/100). 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 Fotografinnen und Fotografen zuerst tun?
- Webseite-Check. 2) Angebotskategorien, Regionen und Kontakt als extrahierbaren Text (nicht nur Galerie). 3) llms.txt. 4) CreativeWork/LocalBusiness-Schema wo passend. 5) Galerien crawlbar halten (nicht nur Client-only) und robots.txt prüfen.
Was ist die Primärquelle?
Modern Stack AI-Readiness-Census (Live-Audits). Branchenpage mit Charts: https://modern-stack.de/themen/ai-readiness-fotografie-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.
- 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.
- Core Web Vitals & Modernisierung
Warum LCP, INP und CLS zur Webseite-Modernisierung gehören — Mechanik der drei Metriken, wie WordPress und Pagebuilder sie brechen, und warum Next.js SSG/Edge oft von 2,5–4,0 s auf ~0,8 s LCP kommt.
- 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.
- 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 Coaching-Webseiten — Branchenstudie
Empirische Branchenauswertung: 702 Live-Audits zu Coaching, Agent-Ready Ø 18/100, Fit Ø 82/100 — 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 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.