Branche
Gesundheitspraxis: AI-Readiness-Studie (n=74)
Direkte Antwort
Gesundheitspraxis-Webseiten zeigen in einer kleinen Stichprobe dasselbe AI-Readiness-Loch wie größere Gesundheitsnischen — mit besonders seltenem llms.txt. In 74 Live-Audits liegt der mittlere Agent-Ready-Score bei 20/100, der Fit (Modernisierungsbedarf) bei 80/100; 86.5 % der Audits liegen unter 40. llms.txt nur bei 10.8 %. 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 Gesundheitspraxis: n=74 (0.8 % des Census).
- Agent-Ready Ø 20 · Fit Ø 80 · Δ zum DE-Mittel -1.
- AR < 40: 86.5 % · llms.txt: 10.8 % · JSON-LD: 47.3 %.
- Häufigste Findings (ohne Markdown): Kein llms.txt (89.2 %); Agent-Ready Level niedrig (73 %); Wenig strukturierte Daten (55.4 %); Sitemap unklar (29.7 %).
- CMS-Schwerpunkte: WordPress (27), Divi (18), Elementor (2).
- Hinweis: kleine Stichprobe — Richtungssignal, keine bevölkerungsweite Schätzung.
- Readiness misst technische Extrahierbarkeit — nicht, ob ChatGPT die Praxis nennt.
Audits in dieser Branche
74
Agent-Ready Ø
20/100
Fit Ø (Modernisierungsbedarf)
80/100
Anteil am Gesamt-Census
0,8 %
Stichprobe n=74 — Zahlen sind Richtungssignale, keine bevölkerungsweiten Schätzungen. Der Querschnitt mit ≥100 Audits bleibt die robustere Vergleichsbasis.
| 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 — Gesundheitspraxis
Anteil der Audits mit positivem Signal
- llms.txt vorhanden10,8 %n=8
- JSON-LD erkannt47,3 %n=35
- Sitemap vorhanden70,3 %n=52
- robots.txt vorhanden74,3 %n=55
- Legacy-CMS erkannt66,2 %n=49
- Markdown-Negotiation0,0 %n=0
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| llms.txt vorhanden | 10,8 % | 8 |
| JSON-LD erkannt | 47,3 % | 35 |
| Sitemap vorhanden | 70,3 % | 52 |
| robots.txt vorhanden | 74,3 % | 55 |
| Legacy-CMS erkannt | 66,2 % | 49 |
| Markdown-Negotiation | 0,0 % | 0 |
Häufigste Findings — Gesundheitspraxis
ohne Markdown (nahezu 100 % in allen Branchen)
- Kein llms.txt89,2 %n=66
- Agent-Ready Level niedrig73,0 %n=54
- Wenig strukturierte Daten55,4 %n=41
- Sitemap unklar29,7 %n=22
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Kein llms.txt | 89,2 % | 66 |
| Agent-Ready Level niedrig | 73,0 % | 54 |
| Wenig strukturierte Daten | 55,4 % | 41 |
| Sitemap unklar | 29,7 % | 22 |
Agent-Ready-Verteilung
Gesundheitspraxis: Anteil je Score-Band
- Agent-Ready 0-1948,6 %n=36
- Agent-Ready 20-3937,8 %n=28
- Agent-Ready 40-5913,5 %n=10
- Agent-Ready 60-790,0 %n=0
- Agent-Ready 80-1000,0 %n=0
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Agent-Ready 0-19 | 48,6 % | 36 |
| Agent-Ready 20-39 | 37,8 % | 28 |
| Agent-Ready 40-59 | 13,5 % | 10 |
| Agent-Ready 60-79 | 0,0 % | 0 |
| Agent-Ready 80-100 | 0,0 % | 0 |
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 |
Stichprobenhinweis: n=74. Die Zahlen sind belastbar als Richtung im Kontext der Gesamtstudie und der großen Physio-Kohorte, nicht als fein aufgelöste Bevölkerungsstatistik.
Lokale Gesundheitsangebote konkurrieren in KI-Antworten mit Portalen und Ketten. Ohne Entity-Klarheit und maschinenlesbare Fakten bleibt die eigene Praxis unsichtbar. Diese Richtungsstudie von Modern Stack zeigt dasselbe Strukturproblem wie Physio — bei kleinerem n und noch seltenerem llms.txt. Primärquelle: diese Seite; Gesamtmethodik: AI-Readiness-Studie Dienstleister. Kennzahlen Stand 2026-10-08. Heilmittelwerbung und Berufsrecht bleiben Praxisverantwortung.
Warum „Richtungssignal“ und nicht „Bevölkerungsstatistik“?
Kurz: Bei n=74 sind Mittelwerte als Richtung lesbar — Einzelprozente nicht überinterpretieren.
Die Richtung ist klar: Agent-Ready Ø 20 (Δ −1), 86.5 % unter 40, llms.txt 10.8 %. Relativ höhere JSON-LD-Quote (47.3 %) ist ermutigend — ersetzt aber weder llms.txt noch Agent-Ready. Wer Brand Citations braucht, zitiert diese Seite mit Stichprobenhinweis und verweist parallel auf Physio/DE.
Was ist AI-Readiness für Gesundheitspraxis?
Kurz: AI-Readiness misst maschinenlesbare Auffindbarkeit bei kleinen Gesundheitspraxen — Richtungssignal, keine Behandlungsqualität.
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. Kleine Stichprobe — Werte sind Richtungssignale. Heilmittelwerbung und Berufsrecht bleiben Praxisverantwortung; die Studie misst keine Behandlungsqualität.
Für Nicht-Physio-Gesundheitspraxen gilt technisch dieselbe Priorität wie für Physio: LocalBusiness/Service-Schema, llms.txt, Direct Answers, Bot-Zugang, datenschutzfeste Formulare (Datenschutz & Formulare). Modernisierungspfad verwandt: Physio-Webseite modernisieren.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
Kurz: Readiness = technische Lesbarkeit. Visibility = Nennung in einer konkreten Antwort. Beides anstreben — Zahlen nicht.
| AI-Readiness | AI-Sichtbarkeit | |
|---|---|---|
| Alltagsfrage | Kann ein System die Praxis-Webseite lesen? | Wird die Praxis in der KI-Antwort genannt? |
| Messung hier | Live-Audit, Agent-Ready 0–100 | separate Prompt-/Mention-Messung |
| Diese Kohorte | 74 Audits → Ø 20/100 | nicht als Niche-Mention-Rate ausgewiesen |
| Was du steuern kannst | Markup, Leistungs-/Ortsfakten, Bot-Zugang | nur indirekt über Lesbarkeit + zitierfähige Antworten |
| Was daraus nicht folgt | Score 80 = automatische Empfehlung | eine Nennung = dauerhafte Garantie |
Lokal getrennt gemessen (Bad Schönborn): Discovery 25 % vs. Brand 91,7 %. Fehlen von llms.txt (89.2 % Finding) ist Readiness-Befund — kein automatischer Nachweis, dass deine Praxis unsichtbar ist. Rahmen: GEO & AI-Sichtbarkeit, ChatGPT-Sichtbarkeit.
Was zeigen die Zahlen für Gesundheitspraxis?
Kurz: Richtung wie große Gesundheitsnischen — Mittel 20, Masse unter 40, llms.txt besonders selten (10.8 %).
Kennzahlen dieser Kohorte (Stand 2026-10-08):
| Metrik | Gesundheitspraxis | DE-Querschnitt |
|---|---|---|
| Audits (n) | 74 | 9345 |
| Agent-Ready Ø | 20 | 21 |
| Fit Ø | 80 | — |
| Anteil AR < 40 | 86.5 % | — |
| llms.txt | 10.8 % | — |
| JSON-LD | 47.3 % | — |
| Sitemap | 70.3 % | — |
| Legacy-CMS | 66.2 % | — |
| Markdown-Negotiation | 0 % | — |
Crawl-nahe Scores (falls gemessen): jev-Crawl Ø 80, jev-llms Ø 26 — klassisches Crawling oft stärker als der LLM-/Agenten-Layer. Δ zum DE-Mittel: −1 Agent-Ready-Punkte.
Häufigste Findings (ohne Markdown): kein llms.txt (89.2 %); Agent-Ready Level niedrig (73 %); wenig strukturierte Daten (55.4 %); Sitemap unklar (29.7 %).
Über alle Branchen hinweg liegt Markdown-Negotiation nahe 0 % — systemisches Defizit, kein Niche-Alleinstellungsmerkmal. Differenzierend: llms.txt (hier besonders niedrig), JSON-LD (hier relativ höher), Agent-Ready-Verteilung und Legacy-CMS.
Warum scheitern viele Sites trotz „eigener Webseite“?
Kurz: Weil „eigene Webseite“ oft Design und CMS meint — nicht Extrahierbarkeit; n ist klein, die Richtung passt trotzdem.
Relativ höhere JSON-LD- (47.3 %) und Sitemap-Quoten (70.3 %) sind ermutigend, ersetzen aber nicht llms.txt und Agent-Ready. Ergebnisse sollten mit der großen Physio-Kohorte und der Gesamtstudie gelesen werden. Princeton GEO (arXiv:2311.09735) belohnt klare Aussagen auf extrahierbarer Basis.
Typische Bruchstellen (Richtung):
- Kein llms.txt bei 89.2 % — kürzestes Maschinen-Portrait fehlt.
- Niedriges Agent-Ready-Level bei 73 %.
- Schema lückenhaft trotz relativ besserer JSON-LD-Quote — Finding „wenig strukturierte Daten“ 55.4 %.
- Sitemap unklar bei 29.7 %.
Wie liest man die Vergleichstabelle richtig?
Kurz: Kleine Nischen mit Warnhinweis lesen — Mittel und Quoten als Richtung, nicht als fein aufgelöste Ranking-Tabelle.
Die Tabelle oben stellt Gesundheitspraxis den anderen Nischen mit n ≥ 100 gegenüber. Leseregeln:
- Mittel + Verteilung: Ø 20 bei 86.5 % unter 40 = Masse im Modernisierungsbereich — Richtung wie Physio.
- llms.txt / JSON-LD als Proxy — hier: Schema relativ besser, llms.txt schwächer.
- n=74 → Richtungssignal; robuste Vergleiche über Physio (n=2854) und DE (n=9345).
Δ −1 zum DE-Mittel (Ø 21). Anteil am Census: 0.8 %.
Welche CMS-Muster tauchen auf?
Kurz: WordPress/Divi dominieren — CMS allein sagt den Agent-Ready-Score nicht vorher.
In dieser Kohorte: WordPress (27), Divi (18), Elementor (2). Legacy-CMS erkannt bei 66.2 %. Wer nur „weg vom Pagebuilder“ denkt und keinen Maschinen-Layer baut, bleibt unsichtbar. Migration: WordPress-Migration, Next.js vs WordPress; Maschinen-Layer danach: llms.txt, Schema, Direct Answers.
Was folgt daraus für GEO und AIO?
Kurz: Leistung, Ort, NAP und Kontaktweg müssen als Text stehen — GEO/AIO belohnen Passagen, nicht nur Buttons.
GEO und AIO belohnen zitierfähige Fakten, konsistente Entities und abrufbare Passagen (Grounding, RAG, Zitation). Für Nicht-Physio-Gesundheitspraxen: Leistungsdefinitionen, Ort, NAP und Kontaktweg als Text. Siehe Zero-Click, Perplexity-Sichtbarkeit.
Was solltest du konkret umsetzen?
Kurz: Messen → llms.txt → Schema/Direct Answers → Technik-Basis → Monitoring — Ergebnisse mit Physio/DE lesen.
Priorität 1: llms.txt (nur 10.8 %). Priorität 2: LocalBusiness/Service-JSON-LD. Priorität 3: Direct Answers ohne Heilversprechen. Pfad: Physio-Webseite, Webseite-Modernisierung, Physio-Branchenstudie.
Minimaler llms.txt-Kern (Beispiel — anpassen):
# Gesundheitspraxis Beispiel — Ort
> Praxis für … in …
# Leistungen
- Kernangebote (sachlich, ohne Heilversprechen)
- Termin / Kontaktweg
# Kontakt
- Adresse, Telefon, E-Mail
- Öffnungszeiten
# Hinweise
- Keine Heilversprechen; Angaben ohne Gewähr auf Aktualität
Reihenfolge:
- Messung — Webseite-Check oder Outreach-Report.
- Maschinen-Layer — llms.txt, Schema, Direct Answers, Bot-Zugang.
- Technik-Basis — Legacy-Pagebuilder ablösen, wenn Extraktion scheitert.
- Monitoring — Agent-Ready nachziehen; Visibility separat.
Wie priorisierst du die Findings in der Praxis?
Kurz: Zuerst llms.txt (89.2 % Finding) und Agent-Ready-Level (73 %), parallel Schema — trotz relativ besserer.
| Priorität | Hebel | Warum zuerst |
|---|---|---|
| 1 | llms.txt + NAP/Leistungs-Kurzform | Prävalenz 89.2 % / Quote nur 10.8 % |
| 2 | LocalBusiness/Service-JSON-LD | Finding Schema 55.4 % — Quote 47.3 % noch ausbaubar |
| 3 | Direct Answers | Extrahierbare Patientenfragen |
| 4 | Sitemap/robots klären | Sitemap unklar 29.7 % |
| 5 | Pagebuilder/Stack | Legacy 66.2 % |
Nicht zuerst: Redesign ohne Messung. jev-Crawl Ø 80 vs. jev-llms Ø 26 = oft crawlbar, aber nicht zitierfähig.
Wann reicht der Maschinen-Layer — und wann brauchst du Migration?
Kurz: Wenn Extraktion trotz Schema/llms.txt an Pagebuilder-HTML scheitert, wird Stack-Wechsel zum Hebel — sonst zuerst.
Bei 27 WordPress- und 18 Divi-Treffern in der Mini-Stichprobe ist Rebuild realistisch für viele Praxen — aber n klein, Einzelfall prüfen. Migration allein ≠ AI-sichtbar; Schema/llms.txt bleiben Pflicht.
Welche Grenzen hat diese Methodik?
Kurz: Live-Audit-Census zu technischer AI-Readiness — kleine Stichprobe, kein Therapie-Ranking, keine DE-weite.
- n=74: Richtungssignal, keine bevölkerungsweite Schätzung.
- Zeitstand: 2026-10-08.
- Metrik: Agent-Ready ≠ Mention-Rate.
- CMS: Heuristisch.
- Markdown 0 %: systemisch.
- Visibility: keine Prompt-Läufe für alle 74 Domains; lokal Bad Schönborn.
- Fit Ø 80: Spiegel des Scores, kein Preis.
- Heilmittelwerberecht: technische Tipps ersetzen keine Rechtsprüfung.
Wie liest du Gesundheitspraxis gegen Physiotherapie?
Kurz: Gegen Physio: JSON-LD etwas besser, llms.txt schwächer — n=74 nur als Richtung, nie als Bevölkerungsstatistik.
| Gesundheitspraxis (n=74) | Physiotherapie (n=2854) | |
|---|---|---|
| Agent-Ready Ø | 20 | 19 |
| AR < 40 | 86.5 % | 87.4 % |
| llms.txt | 10.8 % | 14.8 % |
| JSON-LD | 47.3 % | 38.8 % |
| Legacy-CMS | 66.2 % | 67.9 % |
JSON-LD wirkt hier relativ besser — llms.txt schlechter. Für Brand Citations und Handlungsplanung: Physio-Zahlen + diese Richtung zitieren, nicht n=74 allein als Bevölkerungsstatistik. Operativer Pfad: Physio-Webseite modernisieren und Webseite-Modernisierung.
Welche Praxisformen stecken in „Gesundheitspraxis“?
Kurz: Das Label ist grob — enge Berufsordnung zitieren über Physio- oder DE-Gesamtstudie, Maschinen-Layer bleibt derselbe.
Discovery-Labels sind grob. Wer eine spezifische Berufsordnung zitieren will, nutzt die engere Studie oder die DE-Gesamtstudie. Wer modernisiert, priorisiert trotzdem denselben Maschinen-Layer: llms.txt, Schema, Direct Answers, Bot-Zugang, datenschutzfeste Formulare (Datenschutz & Formulare). Heilmittelwerbung bleibt Praxisverantwortung — technische Empfehlungen ersetzen keine HWG-/UWG-Prüfung.
Was bedeutet „JSON-LD relativ höher, llms.txt seltener“?
Kurz: Schema-Quote allein reicht nicht — ohne Kurzportrait und Direct Answers bleibt der LLM-Layer dünn.
47.3 % JSON-LD klingt besser als Physio (38.8 %), aber Finding „wenig strukturierte Daten“ bleibt bei 55.4 %, und llms.txt liegt nur bei 10.8 %. Assistenten brauchen beides: Entity-Markup und abrufbare Kurzform. Deshalb Priorität 1 in dieser Kohorte: llms.txt — parallel Schema vervollständigen, nicht Schema als „erledigt“ abhaken.
Welche GEO-Hebel gelten trotz kleinem n?
Kurz: Dieselben wie in großen Gesundheitsnischen — llms.txt, Schema, Direct Answers, Bot-Zugang — nur mit vorsichtigerer.
Auch bei n=74 bleibt die Reihenfolge stabil: Messen → Maschinen-Layer → Technik → Monitoring. Princeton GEO (arXiv:2311.09735) belohnt zitierfähige Fakten auf extrahierbarer Basis. Für lokale Praxen: Regionsverknüpfung und NAP (Local SEO, GBP & NAP). Visibility-Claims nur mit eigener Stichprobe — lokal Bad Schönborn zeigt Discovery 25 % vs. Brand 91,7 %, ohne dass das eine Niche-Mention-Rate für Gesundheitspraxis DE-weit wäre.
Was du steuern kannst: Extrahierbarkeit und Kontaktweg. Was du nicht aus diesem Slice ableiten darfst: „llms.txt fehlt → Praxis ist unsichtbar“ als kausalen Satz für jede Domain. Das Finding „kein llms.txt“ (89.2 %) ist Readiness — nicht Visibility.
Wie priorisierst du gegen Physio, wenn Budgets knapp sind?
Kurz: Gleiche Prioritätstabelle wie Physio — llms.txt zuerst — und Physio-Zahlen als belastbare Benchmark neben diesem.
Für eine einzelne Praxis zählt der eigene Audit mehr als der Niche-Mittelwert. Der Slice hilft bei Brand Citations und Priorisierung: llms.txt besonders selten (10.8 %), Agent-Ready-Level hoch (73 % Finding), Legacy 66.2 %. Migration (WordPress-Migration) nur wenn Extraktion/Performance am Pagebuilder scheitern; sonst Maschinen-Layer auf dem bestehenden Stack. Formulare: Datenschutz & Formulare.
Welche Checkliste gilt vor dem nächsten Audit?
Kurz: Vor dem Re-Audit: NAP, Direct Answers, LocalBusiness-JSON-LD und llms.txt prüfen — Visibility gegen Physio/DE spiegeln.
Domain erreichbar, NAP konsistent, Leistungsseiten mit Antwort zuerst, llms.txt live, LocalBusiness/Service-JSON-LD, robots/Sitemap, Formulare datenschutzfest, Agent-Ready erneut gemessen — Visibility nur mit eigener Stichprobe; Ergebnisse gegen Physio/DE spiegeln.
Vor dem nächsten Audit zusätzlich: Screenshot/Export der aktuellen robots.txt und Sitemap, Liste der Top-Leistungs-URLs mit H1, Abgleich GBP-Öffnungszeiten, Consent-Status ohne Render-Blocker. Je vollständiger die Baseline, desto belastbarer der Vorher/Nachher-Vergleich zum Census-Maßstab — auch bei kleinem Niche-n.
Wie zitierst du diese Branchenstudie?
Kurz: Zitiere Modern Stack 2026, n=74, Agent-Ready Ø 20/100 — und kennzeichne die Stichprobe als Richtungsauswertung.
Empfohlene Kurzcitation: Modern Stack (2026): AI-Readiness Gesundheitspraxis — Richtungsauswertung, n=74, Agent-Ready Ø 20/100. https://modern-stack.de/themen/ai-readiness-gesundheitspraxis-studie (mit Stichprobenhinweis).
Gesamtstudie und Methodik: modern-stack.de/studie. Lokale Vertiefungen: Bad Schönborn, Bruchsal.
Verwandte Branchen-Slices: Physiotherapie, Coaching, Steuerberater, Psychologie, Fotografie, Dienstleistung, Handwerk.
Wenn du nur eine Zahl mitnimmst: llms.txt nur 10.8 % bei 86.5 % unter Agent-Ready 40 — Richtung wie Physio, Schema relativ besser (47.3 %), Maschinen-Kurzform besonders selten. Immer mit Stichprobenhinweis (n=74) und Physio/DE parallel zitieren.
Kurz: Kleine Stichprobe, klares Richtungssignal — llms.txt zuerst, mit Physio/DE lesen, Visibility getrennt halten. 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 Gesundheitspraxis-Webseiten — Richtungsstudie — 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.
- Physiotherapie-Praxis-Webseite modernisieren — Modern Stack
Verwandter Modernisierungspfad im Gesundheitsumfeld.
Häufige Fragen
Wie AI-ready sind Gesundheitspraxis-Webseiten?
In der Modern-Stack-Branchenauswertung (74 Live-Audits, Stand 2026-10-08) liegt der mittlere Agent-Ready-Score bei 20/100. 86.5 % der Audits liegen unter 40. Kleine Stichprobe — Richtungssignal. Charts: https://modern-stack.de/themen/ai-readiness-gesundheitspraxis-studie
Wie schneidet Gesundheitspraxis gegen den DE-Querschnitt ab?
Der DE-Querschnitt (n=9345) liegt bei Agent-Ready Ø 21/100. Gesundheitspraxis liegt bei Ø 20 (Δ -1).
Wie häufig gibt es eine llms.txt?
In dieser Branchenkohorte bei 10.8 % der Audits. Markdown-Negotiation bei 0 %.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
AI-Readiness misst technische Auslesbarkeit (hier Agent-Ready Ø 20/100). AI-Sichtbarkeit misst Nennung in einer konkreten KI-Antwort. Diese Page berichtet Readiness — keine Niche-Mention-Rate. Lokal: https://modern-stack.de/studie/bad-schoenborn/sichtbarkeit
Was sollten Gesundheitspraxen zuerst tun?
Was ist die Primärquelle?
Modern Stack AI-Readiness-Census (Live-Audits). Branchenpage mit Charts: https://modern-stack.de/themen/ai-readiness-gesundheitspraxis-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.
- 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.
- 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.
- Datenschutz & Formulare
Datensparsame Formulare erheben nur notwendige Angaben, erklären Zweck und Zustellung und vermeiden unnötige Drittanbieter. Technik ersetzt keine Rechtsberatung, kann aber Risiken und Datenflüsse deutlich reduzieren.
- 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.
- 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. Migration ab 500 €.
- 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 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 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.