Branche

Physiotherapie: AI-Readiness-Studie (n=2854)

Direkte Antwort

Physiotherapie-Webseiten sind in der Modern-Stack-Stichprobe die größte Branchenkohorte — und gehören zu den schwächsten beim Agent-Ready-Score. In 2854 Live-Audits liegt der mittlere Agent-Ready-Score bei 19/100, der Fit (Modernisierungsbedarf) bei 81/100; 87.4 % der Audits liegen unter 40. llms.txt nur bei 14.8 %. 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

Audits in dieser Branche

2.854

Agent-Ready Ø

19/100

Fit Ø (Modernisierungsbedarf)

81/100

Anteil am Gesamt-Census

30,5 %

Branchenvergleich — Agent-Ready (n ≥ 100)
BranchenAR ØFit ØAR < 40llms.txt
Physiotherapie2.854198187,4 %14,8 %
Dienstleistung1.622227879,7 %16,3 %
Steuerberater1.524227880,5 %13,5 %
Psychologie1.272257570,9 %13,9 %
Fotografie1.262257571,7 %14,6 %
Coaching702188287,0 %13,4 %

Gesamt-Census: 9.345 Audits · Agent-Ready Ø 21/100 · Stand 8.10.2026 · Quelle: Modern Stack Live-Audits

Signale — Physiotherapie

Anteil der Audits mit positivem Signal

  • llms.txt vorhanden14,8 %n=422
  • JSON-LD erkannt38,8 %n=1.107
  • Sitemap vorhanden67,8 %n=1.935
  • robots.txt vorhanden66,4 %n=1.895
  • Legacy-CMS erkannt67,9 %n=1.938
  • Markdown-Negotiation0,4 %n=11
Diagrammdaten als Tabelle
Signale — Physiotherapie
KategorieAnteilStichprobe (n)
llms.txt vorhanden14,8 %422
JSON-LD erkannt38,8 %1.107
Sitemap vorhanden67,8 %1.935
robots.txt vorhanden66,4 %1.895
Legacy-CMS erkannt67,9 %1.938
Markdown-Negotiation0,4 %11

Häufigste Findings — Physiotherapie

ohne Markdown (nahezu 100 % in allen Branchen)

  • Agent-Ready Level niedrig93,8 %n=2.676
  • Kein llms.txt85,2 %n=2.431
  • Wenig strukturierte Daten67,3 %n=1.922
  • Kein klares robots.txt33,6 %n=958
Diagrammdaten als Tabelle
Häufigste Findings — Physiotherapie
KategorieAnteilStichprobe (n)
Agent-Ready Level niedrig93,8 %2.676
Kein llms.txt85,2 %2.431
Wenig strukturierte Daten67,3 %1.922
Kein klares robots.txt33,6 %958

Agent-Ready-Verteilung

Physiotherapie: Anteil je Score-Band

  • Agent-Ready 0-1945,7 %n=1.304
  • Agent-Ready 20-3941,7 %n=1.190
  • Agent-Ready 40-5911,7 %n=333
  • Agent-Ready 60-790,7 %n=21
  • Agent-Ready 80-1000,2 %n=6
Diagrammdaten als Tabelle
Agent-Ready-Verteilung
KategorieAnteilStichprobe (n)
Agent-Ready 0-1945,7 %1.304
Agent-Ready 20-3941,7 %1.190
Agent-Ready 40-5911,7 %333
Agent-Ready 60-790,7 %21
Agent-Ready 80-1000,2 %6

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
Agent-Ready Ø im Branchenvergleich
KategorieAnteilStichprobe (n)
Physiotherapie · Ø 1919,0 %2.854
Dienstleistung · Ø 2222,0 %1.622
Steuerberater · Ø 2222,0 %1.524
Psychologie · Ø 2525,0 %1.272
Fotografie · Ø 2525,0 %1.262
Coaching · Ø 1818,0 %702

Patienten suchen Leistungen, Standorte und Terminwege lokal — und immer häufiger über generative Assistenten, bevor ein Klick auf die Praxis-Webseite entsteht. Wer dort nicht als klare, zitierfähige Quelle vorkommt, verliert Sichtbarkeit trotz „eigener Webseite“. Diese Branchenauswertung von Modern Stack analysiert, wie maschinenlesbar Physiotherapie-Webseiten in Deutschland sind, wo der Census den Engpass lokalisiert und welche Reihenfolge aus den Findings folgt. Primärquelle und Charts: diese Seite; Gesamtmethodik: AI-Readiness-Studie Dienstleister. Die Kennzahlen stammen aus dem Live-Audit-Census (Stand 2026-10-08); sie beschreiben technische AI-Readiness, nicht Therapiequalität und nicht automatisch KI-Nennungen.

Was ist AI-Readiness für Physiotherapie?

Kurz: AI-Readiness misst maschinenlesbare Auffindbarkeit von Praxis und Leistungen — keine Therapiequalität.

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. Werbe- und Heilmittelaussagen unterliegen HWG/UWG/HPG — die Studie misst technische AI-Readiness, keine Therapiequalität und keine Behandlungsempfehlung.

Für Praxen heißt das konkret: Leistungsseiten müssen maschinenlesbar sein (klare H1/H2, Direct Answers, JSON-LD/LocalBusiness), llms.txt muss Angebot und Ort in Kurzform liefern, und Crawl-Zugänge für AI-Bots dürfen nicht versehentlich blockiert sein. Pagebuilder-lastige Themes erklären einen Teil der Legacy-CMS-Quote — ersetzen aber nicht den fehlenden Maschinen-Layer.

Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?

Kurz: Readiness fragt „Kann ein System deine Webseite lesen?“. Sichtbarkeit fragt „Wirst du in einer Antwort genannt?“.

AI-ReadinessAI-Sichtbarkeit
AlltagsfrageIst die Praxis-Webseite für Maschinen brauchbar?Taucht die Praxis in der KI-Antwort auf?
Messung hierLive-Audit, Agent-Ready 0–100separate Prompt-/Mention-Messung
Diese Kohorte2854 Audits → Ø 19/100nicht als Niche-Mention-Rate ausgewiesen
Was du steuern kannstMarkup, Leistungs-/Ortsfakten, Bot-Zugangnur indirekt über Lesbarkeit + zitierfähige Antworten
Was daraus nicht folgthoher Score = du wirst empfohleneine Nennung = dauerhafte Garantie

Lokal hat Modern Stack beides getrennt gemessen (Bad Schönborn): Discovery-Mention 25 % vs. Brand 91,7 % (n=120, 14.10.2026) — bei Agent-Ready Ø 22. Korrelation in Score-Bändern ≠ Identität der Metriken. Fehlen von llms.txt ist ein Readiness-Befund, kein nachgewiesener Sichtbarkeitsverlust für jede einzelne Praxis. Rahmen: GEO & AI-Sichtbarkeit, ChatGPT-Sichtbarkeit.

Was zeigen die Zahlen für Physiotherapie?

Kurz: Die größte Kohorte des Census ist zugleich klar im Modernisierungsbereich — Mittel 19, Masse unter 40.

Kennzahlen dieser Kohorte (Stand 2026-10-08):

MetrikPhysiotherapieDE-Querschnitt
Audits (n)28549345
Agent-Ready Ø1921
Fit Ø81—
Anteil AR < 4087.4 %—
llms.txt14.8 %—
JSON-LD38.8 %—
Sitemap67.8 %—
Legacy-CMS67.9 %—
Markdown-Negotiation0.4 %—

Crawl-nahe Scores (falls gemessen): jev-Crawl Ø 84, jev-llms Ø 27 — dasselbe Muster wie in der Gesamtstudie: klassisches Crawling ist oft stärker als der LLM-/Agenten-Layer. Δ zum DE-Mittel: −2 Agent-Ready-Punkte.

Häufigste Findings (ohne Markdown): Agent-Ready Level niedrig (93.8 %); kein llms.txt (85.2 %); wenig strukturierte Daten (67.3 %); kein klares robots.txt (33.6 %).

Über alle Branchen hinweg liegt Markdown-Negotiation nahe 0 %. Das Finding ist deshalb kein Differenzierungsmerkmal zwischen Nischen — wohl aber ein systemisches Defizit der DE-Dienstleisterlandschaft. Differenzierend sind llms.txt-Quote, JSON-LD, Agent-Ready-Verteilung und Legacy-CMS-Anteil (siehe Charts oben).

Warum scheitern viele Sites trotz „eigener Webseite“?

Kurz: Weil „eigene Webseite“ oft Design und CMS meint — nicht Extrahierbarkeit für generative Engines.

Patientenfragen zu Leistungen und Orten wandern in ChatGPT, Perplexity und Google AI Overviews. Eine Praxis mit Hero-Slogan, Divi-Sektionen und Kontaktformular kann klassisch crawlbar sein (Sitemap 67.8 %) und trotzdem kaum zitierfähige Passagen liefern. Generative Engines extrahieren Faktenblöcke — nicht ganze Pagebuilder-Seiten. Princeton GEO (Aggarwal et al., arXiv:2311.09735) zeigt, dass Statistiken, Quellen und klare Aussagen Sichtbarkeit in generativen Engines heben können — aber nur auf technisch extrahierbarer Basis.

Typische Bruchstellen in dieser Kohorte:

  1. Kein Maschinen-Kurzportrait — llms.txt fehlt bei 85.2 %.
  2. Schwaches Schema — JSON-LD nur 38.8 %; LocalBusiness/Service oft unvollständig.
  3. Antworten fehlen — Leistungsseiten ohne Direct-Answer-Absatz zu „Was ist …?“, „Für wen?“, „Wie Termin?“.
  4. Bot-Unklarheit — bei 33.6 % kein klares robots.txt; Freigabe ohne Extrahierbarkeit reicht trotzdem nicht.

Wie liest man die Vergleichstabelle richtig?

Kurz: Mittelwert allein unterschätzt den Modernisierungsdruck — die Verteilung unter 40 ist die härtere Zahl.

Die Tabelle oben auf dieser Seite stellt Physiotherapie den anderen Nischen mit n ≥ 100 gegenüber. Drei Leseregeln:

  1. Agent-Ready Ø ist ein Mittelwert — daneben steht die Verteilung (Anteil unter 40). Ein Mittel von 19 bei 87.4 % unter 40 heißt: die Masse der Sites ist klar im Modernisierungsbereich.
  2. llms.txt und JSON-LD sind frühe Proxy-Signale für den Maschinen-Layer. Hohe Sitemap-/robots-Quoten ohne llms.txt bedeuten: klassisches SEO ist oft besser als Agent-Ready — analog zur Gesamtstudie.
  3. Kleine Nischen (n < 100) erscheinen in den Richtungsseiten mit Warnhinweis; robuste Vergleiche nutzen die großen Kohorten — Physiotherapie mit n=2854 ist dafür besonders belastbar.

Physiotherapie stellt 30.5 % des Census. Das Gewicht erklärt, warum die Niche den Gesamtmittelwert nach unten zieht — und warum Verbesserungen hier den DE-Querschnitt spürbar bewegen würden.

Welche CMS-Muster tauchen auf?

Kurz: WordPress/Divi dominieren — CMS allein sagt den Agent-Ready-Score nicht vorher.

In dieser Kohorte: WordPress (1059), Divi (725), Elementor (90). Legacy-CMS erkannt bei 67.9 %. Das bestätigt die Hypothese der Gesamtstudie: WordPress/Divi sind häufig — aber wer nur „weg vom Pagebuilder“ denkt und keinen Maschinen-Layer baut, bleibt für ChatGPT/Perplexity unsichtbar. Migration (siehe WordPress-Migration, Next.js vs WordPress) liefert deterministisches HTML; llms.txt, Schema und Direct Answers sind die nächste Schicht — nicht Ersatz füreinander.

Was folgt daraus für GEO und AIO?

Kurz: Leistung, Ort, NAP und Terminweg 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 Physiotherapie-Praxen und Praxisnetzwerke in Deutschland bedeutet das: lokale Leistungsdefinitionen, Ort/Ortsteil, NAP und Terminweg müssen als Text existieren — nicht nur als Bild oder Button. Siehe Zero-Click, Perplexity-Sichtbarkeit und Local SEO & Regionen.

Was solltest du konkret umsetzen?

Kurz: Messen → Maschinen-Layer → Technik-Basis → Monitoring — in dieser Reihenfolge, nicht umgekehrt.

Priorität 1: llms.txt mit Praxisname, Ort, Kernleistungen, Kontakt. Priorität 2: strukturierte Leistungs- und Standort-Daten (Schema). Priorität 3: extrahierbare Antworten auf typische Patientenfragen statt reiner Hero-Slogans. Modernisierungspfad: Physio-Webseite modernisieren und Webseite-Modernisierung. Formulare datenschutzfest: Datenschutz & Formulare.

Minimaler llms.txt-Kern (Beispielstruktur — Inhalte anpassen):

# Physiotherapie Beispielpraxis — Bad Schönborn
> Praxis für Physiotherapie in Bad Schönborn (Mingolsheim).

# Leistungen
- Krankengymnastik, Manuelle Therapie, KG-Gerät
- Termin: Telefon / Online-Formular

# Kontakt
- Adresse, Telefon, E-Mail
- Öffnungszeiten

# Hinweise
- Keine Heilversprechen; Angaben ohne Gewähr auf Aktualität

Reihenfolge, die aus den Findings folgt:

  1. Messung — gleicher Audit-Maßstab wie in der Studie (Webseite-Check oder Outreach-Report).
  2. Maschinen-Layer — llms.txt, Schema, Direct Answers, Bot-Zugang.
  3. Technik-Basis — Legacy-Pagebuilder ablösen, wenn Extraktion und Performance scheitern.
  4. Monitoring — Zitationen und Agent-Ready nachziehen, nicht nur klassische Rankings. Visibility separat denken: Readiness steigt messbar; Mention-Raten brauchen eigene Stichproben.

Wie priorisierst du die Findings in der Praxis?

Kurz: Zuerst den Engpass mit der höchsten Prävalenz und dem klarsten Hebel — in dieser Kohorte: niedriges.

Eine sinnvolle Priorisierung für eine einzelne Praxis:

PrioritätHebelWarum zuerst
1llms.txt + NAP/Leistungs-KurzformFinding „kein llms.txt“ bei 85.2 %; schneller Deploy, hoher Signalwert
2LocalBusiness/Service-JSON-LD (JSON-LD)38.8 % haben JSON-LD — Masse ohne Maschinen-Entity
3Direct Answers auf Top-LeistungsseitenExtrahierbare Patientenfragen statt Hero-Slogan
4robots.txt / Sitemap klären33.6 % ohne klares robots.txt; Freigabe ohne Extraktion reicht nicht
5Pagebuilder/StackLegacy 67.9 % — erst wenn HTML/Performance Extraktion blockiert

Was du nicht zuerst tun solltest: ein komplettes Redesign ohne Messung. Der Census zeigt, dass klassisches Crawling (jev-Crawl Ø 84) oft schon besser ist als der LLM-Layer (jev-llms Ø 27). Du optimierst also vor allem „crawlbar, aber nicht zitierfähig“ — selten „gar nicht crawlbar“.

Vergleich zu Nachbar-Nischen (gleiche Methodik, andere Kohorten): Coaching liegt bei Ø 18 (noch schwächer), Steuerberater bei Ø 22, Fotografie bei Ø 25. Physiotherapie ist damit die große, schwache Kohorte — nicht die einzige schwache, aber die mit dem höchsten Gewicht im Census (30.5 %).

Für lokale Praxen in Bad Schönborn / Bruchsal: die Ortsstudien (Bad Schönborn, Bruchsal) nutzen denselben Audit-Maßstab und zeigen zusätzlich, dass Visibility separat gemessen werden muss. Eine Praxis mit Agent-Ready unter 40 ist im lokalen Visibility-Panel deutlich seltener in Discovery-Antworten — das ist Korrelation, keine Garantie für deine Domain.

Wann reicht der Maschinen-Layer — und wann brauchst du Migration?

Kurz: Wenn Extraktion und Core Web Vitals trotz Schema/llms.txt an Pagebuilder-HTML scheitern, wird Stack-Wechsel.

Pragmatische Entscheidungshilfe:

  • Nur Maschinen-Layer, wenn die Site erreichbar ist, Inhalte tragfähig sind und das Markup „nur“ Entities/Antworten/llms.txt vermisst.
  • Maschinen-Layer + Performance-Härtung, wenn LCP und JS-Shell die Extraktion verzögern, aber Inhalte stimmen.
  • Migration / Rebuild (WordPress-Migration, Webseite-Modernisierung), wenn Divi/Elementor-DOM, Plugin-Konflikte oder Formular-/Security-Last den Betrieb dominieren — bei 1059 WordPress- und 725 Divi-Treffern in dieser Kohorte ein realistisches Szenario für viele Praxen.

Wichtig für Claims: Eine Migration allein macht dich nicht „AI-sichtbar“. Sie entfernt den Legacy-Bottleneck; llms.txt, Schema und Direct Answers bleiben Pflicht. Readiness steigt messbar im Audit; Visibility braucht weiterhin zitierfähige Fakten und — wenn du sie belegen willst — eigene Prompt-Stichproben.

Welche Grenzen hat diese Methodik?

Kurz: Es ist ein Live-Audit-Census zu technischer AI-Readiness — kein Therapie-Ranking und keine flächendeckende.

Grenzen, die du beim Zitieren mitdenken solltest:

  • Stichprobe: Outreach-/Discovery-getrieben; Physiotherapie ist überrepräsentiert (30.5 %). Das erhöht Robustheit innerhalb der Niche — verzerrt aber den Gesamt-Mix.
  • Zeitstand: Kennzahlen Stand 2026-10-08; Scores ändern sich mit Neu-Audits und Site-Updates.
  • Metrik: Agent-Ready ist ein zusammengesetzter technischer Score — kein Nachweis, dass eine konkrete Praxis in ChatGPT genannt wird.
  • CMS-Erkennung: Heuristisch; „Legacy-CMS“ ≠ Qualitätsurteil über Therapie.
  • Markdown nahe 0 %: systemisch über Branchen — nicht als Niche-Alleinstellung lesen.
  • Visibility: DE-weite Prompt-Läufe für alle 2854 Domains wurden hier nicht gefahren (Kosten/Scope); lokale Korrelation siehe Bad-Schönborn-Sichtbarkeit.
  • Fit Ø 81: Modernisierungsbedarf als Spiegel des Scores — kein Preissignal und keine Paket-Empfehlung pro Praxis.
  • Heilmittelwerberecht: technische Empfehlungen ersetzen keine HWG-/UWG-Prüfung deiner Texte.

Welche Checkliste gilt vor dem nächsten Audit?

Kurz: Vor dem Re-Audit: NAP, Direct Answers, LocalBusiness-JSON-LD und llms.txt prüfen — Visibility separat messen.

Domain erreichbar, NAP konsistent, Top-Leistungsseiten mit Antwort zuerst, llms.txt live, LocalBusiness/Service-JSON-LD geprüft, robots/Sitemap ohne unbeabsichtigte Bot-Blocks, Formulare datenschutzfest, Agent-Ready erneut gemessen — Visibility-Claims nur mit eigener Stichprobe, nicht aus dem Readiness-Score ableiten. Je vollständiger die Liste, desto belastbarer der Vorher/Nachher-Vergleich zum Census-Maßstab.

Wie zitierst du diese Branchenstudie?

Kurz: Zitiere Modern Stack 2026, n=2854, Agent-Ready Ø 19/100 — und nenne die Branchenauswertung ausdrücklich.

Empfohlene Kurzcitation: Modern Stack (2026): AI-Readiness Physiotherapie — Branchenauswertung, n=2854, Agent-Ready Ø 19/100. https://modern-stack.de/themen/ai-readiness-physiotherapie-studie

Gesamtstudie und Methodik: modern-stack.de/studie. Lokale Vertiefungen: Bad Schönborn, Bruchsal.

Verwandte Branchen-Slices: Coaching, Steuerberater, Psychologie, Fotografie, Dienstleistung, Gesundheitspraxis, Handwerk.

Kurz: Die größte Niche im Census hat den klarsten Modernisierungsbedarf beim Maschinen-Layer — messen, llms.txt/Schema setzen, dann Stack und Visibility getrennt nachziehen. Anfrage stellen

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

Quellen

Häufige Fragen

Wie AI-ready sind Physiotherapie-Webseiten?

In der Modern-Stack-Branchenauswertung (2854 Live-Audits, Stand 2026-10-08) liegt der mittlere Agent-Ready-Score bei 19/100. 87.4 % der Audits liegen unter 40. Charts: https://modern-stack.de/themen/ai-readiness-physiotherapie-studie

Wie schneidet Physiotherapie gegen den DE-Querschnitt ab?

Der DE-Querschnitt (n=9345) liegt bei Agent-Ready Ø 21/100. Physiotherapie liegt bei Ø 19 (Δ -2).

Wie häufig gibt es eine llms.txt?

In dieser Branchenkohorte bei 14.8 % der Audits. Markdown-Negotiation bei 0.4 %.

Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?

AI-Readiness misst, ob Maschinen deine Webseite technisch auslesen können (hier Agent-Ready Ø 19/100). 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 Physiotherapie-Praxen zuerst tun?
  1. Webseite-Check mit gleichem Maßstab. 2) llms.txt mit Praxisname, Ort, Kernleistungen, Kontakt. 3) LocalBusiness-/Service-JSON-LD. 4) Leistungsseiten mit Antwort zuerst statt Hero-Slogan. 5) robots.txt und Sitemap prüfen — Bot-Zugang freigeben, dann Extrahierbarkeit bauen.
Was ist die Primärquelle?

Modern Stack AI-Readiness-Census (Live-Audits). Branchenpage mit Charts: https://modern-stack.de/themen/ai-readiness-physiotherapie-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.

  • Local SEO & Regionen

    Wie Regionsseiten, Place-Entities und Webseite-Modernisierung lokale Auffindbarkeit in Kraichgau, Karlsruhe und Rhein-Neckar stärken — jenseits von Keyword-Spam.

  • 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 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 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.

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