Branche

Psychologie: AI-Readiness-Studie (n=1272)

Direkte Antwort

Psychologie-Webseiten gehören relativ zu den stärkeren Branchen beim Agent-Ready-Mittel — scheitern aber besonders oft an schwachem JSON-LD. In 1272 Live-Audits liegt der mittlere Agent-Ready-Score bei 25/100, der Fit (Modernisierungsbedarf) bei 75/100; 70.9 % der Audits liegen unter 40. llms.txt nur bei 13.9 %, JSON-LD nur bei 30.9 %. 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 Psychologie: n=1272 (13.6 % des Census).
  • Agent-Ready Ø 25 · Fit Ø 75 · Δ zum DE-Mittel +4.
  • AR < 40: 70.9 % · llms.txt: 13.9 % · JSON-LD: 30.9 %.
  • Häufigste Findings (ohne Markdown): Kein llms.txt (86.1 %); Wenig strukturierte Daten (73.3 %); Agent-Ready Level niedrig (56.7 %); Kein klares robots.txt (34.4 %).
  • CMS-Schwerpunkte: WordPress (428), Divi (235), Jimdo (49).
  • Readiness misst technische Extrahierbarkeit — nicht, ob ChatGPT die Praxis nennt.

Audits in dieser Branche

1.272

Agent-Ready Ø

25/100

Fit Ø (Modernisierungsbedarf)

75/100

Anteil am Gesamt-Census

13,6 %

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 — Psychologie

Anteil der Audits mit positivem Signal

  • llms.txt vorhanden13,9 %n=177
  • JSON-LD erkannt30,9 %n=393
  • Sitemap vorhanden66,4 %n=845
  • robots.txt vorhanden65,6 %n=834
  • Legacy-CMS erkannt58,6 %n=745
  • Markdown-Negotiation0,2 %n=3
Diagrammdaten als Tabelle
Signale — Psychologie
KategorieAnteilStichprobe (n)
llms.txt vorhanden13,9 %177
JSON-LD erkannt30,9 %393
Sitemap vorhanden66,4 %845
robots.txt vorhanden65,6 %834
Legacy-CMS erkannt58,6 %745
Markdown-Negotiation0,2 %3

Häufigste Findings — Psychologie

ohne Markdown (nahezu 100 % in allen Branchen)

  • Kein llms.txt86,1 %n=1.095
  • Wenig strukturierte Daten73,3 %n=933
  • Agent-Ready Level niedrig56,7 %n=721
  • Kein klares robots.txt34,4 %n=437
Diagrammdaten als Tabelle
Häufigste Findings — Psychologie
KategorieAnteilStichprobe (n)
Kein llms.txt86,1 %1.095
Wenig strukturierte Daten73,3 %933
Agent-Ready Level niedrig56,7 %721
Kein klares robots.txt34,4 %437

Agent-Ready-Verteilung

Psychologie: Anteil je Score-Band

  • Agent-Ready 0-1946,1 %n=586
  • Agent-Ready 20-3924,8 %n=316
  • Agent-Ready 40-5922,6 %n=287
  • Agent-Ready 60-794,6 %n=58
  • Agent-Ready 80-1002,0 %n=25
Diagrammdaten als Tabelle
Agent-Ready-Verteilung
KategorieAnteilStichprobe (n)
Agent-Ready 0-1946,1 %586
Agent-Ready 20-3924,8 %316
Agent-Ready 40-5922,6 %287
Agent-Ready 60-794,6 %58
Agent-Ready 80-1002,0 %25

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

Suchende stellen sensible Fragen an KI-Systeme („Wer hilft bei … in …?“). Ohne klare Entity-Signale (Person, Ort, Verfahren, Erreichbarkeit) bleiben Praxen unsichtbar, obwohl inhaltlich seriöse Texte existieren. Diese Branchenauswertung von Modern Stack analysiert, wie maschinenlesbar Psychologie- und Therapie-Webseiten in Deutschland sind, warum das relative Mittel den Schema-Engpass nicht kaschiert und welche Reihenfolge aus den Findings folgt. Primärquelle und Charts: diese Seite; Gesamtmethodik: AI-Readiness-Studie Dienstleister. Kennzahlen Stand 2026-10-08; sie beschreiben technische AI-Readiness, keine Behandlungsqualität und nicht automatisch KI-Nennungen.

Was bedeutet „stärkeres Mittel“ bei schwachem JSON-LD?

Kurz: Ø 25 (Δ +4) ohne belastbares Schema: relativ passables Mittel, aber Struktur bleibt der Engpass.

Wer nur den Mittelwert zitiert, unterschätzt den Handlungsbedarf. 70.9 % unter Agent-Ready 40 und llms.txt nur 13.9 % zeigen denselben Modernisierungsdruck wie in schwächeren Branchen — nur etwas weniger extrem als Physiotherapie (Ø 19) oder Coaching (Ø 18). Sitemap 66.4 % und jev-Crawl Ø 85 vs. jev-llms Ø 26 bestätigen: Crawl-Basis oft da, LLM-Layer dünn — und Schema besonders dünn.

Was ist AI-Readiness für Psychologie?

Kurz: AI-Readiness misst maschinenlesbare Auffindbarkeit von Person, Ort und Verfahren — 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. Heilkunde- und Werbegrenzen bleiben Praxisverantwortung; die Studie bewertet maschinenlesbare Auffindbarkeit, keine Behandlungsqualität und keine Therapieempfehlung.

Für Praxen heißt das konkret: Person-/LocalBusiness-Schema, transparente Leistungs-/Verfahrenstexte ohne Heilversprechen, llms.txt mit Ort und Kontaktweg, datenschutzfeste Formulare (Datenschutz & Formulare). E-E-A-T-Signale (Qualifikation, Ort, Erreichbarkeit) müssen als Text existieren — nicht nur als Portraitfoto.

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 Kohorte1272 Audits → Ø 25/100nicht als Niche-Mention-Rate ausgewiesen
Was du steuern kannstMarkup, Personen-/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 oder JSON-LD ist ein Readiness-Befund, kein nachgewiesener Sichtbarkeitsverlust für jede einzelne Praxis. Rahmen: GEO & AI-Sichtbarkeit, ChatGPT-Sichtbarkeit.

Was zeigen die Zahlen für Psychologie?

Kurz: Relativ stärkeres Mittel (25) — aber Masse unter 40, Schema besonders schwach, Maschinen-Layer dünn.

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

MetrikPsychologieDE-Querschnitt
Audits (n)12729345
Agent-Ready Ø2521
Fit Ø75—
Anteil AR < 4070.9 %—
llms.txt13.9 %—
JSON-LD30.9 %—
Sitemap66.4 %—
Legacy-CMS58.6 %—
Markdown-Negotiation0.2 %—

Crawl-nahe Scores (falls gemessen): jev-Crawl Ø 85, jev-llms Ø 26 — dasselbe Muster wie in der Gesamtstudie: klassisches Crawling ist oft stärker als der LLM-/Agenten-Layer. Δ zum DE-Mittel: +4 Agent-Ready-Punkte.

Häufigste Findings (ohne Markdown): kein llms.txt (86.1 %); wenig strukturierte Daten (73.3 %); Agent-Ready Level niedrig (56.7 %); kein klares robots.txt (34.4 %).

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 (30.9 % — unter Physio/Steuer), 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, und in dieser Niche.

Patienten- und Klientenfragen zu Verfahren und Orten wandern in ChatGPT, Perplexity und Google AI Overviews. Eine Praxis mit seriösem Text, Jimdo-/Divi-Layout und Kontaktformular kann klassisch crawlbar sein (Sitemap 66.4 %) und trotzdem kaum zitierfähige Entity-Signale 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. Schwaches Schema — JSON-LD nur 30.9 %; Finding „wenig strukturierte Daten“ bei 73.3 %.
  2. Kein Maschinen-Kurzportrait — llms.txt fehlt bei 86.1 %.
  3. Antworten fehlen — Verfahrensseiten ohne Direct Answer zu „Für wen?“, „Wie Kontakt?“, „Ort?“.
  4. Bot-Unklarheit — bei 34.4 % kein klares robots.txt; Freigabe ohne Extrahierbarkeit reicht trotzdem nicht.

Wie liest man die Vergleichstabelle richtig?

Kurz: Vergleiche nur Nischen mit n ≥ 100; Readiness ≠ Visibility — Mittelwerte ohne Methodik nicht überziehen.

Die Tabelle oben auf dieser Seite stellt Psychologie 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 25 bei 70.9 % 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 Schema 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 — Psychologie mit n=1272 ist dafür belastbar.

Psychologie stellt 13.6 % des Census. Δ +4 zum DE-Mittel macht die Niche zum relativen Outperformer beim Mittel — nicht zum „fertig“-Signal.

Welche CMS-Muster tauchen auf?

Kurz: WordPress/Divi dominieren; Jimdo taucht häufiger auf als in anderen Branchen — CMS allein sagt den Agent-Ready-Score.

In dieser Kohorte: WordPress (428), Divi (235), Jimdo (49). Legacy-CMS erkannt bei 58.6 %. 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. Jimdo ersetzt keinen Schema-Layer. 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: Person, Ort, Verfahren und Kontaktweg müssen als Text existieren — GEO/AIO belohnen Passagen, nicht nur Buttons.

GEO und AIO belohnen zitierfähige Fakten, konsistente Entities und abrufbare Passagen (Grounding, RAG, Zitation). Für Psychologische Praxen, Psychotherapie und verwandte Beratungsangebote bedeutet das: Person, Ort, Verfahren und Kontaktweg 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 → Schema/llms.txt → Direct Answers → Technik-Basis → Monitoring — in dieser Reihenfolge, nicht umgekehrt.

Priorität 1: Person-/LocalBusiness-JSON-LD (Kohorte nur 30.9 %). Priorität 2: llms.txt mit Praxisname, Ort, Verfahren, Kontakt — ohne Heilversprechen. Priorität 3: extrahierbare Antworten auf typische Fragen statt reiner Hero-Slogans. Modernisierungspfad: Webseite-Modernisierung. Formulare datenschutzfest: Datenschutz & Formulare.

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

# Psychologie Beispielpraxis — Bad Schönborn
> Praxis für Psychologische Beratung / Psychotherapie in Bad Schönborn.

# Angebot
- Schwerpunkte und Verfahren (sachlich, ohne Heilversprechen)
- Erreichbarkeit: Telefon / sicheres Formular

# Kontakt
- Adresse, Telefon, E-Mail
- Hinweise zu Erstkontakt und Datenschutz

# 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 — Schema, llms.txt, 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 — hier Schema und llms.txt vor dem Stack-Wechsel.

PrioritätHebelWarum zuerst
1Person/LocalBusiness-JSON-LDJSON-LD nur 30.9 %; Finding Schema 73.3 %
2llms.txt + Ort/Kontakt-KurzformFinding „kein llms.txt“ bei 86.1 %
3Direct Answers auf VerfahrensseitenExtrahierbare Klientenfragen statt Hero-Slogan
4robots.txt / Sitemap klären34.4 % ohne klares robots.txt
5Pagebuilder/StackLegacy 58.6 % — erst wenn HTML Extraktion blockiert

Was du nicht zuerst tun solltest: ein komplettes Redesign ohne Messung. Der Census zeigt, dass klassisches Crawling (jev-Crawl Ø 85) oft schon besser ist als der LLM-Layer (jev-llms Ø 26). Du optimierst also vor allem „crawlbar, aber nicht zitierfähig“ — selten „gar nicht crawlbar“.

Vergleich zu Nachbar-Nischen (gleiche Methodik): Fotografie ebenfalls Ø 25, Steuerberater Ø 22, Physiotherapie Ø 19. Psychologie ist relativ stark im Mittel — und besonders schwach bei JSON-LD.

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

Kurz: Maschinen-Layer reicht bei tragenden Inhalten; Migration, wenn Legacy/Builder Extraktion und Tempo blockieren.

  • 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/Jimdo-DOM oder Formular-/Security-Last den Betrieb dominieren — bei 428 WordPress-, 235 Divi- und 49 Jimdo-Treffern ein realistisches Szenario.

Wichtig für Claims: Eine Migration allein macht dich nicht „AI-sichtbar“. Sie entfernt den Legacy-Bottleneck; Schema, llms.txt und Direct Answers bleiben Pflicht.

Welche Grenzen hat diese Methodik?

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

  • Stichprobe: Outreach-/Discovery-getrieben; Psychologie 13.6 % des Census.
  • 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 1272 Domains wurden hier nicht gefahren; lokale Korrelation siehe Bad-Schönborn-Sichtbarkeit.
  • Fit Ø 75: Modernisierungsbedarf als Spiegel des Scores — kein Preissignal.
  • Heilkunde-/Werberecht: technische Empfehlungen ersetzen keine rechtliche Prüfung deiner Texte.

Was bedeutet schwaches JSON-LD für sensible Suchfragen?

Kurz: Bei Verfahren und Ort ohne Maschinen-Entity bleibt die Praxis in generativen Antworten unsichtbar — auch wenn Texte.

Psychologie- und Therapie-Suchen sind oft lokal und sensibel. Assistenten brauchen Person, Ort, Verfahren und Kontaktweg als Text — nicht nur Portrait und Slogan. JSON-LD nur 30.9 % und Finding „wenig strukturierte Daten“ 73.3 % erklären, warum relativ stärkeres Mittel (25) den Schema-Engpass nicht kaschiert. Datenschutzfeste Formulare (Datenschutz & Formulare) gehören in denselben Lieferumfang wie Schema und llms.txt — sonst steigt Extrahierbarkeit, während der Kontaktweg bricht.

Welche Checkliste gilt vor dem nächsten Audit?

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

Domain erreichbar, NAP konsistent, Verfahrensseiten mit Antwort zuerst, Person-/LocalBusiness-JSON-LD geprüft, llms.txt live, robots/Sitemap ohne unbeabsichtigte Bot-Blocks, Formulare datenschutzfest, Agent-Ready erneut gemessen — Visibility-Claims nur mit eigener Stichprobe, nicht aus dem Readiness-Score ableiten.

Wie zitierst du diese Branchenstudie?

Kurz: Kurzcitation: Modern Stack (2026), AI-Readiness Psychologie — n=1272, Agent-Ready im Branchenschnitt.

Empfohlene Kurzcitation: Modern Stack (2026): AI-Readiness Psychologie — Branchenauswertung, n=1272, Agent-Ready Ø 25/100. https://modern-stack.de/themen/ai-readiness-psychologie-studie

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

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

Kurz: Relativ stärkeres Mittel, aber Schema- und llms.txt-Loch — messen, JSON-LD/llms.txt 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 Psychologie-Webseiten?

In der Modern-Stack-Branchenauswertung (1272 Live-Audits, Stand 2026-10-08) liegt der mittlere Agent-Ready-Score bei 25/100. 70.9 % der Audits liegen unter 40. Charts: https://modern-stack.de/themen/ai-readiness-psychologie-studie

Wie schneidet Psychologie gegen den DE-Querschnitt ab?

Der DE-Querschnitt (n=9345) liegt bei Agent-Ready Ø 21/100. Psychologie liegt bei Ø 25 (Δ +4).

Wie häufig gibt es eine llms.txt?

In dieser Branchenkohorte bei 13.9 % der Audits. Markdown-Negotiation bei 0.2 %.

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 Psychologie-Praxen zuerst tun?
  1. Webseite-Check mit gleichem Maßstab. 2) Person-/LocalBusiness-JSON-LD (JSON-LD nur 30.9 % in der Kohorte). 3) llms.txt mit Praxisname, Ort, Verfahren, Kontakt — ohne Heilversprechen. 4) Direct Answers zu Erreichbarkeit und Verfahren. 5) robots.txt und Sitemap prüfen.
Was ist die Primärquelle?

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

  • E-E-A-T

    E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness — Googles Qualitätsrahmen für Inhalte. Es ist kein einzelner Score, sondern das Bild, das Menschen und Maschinen von Absender, Erfahrung und Verlässlichkeit einer Webseite gewinnen.

  • 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.

  • 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 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