Branche
Steuerberater: AI-Readiness-Studie (n=1524)
Direkte Antwort
Steuerberater-Webseiten liegen beim Agent-Ready-Mittel nahe am Gesamtschnitt — mit besonders häufig fehlender llms.txt. In 1524 Live-Audits liegt der mittlere Agent-Ready-Score bei 22/100, der Fit (Modernisierungsbedarf) bei 78/100; 80.5 % der Audits liegen unter 40. llms.txt nur bei 13.5 %. 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 Steuerberater: n=1524 (16.3 % des Census).
- Agent-Ready Ø 22 · Fit Ø 78 · Δ zum DE-Mittel +1.
- AR < 40: 80.5 % · llms.txt: 13.5 % · JSON-LD: 37.4 %.
- Häufigste Findings (ohne Markdown): Kein llms.txt (86.5 %); Wenig strukturierte Daten (66.9 %); Agent-Ready Level niedrig (65.1 %); Sitemap unklar (35.6 %).
- CMS-Schwerpunkte: WordPress (600), Divi (312), Jimdo (13).
- Readiness misst technische Extrahierbarkeit — nicht, ob ChatGPT die Kanzlei nennt.
Audits in dieser Branche
1.524
Agent-Ready Ø
22/100
Fit Ø (Modernisierungsbedarf)
78/100
Anteil am Gesamt-Census
16,3 %
| 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 — Steuerberater
Anteil der Audits mit positivem Signal
- llms.txt vorhanden13,5 %n=206
- JSON-LD erkannt37,4 %n=570
- Sitemap vorhanden64,4 %n=981
- robots.txt vorhanden65,7 %n=1.001
- Legacy-CMS erkannt61,5 %n=937
- Markdown-Negotiation0,3 %n=5
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| llms.txt vorhanden | 13,5 % | 206 |
| JSON-LD erkannt | 37,4 % | 570 |
| Sitemap vorhanden | 64,4 % | 981 |
| robots.txt vorhanden | 65,7 % | 1.001 |
| Legacy-CMS erkannt | 61,5 % | 937 |
| Markdown-Negotiation | 0,3 % | 5 |
Häufigste Findings — Steuerberater
ohne Markdown (nahezu 100 % in allen Branchen)
- Kein llms.txt86,5 %n=1.319
- Wenig strukturierte Daten66,9 %n=1.020
- Agent-Ready Level niedrig65,1 %n=992
- Sitemap unklar35,6 %n=543
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Kein llms.txt | 86,5 % | 1.319 |
| Wenig strukturierte Daten | 66,9 % | 1.020 |
| Agent-Ready Level niedrig | 65,1 % | 992 |
| Sitemap unklar | 35,6 % | 543 |
Agent-Ready-Verteilung
Steuerberater: Anteil je Score-Band
- Agent-Ready 0-1946,9 %n=715
- Agent-Ready 20-3933,6 %n=512
- Agent-Ready 40-5915,3 %n=233
- Agent-Ready 60-793,3 %n=50
- Agent-Ready 80-1000,9 %n=14
Diagrammdaten als Tabelle
| Kategorie | Anteil | Stichprobe (n) |
|---|---|---|
| Agent-Ready 0-19 | 46,9 % | 715 |
| Agent-Ready 20-39 | 33,6 % | 512 |
| Agent-Ready 40-59 | 15,3 % | 233 |
| Agent-Ready 60-79 | 3,3 % | 50 |
| Agent-Ready 80-100 | 0,9 % | 14 |
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 |
Mandantenfragen zu Fristen, Rechtsformen und Zuständigkeiten wandern in KI-Antworten. Kanzleien, die nur als „schöne WordPress-Seite“ existieren, werden seltener als Ground-Truth zitiert als Quellen mit klaren Faktenblöcken — obwohl gerade Kanzleien von Sachlichkeit leben. Diese Branchenauswertung von Modern Stack trennt technische AI-Readiness von AI-Sichtbarkeit und leitet umsetzbare Schritte ab. Gesamtmethodik: AI-Readiness-Studie Dienstleister. Kennzahlen Stand 2026-10-08. Berufsrechtskonforme, prüfbare Texte sind hier kein Widerspruch zu GEO — sie sind die Voraussetzung.
Was bedeutet „nahe am Schnitt“ bei fehlender llms.txt?
Kurz: Ø 22 (Δ +1) ohne Maschinen-Kurzform: relativ passables Mittel, Engpass bleibt der fehlende Layer.
Das ist die zentrale Interpretationsfalle dieser Niche. Wer nur den Mittelwert zitiert, unterschätzt den Handlungsbedarf. 80.5 % unter Agent-Ready 40 und JSON-LD nur 37.4 % zeigen denselben Modernisierungsdruck wie in schwächeren Branchen — nur etwas weniger extrem als Coaching (Ø 18) oder Physiotherapie (Ø 19). Sitemap 64.4 % und jev-Crawl Ø 83 vs. jev-llms Ø 24 bestätigen: Crawl-Basis oft da, LLM-Layer dünn.
Was ist AI-Readiness für Steuerberater?
Kurz: AI-Readiness misst, wie gut eine Kanzlei-Webseite von Suchmaschinen und generativen Systemen gefunden, gelesen.
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.
Berufliche Werbung unterliegt §57a StBerG / BOStB — sachliche, prüfbare Inhalte sind zugleich GEO-kompatibel und berufsrechtskonform. Die Studie bewertet maschinenlesbare Auffindbarkeit, keine Beratungsqualität und keine steuerliche Empfehlung. E-E-A-T-Signale (Person, Kanzlei, Zuständigkeit, Quellen) helfen Menschen und Maschinen gleichermaßen.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
Kurz: Readiness = „Kann das System die Kanzlei-Webseite lesen?“. Visibility = „Wird die Kanzlei in der Antwort genannt?“.
| AI-Readiness | AI-Sichtbarkeit | |
|---|---|---|
| Alltagsfrage | Ist die Kanzlei-Webseite für Maschinen brauchbar? | Taucht die Kanzlei in der KI-Antwort auf? |
| Messung hier | Live-Audit, Agent-Ready 0–100 | separate Prompt-/Mention-Messung |
| Diese Kohorte | 1524 Audits → Ø 22/100 | nicht als Niche-Mention-Rate ausgewiesen |
| Was du steuern kannst | BLUF-Leistungen, NAP, Schema, llms.txt, Bot-Zugang | nur indirekt über Lesbarkeit + zitierfähige Fakten |
| Was daraus nicht folgt | Ø 22 ≈ „fertig“ | eine Nennung = dauerhafte Garantie |
Lokal getrennt gemessen (Bad Schönborn): Discovery 25 % vs. Brand 91,7 %. Branchenspezifisch vertieft: AI-Sichtbarkeit für Steuerberater. Fehlen von llms.txt (86.5 % der Findings-Zeile „kein llms.txt“) ist ein Readiness-Befund — kein automatischer Nachweis, dass jede Kanzlei in ChatGPT unsichtbar ist.
Was zeigen die Zahlen für Steuerberater?
Kurz: Leicht über dem DE-Mittel (22 vs. 21) — aber 80.5 % unter 40 und llms.txt nur 13.5 %.
Kennzahlen dieser Kohorte (Stand 2026-10-08):
| Metrik | Steuerberater | DE-Querschnitt |
|---|---|---|
| Audits (n) | 1524 | 9345 |
| Agent-Ready Ø | 22 | 21 |
| Fit Ø | 78 | — |
| Anteil AR < 40 | 80.5 % | — |
| llms.txt | 13.5 % | — |
| JSON-LD | 37.4 % | — |
| Sitemap | 64.4 % | — |
| Legacy-CMS | 61.5 % | — |
| Markdown-Negotiation | 0.3 % | — |
Crawl-nahe Scores (falls gemessen): jev-Crawl Ø 83, jev-llms Ø 24 — Crawl vor LLM-Layer. Δ zum DE-Mittel: +1 Agent-Ready-Punkt.
Häufigste Findings (ohne Markdown): kein llms.txt (86.5 %); wenig strukturierte Daten (66.9 %); Agent-Ready Level niedrig (65.1 %); Sitemap unklar (35.6 %). Auffällig: „kein llms.txt“ führt die Finding-Liste an — stärker als das reine „AR niedrig“-Finding. Das passt zur Direct-Answer-These: Mittel nahe am Schnitt, Maschinen-Kurzform trotzdem selten.
Markdown-Negotiation nahe 0 % über Branchen hinweg — systemisch. Differenzierend: llms.txt, JSON-LD, Verteilung unter 40, Legacy-CMS.
Warum scheitern viele Sites trotz „eigener Webseite“?
Kurz: Crawl-Signale sind oft besser als der LLM-Layer — SEO-Basics ≠ Agent-Ready.
Die Daten zeigen: Sitemap/robots-Muster können existieren, während JSON-LD fehlt und llms.txt ausbleibt. Legacy-CMS (WordPress/Divi) dominiert. Berufsrecht belohnt dieselben Muster wie GEO: Quellen, Zahlen, prüfbare Aussagen statt Werbefloskeln — siehe AI-Sichtbarkeit für Steuerberater.
Princeton GEO (arXiv:2311.09735) stützt zitierfähige Fakten auf extrahierbarer Basis. Typische Bruchstellen in Kanzlei-Webseiten:
- Leistungsseiten ohne BLUF — lange Willkommenstexte statt „Was wir für GmbHs / Freiberufler tun“.
- NAP-Inkonsistenz — Impressum, Footer und Google Business Profil weichen ab.
- Schema lückenhaft — JSON-LD nur 37.4 %; AccountingService/Organization oft fehlend.
- Kein llms.txt — Assistenten finden kein Kanzlei-Kurzportrait.
Wie liest man die Vergleichstabelle richtig?
Kurz: Δ +1 ist kein Freibrief — 80.5 % unter 40 bleibt der Modernisierungsdruck.
Drei Leseregeln:
- Mittel 22 plus Anteil unter 40 lesen — nicht nur „über dem Schnitt“.
- llms.txt (13.5 %) und JSON-LD als Proxy für den Maschinen-Layer; Sitemap allein reicht nicht.
- n=1524 (16.3 % des Census) ist robust; kleine Nischen mit Warnhinweis vergleichen.
Gegen Coaching (Ø 18) wirkt Steuerberater stärker; gegen Fotografie (Ø 25) schwächer. Der Engpass dieser Niche ist besonders klar die fehlende llms.txt — nicht nur „zu viel WordPress“.
Welche CMS-Muster tauchen auf?
Kurz: WordPress/Divi häufig, Jimdo sichtbar — CMS sagt Agent-Ready nicht vorher.
In dieser Kohorte: WordPress (600), Divi (312), Jimdo (13). Legacy-CMS erkannt bei 61.5 %. Wer nur Pagebuilder ablöst (WordPress-Migration, Next.js vs WordPress) und keinen Maschinen-Layer baut, bleibt für Assistenten unsichtbar. Produktpfad: Kanzlei-Webseite.
Was folgt daraus für GEO und AIO?
Kurz: Sachliche Leistungsfakten sind berufsrechtskonform und GEO-tauglich — Floskeln helfen keinem von beiden.
GEO und AIO belohnen zitierfähige Fakten, konsistente Entities und abrufbare Passagen (Grounding, RAG, Zitation). Für Steuerberatungskanzleien und Kanzleinetzwerke in Deutschland 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 ChatGPT-Sichtbarkeit und Perplexity-Sichtbarkeit.
Ein BLUF-Absatz zu „Jahresabschluss für GmbHs in Ort X — Ablauf, Unterlagen, Kontakt“ ist für Assistenten brauchbarer als ein Willkommensbanner. Mit llms.txt nur bei 13.5 % und JSON-LD bei 37.4 % fehlt genau diese Extraktionsschicht in der Masse der Kohorte. Branchenspezifisch vertieft: AI-Sichtbarkeit für Steuerberater. Princeton GEO (arXiv:2311.09735) bleibt der Rahmen — Stack und Fakten zuerst, Visibility-Claims danach.
Was solltest du konkret umsetzen?
Kurz: BLUF-Leistungen + NAP + Schema + llms.txt — dann Bot-Zugang und erst danach optional Stack-Wechsel.
Baue BLUF-Seiten zu Kernleistungen, halte NAP konsistent, setze AccountingService/Organization-Schema, publish llms.txt, prüfe Bot-Zugänge. Produktpfad: Kanzlei-Webseite und Structured Data & GEO. Rahmen: Webseite-Modernisierung.
Beispiel-Kurzstruktur:
# Steuerberatungskanzlei Beispiel — Ort
> Steuerberatung für GmbHs und Freiberufler in Ort X.
# Schwerpunkte
- laufende Buchhaltung / Jahresabschluss
- Gründung / Rechtsformwechsel (Information, keine Rechtsberatung Dritter)
- digitale Zusammenarbeit
# Kontakt / NAP
- Kanzleiname, Straße, PLZ Ort, Telefon, E-Mail
- Berufsbezeichnung, zuständige Kammer (Kurz)
# Hinweis
- Keine individuelle Steuerberatung über diese Datei; Stand der Angaben prüfen
Reihenfolge aus den Findings:
- Messung — Webseite-Check.
- Maschinen-Layer — llms.txt, Schema, Direct Answers, Bot-Zugang.
- Technik-Basis — Legacy-Pagebuilder ablösen, wenn Extraktion/Performance scheitern.
- Monitoring — Agent-Ready und (separat) Zitationen; Rankings allein reichen nicht.
Wie priorisierst du die Findings in der Praxis?
Kurz: In dieser Kohorte führt „kein llms.txt“ (86.5 %) die Findings — vor „Agent-Ready niedrig“ (65.1 %). Hebel 1.
| Priorität | Hebel | Warum zuerst |
|---|---|---|
| 1 | llms.txt (Kanzlei, Ort, Schwerpunkte, NAP) | Finding-Spitze 86.5 %; Prävalenz nur 13.5 % |
| 2 | BLUF-Leistungsseiten | Mandantenfragen zu Fristen/Rechtsformen brauchen Faktenblöcke |
| 3 | AccountingService/Organization-JSON-LD | JSON-LD nur 37.4 %; Finding „wenig strukturierte Daten“ 66.9 % |
| 4 | NAP-Konsistenz (Webseite ↔ GBP ↔ Impressum) | Entity-Stabilität für Menschen und Maschinen |
| 5 | Sitemap klären | 35.6 % „Sitemap unklar“ |
| 6 | Stack/Pagebuilder | Legacy 61.5 % — wenn Extraktion/Wartung blockieren |
jev-Crawl Ø 83 vs. jev-llms Ø 24: klassisches Crawling oft stärker als der LLM-Layer. Δ +1 zum DE-Mittel (Ø 22 vs. 21) darf nicht als „fertig“ gelesen werden — 80.5 % liegen unter Agent-Ready 40.
Einordnung: stärker als Coaching (Ø 18) und Physiotherapie (Ø 19), schwächer als Fotografie (Ø 25). Der spezifische Blindspot der Kanzlei-Kohorte ist die llms.txt-Lücke trotz relativ passablem Mittel. Berufsrecht und GEO ziehen hier in dieselbe Richtung: sachlich, prüfbar, zitierfähig — siehe AI-Sichtbarkeit für Steuerberater und E-E-A-T.
Lokale Visibility-Korrelation: Bad Schönborn — Readiness-Bänder vs. Discovery/Brand, nicht als Mention-Garantie für deine Kanzlei.
Wann reichen Faktenblöcke — und wann brauchst du Migration?
Kurz: Wenn Leistungen und NAP klar, aber Markup fehlt: Maschinen-Layer. Wenn WordPress/Divi Betrieb und Extraktion.
- Fakten + Schema + llms.txt zuerst — oft der größte Score-Hebel bei bestehender Erreichbarkeit.
- Migration, wenn WordPress (600) / Divi (312) Security-, Update- oder Extraktionslast erzeugen — WordPress-Migration, Kanzlei-Webseite, Webseite-Modernisierung.
- Jimdo (13) und ähnliche Baukästen: oft schnell live, selten agent-ready — Schema/llms.txt trotzdem nachziehen oder Stack wechseln.
Cutover ohne BLUF-Leistungen und ohne llms.txt verbessert Visibility nicht zuverlässig. Audit misst Readiness; Visibility bleibt getrennt.
Welche Grenzen hat diese Methodik?
Kurz: Technischer Readiness-Census — kein Kanzlei-Ranking und keine flächendeckende Visibility-Messung Steuerberater DE-weit.
- Stichprobe: n=1524 (16.3 % des Census), Stand 2026-10-08, Discovery-/Outreach-getrieben.
- Kein Berufs-Urteil: Score ≠ Beratungsqualität.
- Berufsrecht: Umsetzung muss §57a StBerG / BOStB einhalten — die Studie ersetzt keine Compliance-Prüfung.
- Readiness ≠ Visibility: keine Niche-Mention-Rate; lokale Korrelation Bad Schönborn.
- CMS heuristisch; Markdown 0.3 % branchenübergreifend nahe null.
- Δ +1 nicht überinterpretieren — Verteilung unter 40 (80.5 %) bleibt hoch.
- Fit Ø 78: Modernisierungsbedarf als Spiegel — kein Preissignal.
- Keine Steuerberatung über diese Seite; technische Hinweise sind keine Mandatsleistung.
Welche Checkliste gilt vor dem nächsten Audit?
Kurz: BLUF-Leistungsseiten, NAP identisch zu Impressum und GBP, llms.txt live und Accessibility der Kernflows geprüft.
BLUF-Leistungsseiten (sachlich, prüfbar), NAP identisch zu Impressum und Google Business Profil, llms.txt live, AccountingService/Organization-JSON-LD, Sitemap/robots ohne unbeabsichtigte Blocks, Berufsbezeichnung/Kammer-Hinweis wo nötig, Agent-Ready erneut gemessen. Visibility-Claims nur mit eigener Prompt-Stichprobe — Ø 22/100 und Δ +1 sind Readiness, keine Empfehlungsquote. Vor Veröffentlichung: §57a StBerG / BOStB gegenlesen; GEO-Texte dürfen nicht in unzulässige Werbung kippen. Wenn nach Maschinen-Layer weiterhin Extraktion oder Wartung scheitern: Stack-Entscheidung mit denselben Zahlen begründen (Legacy 61.5 %, WordPress 600, Divi 312) — nicht aus Bauchgefühl.
Typische Fehlinterpretationen vermeiden
- „Wir liegen über dem Schnitt — fertig“ — 80.5 % unter 40 und llms.txt 13.5 % widersprechen dem.
- „Kein llms.txt = bewiesene Unsichtbarkeit“ — Readiness-Befund, kein Mention-Beweis pro Domain.
- „WordPress ist das Problem“ — Legacy 61.5 % ist Kontext; ohne Faktenblöcke hilft kein CMS-Wechsel.
- „Lange Fachtexte reichen“ — ohne Direct-Answer-Struktur und Schema bleiben sie schwer extrahierbar.
Wie zitierst du diese Branchenstudie?
Kurz: Zitiere Modern Stack 2026, n=1524, Agent-Ready Ø 22/100 — und nenne die Branchenauswertung ausdrücklich.
Empfohlene Kurzcitation: Modern Stack (2026): AI-Readiness Steuerberater — Branchenauswertung, n=1524, Agent-Ready Ø 22/100. https://modern-stack.de/themen/ai-readiness-steuerberater-studie
Gesamtstudie und Methodik: modern-stack.de/studie. Lokale Vertiefungen: Bad Schönborn, Bruchsal.
Verwandte Branchen-Slices: Physiotherapie, Coaching, Psychologie, Fotografie, Dienstleistung, Gesundheitspraxis, Handwerk.
Die nächste sinnvolle Messung ist derselbe Audit-Maßstab wie in der Studie (Webseite-Check): Agent-Ready, llms.txt, JSON-LD, Sitemap/robots — und Visibility nur dann behaupten, wenn du sie separat prüfst. So bleibst du anschlussfähig an den Census (n=1524, Ø 22, Fit Ø 78) und vermeidest, Readiness-Gewinne mit Mention-Raten zu verwechseln — genau die Trennung, die diese Branchenstudie gegenüber AI-Sichtbarkeit einfordert. Charts und die Vergleichstabelle auf dieser Seite bleiben die Primärquelle für die Niche-Kennzahlen.
Kurz: Nahe am DE-Mittel, aber llms.txt-Lücke und Masse unter 40 — sachliche Faktenblöcke und Maschinen-Layer zuerst. 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 Steuerberater-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).
- AI-Sichtbarkeit für Steuerberater (GEO) — Modern Stack
Branchenspezifischer GEO-Rahmen für Kanzleien.
- GEO: Generative Engine Optimization (Aggarwal et al.) — arXiv / KDD 2024
Rahmen für Zitation und Sichtbarkeit in generativen Engines.
Häufige Fragen
Wie AI-ready sind Steuerberater-Webseiten?
In der Modern-Stack-Branchenauswertung (1524 Live-Audits, Stand 2026-10-08) liegt der mittlere Agent-Ready-Score bei 22/100. 80.5 % der Audits liegen unter 40. Charts: https://modern-stack.de/themen/ai-readiness-steuerberater-studie
Wie schneidet Steuerberater gegen den DE-Querschnitt ab?
Der DE-Querschnitt (n=9345) liegt bei Agent-Ready Ø 21/100. Steuerberater liegt bei Ø 22 (Δ +1).
Wie häufig gibt es eine llms.txt?
In dieser Branchenkohorte bei 13.5 % der Audits. Markdown-Negotiation bei 0.3 %.
Was ist der Unterschied zwischen AI-Readiness und AI-Sichtbarkeit?
AI-Readiness misst, ob Maschinen deine Webseite technisch auslesen können (hier Agent-Ready Ø 22/100). 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 Kanzleien zuerst tun?
Was ist die Primärquelle?
Modern Stack AI-Readiness-Census (Live-Audits). Branchenpage mit Charts: https://modern-stack.de/themen/ai-readiness-steuerberater-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.
- 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.
- 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.
- Webseite-Modernisierung für Steuerberater-Kanzleien
Steuerberater-Kanzleien brauchen eine sachliche, pflichtangabenfeste Webseite mit klaren Leistungsschwerpunkten und sicherem Mandantenkontakt — im Rahmen von §57a StBerG. Modern Stack modernisiert bestehende Kanzlei-Auftritte. Migration ab 500 €.
- 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-Sichtbarkeit für Steuerberater — in ChatGPT gefunden und zitiert werden
Wie Steuerberatungskanzleien in ChatGPT, Perplexity und AI Overviews genannt und zitiert werden — und warum viele trotz Webseite unsichtbar bleiben. Praxishebel, Technik, §57a und Primärdaten aus der Steuerberater-Studie.
- 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 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.