ChatGPT hat 900 Millionen Nutzer pro Woche. Google AI Overviews erreicht 1,5 Milliarden. Wenn jemand diese Tools nach einem Handwerker, Anwalt oder Restaurant in OWL fragt — findet die KI Ihr Unternehmen? Ich habe es für 21.158 Websites geprüft. Das Ergebnis: Die meisten Betriebe in Ostwestfalen-Lippe sind für KI-Systeme praktisch unsichtbar.
Diese Analyse ist Teil meiner großen OWL-Studie mit 27.000 Websites. Dort geht es um Performance, Mobile-Tauglichkeit und SEO. Hier zoome ich auf einen Aspekt, der bislang kaum beachtet wird: Wie gut können KI-Systeme die Inhalte einer Website verstehen und zitieren?
Was bedeutet KI-Readiness für eine Website?
Suchmaschinen crawlen seit 25 Jahren das Web. Aber die neue Generation von Antwort-Systemen — ChatGPT, Perplexity, Google Gemini, AI Overviews — funktioniert anders. Diese Systeme lesen nicht nur Keywords. Sie versuchen, Inhalte zu verstehen: Was macht dieses Unternehmen? Wo sitzt es? Welche Leistungen bietet es an? Wie vertrauenswürdig ist es?
Ob eine Website von KI-Systemen erfasst und zitiert wird, hängt an fünf messbaren Faktoren:
- Strukturierte Daten (Schema-Markup) — Maschinenlesbare Informationen über Firma, Öffnungszeiten, Leistungen, Bewertungen
- Semantisches HTML — Saubere Überschriften-Hierarchie, korrekte HTML5-Elemente statt reiner div-Suppe
- llms.txt — Eine Datei im Root-Verzeichnis, die KI-Systemen gezielt sagt, worum es auf der Seite geht
- Inhaltliche Tiefe — Blog-Beiträge, FAQ-Seiten, Leistungsbeschreibungen, die echte Fragen beantworten
- Open Graph / Meta-Daten — Korrekte Titel, Beschreibungen und Vorschaubilder für Social Sharing und KI-Snippets
Aus diesen fünf Signalen habe ich einen Score von 0 bis 100 berechnet. Bei meiner eigenen Arbeit mit KI-Readiness-Checks sehe ich täglich, wie groß die Unterschiede sind — selbst zwischen Unternehmen derselben Branche und Stadt.
Die Ergebnisse: Durchschnitt 45,7 von 100
Der durchschnittliche AI-Readiness Score aller 21.158 analysierten Websites liegt bei 45,7 von 100. Das reicht für eine Basis-Erfassung durch Google, aber nicht dafür, dass ChatGPT oder Perplexity Ihr Unternehmen in einer Antwort nennen.
Die Verteilung zeigt vier Gruppen:
Kurz: Über die Hälfte aller Unternehmens-Websites in OWL (52%) liegt unter 50 Punkten. Diese Seiten existieren für KI-Systeme kaum. Wenn jemand ChatGPT fragt „Welchen Elektriker in Bielefeld kannst du empfehlen?", tauchen diese Betriebe in der Antwort nicht auf — egal wie gut ihre Arbeit ist.
Nur 14% erreichen einen Score über 75. Das sind meistens IT-Dienstleister, Bildungseinrichtungen und Fitness-Studios mit modernen Websites und aktiven Blogs.
llms.txt: Das Signal, das fast niemand kennt
Von 21.158 Websites haben genau 564 eine llms.txt-Datei — das sind 2,7%. Zum Vergleich: Eine robots.txt haben über 80%.
Was ist llms.txt? Eine einfache Textdatei im Root-Verzeichnis
einer Website (also unter ihredomain.de/llms.txt),
die KI-Systemen in kompakter Form erklärt, worum es auf der
Seite geht. Ähnlich wie robots.txt Suchmaschinen sagt, was sie
crawlen dürfen, sagt llms.txt KI-Modellen, was sie über das
Unternehmen wissen sollten.
Das Format wurde 2025 von Anthropic vorgeschlagen und wird inzwischen von mehreren KI-Anbietern ausgelesen. Es ist kein offizieller Standard, aber ein starkes Signal. Ich setze llms.txt bei jeder Website ein, die ich baue — auch bei lokalen Betrieben, die sich gerade erst mit KI-Readiness beschäftigen.
2,7% mit llms.txt heißt auch: Wer jetzt eine anlegt, gehört zu den ersten in seiner Branche. Das ist ein Vorteil, den man in zwei Jahren nicht mehr hat.
Schema-Markup: Die Sprache, die KI versteht
53% der Websites in OWL haben kein Schema-Markup. Das bedeutet: Mehr als die Hälfte aller Unternehmens-Seiten liefert KI-Systemen keine strukturierten Informationen über Firmenname, Branche, Adresse, Öffnungszeiten oder Bewertungen.
Schema-Markup (auch JSON-LD genannt) ist ein Code-Block im HTML, den Besucher nicht sehen, aber Maschinen lesen. Für ein lokales Unternehmen sind vor allem diese Schema-Typen relevant:
- LocalBusiness — Name, Adresse, Telefon, Öffnungszeiten, Geo-Koordinaten
- Service — Einzelne Leistungen mit Beschreibung und Preisrahmen
- AggregateRating — Bewertungsdurchschnitt und Anzahl der Rezensionen
- FAQ — Häufige Fragen mit Antworten, die KI direkt als Snippet verwenden kann
Ein Tischler in Detmold mit sauberem LocalBusiness-Schema wird von Google AI Overviews bevorzugt gegenüber einem Konkurrenten ohne strukturierte Daten — selbst wenn beide ähnlich gute Websites haben. In meinem SEO-Angebot ist Schema-Markup deswegen immer Teil der Grundausstattung.
Die weiteren Signale im Überblick
| Signal | Anteil in OWL |
|---|---|
| Semantisches HTML (korrekte Überschriften-Hierarchie) | 58% |
| Open Graph Tags (og:title, og:description, og:image) | 50% |
| Blog oder Ratgeber-Inhalte | 48% |
| Schema-Markup (JSON-LD) | 47% |
| llms.txt | 2,7% |
Kein einzelnes Signal reicht aus. Es ist die Kombination, die zählt. Eine Website mit Schema-Markup und Blog und sauberem HTML liegt im Schnitt bei 72 Punkten. Eine ohne alle drei bei 28.
Branchen-Ranking: IT führt, Gastronomie und Schönheit am Ende
Zwischen den Branchen gibt es massive Unterschiede. Bildung und IT liegen vorne, Gastronomie und Schönheitspflege hinten. Das überrascht wenig: Wer sich beruflich mit Technik beschäftigt, hat eher eine moderne Website.
| Branche | Ø AI-Readiness |
|---|---|
| Bildung | 75,7 |
| IT & Technik | 69,0 |
| Fitness | 67,5 |
| Industrie | 62,7 |
| Unterkunft | 53,5 |
| Bau | 51,4 |
| Dienstleistung | 47,0 |
| Handwerk | 46,0 |
| Gesundheit | 46,1 |
| Recht | 45,3 |
| KFZ | 39,6 |
| Gastronomie | 39,3 |
| Schönheit | 38,7 |
Interessant ist das Mittelfeld: Handwerk, Gesundheit und Recht liegen alle knapp unter 50. Das sind Branchen, in denen Kunden zunehmend KI-Tools nutzen, um Anbieter zu finden — „Welcher Zahnarzt in Gütersloh hat gute Bewertungen?", „Finde mir einen Steuerberater in Herford". Wer hier nicht auftaucht, verliert Anfragen, die er nie sieht.
Ein Muster, das ich bei meinen KI-Beratungen für kleine Unternehmen immer wieder sehe: Gastronomen und Kosmetik-Studios haben oft optisch ansprechende Websites, aber technisch liefern sie KI-Systemen fast nichts. Kein Schema, kein Blog, keine strukturierten Öffnungszeiten.
5 Schritte zur KI-Sichtbarkeit
Was können Sie konkret tun? Hier sind fünf Maßnahmen, sortiert nach Aufwand — von „eine Stunde" bis „laufend":
1. llms.txt anlegen
Erstellen Sie eine Textdatei unter
ihredomain.de/llms.txt. Inhalt: Firmenname,
Standort, Kernleistungen, Alleinstellungsmerkmale — in 10 bis 20
Zeilen, klar und sachlich. Kein Marketing-Deutsch. Aufwand: 30
Minuten.
2. Schema-Markup einbauen
Mindestens LocalBusiness mit Name, Adresse,
Telefon, Öffnungszeiten und Geo-Koordinaten. Wenn Sie
Bewertungen auf Google haben, ergänzen Sie
AggregateRating. Google stellt mit dem
Rich Results Test
ein kostenloses Prüfwerkzeug bereit. Aufwand: 1 bis 2 Stunden.
3. HTML-Struktur aufräumen
Eine einzige H1 pro Seite, danach H2 und H3 in logischer
Reihenfolge. Keine H2 für Designzwecke, keine übersprungenen
Ebenen. Dazu: alt-Texte auf allen Bildern, korrekte
lang-Attribute. Aufwand: 2 bis 4 Stunden
(einmalig).
4. Open Graph Tags setzen
Jede Seite braucht og:title,
og:description und og:image. Damit
steuern Sie, wie Ihre Seite in Vorschauen und KI-Snippets
erscheint. Ohne OG-Tags raten die Systeme — und raten oft
falsch. Aufwand: 1 Stunde.
5. Inhaltliche Tiefe aufbauen
Ein Blog oder FAQ-Bereich, der echte Kundenfragen beantwortet. Nicht fünf generische Sätze, sondern Antworten mit Substanz. „Was kostet eine Dachsanierung in OWL?" ist besser als „Wir bieten Dachsanierungen an." KI-Systeme zitieren Inhalte, die konkret und hilfreich sind. Aufwand: laufend, 1 bis 2 Artikel pro Monat.
Wenn Sie alle fünf Punkte umsetzen, liegen Sie erfahrungsgemäß bei 70+ Punkten — und damit in den oberen 20% der Region.
Die vollständige Analyse aller 27.000 Websites — inklusive Performance, SEO und Mobile-Scores — finden Sie in der OWL-Website-Studie. Wenn Sie wissen wollen, wie gut Ihre eigene Website für KI-Systeme aufgestellt ist, biete ich einen kostenlosen KI-Readiness-Check an — mit konkretem Score und Handlungsempfehlungen.
Die Daten zeigen: Die Lücke zwischen den KI-sichtbaren und den unsichtbaren Unternehmen ist jetzt noch klein genug, um sie zu schließen. In zwei Jahren, wenn KI-generierte Antworten ein Drittel aller lokalen Suchanfragen bedienen, wird das deutlich schwieriger.
