Sechs konkrete Lücken, mit Begründung und der genauen technischen Umsetzung.
Kritisch
Kein FAQ-Schema hinterlegt
Warum das wichtig ist: KI-Assistenten extrahieren Antworten bevorzugt aus FAQPage-Markup. Ohne dieses Signal wird der vorhandene Content bei Kundenfragen praktisch übersprungen.
Die Umsetzung: FAQPage-JSON-LD mit den häufigsten Kundenfragen einbauen.
faqpage.jsonld
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Bietet Beispiel GmbH CNC-Fräsen für Kleinserien an?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Ja. Beispiel GmbH fertigt CNC-gefräste Bauteile in Kleinserien ab Losgröße 1, inklusive Zeichnungsprüfung."
}
},
{
"@type": "Question",
"name": "Fertigt Beispiel GmbH Schweißkonstruktionen nach DIN EN 1090?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Ja, Beispiel GmbH ist nach DIN EN 1090 zertifiziert und fertigt Schweißkonstruktionen nach Kundenzeichnung."
}
}
]
}
</script>
Hoch
llms.txt fehlt vollständig
Warum das wichtig ist: Ohne llms.txt müssen KI-Crawler Inhalte selbst interpretieren und tun das inkonsistent. Mit llms.txt bekommen sie eine maschinenlesbare Zusammenfassung.
Die Umsetzung: llms.txt mit Leistungen, Standort und Kontakt bereitstellen.
llms.txt
# Beispiel GmbH
> Metallverarbeitung: CNC-Fräsen, Laserschneiden und Schweißkonstruktion nach Zeichnung, ab Losgröße 1, zertifiziert nach DIN EN 1090.
## Leistungen
- CNC-Fräsen (Kleinserien und Einzelteile)
- Laserschneiden von Blech
- Schweißkonstruktion nach DIN EN 1090
- Baugruppenmontage
## Standort
Musterstraße 12, 12345 Musterstadt, Deutschland — info@beispiel-gmbh.de
## Wichtige Seiten
- Leistungen: https://beispiel-gmbh.de/leistungen
- Kontakt: https://beispiel-gmbh.de/kontakt
Hoch
Keine Organization-Auszeichnung
Warum das wichtig ist: Ohne strukturierte Entitätsdaten kann die KI Name, Adresse und Kontakt nicht sicher dem Unternehmen zuordnen und zitiert eher eindeutigere Quellen.
Die Umsetzung: Organization-JSON-LD mit Name, Adresse, Telefon und E-Mail einbauen.
organization.jsonld
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://beispiel-gmbh.de/#organization",
"name": "Beispiel GmbH",
"url": "https://beispiel-gmbh.de",
"email": "info@beispiel-gmbh.de",
"address": {
"@type": "PostalAddress",
"streetAddress": "Musterstraße 12",
"postalCode": "12345",
"addressLocality": "Musterstadt",
"addressCountry": "DE"
}
}
</script>
Mittel
Dünner extrahierbarer Text auf der Startseite
Warum das wichtig ist: Die Startseite besteht überwiegend aus Bildkacheln und Slogans statt aus Fließtext. KI-Modelle extrahieren Fakten aus Text, nicht aus Bildern.
Die Umsetzung: Mindestens 300–400 Wörter beschreibenden Fließtext zu Leistungen und Verfahren ergänzen.
Mittel
Leistungen nicht einzeln maschinenlesbar
Warum das wichtig ist: „CNC-Fräsen“, „Laserschneiden“ und „Schweißkonstruktion“ stehen nur als Menüpunkte, nicht als strukturierte Einträge — die KI kann sie nicht sicher einzelnen Anfragen zuordnen.
Die Umsetzung: Je Leistung ein eigenes Service-JSON-LD-Objekt anlegen.
Niedrig
robots.txt ohne explizite Freigabe für KI-Crawler
Warum das wichtig ist: Ohne ausdrückliche Allow-Regeln verhalten sich manche KI-Crawler zurückhaltend und crawlen die Seite seltener.
Die Umsetzung: robots.txt um explizite Allow-Einträge für GPTBot, ClaudeBot, PerplexityBot und Google-Extended ergänzen.
robots-zusatz.txt
# --- KI-/LLM-Crawler ausdrücklich erlauben (GEO) ---
User-agent: GPTBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: Google-Extended
Allow: /