AI Check:
Wie sichtbar ist Ihre Website bei ChatGPT und Co.?

Ja. 100% kostenlos, keine Anmeldung, keine Kreditkarte. Aus Fairness gegenüber allen Nutzern ist pro Check eine kostenlose Analyse alle 24 Stunden möglich, siehe Datenschutzerklärung für Details zur Speicherung. Wir nutzen den Scanner als Teil unserer STEP/SEEDS® Marketing-Diagnose-Methodik. Wenn Sie den vollen Marketing-Audit über alle 7 Bereiche wollen, können Sie unsere bezahlte Diagnose ab €199 buchen.

Klassisches SEO optimiert für Google-Crawler und menschliche Leser. AI-Readiness optimiert zusätzlich für KI-Agenten, die strukturierte Maschinen-Protokolle bevorzugen: llms.txt liefert LLM-optimierten Content, JSON-LD Schema macht Daten eindeutig lesbar, /.well-known/mcp.json beschreibt API-Schnittstellen für autonome Agenten. Beides ist wichtig, SEO bleibt relevant, AI-Readiness wird das Fundament der nächsten Suchgeneration.

19 bekannte KI-Bots: GPTBot, OAI-SearchBot, ChatGPT-User (OpenAI), ClaudeBot, Claude-User, Claude-SearchBot, PerplexityBot, Perplexity-User, Google-Extended, GoogleOther, Bingbot, Bytespider (ByteDance), Amazonbot, Cohere-AI, CCBot, Meta-ExternalAgent, FacebookBot, Applebot-Extended, MistralAI-User. Wir prüfen, ob Ihre robots.txt diese Bots namentlich adressiert, eine generische User-agent: *-Regel reicht 2026 nicht mehr.

Der Score wird als lineare 0–10 Skala (Endscore / 10, gerundet) dargestellt, jede 10 Punkte des Endscore = 1 Punkt auf der 0–10 Skala. Zusätzlich gibt es eine A–F Note:
9–10 / A (90–100): Agentenfähig, KI-Systeme finden alle wichtigen Signale.
8–9 / B (80–89): Sehr gut, kleinere Lücken in Protokoll-Erkennung.
7–8 / C (70–79): Solide Basis, aber wichtige Standards fehlen.
6–7 / D (60–69): Grundlegende AI-Readiness vorhanden, aber unvollständig.
0–5 / F (unter 60): Erhebliche Lücken, KI-Agenten sehen nur Bruchteile Ihrer Inhalte. Sofortiger Handlungsbedarf.

STEP/SEEDS® , eine strukturierte Marketing-Diagnose-Methodik für KMU und Mittelstand. Wir analysieren über 112 priorisierte Maßnahmen in 7 Marketing-Bereichen (SEO, SMM, PPC, Email, CRM, Operations, Content). Dieser AI-Check ist ein technischer Baustein unserer SEO-Tiefenanalyse (Step 4C: AEO/GEO).

AI-Crawlability (Tab 1) prüft die technische Sichtbarkeit Ihrer Website: ob KI-Crawler wie GPTBot, ClaudeBot und PerplexityBot Ihre Inhalte überhaupt finden, lesen und verstehen können. Geprüft werden 22 technische Signale (robots.txt, llms.txt, JSON-LD Schema, /.well-known/mcp.json u.a.).

AI-Mention (Tab 2) prüft die tatsächliche Sichtbarkeit: ob Ihre Marke in Antworten von echten LLMs genannt wird, wenn ein Kunde nach Ihren Leistungen fragt. Wir senden Ihre Keywords an mehrere Sprachmodelle und analysieren, ob Sie erwähnt werden, an welcher Position, und welche Wettbewerber stattdessen empfohlen werden. Beide Layer ergänzen sich: AI-Crawlability ist die Voraussetzung, AI-Mention ist das Ergebnis.

Wir senden Ihre Keywords an zwei unabhängige LLM-Slots: einen mit US-Modellen (Nemotron / GPT-OSS) und einen mit Diversifizierungs-Modellen (GLM 4.5, Gemma 3). Jeder Slot hat einen 3-stufigen Fallback, wenn der primäre Provider überlastet ist, schalten wir automatisch auf den nächsten um. Wir prüfen, ob Ihre Marke in der Antwort erscheint, an welcher Position, und welche Wettbewerber genannt werden. Das Ergebnis ist ein Visibility-Score 0–100%mit Note A–F sowie eine aggregierte Wettbewerber-Liste.

Nicht exakt. Wir nutzen Open-Source-Äquivalente (Nemotron, GPT-OSS, GLM 4.5, Gemma 3), die mit ähnlichen öffentlichen Web-Daten trainiert wurden. Wenn Ihre Marke in den öffentlichen Quellen (Wikipedia, Branchenmedien, vertrauenswürdige Verzeichnisse) gut sichtbar ist, wird sie auch von kommerziellen LLMs zitiert. Das Ergebnis ist ein starker Indikator, kein 1:1-Spiegel von ChatGPT.

AI-Checkkombiniert in einem Scan: technische AI-Crawlability (22 Signale, 19 AI-Bots) und Live-LLM-Mention-Probe (mehrere Modelle parallel) auf Deutsch – ohne Account und ohne Abonnement, komplett kostenlos.

Ja. Dieser AI-Check ist bewusst tief und technisch, 22 Signale, 19 Bots, Live-LLM-Probe. Wenn Sie stattdessen einen breiteren Scan Ihres gesamten Marketings wollen, nicht nur der KI-Sichtbarkeit, gibt es den kostenlosen Marketing-Audit-Check. Er deckt 4 Dimensionen mit einem einzigen Scan ab: SEO-Grundlagen, Vertrauenssignale, Analytics-Tracking und KI-Sichtbarkeit.

Nein, aber beide hängen zusammen. SEO optimiert für die klassische Google-Trefferliste, GEO optimiert dafür, dass generative KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews eine Website in ihren Antworten zitieren. Eine solide SEO-Basis (schnelle Ladezeit, saubere Struktur, strukturierte Daten) ist meist auch die Grundlage für GEO, aber GEO stellt zusätzliche Anforderungen an Zitierfähigkeit und maschinenlesbare Fakten. Details im Vergleich GEO, AEO, LLMO und SEO.

Agentur-Honorare für GEO-Optimierung variieren stark je nach Umfang, es gibt keinen einheitlichen Marktpreis. Für viele KMU lohnt sich zunächst der kostenlose Check hier: liegt der Score bereits über 6 von 10, lassen sich die fehlenden Signale oft selbst umsetzen (siehe Entscheidungshilfe Agentur oder selbst umsetzen). Liegt der Score darunter oder ist GEO nur eines von mehreren offenen Marketing-Themen, ist die vollständige STEP/SEEDS® Diagnose ab 199 € oft die wirtschaftlichere Option gegenüber einer spezialisierten Einzelbeauftragung.

Technische Maßnahmen wie llms.txt oder JSON-LD-Markup können KI-Crawler theoretisch beim nächsten Crawl-Durchlauf erfassen, das kann je nach Bot Tage bis Wochen dauern. Ob und wann eine Marke danach tatsächlich in generierten Antworten zitiert wird, hängt zusätzlich von Faktoren außerhalb der eigenen Website ab (Erwähnungen auf anderen vertrauenswürdigen Seiten, Trainingsdaten-Zyklen der jeweiligen KI-Anbieter). Es gibt keine belastbare Garantie für eine feste Zeitspanne.

Nein, llms.txt ist eine offene, community-getragene Konvention nach llmstxt.org, kein Standard einer Normungsorganisation wie dem W3C. Anthropic und Perplexity gelten als Anbieter, die sie in Abruf-Workflows berücksichtigen. Google hat öffentlich erklärt, llms.txt weder für die klassische Suche noch für AI Overviews zu nutzen. Die Datei anzulegen kostet wenig Aufwand, ersetzt aber keine strukturierten Daten oder eine grundsätzlich zugängliche robots.txt.

Große KI-Anbieter betreiben meist mehrere separate Bots für unterschiedliche Zwecke, einen für das Modelltraining, einen für Live-Suchanfragen und teils einen weiteren, der Seiten im Auftrag eines Nutzers während einer laufenden Konversation abruft. Anthropic etwa unterscheidet aktuell zwischen ClaudeBot, Claude-SearchBot und Claude-User. Eine Regel, die nur einen dieser Bots betrifft, lässt die anderen unberührt. Details zur Fehlerquelle im Abschnitt Typische robots.txt-Fehler weiter oben auf dieser Seite.

Noch nicht abschließend. Eine Arbeitsgruppe des Model Context Protocol entwickelt aktuell einen Vorschlag für ein standardisiertes, unter /.well-known/ auffindbares Server-Manifest. Dieser Vorschlag befindet sich im Entwurfsstadium und ist noch nicht Teil der final verabschiedeten MCP-Spezifikation. Der genaue Dateipfad kann sich bis zur endgültigen Verabschiedung noch ändern. Unser Scan prüft den aktuell in der Praxis verbreiteten Pfad als Signal, nicht als Nachweis vollständiger Standard-Konformität.

Ein AI Readiness Check prüft, ob eine Website technisch darauf vorbereitet ist, von KI-Systemen gelesen und als Quelle verwendet zu werden. Konkret geht es um vier Ebenen: ob KI-Bots in der robots.txt namentlich zugelassen sind, ob strukturierte Daten vorhanden und valide sind, ob maschinenlesbare Zusatzdateien wie llms.txt existieren, und ob Inhalte so aufgebaut sind, dass sich einzelne Aussagen sauber extrahieren lassen. Genau diese Prüfung führt der Scan auf dieser Seite durch.

Ein AI Visibility Audit betrachtet zwei Seiten: die technische Auffindbarkeit und die tatsächliche Nennung in KI-Antworten. Dieser kostenlose Scan deckt die technische Seite vollständig ab und liefert zusätzlich eine Stichprobe zur Nennung. Ein vollständiges Audit prüft die Nennungsseite systematisch über viele Suchanfragen und Plattformen hinweg und beobachtet die Entwicklung über die Zeit. Diese fortlaufende Beobachtung ist Teil des STEP/SEEDS® Trackings, nicht des kostenlosen Scans.

AI Search Optimization (auch LLM SEO oder GEO genannt) bedeutet, eine Website so aufzubauen, dass sie sowohl von KI-Crawlern gelesen als auch in KI-generierten Antworten zitiert werden kann. Der sinnvolle Startpunkt ist immer die technische Basis: Tab 1 (AI-Crawlability) auf dieser Seite zeigt in unter einer Minute, ob überhaupt die Voraussetzungen (robots.txt-Freigaben, llms.txt, strukturierte Daten) vorhanden sind. Erst danach lohnt sich Tab 2 (AI-Mention), um zu messen, ob die Marke bereits in echten LLM-Antworten genannt wird.

Nein, das sind zwei unabhängige Metriken. Eine Website kann bei Google auf Position 1 stehen und trotzdem in ChatGPT- oder Perplexity-Antworten nicht erwähnt werden, LLMs gewichten andere Signale (Zitierfähigkeit, strukturierte Fakten, Erwähnung in Drittquellen) stärker als reine Backlink- oder Keyword-Signale. Tab 2 dieses Scans misst die KI-Sichtbarkeit direkt, unabhängig vom Google-Ranking.

Optimierung von Inhalten so, dass sie als direkte Antwort in KI-Antwortmaschinen (ChatGPT, Perplexity, Google AI Overviews) erscheinen, nicht nur als Suchergebnis-Link. Erfordert strukturierte Daten, klare Frage-Antwort-Formate und maschinenlesbare Fakten.

Spezialfall von AEO: Optimierung für generative KI (LLMs wie GPT-4, Claude, Gemini), die Antworten aus mehreren Quellen synthetisieren. Schwerpunkt liegt auf Authority-Signalen, Zitierfähigkeit und kontextualer Vollständigkeit der Inhalte.

Standardisierte Textdatei im Website-Root (/llms.txt), die LLM-Crawlern eine kompakte, kuratierte Sitemap der wichtigsten Seiten und Inhalte liefert, analog zu robots.txt, aber für KI-Systeme. Standard nach llmstxt.org.

Textstring, mit dem sich ein Bot bei jeder HTTP-Anfrage identifiziert, zum Beispiel GPTBot oder ClaudeBot. Websites nutzen den User-Agent, um in robots.txt gezielt einzelne Bots zu erlauben oder zu sperren, statt nur pauschal über User-agent: * zu steuern.

Die informelle, jahrzehntealte Konvention hinter der Datei robots.txt: ein Bot liest die Datei vor dem ersten Zugriff und hält sich freiwillig an die dort definierten Erlaubnis- und Sperr-Regeln. Es gibt keinen technischen Zwang, seriöse Anbieter wie OpenAI, Anthropic und Google dokumentieren aber öffentlich, dass sie sich daran halten.

Offenes Protokoll, ursprünglich von Anthropic entwickelt, mittlerweile unter der Model Context Protocol Steering Group organisiert, einem herstellerübergreifenden Gremium unter dem Dach der Linux Foundation. MCP erlaubt KI-Agenten, externe Tools und Datenquellen strukturiert zu entdecken und zu nutzen. Eine Arbeitsgruppe entwickelt aktuell einen Vorschlag für ein standardisiertes, unter /.well-known/ auffindbares Server-Manifest, dieser Vorschlag befindet sich noch im Entwurfsstadium und ist noch nicht Teil der final verabschiedeten Spezifikation.

Format für strukturierte Daten in HTML, basierend auf schema.org-Vokabular. Macht Inhalte (Produkte, FAQs, Organisationen, Events) für Maschinen eindeutig lesbar. Google und KI-Engines bevorzugen JSON-LD-strukturierte Sites bei der Antwort-Generierung.

Klassischer Crawler (Googlebot, Bingbot) indexiert HTML für Suchergebnisse. KI-Bot (GPTBot, ClaudeBot, PerplexityBot) liest Inhalte für LLM-Training oder Live-Antwort-Generierung. Beide haben unterschiedliche User-Agent-Strings und benötigen separate robots.txt-Regeln. 19 KI-Bots werden 2026 im DACH-Raum aktiv beobachtet.

Erwähnung einer Marke in der Antwort eines Large Language Models (LLM) wie ChatGPT, Claude, Perplexity oder Gemini. Anders als klassische Suche (Ranking auf Google-SERP) zählt bei LLMs nur die Mention-Rate: erscheint Ihre Marke, wenn ein Kunde fragt «wer bietet das beste X in DACH?». LLMs nennen pro Antwort typisch nur 3–7 Marken, wer dort nicht steht, wird vom Kunden nicht in Betracht gezogen.

API-Aggregator, der Zugriff auf Dutzende kommerzieller und Open-Source-LLMs unter einer einheitlichen API bietet. Wir nutzen OpenRouter für die Tab-2-Mention-Probe mit Open-Source-Modellen (Nemotron, GPT-OSS, GLM 4.5, Gemma 3) und 3-stufiger Fallback-Chain pro Slot. Vorteil: kein Vendor-Lock-in, einfacher Modell-Wechsel. Server in den USA, aber bei anonymen Brand-Queries DSGVO-mäßig unkritisch.

Prozentsatz der LLM-Anfragen, in denen Ihre Marke erwähnt wurde, von 0% (nie genannt) bis 100% (in jeder Antwort genannt). Bewertung: A (75–100) ausgezeichnete AI-Visibility, B (50–74) solide, C (25–49) teilweise sichtbar, D (1–24) selten erwähnt, F (0) praktisch unsichtbar in AI-Antworten. Ergänzt den AI-Crawlability-Score (Tab 1) um die ergebnis-orientierte Sicht.

Sammelbegriff für alle Maßnahmen, die eine Website oder Marke in KI-gestützten Sucherlebnissen sichtbar machen, technische Crawlability (Tab 1), Brand-Mentions in LLM-Antworten (Tab 2) und Google-AI-Overview-Signale (Tab 3) zusammen. Anders als klassisches SEO, das auf Ranking-Positionen in einer Ergebnisliste zielt, geht es hier um Präsenz innerhalb der generierten Antwort selbst, der Nutzer sieht oft keine Linkliste mehr, sondern nur den fertigen KI-Text.

Umgangssprachliche Kurzform für Suchmaschinenoptimierung im Kontext von Large Language Models, deckt sich größtenteils mit GEO. Der Fokus liegt auf Inhalten, die ein LLM beim Beantworten einer Nutzerfrage als vertrauenswürdige, zitierfähige Quelle auswählt, klare Fakten, aktuelle Daten, saubere Struktur und Erwähnung in weiteren vom LLM als Autorität eingestuften Quellen (Wikipedia, Fachpresse, Verzeichnisse).

Wie oft und wie prominent eine Marke in Antworten von KI-Suchsystemen (ChatGPT, Perplexity, Google AI Overviews, Copilot) erscheint, gemessen z. B. über den Visibility-Score aus Tab 2. Ein wachsendes Thema: immer mehr Nutzer stellen Kaufentscheidungs-Fragen direkt an ein KI-System statt eine klassische Suche zu starten, wer dort nicht erwähnt wird, existiert für diese Nutzer faktisch nicht.

Die drei derzeit wichtigsten KI-Crawler im DACH-Raum. GPTBot (OpenAI) sammelt Trainingsdaten für zukünftige Modellversionen. ClaudeBot (Anthropic) crawlt sowohl für Training als auch für Live-Web-Suchen innerhalb von Claude. PerplexityBot crawlt primär für die Live-Antwortgenerierung der Perplexity-Suchmaschine. Alle drei respektieren robots.txt, werden aber häufig versehentlich zusammen mit klassischen SEO-Crawlern blockiert, siehe Tab 1 für eine Einzelprüfung pro Bot.

Maßnahmen, die speziell darauf zielen, als Quelle in Google AI Overviews ausgewählt zu werden, die KI-generierten Zusammenfassungen über den klassischen Google-Suchergebnissen. Anders als beim klassischen Ranking zählen hier vor allem strukturierte Daten, klar formulierte Direktantworten und Entitäten-Klarheit. Tab 3 dieses Checks prüft genau diese 8 Signale für eine beliebige URL.