Angenommen, ein Unternehmen prüft seine Website mit einem öffentlichen Agent-Readiness-Scanner (Übersicht auf Englisch) und erhält eine hohe Punktzahl. Die technische Checkliste sieht gut aus. Doch die Punktzahl beantwortet nicht die Fragen, auf die es wirklich ankommt: Weiß ein KI-Assistent, was dieses Unternehmen tut? Würde er es jemandem empfehlen, der einen passenden Bedarf beschreibt? Ein Readiness-Score misst technische Voraussetzungen, nicht das, was ein Assistent über das Unternehmen sagt.
Eine Website, die eine KI lesen kann, ist ein Ausgangspunkt. Das geschäftliche Ziel ist ein Unternehmen, das die KI zutreffend erklären und für passende Anforderungen empfehlen kann.
Dieser Artikel beschreibt ein praxisnahes Modell, mit dem KONDEVS LLM-Sichtbarkeit in drei Stufen betrachtet und misst. Es ist kein offizieller Standard und keine allgemein anerkannte Klassifikation. Es ist ein Arbeitsmodell, das hilft zu trennen, was gemessen wird und wer für welchen Teil verantwortlich ist.
| Stufe | Beispielfrage | Erfolgreiches Ergebnis | Messung |
|---|---|---|---|
| Stufe 1: lesbar | „Lies die Leistungen auf https://www.kondevs.com/.“ | Der Assistent gibt die Leistungen der Website korrekt wieder. | Anteil der ausgewählten Schlüsselseiten, die ein Assistent lesen kann und deren Fakten er korrekt wiedergibt. |
| Stufe 2: erkannt | „Was macht KONDEVS, und welche Arten von Projekten unterstützt das Unternehmen?“ | Eine zutreffende Beschreibung des Unternehmens, seiner Leistungen und seiner relevanten Erfahrung, gestützt auf überprüfbare Quellen, wenn der Assistent Quellen nutzt. | Genauigkeit gegenüber einer vorab festgelegten Liste von Fakten; falsche Leistungen, veraltete Angaben und Verwechslungen mit anderen Unternehmen festhalten. |
| Stufe 3: empfohlen | „Welche Beratungsunternehmen können einem Unternehmen in der DACH-Region helfen, Unternehmenssysteme mit webMethods oder SEEBURGER zu integrieren?“ | KONDEVS wird als passende Option genannt, mit einer Begründung, die sich auf den Bedarf bezieht. | Empfehlungsrate: Antworten, die das Unternehmen empfehlen, geteilt durch alle erfassten Antworten auf die ausgewählten relevanten Fragen ohne Markennamen. Empfehlung, bloße Erwähnung und Zitierung werden getrennt gezählt. |
Frage: Kann KI auf unsere Website zugreifen und sie lesen?
Beispiel-Prompt: „Lies die Leistungen auf https://www.kondevs.com/.“
Woran Sie Erfolg erkennen: Der Assistent gibt die Leistungen der Website korrekt wieder. Keine Zusammenfassung dessen, was er bereits zu „wissen“ glaubt, sondern Fakten von der Seite selbst.
Entscheidend ist hier solide Web-Praxis: lesbares HTML, dessen Text in der Seite selbst steht (nicht erst per JavaScript im Browser erzeugt), klare Überschriften, eine Navigation, die jede wichtige Seite verlinkt, und Crawler-Regeln (robots.txt), die die gewünschten Assistenten nicht aussperren. Googles Dokumentation zu KI-Funktionen ist eindeutig: Für Übersichten mit KI (AI Overviews) und den KI-Modus (AI Mode) gelten keine zusätzlichen technischen Anforderungen, und Sie brauchen keine neuen maschinenlesbaren Dateien, KI-Textdateien oder Markups. Eine Seite muss indexiert und für die Anzeige in der Google Suche mit einem Snippet geeignet sein.
Manche Systeme nutzen zusätzlich weitere Formate. Markdown-Versionen von Seiten, llms.txt (ein Vorschlag, kein Standard) und API-Schnittstellen können den Systemen helfen, die sie verwenden. MCP (Model Context Protocol, ein Weg, über den KI-Assistenten Werkzeuge eines Dienstes aufrufen) ist nicht für jede Unternehmenswebsite nötig. Das sind optionale Ergänzungen, keine allgemeinen Voraussetzungen. Die technische Seite beschreiben wir in How we made kondevs.com usable by AI agents (auf Englisch).
Messung: Wählen Sie Schlüsselseiten aus. Lassen Sie einen Assistenten jede Seite lesen und bestimmte Fakten herausziehen. Erfassen Sie den Anteil, bei dem der Assistent den Inhalt erreicht und die Fakten korrekt wiedergibt.
Frage: Kann KI unser Unternehmen zutreffend erklären, wenn man es beim Namen nennt?
Beispiel-Prompt: „Was macht KONDEVS, und welche Arten von Projekten unterstützt das Unternehmen?“ Geben Sie die URL nicht an. Getestet wird, ob der Assistent das Unternehmen bereits kennt oder es selbst findet.
Woran Sie Erfolg erkennen: eine zutreffende Beschreibung des Unternehmens, seiner Leistungen (Enterprise Integration & BPM, Data Science & KI-Beratung, Entwicklung von KI-Agenten) und seiner relevanten Erfahrung. Wenn der Assistent Quellen nennt, sollten diese überprüfbar sein.
Entscheidend sind: eine klare Positionierung, überall dieselben Unternehmensfakten (Website, LinkedIn, Verzeichnisse, Partnerprofile), klare Leistungsbeschreibungen und Fallstudien. Wenn sich Quellen widersprechen, muss der Assistent wählen, und er wählt womöglich die veraltete Version. Ein Unternehmen, das nur an der eigenen Website arbeitet, kann trotzdem falsch beschrieben werden, weil seine externen Profile etwas anderes erzählen.
Messung: Legen Sie eine Liste von Fakten fest, die eine korrekte Antwort enthalten sollte (Leistungen, Regionen, Technologieplattformen wie IBM webMethods (ehemals Software AG) oder SEEBURGER). Bewerten Sie jede Antwort anhand dieser Liste. Halten Sie falsche Leistungen, veraltete Angaben und Verwechslungen mit anderen Unternehmen fest.
Frage: Nennt KI unser Unternehmen, wenn jemand einen passenden Bedarf beschreibt?
Beispiel-Prompt: „Welche Beratungsunternehmen können einem Unternehmen in der DACH-Region helfen, Unternehmenssysteme mit webMethods oder SEEBURGER zu integrieren?“ Der Prompt darf weder KONDEVS noch die Domain noch einen Hinweis enthalten, das Unternehmen aufzunehmen.
Woran Sie Erfolg erkennen: KONDEVS wird als passende Option vorgeschlagen, mit einer Begründung, die sich auf den Bedarf bezieht. Diese Stufe ist am schwersten zu erreichen, und keine einzelne Maßnahme garantiert eine Empfehlung. Modelle unterscheiden sich, Antworten schwanken von Durchlauf zu Durchlauf, und dieselbe Frage kann eine Woche später eine andere Liste ergeben.
Entscheidend sind: relevante Leistungen, nachgewiesene Erfahrung, konkrete Fallstudien und glaubwürdige unabhängige Quellen. Unabhängige Quellen wie Fachartikel, Verzeichnisprofile und Referenzen, die Sie nennen, können einen Vergleich stützen und glaubwürdiger machen. Sie helfen, aber keine einzelne Quelle ist eine Bedingung für eine Empfehlung.
Messung: die Empfehlungsrate, also die Antworten, die das Unternehmen empfehlen, geteilt durch alle erfassten Antworten auf die ausgewählten relevanten Fragen ohne Markennamen. Unterscheiden Sie drei Ergebnisse: eine Empfehlung (als passende Option vorgeschlagen), eine bloße Erwähnung (genannt, aber nicht empfohlen) und eine Zitierung (die Antwort verlinkt Ihre Website als Quelle). Das sind unterschiedliche Signale; berichten Sie sie getrennt.
Ein Beispiel zur Veranschaulichung, kein erfasster Test: Wenn 6 von 30 erfassten Antworten auf die ausgewählten Fragen ohne Markennamen das Unternehmen empfehlen, liegt die Empfehlungsrate bei 20 Prozent. Die Zahl gilt nur für diese Fragen, diese Assistenten und diesen Zeitraum. Zählen Sie bloße Erwähnungen und Zitierungen auf dieselbe Weise, als eigene Raten.
- Wählen Sie Schlüsselseiten für Stufe 1, Fragen mit Markennamen für Stufe 2 und Fragen ohne Markennamen, die potenzielle Kunden stellen würden, für Stufe 3.
- Nutzen Sie für jeden Test eine neue Unterhaltung ohne vorherigen Kontext.
- Erfassen Sie Assistent, Modell, Datum, Sprache und ob die Websuche an oder aus war.
- Wiederholen Sie die Fragen über die Zeit. Bewahren Sie die vollständigen Antworten und ihre Quellen auf.
- Berichten Sie die drei Stufen getrennt. Ein gutes Ergebnis auf Stufe 1 lässt keinen Schluss auf Stufe 2 oder 3 zu.
Halten Sie die drei Ergebnisse getrennt, statt sie zu einer gewichteten Gesamtpunktzahl zusammenzufassen. Eine einzige Zahl würde verbergen, welche Stufe Arbeit braucht: Eine Website kann vollständig lesbar sein und trotzdem selten empfohlen werden.
Zwei Einschränkungen sollten klar gesagt werden. Die Stufen sind keine feste Reihenfolge: Ein KI-Assistent kann ein Unternehmen aus externen Quellen kennen, auch wenn er dessen Website nie gelesen hat. Und eine gute Antwort beweist keine dauerhafte Sichtbarkeit. Antworten schwanken zwischen Durchläufen, Modellen und Zeitpunkten; ein einzelner Test ist eine Momentaufnahme, kein Trend. Unsere eigene Methode, Käuferfragen über die Zeit zu stellen, beschreiben wir in LLM visibility: how AI assistants find, read and cite a company (auf Englisch).
Auf welcher Stufe steht Ihr Unternehmen, und was wäre der nächste sinnvolle Schritt? KONDEVS hilft Ihnen, die Fragen und die Messung aufzusetzen. Sprechen Sie mit uns.