Wie ein KI-Agent deinen Betrieb liest: die vier Schnittstellen hinter der Antwort

Wenn heute jemand einen Assistenten nach einem Betrieb fragt, öffnet dieser Assistent selten die Website so, wie ein Mensch sie sieht. Er ruft gezielt ab, was maschinenlesbar ist — und was er dort findet, entscheidet, ob dein Betrieb in der Antwort vorkommt oder nicht.

Das ist keine Vermutung. Auf dieser Website haben KI- und Suchsysteme in den vergangenen 30 Tagen 23.520 Abrufe ausgelöst. Darunter Systeme, die eindeutig zu Assistenten gehören: ClaudeBot mit 1.171 Abrufen, GPTBot mit 815, OAI-SearchBot mit 476.

Was ruft ein KI-Agent tatsächlich ab?

Ein KI-Agent ruft nicht eine Seite ab, sondern vier verschiedene Dinge — und jedes beantwortet eine andere Frage. Das maschinenlesbare Profil beantwortet „Wer ist das und was gibt es hier?". Die strukturierten Daten beantworten „Welche Fakten gelten?". Der Textzwilling beantwortet „Was steht wirklich drin?". Die kontrollierte Abfrage beantwortet „Was ist gerade aktuell?".

Diese vier zusammen sind die Auffindbarkeits-Oberfläche eines Betriebs. Fehlt eine davon, muss der Agent raten — und Raten ist genau der Moment, in dem falsche Empfehlungen entstehen.

Schnittstelle 1: das maschinenlesbare Profil

Ein maschinenlesbares Profil ist eine einfache Textdatei im Wurzelverzeichnis, die einem Sprachmodell in klarer Form sagt, worum es auf dieser Website geht und wo die wichtigen Inhalte liegen. Der Vorschlag dazu stammt von Jeremy Howard und wurde im September 2024 veröffentlicht.

Wichtig ist die ehrliche Einordnung: Eine Auswertung von Ahrefs aus dem Jahr 2026 fand die Datei auf 137.210 Domains — und stellte fest, dass 97 Prozent davon nie abgerufen wurden. Die Datei allein bewirkt also wenig. Sie wirkt erst, wenn das, worauf sie verweist, ebenfalls sauber lesbar ist.

Schnittstelle 2: strukturierte Daten

Strukturierte Daten sind maschinenlesbare Auszeichnungen im Seitenquelltext, die Fakten von ihrer Darstellung trennen: Öffnungszeiten, Adresse, Leistungen, Autorenschaft, Veröffentlichungsdatum. Ein Mensch liest „Wir sind montags bis freitags für dich da". Eine Maschine liest daraus nur dann verlässlich einen Zeitraum, wenn er separat als Datum ausgezeichnet ist.

Das ist der Unterschied zwischen einer Aussage, die ein Modell interpretieren muss, und einer, die es ablesen kann. Interpretieren führt zu Fehlern; Ablesen nicht.

Schnittstelle 3: der Textzwilling

Ein Textzwilling ist dieselbe Seite in reiner Textform — ohne Navigation, ohne Layout, ohne Skripte. Für einen Agenten ist das der Unterschied zwischen einem Dokument und einer Baustelle: Er muss sich nicht durch Menüs, Einwilligungsdialoge und Nachladelogik arbeiten, sondern bekommt den Inhalt direkt.

Das spart ihm nicht nur Mühe, sondern Zeit — und Zeit ist bei Agenten ein knappes Gut. Wer mit begrenztem Zeitbudget abruft, bricht bei langsamen oder verschachtelten Seiten ab und sieht nur einen Bruchteil.

Schnittstelle 4: die kontrollierte Abfrage

Die ersten drei Schnittstellen sind statisch: Sie liefern, was zum Zeitpunkt der Veröffentlichung galt. Die vierte ist eine kontrollierte Abfragemöglichkeit — ein definierter Zugang, über den ein berechtigtes System gezielt nach aktuellen Angaben fragen kann, statt sie aus einer Seite zu erschließen.

Der Unterschied zeigt sich bei allem, was sich ändert: Verfügbarkeiten, aktuelle Leistungen, Ansprechpartner. Statisch abgerufene Fakten veralten zwischen zwei Besuchen. Eine Abfrage ist immer aktuell.

Entscheidend daran ist die Kontrolle. Ein solcher Zugang ist kein offenes Tor, sondern eine Tür mit Schlüssel: Wer ihn nutzt, ist bekannt, und was er darf, ist festgelegt.

Warum vier Schnittstellen und nicht eine?

Weil kein System alle vier gleich nutzt. Manche Assistenten holen sich nur den Text. Andere folgen dem Profil. Wieder andere lesen ausschließlich die strukturierten Daten. Wer nur eine Schnittstelle bedient, ist genau für die Systeme unsichtbar, die eine der anderen bevorzugen.

Das ist derselbe Gedanke wie bei Mehrsprachigkeit: Man baut nicht für die Sprache, von der man hofft, dass sie gefragt wird, sondern für alle, die vorkommen.

Nicht jeder, der sich als Assistent ausgibt, ist einer

Ein Detail aus derselben Messung, das in der Praxis unterschätzt wird: Von 5.728 Abrufen eines Systems, das sich als Agent eines großen Anbieters ausgab, ließen sich sechs verifizieren. Bei den Systemen, die wirklich zu Assistenten gehören, ist das Verhältnis umgekehrt — bei GPTBot etwa 684 von 815.

Wer seine Auffindbarkeits-Oberfläche öffnet, sollte deshalb wissen, wem er sie öffnet. Identität ist prüfbar, und sie zu prüfen ist der Unterschied zwischen Offenheit und Kontrollverlust.

Die ehrliche Grenze: gelesen zu werden ist nicht dasselbe wie empfohlen zu werden

Diese Website wurde in 30 Tagen 23.520 Mal von Maschinen abgerufen. Im selben Zeitraum sind daraus vier gezählte Zitationen und vier Weiterleitungen entstanden.

Diese Lücke ist der ehrlichste Satz in diesem Artikel. Eine saubere Auffindbarkeits-Oberfläche sorgt dafür, dass ein Assistent deine Fakten korrekt hat, wenn er sie braucht. Sie sorgt nicht dafür, dass er dich empfiehlt. Das entscheidet, was du anbietest und was andere über dich sagen.

Wer dir das Gegenteil verspricht, verkauft dir eine Zahl, die er nicht belegen kann.

Woran du erkennst, ob es bei dir funktioniert

Drei Prüfungen, die du ohne Werkzeuge machen kannst. Rufe die Textfassung einer deiner wichtigsten Seiten auf und lies sie: Steht dort dein Angebot vollständig, oder fehlt die Hälfte, weil sie erst nachgeladen wird? Frage einen Assistenten nach deinem Betrieb und prüfe, ob die genannten Fakten stimmen. Und sieh nach, ob deine Öffnungszeiten und deine Adresse als ausgezeichnete Daten vorliegen — oder nur als Fließtext.

Findest du dabei etwas, das nicht stimmt, ist das keine Kleinigkeit: Eine Maschine wiederholt einen falschen Wert, bis er korrigiert ist.

Wenn du wissen willst, wie diese vier Schnittstellen bei deinem Betrieb aussehen, sprich uns an — ein kurzes Klartext-Gespräch reicht für eine ehrliche Einschätzung.

Quellen

• Jeremy Howard (Answer.AI), Vorschlag für maschinenlesbare Website-Profile, September 2024
• Ahrefs, Auswertung 2026: 137.210 Domains mit maschinenlesbarem Profil, 97 % ohne einen einzigen Abruf
• Eigene Messung btlabs.dev, 30-Tage-Fenster: 23.520 maschinelle Abrufe, davon 18.179 verifiziert

Welche dieser Schnittstellen im offenen Web tatsächlich anzutreffen sind, zählen wir nach: 33 Wege stehen in der laufenden Messung, bei 16 davon kam über das gesamte Panel keine einzige Antwort zurück. Nachzulesen im ai-discovery-radar.