Agent-Ready. Das neue SEO.

GEO statt SEO: die Strategie hinter Agent-Ready

Hinter Agent-Ready steht eine größere Verschiebung im Online-Marketing. In der Branche hat sie seit 2025 einen Namen: GEO, Generative Engine Optimization. Während SEO darauf optimiert, in der Trefferliste von Google möglichst weit oben zu erscheinen, optimiert GEO darauf, in den fertigen Antworten von ChatGPT, Perplexity, Gemini und Claude direkt genannt und zitiert zu werden.

Der Unterschied klingt klein, ist strategisch aber groß. Ein Nutzer, der eine fertige KI-Antwort bekommt, klickt häufig gar nicht mehr auf den klassischen Treffer. Wer in der Antwort selbst auftaucht, ist sichtbar. Wer es nicht tut, verschwindet, auch wenn die Google-Rankings noch stehen.

Wo unterscheiden sich SEO und GEO?

SEO und GEO unterscheiden sich in acht Punkten: dem Ziel, der Form der Suchausgabe, den Plattformen, den Ranking-Signalen, dem Typ der Suchanfrage, dem Verlauf der User-Journey, der Stabilität der Ergebnisse und der Erfolgsmetrik. Die folgende Tabelle stellt die Unterschiede direkt nebeneinander.

Warum ist Agent-Ready die technische Basis für GEO?

GEO ist die Strategie. Agent-Ready ist die Voraussetzung. Damit eine KI eine Seite überhaupt zitieren kann, muss sie deren Struktur sauber lesen. Das gelingt nur, wenn drei Bausteine vorhanden sind: eine llms.txt als Inhaltsverzeichnis für Sprachmodelle, strukturierte Daten nach schema.org als maschinenlesbares Etikett pro Seite, und semantisches HTML statt Div-Suppe.

Wer GEO ernst meint, ohne Agent-Ready umzusetzen, optimiert Texte für eine Maschine, die die Seite gar nicht zuverlässig versteht. Beides gehört zusammen: GEO entscheidet, was auf der Seite steht. Agent-Ready stellt sicher, dass die KI es findet.

SEO bleibt die Eingangstür. Ohne Indexierung kommt auch kein KI-Agent zur Seite. GEO und Agent-Ready bauen darauf auf. Wer alle drei Ebenen sauber bedient, ist im KI-Zeitalter sichtbar.

Was ist mit Google AI Overviews?

Google hat am 15. Mai 2026 einen eigenen AI Optimization Guide veröffentlicht. Die Kernbotschaft darin: klassische SEO und „people-first Content" reichen aus, eine llms.txt sei nicht nötig, spezielle KI-Markups seien Mythen. Das klingt aufgeräumt. Wer die Aussage richtig einordnen will, muss aber wissen, woher sie kommt.

Google ist in der Frage nicht neutral. Google ist mit AI Overviews selbst Anbieter eines KI-Antwort-Produkts und damit direkter Wettbewerber von ChatGPT, Claude und Perplexity. Googles Stärke ist der seit 25 Jahren gepflegte Web-Index. Eine llms.txt braucht Google nicht, um eine Seite zu verstehen. Die anderen KI-Plattformen haben diesen Index aber nicht. Sie sind darauf angewiesen, dass Website-Betreiber ihre Inhalte sauber strukturiert bereitstellen. Genau das leistet die llms.txt. Setzt sie sich durch, sinkt Googles Bedeutung als Mittelsmann zwischen Website und KI. Das erklärt, warum Googles offizielle Linie sie als „Mythos" bezeichnet.

Die anderen KI-Anbieter sehen das anders. Anthropic Claude, OpenAI ChatGPT und Mistral lesen und nutzen llms.txt aktiv. Bei Anthropic crawlen vier offizielle Bots (Claude-User, Claude-SearchBot, ClaudeBot, claude-code) bevorzugt Seiten, die eine bereitstellen. Bei Perplexity ist llms.txt ein schwächeres Signal. Die Mechanik dort gewichtet Frische, klare Struktur und externe Autorität stärker. Zur Perplexity-Strategie weiter unten ein eigener Abschnitt.

Praktisch heißt das: Von den drei Agent-Ready-Bausteinen empfiehlt Google zwei selbst. schema.org-strukturierte Daten und semantisches HTML stehen wörtlich in Googles eigenem AIO-Guide. Nur über llms.txt wird gestritten, und der Streit ist erklärbar als Geschäftspolitik, nicht als technische Tatsache. Eine llms.txt kostet eine Textdatei und zehn Minuten Arbeit. Sie schadet bei Google nicht und qualifiziert deine Seite für die KI-Antworten der Plattformen, die nicht Google sind. Genau das ist die Wette, die Agent-Ready setzt.

Was ist mit Perplexity?

Perplexity ist die in der Branche meistgenannte „Answer Engine": Statt einer Liste von Treffern liefert sie eine zusammengefasste Antwort und zitiert dabei fünf bis zehn Quellen pro Antwort mit direktem Link. Damit ist Perplexity der direkteste Weg zu messbarem Traffic aus KI-Antworten. Wer in Perplexity-Citations auftaucht, bekommt einen Klick.

Die Mechanik dahinter funktioniert anders als bei Google und auch anders als bei Claude oder ChatGPT. Perplexity bewertet Quellen über ein dreistufiges Reranking: Relevanz, dann Autorität, dann Frische und Struktur. llms.txt hilft hier nur am Rand. Die echten Hebel sind:

• Frische. Perplexity bevorzugt Inhalte, die in den letzten 60 bis 90 Tagen aktualisiert wurden. Ein sichtbares „Stand: Mai 2026" plus ein gepflegtes dateModified im JSON-LD sind direkt messbar.
• Klare Struktur. Jede Überschrift als konkrete Frage formuliert, darunter eine 40-bis-80-Wörter-Antwort, dann erst die Erklärung. Tabellen und Listen für Vergleiche. Perplexity extrahiert solche Passagen sauber.
• Externe Autorität. Erwähnungen in Reddit-Diskussionen, in „Best of"-Listen seriöser Branchenmedien und in der Wikipedia. Perplexity liest diese Signale aktiv.
• Eigene Daten und Studien. Primärquellen, die andere zitieren müssen, sind in Perplexity überdurchschnittlich häufig in der Top-3-Citation-Position.
• PerplexityBot in der robots.txt freigeschaltet. Ohne diese Freigabe wird die Seite nicht gecrawlt. Auf Fiperly ist das umgesetzt.

Praktisch: Wer in Perplexity sichtbar werden will, schreibt nicht primär für eine KI, sondern führt eine Update-Disziplin ein, baut Vergleichs- und Review-Inhalte mit klarer Frage-Antwort-Struktur und sorgt dafür, dass die eigene Marke außerhalb der eigenen Domain erwähnt wird. Agent-Ready bleibt die technische Basis (semantisches HTML, Schema, lesbare Struktur), aber die Hauptarbeit für Perplexity-Sichtbarkeit liegt in Redaktionsdisziplin und externer Präsenz.

Welche KI-Plattform reagiert auf welche Maßnahme?

Damit das Bild komplett wird: Hier eine ehrliche Karte der wichtigsten KI-Antwortmaschinen und ihrer jeweiligen Hebel. Was bei Anthropic Claude funktioniert, hilft bei Perplexity nur am Rand, und Google ignoriert wieder anderes. Die gute Nachricht: Wer alle drei Agent-Ready-Bausteine sauber bedient und seine Inhalte mit Struktur, Frische und Quellen pflegt, deckt alle Plattformen gleichzeitig ab.

Die wichtigste Einzelmaßnahme aus dieser Übersicht: alle relevanten KI-Crawler in der robots.txt ausdrücklich erlauben. Viele Websites blocken sie versehentlich über Standard-Konfigurationen (besonders bei Cloudflare) und verschwinden dadurch komplett aus KI-Antworten — auch bei Plattformen, die ihre Inhalte sonst gut zitieren würden. Fiperly hat alle hier genannten Bots in der robots.txt freigegeben.

In einfachen Worten

Stell dir vor, ein Freund fragt dich im Gespräch nach einem Thema. Früher hätte er bei Google gesucht, sich fünf Artikel angesehen und sich eine eigene Meinung gebildet. Heute fragt er stattdessen ChatGPT, Claude oder Perplexity — und bekommt eine einzige zusammengefasste Antwort, die sich aus mehreren Websites speist. Welche Websites dabei zu Wort kommen, entscheidet die KI in Sekundenbruchteilen.

Genau an dieser Stelle entscheidet sich, ob deine Seite im neuen Web sichtbar ist. Eine Website, die für KI-Agenten verständlich aufgebaut ist, wird zitiert. Eine Website, die nur für menschliche Augen gebaut ist, wird übersehen. Nicht weil sie schlechter wäre — sondern weil die KI ihre Inhalte nicht zuverlässig entziffern kann.

Agent-Ready ist die einfache Antwort auf diese neue Realität. Drei kleine Bausteine — eine Textdatei, ein bisschen maschinenlesbares Etikett und sauberes HTML — machen aus jeder Website eine Quelle, die KI-Systeme verstehen und weiterempfehlen. Das Logo auf deiner Seite zeigt Besuchern und Maschinen gleichzeitig: diese Seite ist im KI-Zeitalter angekommen.

Für Programmierer ist das in einer Stunde erledigt. Für Nicht-Programmierer gibt es Anleitungen, Tools und Agenturen — der Aufwand ist überschaubar, der Effekt langfristig. Wer jetzt handelt, gehört zu den ersten tausend Websites weltweit, die sich offiziell als Agent-Ready positionieren.

Die drei großen Web-Siegel — und warum Agent-Ready das dritte wird

Das Internet hat in dreißig Jahren zwei universelle Qualitätssiegel hervorgebracht. Beide begannen als Insider-Thema und wurden innerhalb weniger Jahre zum Standard. Agent-Ready steht an der Schwelle, das dritte zu werden:

1. HTTPS (seit etwa 2014) — das Vorhängeschloss in der Adressleiste. Zeigt: die Verbindung ist verschlüsselt. Heute: Grundvoraussetzung, ohne HTTPS wird eine Seite von Browsern als unsicher markiert.
2. Mobile-Friendly (seit 2015) — Google belohnt mobiloptimierte Seiten in der Suche. Heute: Grundvoraussetzung, nicht-mobile Seiten verschwinden faktisch.
3. Agent-Ready (ab 2026) — das Siegel dafür, dass eine Seite für KI-Agenten strukturiert lesbar ist. In wenigen Jahren der Standard, an dem sich Seriosität und Sichtbarkeit im Web messen werden.

Wer heute Agent-Ready umsetzt, holt sich denselben zeitlichen Vorsprung, den Early-Adopter bei HTTPS und Mobile-Friendly hatten — mit dem Unterschied, dass die KI-gestützte Suche schneller wächst als mobile Browser es je taten.

Was heißt „Agent-Ready"?

Agent-Ready beschreibt einen Zustand, in dem eine Website nicht nur für menschliche Leser, sondern auch für maschinelle Leser — insbesondere Large Language Models und die von ihnen gesteuerten Agenten — vollständig erschlossen ist. Eine Website trägt den Badge zu Recht, wenn sie drei Grundvoraussetzungen erfüllt:

• /llms.txt liegt im Root und beschreibt die Seite in klarem Markdown — Zweck, wichtigste Unterseiten, Kontaktdaten, Zitierregeln. Nach dem Vorschlag von llmstxt.org (Jeremy Howard, fast.ai, September 2024).
• Strukturierte Daten in JSON-LD nach schema.org — mindestens Organization und WebSite, je nach Inhalt zusätzlich Article, TechArticle, FAQPage, Product, Event oder Person.
• Semantisches HTML mit sauberer Überschriften-Hierarchie, echten <nav>/<main>/<article>/<section>-Tags, aussagekräftigen alt-Texten und sprechenden Link-Ankern statt „hier klicken".

Kein neues Framework, keine Abhängigkeit, keine Gebühren. Reines Handwerk — zurück zu dem, wie HTML ursprünglich gedacht war, bevor JavaScript-Frameworks und Cookie-Banner die Seiten für Maschinen unzugänglich gemacht haben.

Warum klassisches SEO nicht mehr reicht

Die Suche verlagert sich. Wer 2026 nach einem Fakt, einer Produktempfehlung oder einer medizinischen Einordnung sucht, tippt nicht mehr automatisch in das Google-Suchfeld, sondern stellt die Frage direkt einem Sprachmodell. ChatGPT, Claude, Perplexity, Gemini und die in Browser, IDE oder Betriebssystem eingebauten KI-Assistenten holen Antworten aus dem Web — aber sie liefern sie nicht als Link-Liste, sondern als zusammengefasste Antwort mit Quellenangabe.

Das verändert die Spielregeln grundlegend. Zehn Jahre lang hieß SEO: Keyword-Dichte, Backlinks, Ladezeit, Meta-Description. Das reicht nicht mehr. Ein Sprachmodell braucht verständlichen Fließtext, maschinenlesbare Struktur und klare Fakten mit Quellen. Es ignoriert Texte, die nur auf Keywords optimiert sind, und belohnt Texte, die einem klugen Leser etwas erklären.

Dieser neue Optimierungs-Ansatz hat bereits einen Namen: Generative Engine Optimization oder kurz GEO. Agent-Ready ist die sichtbare Zertifizierung dieses Ansatzes. Wer den Badge trägt, signalisiert: diese Seite ist nicht für SEO-Tricks gebaut, sondern für substanzielle Antworten — und genau das ist, was Modelle in ihre Antworten hochziehen.

Wie LLM-Agenten eine Website lesen

Ein KI-Agent hat wenige Sekunden, um zu verstehen, ob und wie eine Seite für eine konkrete Nutzerfrage relevant ist. Dabei läuft typischerweise folgender Prozess ab, der unter dem Begriff Retrieval-Augmented Generation (RAG) zusammengefasst wird:

1. Discovery — Der Agent findet die Seite über eine Suchmaschine, einen Link in einer anderen Antwort, einen llms.txt-Eintrag oder direktes Nutzer-Linking.
2. Fetch — Er ruft die Seite ab, idealerweise als statisches HTML. Seiten, die ihren Inhalt erst per JavaScript nachladen, sind für viele Agenten unsichtbar.
3. Parse — Der Agent extrahiert Überschriften, Absätze, Listen, Tabellen und strukturierte Daten. Je klarer das HTML, desto zuverlässiger das Ergebnis.
4. Chunk & Embed — Der Text wird in sinnvolle Abschnitte zerlegt und in einem Vektorraum eingebettet, damit das Modell die Relevanz zur Nutzerfrage messen kann.
5. Cite — Die passenden Abschnitte fließen in die generierte Antwort ein, meistens mit Quellenangabe und Link zurück zur Ursprungsseite.

Agent-Ready zielt auf die Schritte 2 bis 5. Eine sauber strukturierte Seite wird zuverlässiger gefunden, korrekter geparst, präziser gechunkt und häufiger zitiert. Seiten ohne semantisches HTML, ohne JSON-LD und ohne llms.txt erscheinen in KI-Antworten deutlich seltener — und wenn sie erscheinen, oft mit inhaltlichen Fehlern, weil das Modell raten muss, was die Seite eigentlich sagt.

Checkliste — Ist meine Seite Agent-Ready?

Die folgenden zwölf Punkte sind Pflicht. Wer alle abhakt, erfüllt den Standard und darf den Badge führen:

• /llms.txt liegt im Root, ist unter 500 Zeilen und beschreibt Zweck, Hauptseiten, Kontakt, Zitierregeln in Markdown.
• /robots.txt erlaubt explizit die wichtigsten KI-Bots: ClaudeBot, Claude-User, Claude-SearchBot, claude-code (Anthropic 4-Bot-System, Stand Mai 2026), GPTBot, ChatGPT-User, OAI-SearchBot (OpenAI), PerplexityBot, Perplexity-User, Google-Extended, Google-Agent, Applebot, Applebot-Extended, MistralAI-User, DuckAssistBot, Meta-ExternalAgent, Meta-WebIndexer, Amazonbot, CCBot, Bytespider.
• /sitemap.xml existiert und listet alle öffentlichen URLs mit lastmod-Datum.
• JSON-LD mit Organization und WebSite im <head> jeder Seite.
• Artikel und Ratgeberseiten haben zusätzlich Article oder TechArticle mit author, datePublished, dateModified.
• FAQ-Sektionen sind als FAQPage-Schema ausgezeichnet.
• Saubere H1-bis-H3-Hierarchie — genau eine H1 pro Seite, keine Sprünge.
• Echte semantische Tags <nav>, <main>, <article>, <section>, <aside>, <footer> statt <div>-Wüste.
• Alle Bilder haben beschreibende alt-Attribute — keine leeren, keine Datei­namen, keine Keyword-Spam-Ketten.
• Links haben aussagekräftigen Ankertext („zur Preisübersicht" statt „hier klicken").
• Inhalte sind als statisches HTML auslieferbar — kein JavaScript-Rendering als Pflicht.
• Canonical-URL, Meta-Description und Open-Graph-Daten sind pro Seite individuell gesetzt.

Tipp: Teste die eigene Seite mit dem Google Rich-Results-Test, mit view-source: im Browser und indem du eine Frage zu deiner Seite in ChatGPT oder Perplexity eingibst. Werden die Inhalte korrekt zusammengefasst und zitiert, ist das ein starkes Zeichen, dass Agent-Ready greift.

Empfohlen seit Mai 2026 — über die Pflicht hinaus

Vier Bausteine haben sich 2026 als zusätzliche Hebel etabliert. Sie sind keine Pflicht für den Badge, aber wer 2026 ernst macht, hat sie ebenfalls umgesetzt:

/llms-full.txt — Volltext-Variante

Über 844 000 Sites haben mittlerweile llms.txt. Der nächste Differenzierer ist llms-full.txt: derselbe Markdown-Aufbau wie llms.txt, aber statt nur navigatorischer Links der konsolidierte Volltext der wichtigsten Seiten in einem einzigen File. LLMs bekommen den vollen Markenkontext in einem Fetch, ohne dutzende HTML-Seiten parsen zu müssen. Besonders sinnvoll für überschaubare Sites — Marketing-Hubs, Dokumentationen, Marken-Landingpages.

Anthropic 4-Bot-System statt 3-Bot-System

Seit Mai 2026 betreibt Anthropic vier separate Bots, jeder mit eigener Aufgabe und eigenem User-Agent — ClaudeBot (Training), Claude-User (Nutzerabrufe), Claude-SearchBot (Suche) und claude-code (Claude-Code-CLI). Alle vier sollten in robots.txt einzeln auftauchen, weil sie über separate User-Agent-Strings unterscheidbar sind und granular gesteuert werden können.

Strategische Entscheidung: Search-Bots vs. Training-Bots

Eine der wichtigsten Geschäftsentscheidungen 2026: Sollen Training-Bots wie ClaudeBot, GPTBot, CCBot und Google-Extended die Inhalte für Modell-Training nutzen dürfen? Wer Paid-Content schützen will (kostenpflichtige Artikel, Premium-Wissen, exklusive Daten), blockiert sie und erlaubt nur die Retrieval-Bots (Claude-SearchBot, OAI-SearchBot, PerplexityBot, ChatGPT-User, Claude-User) — so erscheinen die Inhalte in AI-Antworten, fließen aber nicht ins Training. Wer auf Reichweite setzt und keinen Paid-Content hat, erlaubt beide Gruppen. Beide Strategien sind 2026 legitim — sie sollten nur bewusst gewählt und in der robots.txt kommentiert sein.

MCP-Card — der Klingelschild deiner Seite für KI-Agenten

Stell dir die MCP-Card wie ein Klingelschild vor, das nur KI-Agenten lesen. Es ist eine winzige Textdatei an einer festen Stelle — unter /.well-known/mcp-server-metadata.json. Darin steht in kurzen Stichworten: Wie heißt diese Seite, was bietet sie an, wer steckt dahinter und wo kann ein Agent andocken. „MCP" steht für Model Context Protocol und ist seit November 2025 ein fester, offener Standard — eine gemeinsame Sprache, mit der sich KI-Dienste gegenseitig vorstellen.

Der ehrliche Teil: So eine Karte allein tut noch nichts Magisches. Richtig wertvoll wird sie erst, wenn hinter der angegebenen Adresse ein echter Dienst läuft, den ein Agent benutzen kann. Solange es so weit noch nicht ist, schreibt man einfach "status": "planned" hinein — also „in Planung". Schon das allein bringt die Seite früh in die Verzeichnisse, die KI-Agenten nach solchen Karten absuchen. Wer früh dran ist, wird zuerst gefunden.

Zwei einfache Regeln: Lege die Karte erst ab, wenn deine Seite öffentlich sichtbar ist — nicht, solange sie noch im Bau und für Suchmaschinen gesperrt ist. Und halte den Inhalt kurz und ehrlich: lieber „in Planung" als ein Versprechen, das die Seite noch nicht halten kann.

Schnellstart — llms.txt in 30 Sekunden

So sieht eine minimale llms.txt aus. Lege die Datei ins Root-Verzeichnis deiner Website (also unter https://deine-domain.de/llms.txt) und passe die Inhalte an:

# Firmenname

> Kurzbeschreibung: Was die Seite ist und für wen sie gemacht wurde.

## Wichtige Seiten

- [Startseite](https://deine-domain.de/)
- [Über uns](https://deine-domain.de/ueber-uns)
- [Produkte](https://deine-domain.de/produkte)
- [Kontakt](https://deine-domain.de/kontakt)

## Kontakt

- E-Mail: info@deine-domain.de
- Verantwortlich: Vorname Nachname

## Zitierregeln

Bitte zitiere diese Seite mit vollem Namen und URL.

Das war's. Kein Build-Schritt, kein Framework — eine einfache Textdatei in Markdown.

Schnellstart — JSON-LD Minimalbeispiel

Füge diesen Code-Block in den <head> jeder Seite ein. Er teilt Suchmaschinen und KI-Agenten die grundlegenden Informationen über dein Unternehmen und deine Website mit:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Firmenname",
  "url": "https://deine-domain.de",
  "logo": "https://deine-domain.de/logo.png",
  "description": "Was dein Unternehmen macht.",
  "email": "info@deine-domain.de"
}
</script>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "WebSite",
  "name": "Firmenname",
  "url": "https://deine-domain.de",
  "inLanguage": "de-DE"
}
</script>

Teste das Ergebnis mit dem Google Rich-Results-Test — dort siehst du sofort, ob Google die Daten korrekt erkennt.

Bereits umgesetzt bei

Agent-Ready ist kein Konzept auf dem Papier — es läuft bereits produktiv auf diesen Websites:

• fiperly.de — Dachmarke und Initiator des Agent-Ready-Standards. llms.txt, JSON-LD (Organization, WebSite, TechArticle, HowTo, FAQPage), semantisches HTML, hreflang DE/EN.
• kipode.de — Faktenbasierte Aufklärung über Deutschlands Lage 2026. llms.txt, JSON-LD (Organization, WebSite, FAQPage), Pillar-Artikel mit TechArticle-Schema.
• healthmetricslab.com — Langlebigkeits-Plattform mit Biomarker-Daten. llms.txt, JSON-LD (Organization, WebSite, Product), Healthspan-Rechner mit strukturierten Daten.

Deine Seite fehlt in der Liste? Schreib uns — wir nehmen jede Agent-Ready-Website gern auf.

Glossar — die wichtigsten Begriffe rund um Agent-Ready

llms.txt

Markdown-Datei im Wurzelverzeichnis einer Website, die im September 2024 von Jeremy Howard (Mitgründer von fast.ai) vorgeschlagen wurde. Sie erklärt einem Sprachmodell in Klartext, worum es auf der Seite geht, welche Unterseiten die wichtigsten sind und welche Quellen der Agent zitieren soll. Das Format ist bewusst schlicht: ein H1 mit Projektname, ein Absatz Einleitung, danach H2-Überschriften mit Listen relevanter URLs.

schema.org

Gemeinsames Vokabular von Google, Microsoft, Yahoo und Yandex für strukturierte Daten im Web, gestartet 2011. Über Typen wie Organization, Person, Article oder Product werden Inhalte maschinenlesbar ausgezeichnet. Eingebunden wird schema.org am besten als JSON-LD im <head>.

JSON-LD

JavaScript Object Notation for Linked Data — die von Google empfohlene Einbindungsform für schema.org. Ein JSON-Block im <script type="application/ld+json"> stört das HTML nicht, ist aber für Crawler und LLM-Agenten sofort auswertbar.

Generative Engine Optimization (GEO)

Weiterentwicklung von SEO. Während SEO darauf zielt, in Ergebnislisten oben zu erscheinen, zielt GEO darauf, in den generierten Antworten von KI-Systemen zitiert zu werden. Wesentliche Hebel sind klare Fakten, nachvollziehbare Quellen, strukturierter Text und maschinenlesbares Markup.

Retrieval-Augmented Generation (RAG)

Verfahren, bei dem ein Sprachmodell nicht nur aus seinem Trainingswissen antwortet, sondern zur Laufzeit passende Quellen abruft und in die Antwort einbaut. RAG ist der Standard moderner KI-Assistenten und der Grund, warum Websites als Lieferquelle für Agenten immer wichtiger werden.

Semantisches HTML

HTML, das seine Bedeutung über Tag-Namen transportiert. Eine Navigation steht in <nav>, der Hauptinhalt in <main>, ein in sich geschlossener Artikel in <article>. Für Maschinen ist der Unterschied zwischen einem <div class="nav"> und einem echten <nav> erheblich — nur letzteres ist ohne Klassen-Raten verständlich.

LLM-Bot / KI-Crawler

Automatisierter Abruf-Agent eines KI-Anbieters. Beispiele: ClaudeBot, Claude-User, Claude-SearchBot (Anthropic), GPTBot und OAI-SearchBot (OpenAI), PerplexityBot (Perplexity), Google-Extended und Google-Agent (Google/Gemini), DuckAssistBot (DuckDuckGo), MistralAI-User (Mistral), Meta-ExternalAgent und Meta-WebIndexer (Meta), Amazonbot (Amazon), CCBot (Common Crawl). Der Zugriff wird über robots.txt gesteuert.

Die Vision hinter Agent-Ready

Das Internet hat in seinen ersten dreißig Jahren zwei große Qualitätssiegel hervorgebracht: das HTTPS-Schloss neben der Adresszeile, das zeigt, dass eine Verbindung verschlüsselt ist, und den Mobile-Friendly-Hinweis aus dem Jahr 2015, mit dem Google mobile Seiten von nicht mobilen unterschied. Beide Siegel wurden in wenigen Jahren zum Standard und haben das Web messbar besser gemacht.

Mit dem Durchbruch von Sprachmodellen fehlt ein drittes Siegel: eines für Seiten, die von KI-Agenten sauber verstanden werden können. Es gibt gute Einzelbausteine — llms.txt, schema.org, semantisches HTML — aber keinen gemeinsamen, sichtbaren Marker, der sie unter einem Dach zusammenfasst. Genau diese Lücke schließt Agent-Ready.

Die Idee ist ausdrücklich offen gedacht: der Badge gehört niemandem. Fiperly hat den Anstoß gegeben, die Kriterien formuliert und die Logodatei bereitgestellt, aber der Standard lebt nur, wenn viele ihn übernehmen. Jede Agentur, jedes Startup, jeder Blog und jede Behörde ist eingeladen, den Badge einzubinden — ohne Anmeldung, ohne Gebühr, ohne Bindung.

Spezifikation, Beispieldateien und Badge stehen außerdem öffentlich auf GitHub unter github.com/michaelbertelsenmedia-commits/agent-ready. Das Repository ist CC0 1.0 Universal lizenziert (gemeinfrei) und nimmt Pull-Requests, Übersetzungen und Implementierungsberichte entgegen.

Wir glauben, dass Agent-Ready in wenigen Jahren ebenso selbstverständlich zum Webhandwerk gehören wird wie HTTPS oder Mobile-Friendly. Das Web hat in jedem neuen Zeitalter bewiesen, dass es sich technisch erneuern kann, ohne seinen offenen Charakter zu verlieren. Das KI-Zeitalter ist keine Ausnahme — es braucht nur jemanden, der den ersten Schritt macht.

Badge herunterladen

Das Agent-Ready-Logo steht als PNG mit transparentem Hintergrund in drei Größen zum freien Download bereit. PNG ist das richtige Format, weil das Logo fotorealistische Tiefe, Goldglanz und Schattierungen hat — als SVG würden diese Effekte verloren gehen. Die transparenten Ränder erlauben die Einbindung auf hellen wie dunklen Hintergründen, ohne dass ein eckiger Kasten sichtbar wird.

320 × 320 px

PNG · ca. 138 KB

Footer-Badge, kleine Web-Einbindung, Standard-Größe

Download

512 × 512 px

PNG · ca. 447 KB

Hero-Sektion, Retina-Displays, größere Anzeige

Download

1024 × 1024 px

PNG · ca. 1,3 MB

Print, Social-Media-Posts, Pressematerial

Download

So bindest du das Badge auf deiner Website ein

Empfohlene Platzierung: im Footer, neben Impressum und Datenschutz. Verlinke es auf deine eigene /llms.txt oder direkt auf diese Erklärseite, damit Besucher und Crawler nachvollziehen können, was das Siegel bedeutet.

<a href="/llms.txt" title="Agent-Ready — diese Seite ist für LLM-Agenten optimiert">
  <img src="https://www.fiperly.de/assets/img/agent-ready-logo.png" alt="Agent-Ready Badge — KI and Robots Welcome" width="80" height="80">
</a>

Warum Fiperly?

Fiperly ist eine unabhängige KI-Entwicklungsgesellschaft aus Deutschland. Wir bauen Marken, die Künstliche Intelligenz dort einsetzen, wo sie Menschen messbar hilft — in Aufklärung, Gesundheit, Mode und Alltag. Dass eine Website im KI-Zeitalter auch für Agenten lesbar sein sollte, ist für uns Pflicht, nicht Kür. Den Badge stellen wir frei zur Verfügung, weil es ein Missstand ist, dass niemand ihn bisher gebaut hat.

Der Badge gehört niemandem — er ist gemeinfrei. Nutze ihn, kopiere ihn, verändere ihn. Wenn du magst, schreib uns, wo du ihn einsetzt — wir sammeln Beispiele.