Technische GEO-Optimierung von Loud & Lexis stellt sicher, dass KI-Crawler eine Website abrufen dürfen, ihre Struktur verstehen und einzelne Aussagen als Quelle übernehmen. Loud & Lexis prüft dafür Zugriffsregeln, Rendering (die Darstellung von Inhalten), Indexierung, strukturierte Daten und Entitäten. Die Befunde priorisiert Loud & Lexis nach Geschäftswert und setzt sie auf Wunsch selbst um. In vielen Fällen ist dafür kein Relaunch nötig.
| Leistung | Technische GEO-Optimierung von Loud & Lexis |
|---|---|
| Audit | 12 Prüfbereiche, priorisiert nach Wirkung und Aufwand |
| Schwerpunkte | Zugriffsregeln für KI-Crawler, Rendering ohne JavaScript, Indexierung über Bing und IndexNow, strukturierte Daten |
| Umsetzung | 3 Stufen: Übergabe, Einpflege, automatisiertes Deployment über MCP |
| Systeme | Shopify, WordPress, statische Websites, jedes CMS mit HTML oder Markdown |
| Messung | Promptwatch auf sechs KI-Engines, Bing Webmaster Tools, Referrer-Tracking |
| Relaunch | In vielen Fällen nicht nötig |
KI-Crawler (Programme, die Webseiten für KI-Systeme abrufen) lesen eine Website anders als der Googlebot. Der Googlebot führt JavaScript aus und stellt Seiten vollständig dar. Eine Auswertung von Vercel und MERJ aus dem Dezember 2024 zeigt, dass keiner der großen KI-Crawler JavaScript ausführt, darunter GPTBot, OAI-SearchBot und ClaudeBot. Eine Ausnahme ist Gemini, das die Infrastruktur des Googlebot nutzt und Seiten deshalb vollständig darstellt. Loud & Lexis prüft deshalb zuerst, was ein KI-Crawler von einer Website tatsächlich sieht.
Loud & Lexis sieht vier Hürden, die den Abruf durch KI-Crawler regelmäßig blockieren. Zugriffsregeln sperren KI-Crawler aus, oft ohne Wissen des Betreibers. Eingebettete Seiten aus Website-Baukästen und iFrames (eingebettete Fremdinhalte) öffnet der Crawler nicht. Inhalte entstehen erst per JavaScript im Browser. Lange Ladezeiten führen zum Abbruch des Abrufs.
Das technische GEO-Audit von Loud & Lexis prüft zwölf Bereiche. Ergebnis ist eine priorisierte Liste mit Befund, erwarteter Wirkung und Aufwand je Punkt. Das Team des Kunden sieht so, welche Maßnahme zuerst den größten Effekt auf die KI-Sichtbarkeit hat.
Bei Serotalin gehörte technisches Grounding (die maschinenlesbare Verankerung von Fakten) zum Maßnahmenpaket von Loud & Lexis: Schema-Markup, eine ausgebaute Autoren- und About-us-Seite sowie einheitliche Angaben zur Marke. Im selben Projekt stieg die Präsenzquote im Wettbewerbsset von 83 auf 100 Prozent. Die durchschnittliche Position von Serotalin in den KI-Antworten lag dabei konstant bei etwa Platz 2. Zur Case Study
Die robots.txt legt fest, welcher KI-Crawler eine Website lesen darf. Viele Websites sperren KI-Crawler, weil ein Hoster, ein Plugin oder ein Bot-Schutz das als Voreinstellung tut. Loud & Lexis lässt Such- und Abruf-Crawler ausdrücklich zu und regelt Training-Crawler nach Entscheidung des Kunden. Grundlage sind die Dokumentationen der Anbieter, etwa von OpenAI und Anthropic.
Die Tabelle zeigt die wichtigsten KI-Crawler, ihren Zweck und die Regel, die Loud & Lexis in der robots.txt standardmäßig umsetzt.
| Crawler | Anbieter | Zweck | Regel von Loud & Lexis |
|---|---|---|---|
| OAI-SearchBot | OpenAI | Suche in ChatGPT | Zulassen |
| ChatGPT-User | OpenAI | Abruf auf Nutzeranfrage | Zulassen |
| GPTBot | OpenAI | Training | Entscheidung des Kunden |
| Claude-SearchBot | Anthropic | Suche in Claude | Zulassen |
| Claude-User | Anthropic | Abruf auf Nutzeranfrage | Zulassen |
| ClaudeBot | Anthropic | Training | Entscheidung des Kunden |
| PerplexityBot | Perplexity | Suche in Perplexity | Zulassen |
| Perplexity-User | Perplexity | Abruf auf Nutzeranfrage | Zulassen |
| Google-Extended | Steuerung der Nutzung für Gemini (kein eigener Crawler) | Entscheidung des Kunden |
Eine llms.txt (Textdatei mit einer Übersicht der wichtigsten Seiten für KI-Systeme) braucht eine Website nicht: Laut einer Studie von Ahrefs mit 137.210 Domains wurden 97 Prozent der llms.txt-Dateien im Mai 2026 kein einziges Mal abgerufen. Loud & Lexis setzt stattdessen auf Grounding Pages: Referenzseiten, die der KI die wichtigsten Fakten, Links und Strukturen eines Unternehmens als zitierfähige Quelle mitgeben. Die Content-Signal-Zeile in der robots.txt erklärt zusätzlich maschinenlesbar, ob Inhalte für Suche, KI-Antworten oder Training genutzt werden dürfen.
# Beispiel: Such- und Abruf-Crawler ausdrücklich zulassen User-agent: * Allow: / # ai-train nach Entscheidung des Kunden Content-Signal: search=yes, ai-input=yes, ai-train=yes User-agent: OAI-SearchBot User-agent: ChatGPT-User User-agent: Claude-SearchBot User-agent: Claude-User User-agent: PerplexityBot User-agent: Perplexity-User Allow: / # Training-Crawler: zulassen oder sperren nach Entscheidung des Kunden User-agent: GPTBot User-agent: ClaudeBot Allow: / Sitemap: https://www.ihre-domain.de/sitemap.xml
Eine offene robots.txt reicht nicht immer. Bot-Schutzsysteme blockieren KI-Crawler teils auf Netzwerkebene, auch wenn die robots.txt sie zulässt. Loud & Lexis testet deshalb den Live-Abruf durch ChatGPT, Claude und Perplexity zusätzlich zur Datei.
KI-Crawler lesen den Quellcode so, wie er vom Server kommt. Was erst im Browser per JavaScript entsteht oder in einer eingebetteten Baukasten-Seite steckt, sehen KI-Crawler nicht. Loud & Lexis prüft jede relevante Seitenvorlage auf Text im HTML. Zusätzlich misst Loud & Lexis die Ladezeit aus Sicht eines Crawlers.
In vielen Fällen ist nach Erfahrung von Loud & Lexis kein Relaunch nötig. Der Bereich, in dem neuer Content entsteht, etwa Blog, Ratgeber oder Wissensseiten, liegt meist schon außerhalb von iFrames und JavaScript-Rendering. Dort setzt Loud & Lexis an.
Vercel und MERJ werteten in einer im Dezember 2024 veröffentlichten Analyse rund 569 Millionen Abrufe durch GPTBot und rund 370 Millionen Abrufe durch die Claude-Crawler in einem Monat aus. Keiner der großen KI-Crawler von OpenAI, Anthropic, Meta, ByteDance und Perplexity führte JavaScript aus. Loud & Lexis leitet daraus die Regel ab, zentrale Inhalte immer in das HTML zu legen, das der Server ausliefert.
Loud & Lexis meldet neue und geänderte Seiten über Bing Webmaster Tools und das Protokoll IndexNow. IndexNow benachrichtigt teilnehmende Suchmaschinen sofort über Änderungen, statt auf den nächsten Crawl (Abruf) zu warten. Microsoft stellt die Bing-Suche über den Dienst Grounding with Bing Search auch KI-Agenten zur Verfügung, die Unternehmen auf Azure bauen, mit Modellen von OpenAI und weiteren Anbietern. Der Bing-Index versorgt damit deutlich mehr KI-Systeme als nur Copilot.
Bing Webmaster Tools liefert zusätzlich eine Grounding-Analyse (Auswertung der Quellenverwendung): für welche Suchanfragen eine Website bereits als Quelle in KI-Antworten herangezogen wird. Loud & Lexis erkennt daraus echtes Suchvolumen und Themen, in die sich der Einstieg lohnt.
Für Serotalin wies Bing Webmaster Tools vom 6. Januar bis 4. Juli 2026 insgesamt 10.657 KI-Zitate über 112 URLs aus. Die meistzitierte Seite war eine Produktseite mit rund 2.590 Zitaten. Loud & Lexis nutzt diese Daten für die Planung der nächsten Inhalte. Zur Case Study
KI-Systeme zitieren Websites, die zu einem Thema ein zusammenhängendes Bild liefern. Loud & Lexis baut dafür mit dem Service AI Content Cluster nach der Pillar-Strategie: ein Pillar-Artikel (Leitartikel) als Fundament und bis zu 15 Sub-Artikel für die Anschlussfragen. Brückenabsätze mit beschreibendem Linktext verbinden die Seiten. Die Content-Similarity-Analyse von Loud & Lexis prüft vorab per Embedding (mathematischer Textvergleich), dass sich Artikel nicht gegenseitig aus dem Quellenpool verdrängen.
Wie vernetzte Cluster gegenüber Einzelartikeln abschneiden, beschreibt Loud & Lexis im Artikel zur Fischnetzstrategie. Warum zu ähnliche Seiten einander schaden, erklärt Loud & Lexis im Artikel zur Content-Kannibalisierung.
Bei mellow NOIR gehören drei Ratgeberartikel, die Loud & Lexis auf Zitierfähigkeit ausgelegt hat, zu den meistzitierten Seiten der Marke. Nur die Startseite von mellow NOIR wurde häufiger zitiert. Zur Case Study
KI-Systeme erkennen Entitäten (eindeutig bestimmbare Dinge wie Marken, Produkte oder Personen) und verknüpfen sie. Je einheitlicher die Fakten, desto mehr Zusammenhänge stellt das Modell her. Grundlage ist bei Loud & Lexis eine Faktenbasis je Kunde, in der alle Fakten zu jedem Produkt an einem Ort stehen. Der Service AI Trust Architecture setzt daraus JSON-LD nach Schema.org für jeden Seitentyp um, dazu eine Grounding Page: eine Seite mit Zahlen, Daten und Geschäftsmodell als Rückfallort für die KI.
// Beispiel: eine Organisations-Entität, identisch auf jeder Seite { "@type": "Organization", "name": "Beispielmarke", "legalName": "Beispielmarke GmbH", "identifier": { "@type": "PropertyValue", "propertyID": "Handelsregister", "value": "Amtsgericht Frankfurt am Main, HRB 000000" }, "sameAs": [ "https://www.linkedin.com/company/beispielmarke" ] }
Zur Entitätsarbeit von Loud & Lexis gehört auch die Prüfung, welche Domain die KI tatsächlich zitiert. Hauptdomain, Subdomains und Sprachversionen werden dabei getrennt betrachtet.
Bei mellow NOIR war im Monitoring zunächst eine Subdomain der Marke hinterlegt. Die KI-Systeme zitierten jedoch die Hauptdomain von mellow NOIR. Nachdem Loud & Lexis das Monitoring auf die tatsächlich zitierte Hauptdomain umgestellt hatte, wurden 764 KI-Zitate sichtbar, die vorher in keinem Report auftauchten. Zur Case Study
KI-Systeme bevorzugen Quellen, deren Alter sie einschätzen können. Loud & Lexis setzt drei Signale pro Seite: das Feld dateModified im Schema, die Meta-Angaben last-modified und article:modified_time sowie das lastmod in der Sitemap. Auf Kernseiten aktualisiert ein Skript diese Signale bei jedem Deployment automatisch. Artikel und Case Studies behalten ihr inhaltliches Datum, weil eine Layout-Änderung den Inhalt nicht neuer macht. Trust Pages (Vertrauensseiten) von Loud & Lexis machen Zertifikate, Lizenzen und Prüfnachweise maschinenlesbar.
Als Full-Service-Agentur setzt Loud & Lexis technische Befunde und neue Inhalte auf Wunsch vollständig um. Welche Stufe passt, hängt von System, Team und Veröffentlichungsrhythmus des Kunden ab.
Loud & Lexis liefert umsetzungsfertige Dateien: Artikel, JSON-LD-Blöcke, Vorlagen für robots.txt und Grounding Pages, Linking-Report mit exakter Einfügeposition, kommentierte Änderungen. Das Team des Kunden pflegt ein.
Loud & Lexis setzt Inhalte, Schema und technische Änderungen nach Freigabe direkt im CMS des Kunden um und testet den KI-Abruf danach live.
Loud & Lexis bindet das System des Kunden über MCP (Model Context Protocol, eine Schnittstelle für KI-Agenten) an: Inhalte gehen nach Freigabe automatisch live. Alternativ richtet Loud & Lexis den MCP so ein, dass das Team des Kunden danach selbst vollautomatisch weiterarbeitet.
Die Lieferformate von Loud & Lexis funktionieren in Shopify, WordPress, statischen Websites und jedem System, das HTML und Markdown annimmt.
Loud & Lexis dokumentiert jede Änderung nachvollziehbar. Beim Aufwerten bestehender Artikel mit dem Service Blog-to-AI Upcycling erhält der Kunde ein kommentiertes Diff (Gegenüberstellung von alt und neu) mit Begründung je Änderung. Der Linking-Report nennt für jeden Brückenabsatz Seite, Abschnitt und Einfügeposition. Jeder neue Artikel bringt sein Quellenpaket mit. Das Audit von Loud & Lexis ist ohne Rückfrage verständlich formuliert.
Ob eine technische Maßnahme wirkt, zeigt sich in den Zitaten. Loud & Lexis misst nach der Umsetzung mit dem AI Visibility Monitoring über Promptwatch auf sechs KI-Engines, über Bing Webmaster Tools für die domainweite Reichweite und über Referrer-Tracking für KI-Traffic. Welche Kennzahlen dabei zählen, beschreibt Loud & Lexis im Artikel AI Visibility messen.
Für AI-Sichtbarkeit braucht eine Website in vielen Fällen keinen Relaunch. Der Bereich für neuen Content liegt nach Erfahrung von Loud & Lexis meist schon außerhalb von iFrames und JavaScript-Rendering. Ein Relaunch ist nur nötig, wenn Inhalte ausschließlich in eingebetteten Baukasten-Seiten entstehen und das System das nicht ändern kann.
Loud & Lexis prüft die robots.txt je Crawler und testet zusätzlich den Live-Abruf durch ChatGPT, Claude und Perplexity. Der Test zeigt Sperren durch Bot-Schutzsysteme, die in der robots.txt nicht sichtbar sind. Für das Audit braucht Loud & Lexis keine Zugänge, weil es mit der öffentlichen Website arbeitet.
Loud & Lexis meldet Seiten über Bing Webmaster Tools und IndexNow, damit neue und geänderte Inhalte sofort zur Indexierung bereitstehen. Über den Dienst Grounding with Bing Search stellt Microsoft den Bing-Index auch KI-Agenten auf Azure zur Verfügung, nicht nur Copilot. Bing Webmaster Tools zeigt zudem, für welche Suchanfragen eine Website bereits in KI-Antworten zitiert wird.
Ja, Loud & Lexis setzt technische Änderungen auf Wunsch vollständig um. Die drei Stufen reichen von der Übergabe umsetzungsfertiger Dateien über die Einpflege im CMS bis zum automatisierten Deployment über MCP (Model Context Protocol). Mit einem eingerichteten MCP arbeitet das Team des Kunden danach selbst weiter.
Nein, Loud & Lexis rät von der Pflege einer llms.txt ab. Laut einer Studie von Ahrefs wurden 97 Prozent der llms.txt-Dateien auf 137.210 untersuchten Domains im Mai 2026 kein einziges Mal abgerufen. Wirksamer ist eine Grounding Page, die der KI die wichtigsten Fakten, Links und Strukturen eines Unternehmens als zitierfähige Quelle bereitstellt.
Falsche Angaben der KI über ein Unternehmen behebt Loud & Lexis mit Grounding Pages, einer Methode, die sich in mehreren Kundenprojekten bestätigt hat. Eine Grounding Page stellt die korrekten Fakten mit Stichtag und Quelle an einem Ort bereit, sodass die KI eine verlässliche Quelle findet. Loud & Lexis misst danach, ob die Falschangabe aus den KI-Antworten verschwindet.
Stand: 19. Oktober 2026. Leistungsbeschreibung der Loud and Lexis GmbH, Frankfurt am Main.
Loud & Lexis klärt das in einem kostenlosen Strategiegespräch: unverbindlich, 30 Minuten, mit einer ersten Einschätzung Ihrer aktuellen KI-Sichtbarkeit.
Strategiegespräch buchen →