Spectavi Fallbeispiel · KI-Sichtbarkeit ← Zu den Unterlagen

KI-SICHTBARKEITS-AUDIT

sprachakademie-beispiel.at

Prüfung der Sichtbarkeit in ChatGPT, Claude, Perplexity und anderen KI-Assistenten | 23.07.2026

⚠️ ZENTRALES ERGEBNIS

Ihre Website ist für KI-Suchassistenten praktisch unsichtbar.

Bei der Suchanfrage „Deutschkurs Wien" in ChatGPT, Claude und anderen KI-Assistenten erscheint die Akademie nicht in den Antworten. Stattdessen werden Mitbewerber genannt (Mitbewerber A, Mitbewerber B, Mitbewerber C, Mitbewerber D).

Das bedeutet den Verlust von 20–30 % der potenziellen Studierenden, die über ChatGPT und Claude suchen.

BEWERTUNG DER KI-SICHTBARKEIT

28
von 100 Punkten

NIEDRIGE SICHTBARKEIT

Kategorie Punkte Status
Zugänglichkeit für KI-Bots 12/25 🔴 Handlungsbedarf
Strukturierte Daten (Schema) 4/20 🔴 Kritisch
Extrahierbarkeit der Inhalte 5/20 🔴 Kritisch
EEAT (Expertise, Erfahrung, Autorität, Vertrauen) 7/20 🔴 Handlungsbedarf
GESAMT 28/100 🔴 NIEDRIG

LIVE-TEST: WAS DIE KI ANZEIGT

Anfrage: „Deutschkurs Wien Sprachschule"

Ergebnis in ChatGPT/Claude:

Fazit: Wenn eine potenzielle Studentin die KI fragt „Wo kann ich in Wien Deutsch lernen?", taucht die Akademie in den Top-7-Ergebnissen nicht auf. Stattdessen werden Mitbewerber genannt.

TOP 5 KRITISCHE PROBLEME

1️⃣ Völliges Fehlen in KI-Antworten

Problem: Bei der Anfrage „Deutschkurs Wien" zeigt die KI Mitbewerber, aber nicht die Akademie.

Warum das passiert:

Auswirkung: Jeden Monat gehen 10–20 potenzielle Studierende verloren, die über ChatGPT suchen.

2️⃣ Es fehlt die Datei llms.txt

Was das ist: Eine spezielle Textdatei, die KI-Bots (Claude, ChatGPT, Perplexity) anzeigt, wie die Website korrekt zu indexieren ist.

Was passiert, wenn sie hinzugefügt wird: KI-Bots verarbeiten den Inhalt sorgfältiger und extrahieren Informationen zu Kursen, Preisen und Lehrkräften präziser.

Status: Neuer Standard, der bereits von großen KI-Unternehmen genutzt wird — ähnlich wie robots.txt für Suchmaschinen.

Umsetzungsdauer: 1 Tag

3️⃣ Schwache Microdata-Auszeichnung (Schema.org)

Festgestellt: Auf der Website gibt es eine Basis-Auszeichnung (Organization, WebSite), aber Bildungstypen fehlen:

Bedeutung: KI-Bots können strukturierte Informationen zu den Kursen nicht automatisch extrahieren und müssen aus dem Fließtext raten.

Folge: Falsche Preise, verwechselte Kursnamen, fehlende Zeitplan-Angaben in KI-Antworten.

Statistik: Websites mit vollständiger Course-Auszeichnung werden 3× häufiger in KI-Antworten zitiert.

4️⃣ Inhalte für KI-Indexierung nicht zugänglich

Problem: Wichtige Informationen (Kurse, Preise, Zeitplan, Bewertungen) sind möglicherweise versteckt in:

Lösung: Sicherstellen, dass der Hauptinhalt im normalen HTML sichtbar ist. Bewertungen, Preise und Zeitplan sollten ohne JavaScript zugänglich sein.

5️⃣ Fehlende FAQ mit strukturierter Auszeichnung

Fakt: KI zitiert häufig Informationen aus FAQ-Bereichen — sie sind gut strukturiert und enthalten direkte Antworten.

Verlust: +15–20 % Zitierungen durch das Fehlen einer FAQ mit Schema-Auszeichnung.

Beispiel einer guten FAQ: 40–50 Fragen wie „Wie lange dauert der A1-Kurs?", „Kann ich online lernen?", „Was kostet es?" — mit Schema-FAQPage-Auszeichnung.

VERGLEICH MIT EINEM MITBEWERBER (Mitbewerber A)

Parameter Die Akademie Mitbewerber A
Sichtbarkeit in KI-Antworten ❌ Nicht sichtbar ✅ Wird regelmäßig zitiert
llms.txt ❌ Fehlt ✅ Vorhanden
Course Schema ❌ Minimal ✅ Bei allen Kursen
FAQ-Seite ❌ Fehlt ✅ 50+ Fragen mit Auszeichnung
Erwähnung in offenen Quellen ❌ Selten (geringe Autorität) ✅ Häufig (Verzeichnisse, Bewertungen, Medien)
Ergebnis KI-Bots sehen die Akademie nicht KI-Bots zitieren häufig

KORREKTURPLAN

Phase 1: Schnelle Korrekturen (1–2 Wochen)

Kritische Korrekturen, die ein erstes Ergebnis bringen:

Erwartetes Ergebnis: Erste Erwähnungen in KI-Antworten zu den wichtigsten Anfragen (nach 2–4 Wochen)

Phase 2: Strukturierte Daten (2–3 Wochen)

Erwartetes Ergebnis: Ausführlichere Zitate in KI-Antworten, korrekte Anzeige von Kursen, Zeitplan und Preisen

Phase 3: Autorität (3–4 Wochen)

Erwartetes Ergebnis: Autoritätssignale (EEAT) → KI-Bots empfehlen die Akademie zunehmend als geprüfte Quelle

AUSWIRKUNG UND UMSETZUNG

Was ohne Korrektur passiert

Umsetzung in Phasen

Phase Dauer
Phase 1 (Schnellkorrektur) 1–2 Wochen
Phase 2 (Auszeichnung) 2–3 Wochen
Phase 3 (Autorität) 3–4 Wochen
GESAMT 8–12 Wochen

NÄCHSTER SCHRITT

Empfehlung: mit Phase 1 (Schnellkorrektur) beginnen — sichtbares Ergebnis innerhalb von 1–2 Wochen.

Danach die Ergebnisse bewerten und entscheiden, ob in Phase 2–3 investiert werden soll.