KI-Sichtbarkeit: Technik, Standards & Implementierung

Dieser Artikel richtet sich an Entwickler, SEO-Experten und technisch interessierte Studiobetreiber. Er zeigt, welche Standards und Prozesse auf fragfitty.de eingesetzt werden, damit Studiodaten in KI-Systemen auffindbar, verständlich und aktuell bleiben.

Was ist KI-Sichtbarkeit?

KI-Sichtbarkeit bedeutet: Ein Studio wird in Antworten von Systemen wie ChatGPT, Gemini, Claude, Copilot oder Perplexity sichtbarer und konsistenter genannt. Dafür müssen Inhalte in maschinenlesbaren, standardisierten Formaten bereitgestellt werden.

fragfitty.de übernimmt diese Aufbereitung automatisch für Studios mit Plus- oder Premium-Abo.

Im Marketing-Kontext entspricht das AEO (Answer Engine Optimization): ähnlich wie SEO in den frühen Jahren entscheidet frühe Optimierung über den späteren Vorsprung.

KI-Profil (ab Plus)

Für Studios bedeutet das in einem Satz: KI-Profil: dein Studio wird in 30+ KI-Systemen besser gefunden.

Für jedes Studio ab Plus wird ein KI-Profil unter /gym/{studio-slug}/ erzeugt. Es bündelt alle relevanten Daten in Formaten, die Crawler, Suchmaschinen und LLMs direkt verarbeiten können.

KI-Profil	Datei	Beschreibung
KI-Beschreibung	llms.txt, llms-full.txt	Maschinenlesbare Beschreibung im llmstxt.org-Format
Strukturierte Daten	structured-data.json	Schema.org JSON-LD (Typ: HealthClub) für Suchmaschinen und KI-Systeme
Profilseite	index.md	Studio-Profil als Markdown für KI-Crawler
Vollständige Profildaten	(inline in den KI-Dateien)	Vollständiger Admin-Datensatz inkl. Tarife, Zusatzleistungen, Team, FAQs, News, Videos, Bewertungen
Metadaten	(inline)	KI-Meta-Tags, Schema.org JSON-LD und KI-Tag im HTML der Studio-Seite

Die Dateien werden täglich über den Sitemap-Generator aktualisiert und über die Sitemap mit changefreq: daily signalisiert.

KI-Push (Premium)

Für Studios bedeutet das in einem Satz: KI-Push: Änderungen werden sofort an 30+ KI- und Suchsysteme übermittelt.

Premium-Studios erhalten aktive Indexierung. Bei relevanten Profiländerungen übermittelt fragfitty.de Updates direkt an unterstützte Such- und KI-Systeme, statt ausschließlich auf den nächsten regulären Crawl zu warten. Damit erledigen wir die technische Einreichung aktiv und unmittelbar. Wann ein externer Dienst die Änderung verarbeitet oder erneut crawlt, liegt jedoch beim jeweiligen Anbieter.

Dienst	Übermittlung	Beschreibung
OpenAI ChatGPT	Bing Content Submission API	ChatGPT Search nutzt den Bing-Index als wichtige Datenquelle
Google Gemini	Google Indexing API	Direkte technische Einreichung an Google-Systeme
Microsoft Copilot	Bing Content Submission API	Copilot nutzt Bing-Daten für Grounding
IndexNow	IndexNow-Protokoll	Ping an weitere Suchsysteme (u.a. Bing, Yandex, Naver)

KI-Agent (Premium)

Premium-Studios erhalten zusätzlich einen KI-Agenten. Er erscheint auf der Studio-Profilseite und kann in die eigene Studio-Website eingebettet werden. Besucher erhalten direkte Antworten zu Preisen, Öffnungszeiten, Ausstattung und Leistungen.

Funktionsweise

Der Agent nutzt die studio-spezifischen KI-Dateien (llms-full.txt/llms.txt + structured-data.json) als primäre Wissensbasis (Grounding). Zusätzlich wird der aktuelle Profilstand für Tarife und Zusatzleistungen zur Laufzeit aus der Datenbank eingeblendet. Antworten basieren damit auf Studio-Daten statt auf frei erfundenen Annahmen. Optional können bis zu 5 eigene Dokumente (PDF, Markdown, Text) als zusätzlicher Kontext eingebunden werden.

Eigenschaft	Detail
LLM	Qwen3-Next-80B-A3B-Instruct (80B Parameter, 3B aktiv via MoE)
Streaming	Server-Sent Events (SSE) für Token-für-Token-Ausgabe
Kontext	llms-full.txt/llms.txt + structured-data.json + Live-Preise + hochgeladene Dokumente (max. 50.000 Zeichen)
Rate Limiting	50 Nachrichten/IP/24h, 500/Studio/24h, 20/Session
Embed	`<script>`-Tag mit Shadow DOM, Authentifizierung per Embed-Token

Embed auf der Studio-Website

Studiobetreiber erhalten im Dashboard einen Embed-Code:

<script src="https://fragfitty.de/embed/agent.js?token=..." async></script>

Das Script rendert ein isoliertes Widget im Shadow DOM und verbindet sich mit der API. Die Domain-Validierung stellt sicher, dass ein Token nur auf der hinterlegten Studio-Domain genutzt werden kann.

Verknüpfung mit ChatGPT

Das Profil-Widget enthält einen Link zu ChatGPT mit vorausgefülltem Prompt. Damit landet der Nutzer gezielt auf der LLM-optimierten Studio-Seite als Kontextquelle.

KI-Sales (Premium, in Vorbereitung)

KI-Sales erweitert den KI-Agenten um den nächsten Schritt: neue Mitgliedschaften sollen direkt in ChatGPT oder Gemini angebahnt werden können, ohne Website-Wechsel.

Geplanter Ablauf:

Interessent startet die Anfrage im Chat.
Das System erfasst Ziel, Startzeitraum und Kontaktdaten strukturiert.
Die Anfrage wird per E-Mail direkt an das Studio übergeben.

Status: Die Integration über OpenAI (ACP) und Google (UCP) ist in Arbeit.

KI-Suche

Die KI-Suche versteht natürliche Sprache. Nutzer formulieren ihre Anfrage frei (z.B. „Günstiges Studio mit Sauna in Berlin“), das LLM übersetzt diese Eingabe in strukturierte Filter.

Eigenschaft	Detail
Eingabe	Freitext in natürlicher Sprache (Deutsch)
Verarbeitung	LLM extrahiert Stadt, Radius, Preislimit und Features
Ergebnis	Passende Studios als Karten-Karussell im Chat
Verfeinerung	Interaktive Filter-Pills (Radius, Preis, Ausstattung) ohne erneuten LLM-Aufruf
Handoff	„Frag Fitty“-Button übergibt aktive Filter nahtlos in die klassische Ergebnisansicht

Das verbessert die Matching-Qualität vor allem bei komplexen Suchanfragen mit mehreren Kriterien.

Plattform-Infrastruktur

Zusätzlich zu studio-spezifischen Dateien gibt es zentrale Einstiegspunkte auf Plattform-Ebene.

Kerndateien

Datei	Zweck	Link
llms.txt	Plattform-Kurzübersicht für LLMs	/llms.txt
llms-full.txt	Erweiterte Version mit Beispiel-Studios	/llms-full.txt
structured-data.json	Schema.org JSON-LD Manifest	/structured-data.json
openapi.yaml	OpenAPI-3.1-Dokumentation	/openapi.yaml
ai.txt	KI-Crawler-Metadaten (Einstiegspunkte, Lizenz, Crawl-Hinweise)	/ai.txt

KI-Metadaten (`.well-known/ai-metadata/`)

Datei	Standard	Link
model.jsonld	Schema.org SoftwareApplication	/.well-known/ai-metadata/model.jsonld
webpage.jsonld	Schema.org WebPage	/.well-known/ai-metadata/webpage.jsonld
dataset.croissant.json	Croissant ML Datensatz-Beschreibung	/.well-known/ai-metadata/dataset.croissant.json
dcat.jsonld	W3C DCAT v3 Datenkatalog	/.well-known/ai-metadata/dcat.jsonld

Agenten-Erkennung

Zwei Discovery-Protokolle ermöglichen die automatische Erkennung unserer Fähigkeiten durch KI-Agenten.

MCP Well-Known Discovery

/.well-known/mcp/servers.json folgt dem Model Context Protocol. MCP-kompatible Clients wie Claude Desktop, Cursor oder VS Code können die Suchfähigkeiten direkt erkennen.

A2A Agent Card

/.well-known/agent-card.json implementiert Googles Agent-to-Agent Protocol. Dadurch können A2A-kompatible Systeme unsere Agent-Fähigkeiten standardisiert entdecken.

Metadaten

Inline-LLM-Script-Tags

Auf allen Seiten liegt ein globales <script type="text/llms.txt">-Tag im HTML-Head mit Plattform-Kontext. Auf Studio-Detailseiten (ab Plus/Premium) kommt ein studio-spezifisches Tag hinzu. Das entspricht dem Vercel-Vorschlag für inline LLM-Instruktionen.

Browser ignorieren den unbekannten type-Wert; die Tags sind für KI-Crawler gedacht.

KI-Meta-Tags

Jede Seite enthält zusätzliche Meta-Tags für KI-Systeme:

Meta-Tag	Beispielwert	Zweck
`ai:content_type`	`local_business_profile`	Seitentyp für KI-Systeme
`ai:summary`	Beschreibungstext	Kurzfassung des Inhalts
`ai:page_type`	`content_page`	Seitenklassifikation
`ai:data_freshness`	`2025-06-01`	Aktualität der Daten
`ai:target_audience`	`fitness_interested_people`	Zielgruppe
`ai:geographic_focus`	`Berlin`	Geografischer Bezug
`ai:content_category`	`business_profile`	Inhaltskategorie

Zusätzlich werden Dublin-Core-Metadaten (dc:language, dc:creator, dc:publisher, dc:date) gesetzt.

KI-Ressourcen-Links

Im HTML-Head zeigen <link>-Tags auf zentrale KI-Ressourcen:

llms.txt
structured-data.json
openapi.yaml
model.jsonld, dataset.croissant.json, webpage.jsonld
dcat.jsonld

Auf Studio-Detailseiten (ab Plus) werden zusätzlich studio-spezifische KI-Dateien verlinkt (llms.txt, llms-full.txt, structured-data.json, index.md).

Schema.org Structured Data

Jede Seite enthält JSON-LD-Blöcke mit Schema.org-Typen:

Schema	Seiten	Inhalt
`Organization`	alle	Plattformdaten, Kontakt, Logo
`WebSite`	alle	Website-Beschreibung mit `SearchAction`
`WebPage`	alle	Seitenmetadaten inkl. `SpeakableSpecification`
`HealthClub`	Studio-Detail	Name, Adresse, Geo, Öffnungszeiten, Tarife, Bewertungen
`FAQPage`	Studio-Detail	Frage-Antwort-Paare
`BreadcrumbList`	Studio, Artikel	Navigationsstruktur
`CollectionPage`	Suchergebnisse	Liste gefundener Studios
`Article`	Artikel	Titel, Autor, Veröffentlichungsdatum

Studio-Seiten enthalten zusätzlich ReserveAction für Probetrainings.

IETF AIPREF Content-Usage

Jede HTML-Antwort enthält Header und Meta-Tag:

Content-Usage: train-ai=y, search=y, ai-input=y

Das orientiert sich am aktuellen IETF AIPREF Working Group-Entwurf und signalisiert die erlaubte KI-Nutzung standardisiert.

Compliance & Rechte

W3C TDMRep

/.well-known/tdmrep.json implementiert den W3C TDMRep-Standard. Damit wird EU-konform signalisiert, dass Text- und Data-Mining auf den Inhalten zulässig ist.

Cloudflare Content Signals

In der robots.txt wird zusätzlich ein Content-Signal geführt:

# Content-Signal: search=yes, ai-train=yes, ai-input=yes

Lizenzen

Alle KI-bezogenen Inhalte stehen unter CC-BY-4.0 (siehe ai.txt).

Unterstützte KI-Crawler

Die robots.txt erlaubt den Zugriff für 29+ KI-Crawler/User-Agents.

OpenAI: GPTBot, OAI-SearchBot, ChatGPT-User

Anthropic: ClaudeBot, Claude-SearchBot, Claude-User, Claude-Web, Anthropic-AI

Google: Google-Extended, Google-CloudVertexBot, GoogleAgent-Mariner, Googlebot

Meta: FacebookBot, Meta-ExternalAgent, Meta-ExternalFetcher

Microsoft: Bingbot

Apple: Applebot, Applebot-Extended

Weitere: PerplexityBot, Perplexity-User, Amazonbot, Bytespider, CCBot, cohere-ai, DeepSeekBot, DuckAssistBot, MistralAI-User, Diffbot, YandexBot

Die Liste wird laufend erweitert, sobald relevante neue Systeme erscheinen.

SEO-Ökosystem

KI-Sichtbarkeit entsteht nicht nur durch Technik, sondern auch durch ein belastbares Content- und SEO-Fundament.

Redaktionelle Inhalte (560+ Artikel)

Unter /artikel/ läuft ein automatisiertes Content-System mit 560+ SEO-optimierten Fachartikeln. Pipeline: Keyword-Recherche -> Perplexity-Faktenprüfung -> LLM-Generierung -> Bildgenerierung (Gemini).

Die Artikel sind intern mit Studio-, Stadt- und Markenseiten verlinkt und enthalten Article-Schema.org-Markup.

E-E-A-T Autorenprofile

Vier Autorenprofile liefern E-E-A-T-Signale (Experience, Expertise, Authoritativeness, Trustworthiness):

Autor	Qualifikation	Themen
Thomas Berger	Fitness- & Gesundheitstrainer (B.Sc. Sportwiss.)	Training, Studiovergleiche
Dr. Sarah Müller	Sportwissenschaftlerin & Ernährungsberaterin	Ernährung, Gesundheit
Markus Weber	Verbraucherschutz-Journalist	Recht, Kosten
Redaktion	Plattform-Redaktion (Fallback)	Allgemein

Im Schema.org-Markup werden Autoren als Person mit jobTitle, image und sameAs ausgegeben. Bei YMYL-Themen (Recht, Kosten) wird zusätzlich reviewedBy gesetzt.

Markenvergleiche (Programmatic SEO)

Automatisch erzeugte Vergleichsseiten unter /vergleich/ (z.B. /vergleich/mcfit-vs-fitx) vergleichen Marken über reale Datenpunkte wie Durchschnittspreise, Ausstattungsabdeckung und Stadtüberschneidungen. Jede Seite enthält datenbasiertes FAQPage-Schema.

Stadt-Insights

Stadtseiten (z.B. /in/berlin) zeigen automatisch berechnete Kennzahlen wie Studio-Anzahl, Durchschnittspreis, günstigstes Studio, Top-Features und Anteil 24/7-Studios. Diese Werte werden stündlich aktualisiert.

Bing AI Performance Monitoring

Über Bing Webmaster Tools werden regelmäßig AI-Citations, Grounding Queries, meistzitierte URLs und Impressionen/Klicks ausgewertet.

GEO/AEO Content-Optimierung

Studio-Beschreibungen und KI-Dateien folgen GEO/AEO-Prinzipien:

Faktenbasierte Sätze mit konsistenten Entities
Strukturierte Preise als Offer-Daten
FAQ-Format mit FAQPage-Schema
Klare H2/H3-Hierarchie für robustes Parsing

KI-Sichtbarkeits-Score

Jedes Studio erhält einen Score von 0 bis 100. Der Wert setzt sich aus drei Kategorien zusammen.

Profilvollständigkeit (max. 52 Punkte)

Basisdaten (Name, Adresse, Telefon, E-Mail)
Profilbild
Beschreibung mit mehr als 100 Zeichen
Öffnungszeiten für mindestens 5 Tage
Mindestens 3 Fotos
Mindestens ein Tarif mit Preis
Website, Ausstattung, Bewertungen, Zusatzleistungen
FAQs (ab Basis)
Videos (ab Basis)
Neuigkeiten/Aktionen (ab Basis)
Auszeichnungen (ab Basis)
Social-Media-Profile (Facebook, Instagram, TikTok, YouTube)

KI-Funktionen (max. 35 Punkte)

KI-Profil: dein Studio wird in 30+ KI-Systemen besser gefunden (technisch: KI-Beschreibung, strukturierte Daten, Profilseite, Metadaten und vollständiger Admin-Datensatz; ab Plus)
KI-Push: Änderungen werden sofort an 30+ KI- und Suchsysteme übermittelt; die weitere Verarbeitung erfolgt durch den jeweiligen Anbieter (Premium)

Top-Platzierung (max. 13 Punkte)

Sichtbarkeitsradius (2 km Basis / 5 km Plus / 10 km Premium)

Maximaler Score nach Abo-Stufe

Der maximal erreichbare Score hängt von der jeweiligen Abo-Stufe ab.

Stufe	Max. Score
Free	36
Basis	57
Plus	83
Premium	100

Der Score, die Kategorien und konkrete Optimierungsempfehlungen sind im Studio-Dashboard nachvollziehbar.

Häufige Fragen (FAQ)

Werden die Dateien automatisch aktualisiert? Ja. Der Sitemap-Generator aktualisiert die Dateien täglich. Bei Profiländerungen werden zusätzlich technische Benachrichtigungen an unterstützte Dienste ausgelöst (Premium).

Muss ich als Studiobetreiber etwas Technisches tun? Nein. Die Infrastruktur läuft automatisch im Hintergrund. Relevant ist nur ein vollständiges, aktuelles Studio-Profil.

Welche Standards werden genutzt? llmstxt.org, Schema.org (HealthClub), OpenAPI 3.1, Croissant ML, W3C DCAT v3, W3C TDMRep, IETF AIPREF, MCP Well-Known, Google A2A, IndexNow und Cloudflare Content Signals.

Wie funktioniert der KI-Agent auf meiner Website? Du erhältst im Dashboard ein <script>-Tag. Das Widget läuft isoliert im Shadow DOM. Der Agent nutzt studio-spezifische KI-Dateien (llms-full.txt/llms.txt und structured-data.json) plus optionale Dokumente und streamt Antworten per SSE.

Welche Daten nutzt der KI-Agent? Der vollständige Studio-Datensatz aus dem Admin (inkl. Basisdaten, Tarife, Zusatzleistungen, Öffnungszeiten, Ausstattung, Team, FAQs, News, Videos, Bewertungen und Review-Summaries) in den erzeugten KI-Dateien. Optional kommen bis zu 5 eigene Dokumente hinzu (max. 50.000 Zeichen).

Wie wird messbar, ob mein Studio in KI-Antworten auftaucht? Dafür werden Bing-AI-Performance-Reports ausgewertet, inklusive AI-Citations, Grounding Queries und meistzitierter URLs.

Was passiert bei neuen KI-Standards? Relevante neue Standards werden laufend geprüft und integriert, ohne zusätzlichen Aufwand für Studios.

Fazit

Die KI-Sichtbarkeit auf fragfitty.de kombiniert technische Standards, aktive Indexierung, KI-Agent, KI-Suche, KI-Sales (in Vorbereitung) und ein starkes SEO-Ökosystem. Ergebnis: Studio-Daten sind für Suchmaschinen und KI-Systeme strukturiert verfügbar, konsistent auslesbar und fortlaufend aktualisiert.