Nixeny Dijital - Mersin / AI Readiness 2026

KI-Sichtbarkeit

Das Thema dieses Berichts: wie viele der Bedingungen erfüllt sind, die eine KI-Assistentin braucht, um aus einer Unternehmenswebsite eine Antwort zu erzeugen. Kein Qualitätsurteil, sondern ein Maß für Lesbarkeit.

Bezugsgröße

Dieser Bericht verwendet drei Hauptbezugsgrößen: 3.395 Seiten mit abgerufener robots.txt, 3.382 Seiten mit lesbarer Startseite und 4.167 geprüfte Domains. Innerhalb der Abschnitte gibt es engere (die llms.txt-Erzeuger laufen über 352 Dateien). Neben jeder Quote steht, welche gemeint ist.

robots.txt

Eine Textdatei im Wurzelverzeichnis einer Seite, die sagt, welcher Bot wohin darf. Sie ist freiwillig, nicht bindend: Bots entscheiden sich, sie zu befolgen. In dieser Studie wurde für jeden Bot nur das Wurzelverzeichnis ("/") bewertet.

Trainingsbot / Suchbot

Ein Trainingsbot (GPTBot, ClaudeBot, Google-Extended) sammelt Inhalte, um ein Modell zu trainieren. Ein Suchbot (OAI-SearchBot, PerplexityBot) findet und zitiert die Quelle, wenn eine Frage gestellt wird. Beide mit derselben Regel zu blockieren schließt auch die Möglichkeit aus, zitiert zu werden.

Keine Regel ≠ blockiert

Trägt die robots.txt für einen Bot keine Regel, ist das Standardverhalten, den Zugriff zu erlauben. Deshalb werden Seiten, die „keine Regel geschrieben“ haben, und Seiten, die „bewusst blockieren“, in diesem Bericht nirgends in denselben Topf gelegt.

Strukturierte Daten (JSON-LD)

In die Seite eingebettete Information in einer Form, die eine Maschine direkt lesen kann: Name, Adresse, Telefon, Öffnungszeiten. Für Menschen unsichtbar. In dieser Studie wurde nur JSON-LD gelesen; Microdata und RDFa liegen außerhalb.

LocalBusiness-Schema

Die Art strukturierter Daten, die sagt: „das hier ist ein lokales Unternehmen“. Das ist der übliche Weg, sich einer Maschine als Unternehmen vorzustellen; fehlt er, muss eine Assistentin aus dem Text erraten, was die Seite ist.

Name-Adresse-Telefon-Trio

Dass Name, Anschrift und Telefonnummer des Unternehmens alle drei in den strukturierten Daten stehen. Fehlt eines davon, gibt eine Assistentin die Antwort entweder gar nicht oder holt sie woanders her — meist aus einem Verzeichnis.

llms.txt

Eine Datei, die vorgeschlagen wird, um KI-Assistenten den Inhalt einer Seite zusammenzufassen. Noch ein Entwurf, kein Standard. Ihr Fehlen wird deshalb nicht als Mangel, sondern als Maß der Verbreitung berichtet.

Beantwortbarkeit

Dass alle vier Bedingungen erfüllt sind, die eine Assistentin braucht, um „wo ist dieses Unternehmen, wann hat es offen, wie ist die Nummer“ direkt von der Seite zu beantworten: Suche nicht blockiert, Name-Adresse-Telefon vollständig, Öffnungszeiten vorhanden und Inhalt ohne JavaScript sichtbar.

JavaScript-Abhängigkeit

Weniger als 120 Wörter Text im statischen HTML, während die vom Browser gerenderte Seite mehr als das 2,5-Fache zeigt. Die Startseiten dieser Sites wirken auf einen Browser, der kein JavaScript ausführt, leer.

Sichtbarkeits-Score

Eine gewichtete 0-100-Verbindung aus sechs Komponenten: Zugriffserlaubnis (25), strukturierte Daten (25), Inhaltstiefe (20), technische Basis (15), Antwortbereitschaft (10), llms.txt (5). Eine nicht messbare Komponente fällt aus Zähler und Nenner; unter 60 % Abdeckung wird kein Score veröffentlicht.

Damit eine KI-Assistentin die alltäglichste Frage zu einem Unternehmen — wo es ist, wann es offen hat, wie die Nummer lautet — direkt von der Website dieses Unternehmens beantworten kann, braucht es vier Dinge: Die robots.txt darf die Suche nicht blockieren, das Name-Adresse-Telefon-Trio muss in den strukturierten Daten vollständig sein, die Öffnungszeiten müssen dort stehen, und der Inhalt muss auch ohne ausgeführtes JavaScript sichtbar sein.

Alle vier erfüllen 152 Seiten — 4,5 %. Diese Seiten stehen für 170 Unternehmen. Bei den übrigen schweigt eine Assistentin entweder oder holt die Antwort woanders her, meist aus einem Verzeichnis.

Die robots.txt ist die Datei, in der eine Seite sagt, welchen Bot sie wohin lässt. 2.227 Seiten (65,6 %) haben eine; aber die Zahl derer, die darin auch nur eine Regel für KI-Crawler tragen, liegt bei nur 374. Für die übrigen 3.021 Seiten ist das Thema noch nicht aufgekommen.

Keine Regel zu schreiben heißt nicht zu blockieren: Trägt die robots.txt für einen Bot keine Bestimmung, ist das Standardverhalten, den Zugriff zu erlauben. Deshalb werden diese beiden Zeilen nirgends in diesem Bericht zusammengelegt. Die eine hat das Thema nie besprochen, die andere hat es besprochen und entschieden.

Der Zustand der Seiten lässt sich in einer einzigen Aufteilung sehen. Die vier Klassen unten umfassen alle 3.395 Seiten und summieren sich zur Bezugsgröße — aber die Klasse „geschlossen“ ist nicht das untere Ende einer Rangfolge, sie liegt außerhalb der anderen drei. Eine Seite dort hat die Frage beantwortet; eine Seite in „unsichtbar“ ist ihr nie begegnet.

Ob das Blockieren eine allgemeine Verschlossenheit oder eine KI-spezifische Unterscheidung ist, lässt sich nur klären, indem man ansieht, was dieselben Seiten mit klassischen Suchbots tun. 331 Seiten blockieren im Wurzelverzeichnis mindestens einen KI-Crawler; Googlebot und Bingbot blockieren 13 Seiten. Der Unterschied beträgt das 25,5-Fache.

Abgelehnt wird also nicht das Crawlen, sondern eine bestimmte Verwendung des Gecrawlten. Dieselben Seiten lassen Suchmaschinen herein.

Bot für Bot betrachtet zeigt sich, dass das Blockieren Listenarbeit ist: Die Blockierraten der Trainingsbots liegen sehr dicht beieinander, weil dieselben Seiten sie in einem einzigen Block aufführen. In einigen Zeilen ist die blockierte Zahl größer als die genannte — dort schreibt die Regel die Platzhaltergruppe (*), und der Name des Bots kommt in der Datei nie vor.

llms.txt ist eine Datei, die vorgeschlagen wird, um KI-Assistenten den Inhalt einer Seite zusammenzufassen. Noch kein Standard, sondern ein Entwurf — ihr Fehlen ist deshalb als Maß der Verbreitung zu lesen, nicht als Mangel. 352 Seiten (10,4 %) haben eine; die ausführlichere llms-full.txt nur 30.

Der eigentliche Befund ist nicht die Zahl selbst, sondern wer sie geschrieben hat. 183 dieser 352 Dateien (52,0 %) wurden von einem Plugin oder einer Plattform automatisch erzeugt. Diese Zahl misst also nicht die Entscheidung der Unternehmen über KI, sondern die Versionshinweise des Werkzeugs, das sie benutzen.

Strukturierte Daten sind die in die Seite eingebettete Information, die nur eine Maschine sieht: Name, Adresse, Telefon, Öffnungszeiten. Der Anteil der Seiten mit irgendeinem JSON-LD-Block auf der Startseite liegt bei 33,9 %. Doch von dort abwärts fällt die Zahl bei jedem Schritt: 10,7 % stellen sich als Unternehmen vor, 13,5 % haben das vollständige Name-Adresse-Telefon-Trio, und 5,7 % geben Öffnungszeiten an.

Dieser Abfall ist das Thema des Berichts. Das eine Feld, das eine Assistentin braucht, um „hat gerade offen?“ zu beantworten, gibt es auf einer von zwanzig Seiten.

Fehlen strukturierte Daten, bleibt der Text selbst. Die mediane Startseite trägt 382 Wörter; ein Viertel liegt unter 176. Bei den meisten Seiten gibt es etwas zu lesen: 81,7 % der Seiten liegen in der Klasse „ausreichend“ oder „reich“.

Das Problem liegt an den Rändern. Der Inhalt von 155 Seiten kommt erst, wenn JavaScript ausgeführt wird — ein KI-Crawler, der kein JavaScript ausführt, sieht diese Startseite also leer. Weitere 150 Seiten tragen auf ihrer Startseite weniger als 120 Wörter.

Sechs Komponenten ergeben einen gewichteten 0-100-Score: Zugriffserlaubnis (25), strukturierte Daten (25), Inhaltstiefe (20), technische Basis (15), Antwortbereitschaft (10) und llms.txt (5). Median 53,8, Quartile zwischen 44,5 und 63,7.

Der Score ist kein Qualitätsurteil, sondern ein Maß für Sichtbarkeit: Ein niedriger Score heißt nicht schlechtes Unternehmen, sondern weniger, was eine Maschine lesen kann. Der Blick auf die Komponenten zeigt, woher die Verteilung kommt — die mediane Seite bekommt bei der Zugriffserlaubnis die volle Punktzahl und bei zwei Komponenten null.

Der Abstand zwischen den Branchen ist eng. Die Mediane von 30 Branchen drängen sich zwischen 33,8 und 64,4, und ihr Median liegt bei 52,9. Der Abstand zwischen den Plattformen ist größer: 68,9 bei Wix, 48,8 bei Eigenentwicklungen.

Am deutlichsten zeigt das die Zeile zum LocalBusiness-Schema: 53,7 % der Wix-Seiten stellen sich der Maschine als Unternehmen vor, bei den Eigenentwicklungen 8,9 %. Den Unterschied zwischen der Seite eines Anwalts und der einer Kfz-Werkstatt schaffen nicht Anwaltschaft und Fahrzeugreparatur, sondern das Werkzeug, mit dem die beiden Seiten gebaut wurden.

Alle Zahlen dieses Berichts messen eine Bereitschaft: wie viel von dem, was eine Assistentin bräuchte, um aus dieser Seite eine Antwort zu erzeugen, vorhanden ist. Keine davon misst, was eine Assistentin tatsächlich tut.

In dieser Studie wurde keinem Modell eine einzige Frage gestellt. Der Satz „die Öffnungszeiten stehen nicht in den strukturierten Daten“ ist wahr und überprüfbar; der Satz „die KI findet dieses Unternehmen nicht“ folgt aus diesen Daten nicht. Assistenten erzeugen Antworten auch aus Verzeichnissen, aus Kartendiensten und aus Quellen, auf die diese Studie nie geschaut hat. Diesen Abstand wollte dieser Bericht nicht schließen.

Ebenso ist es kein Mangel, dass 331 Seiten KI-Crawler blockieren. Ein Unternehmen darf nicht wollen, dass seine Inhalte im Modelltraining verwendet werden, und genau so sagt man das. Dieser Bericht zählt diese Entscheidung; er bewertet sie nicht.

Ein einzelner Querschnitt.

robots.txt und llms.txt wurden in ihrem Zustand zum Abrufzeitpunkt gemessen. Eine Seite kann ihre Regel am nächsten Tag geändert haben; diese Studie zeigt jenen Moment, nicht die Veränderung.

Gemessen wurden Bedingungen, nicht Ergebnisse.

Was Assistenten tatsächlich zitieren, wurde nicht gemessen. Erlaubt zu sein garantiert kein Zitat; blockiert zu sein heißt nicht, unsichtbar zu sein.

Bots müssen die robots.txt nicht befolgen.

Die Datei ist eine freiwillige Vereinbarung. Manche Bots befolgen sie nicht. „Blockiert“ heißt deshalb nicht „ist nicht hineingegangen“, sondern „hat gebeten, nicht hineinzugehen“.

Es wurde nur JSON-LD gelesen.

Strukturierte Daten wurden allein über JSON-LD-Blöcke bewertet. Microdata und RDFa liegen außerhalb; Seiten, die diese Formate verwenden, erscheinen hier als „kein Schema“.

Die Inhaltsmessungen beschränken sich auf die Startseite.

Die Tiefe von Blog-, Leistungs- und Kontaktseiten wird nicht gesehen. Eine Seite mit reicher innerer Struktur kann wegen einer dünnen Startseite niedrig wirken.

Die Branchenzuordnung ist eine Heuristik.

Die Branche wird aus dem Suchbegriff abgeleitet, der das Unternehmen gefunden hat. Bei Unternehmen mit mehreren Tätigkeitsfeldern ließe sich auch eine andere Zuordnung vertreten; die Branchenrangfolgen hängen an dieser Regel.

Die Landkreisunterschiede tragen eine kleine Stichprobe.

In drei Landkreisen liegt die Zahl geprüfter Seiten unter 30. Diese Zeilen bleiben in der Tabelle, gehen aber nicht in den Vergleich ein und werden nicht in eine Überschrift getragen.

Diese sechs Regeln sind keine Stilfrage. Eine Zahl in diesem Bericht falsch zu rahmen macht aus einer Entscheidung einen Mangel oder aus einem Maß für Bereitschaft eine Prophezeiung.

1. 01Blockieren ist eine Entscheidung, kein Fehler; „keine Regel geschrieben“ und „blockiert“ werden getrennt berichtet.
2. 02Der Score ist ein Maß für Sichtbarkeit, kein Qualitätsurteil; ein niedriger Score heißt nicht schlechtes Unternehmen.
3. 03Da nur die Startseite gemessen wurde, sind die Inhalts- und Schemaquoten eine Untergrenze.
4. 04Die Bot-Liste ist datiert; an einem anderen Datum wird es andere Bots geben.
5. 05Nicht „die KI findet dieses Unternehmen nicht“ sagen, sondern „die Bedingungen, die sie bräuchte, um von dieser Seite zu antworten, fehlen“.
6. 06llms.txt ist noch ein Entwurf; ihr Fehlen wird als Maß der Verbreitung dargestellt, nicht als Mangel.

1. 01GrundgesamtheitDer Datensatz der Studie Mersin / State of Digital 2026: 4.167 geprüfte Domains, davon 3.395 erreichbar. Die Unternehmens-Grundgesamtheit sind die 19.615 lokalen Unternehmen, die auf Google als aktiv erscheinen; hinter diesen Seiten stehen 3.928 Unternehmen.
2. 02Der Abruf und seine HöflichkeitsregelnHöchstens drei GETs je Domain: /robots.txt, /llms.txt, /llms-full.txt. Ein sich zu erkennen gebender User-Agent, geringe Nebenläufigkeit und Wartezeit zwischen den Anfragen wurden verwendet. Die robots.txt wurde zuerst gelesen, und an Seiten, die diesen Forschungsbot blockieren, ging keine llms.txt-Anfrage. Die Ergebnisse wurden in eine Datenbank geschrieben, ein erneuter Lauf erzeugt also keine neuen Anfragen.
3. 03Wie die robots.txt bewertet wurdeFür jeden Bot wurde nur das Wurzelverzeichnis ("/") bewertet. Die Übereinstimmung ist unabhängig von Groß- und Kleinschreibung, die längste Pfadregel gewinnt, bei Gleichstand geht allow vor, und eine exakte Token-Übereinstimmung sticht die Platzhaltergruppe. „Keine Regel“ und „blockiert“ wurden getrennt gezählt.
4. 04Strukturierte Daten und InhaltDas Startseiten-HTML wurde aus dem Cache vom 2026·08·25 gelesen; für diesen Abschnitt ging keine neue Anfrage hinaus. JSON-LD-Blöcke wurden geparst, fehlerhafte Blöcke gesondert gezählt. Die Inhaltsmessungen erfolgten am statischen HTML.
5. 05Der JavaScript-TestLagen im statischen HTML weniger als 120 Wörter und war die von Playwright gesehene Seite mehr als 2,5-mal größer, galt der Inhalt als JavaScript-abhängig. Dieser Test ließ sich auf 3.364 Seiten ausführen.
6. 06Score und SchwellenEine gewichtete 0-100-Verbindung von sechs Komponenten; eine nicht messbare Komponente fällt aus Zähler und Nenner, und unter 60 % Abdeckung wird kein Score veröffentlicht. 3.382 Seiten wurden bewertet, 13 konnten es nicht. Branchen gingen nur mit 50 oder mehr geprüften Seiten in den Vergleich ein; 30 Branchen überschritten diese Schwelle.

1. 01robots.txt- / llms.txt-Abruf (diese Studie)Die einzige neue Felderhebung der Reihe. Je Domain wurden höchstens drei GET-Anfragen gestellt: /robots.txt, /llms.txt und /llms-full.txt. Keine andere Seite wurde angefordert. Das Abruffenster lag am 2026·08·27 von 16:28 bis 16:44 UTC. Die robots.txt wurde zuerst gelesen; an Seiten, die diesen Forschungsbot im Wurzelverzeichnis blockieren, ging keine llms.txt-Anfrage.
2. 02Nixeny Dijital · Mersin / State of Digital 2026Dieselbe Grundgesamtheit, dieselbe Unternehmensmenge. Die 4.167 Domains, 3.395 erreichbaren Seiten und 3.382 Startseiten-Caches, die dieser Bericht nutzt, stammen aus jener Studie; das Startseiten-HTML wurde am 2026·08·25 erhoben. Struktur- und Inhaltsmessungen erfolgten auf diesem Cache, es wurde keine neue Anfrage gesendet.nixeny.com
3. 03Die Bot-Liste19 User-Agent-Token: Bots von OpenAI, Anthropic, Perplexity, Google, Apple, Meta, ByteDance, Common Crawl, Amazon, Cohere, You.com und Diffbot, dazu Googlebot und Bingbot als Kontrollgruppe. Die Liste ist datiert und in `config/ai-readiness.json` offen aufgeführt; an einem anderen Datum wird es andere Bots geben.
4. 04Regeln zur Auslegung der robots.txtFür jeden Bot wird nur das Wurzelverzeichnis bewertet. Die Übereinstimmung ist unabhängig von Groß- und Kleinschreibung, die längste Pfadregel gewinnt, bei Gleichstand geht allow vor, und eine exakte Token-Übereinstimmung sticht die Platzhaltergruppe (*).www.rfc-editor.org
5. 05schema.org · LocalBusinessDie Definition der Felder strukturierter Daten. In dieser Studie gesuchte Felder: name, address, telephone, openingHours / openingHoursSpecification, geo, priceRange und aggregateRating.schema.org
6. 06Der llms.txt-VorschlagDer Entwurf, der das Format der Datei definiert. Er ist ein Vorschlag, kein Standard; dieser Bericht misst Verbreitung, nicht Konformität.llmstxt.org

Die Zahlen dieses Berichts wurden nicht mit einer Messung aus einer anderen Provinz oder einem anderen Land verglichen. Ein „Weltdurchschnitt“, der mit einer anderen Bot-Liste, an einem anderen Datum und über eine andere Bezugsgröße entstanden ist, sieht nebeneinandergestellt so aus, als würden beide Zahlen dasselbe messen. Gemeinsam mit Mersin / State of Digital 2026 sind die Grundgesamtheit und das Datum des Startseiten-Caches; der robots.txt-Abruf gehört allein zu dieser Studie und erfolgte zwei Tage später.

Durchgeführt und veröffentlicht von Nixeny Dijital, Mersin. Abruf, Scoring und Berichtsgestaltung stammen von Nixeny. Grundgesamtheit und Seitenliste sind mit der Studie Mersin / State of Digital 2026 gemeinsam. Für diesen Bericht wurden je Domain höchstens drei Anfragen gesendet: robots.txt, llms.txt und llms-full.txt.

Möchte ein Unternehmen die eigene Zeile in dieser Studie erfahren, genügt es, den Domainnamen zu schreiben. Methodik, Bot-Liste und Prüfprotokolle werden ebenfalls auf Anfrage geteilt: info@nixeny.com