AI Visibility Index Q2/2026: So sichtbar sind deutsche Unternehmen für ChatGPT, Perplexity und Gemini
Wir haben 450 deutsche Websites in über 20 Branchen mit 16 automatisierten Checks gegen 9 KI-Engines geprüft. Das Ergebnis: 97% erzielen einen AI Visibility Score unter 40 — unsere Schwelle für „KI-sichtbar". Dieser Report zeigt die aggregierten Daten — anonymisiert, aber schmerzhaft ehrlich.
Was ist der AI Visibility Index?
Der AI Visibility Index ist TrueSource's vierteljährlicher Benchmark, der misst, wie sichtbar deutsche Websites für KI-Suchmaschinen sind. Nicht: Wie gut rankt eine Website bei Google. Sondern: Wird sie von ChatGPT, Gemini und Co. gefunden, zitiert oder empfohlen?
Für Q2/2026 haben wir 450 Websites aus über 20 Branchen ausgewählt — vom DAX-Konzern über den Mittelstand bis zur Bundesbehörde. Jede Website durchläuft 16+ automatisierte Checks und wird gegen 9 KI-Engines getestet. Das Ergebnis ist ein Score von 0 bis 100.
Der Index ist kein Ranking. Es gibt keine Namen, keine Domains, keine identifizierbaren Einzelbefunde. Was wir veröffentlichen, sind aggregierte Branchendaten — Durchschnittswerte, Verteilungen, wiederkehrende Muster. Die Unternehmen bleiben anonym. Die Befunde nicht.
Methodik: Scoring V3.4
Jede Website wird in fünf Kategorien bewertet:
- Technical AI Readiness — llms.txt, robots.txt-Konfiguration für AI-Crawler, Sitemap-Zugänglichkeit
- Structured Data — Schema.org-Abdeckung (Organization, Article, FAQPage, Product, BreadcrumbList), Vollständigkeit auf Unterseiten
- Content Signals — E-E-A-T-Indikatoren, sichtbare Autorschaft, Quellenverweise, inhaltliche Tiefe
- AI Engine Visibility — Tatsächliche Auffindbarkeit in den 9 KI-Engines per Query-Stichprobe
- Crawler Access — Welche AI-Bots explizit erlaubt oder blockiert werden
Die 9 KI-Engines im Audit-Scoring: ChatGPT, Gemini, Perplexity, Claude, DeepSeek, Grok, Copilot, Cohere und AI Overviews.
Schwellenwert: Als „KI-sichtbar" definieren wir einen Score ≥ 40 von 100. Websites darunter fehlen die technischen Grundlagen, um von KI-Suchmaschinen zuverlässig gefunden, zitiert oder empfohlen zu werden.
97% der 450 geprüften Websites erzielen einen Score unter 40. Der Durchschnitt liegt bei 19 von 100 Punkten. Das ist kein Edge Case — das ist der Normalzustand.
Branchenvergleich
Von den 450 geprüften Websites entfallen 287 auf sechs klar abgrenzbare Branchen-Cluster. Die übrigen 163 verteilen sich auf weitere Branchen mit jeweils kleiner Stichprobe und werden hier nicht einzeln ausgewiesen.
| Branche | n | Ø Score (/100) | llms.txt vorhanden (%) | Schema-Abdeckung (%) | FAQPage vorhanden (%) | GPTBot blockiert (%) |
|---|---|---|---|---|---|---|
| SaaS / Tech | 30 | 31 | 15% | 52% | 20% | 10% |
| E-Commerce / FMCG | 65 | 24 | 8% | 41% | 14% | 28% |
| Automotive | 42 | 21 | 2% | 38% | 8% | 40% |
| Versicherung | 87 | 18 | 4% | 23% | 9% | 34% |
| Agenturen & Beratung | 38 | 15 | 5% | 12% | 6% | 18% |
| Public Sector | 25 | 11 | 0% | 8% | 4% | 12% |
Die Spannbreite ist erheblich: SaaS-/Tech-Unternehmen erreichen im Schnitt 31 Punkte — immer noch unter der Sichtbarkeitsschwelle von 40, aber deutlich über dem Gesamtdurchschnitt. Am anderen Ende stehen öffentliche Einrichtungen mit durchschnittlich 11 Punkten. Keine der sechs Branchen erreicht als Gruppe die Schwelle zur KI-Sichtbarkeit.
Auffällig: Die Automotive-Branche blockiert am häufigsten GPTBot (40% der Stichprobe). In der Versicherungs-Stichprobe (n=87) blockiert rund ein Drittel GPTBot per robots.txt — teils bewusst aus Datenschutzgründen, teils als übernommene Konfiguration ohne aktive Entscheidung.
Die 5 häufigsten Fehler
96% haben keine llms.txt
Die llms.txt-Datei ist das Äquivalent einer robots.txt für KI-Modelle — ein maschinenlesbares Inhaltsverzeichnis, das AI-Engines sagt, welche Inhalte relevant sind. Von 450 geprüften Websites haben nur 18 eine llms.txt deployed. Der Rest existiert für KI-Crawler als unstrukturierte Textmasse.
78% setzen Schemas nur auf der Homepage ein
Viele Websites haben Schema.org-Markup auf der Startseite — Organization, WebSite, manchmal BreadcrumbList. Aber auf den Unterseiten, wo der eigentliche Fachcontent liegt, sind die Schemas stumm. Produkt-, Artikel- und FAQ-Seiten ohne strukturierte Daten sind für KI-Engines schwer einzuordnen. Die Homepage allein reicht nicht.
Rund ein Drittel blockiert GPTBot per robots.txt
In der Gesamtstichprobe blockieren ca. 30% der Websites GPTBot, Google-Extended oder andere AI-Crawler. In einigen Branchen — Automotive (40%), Versicherung (34%) — liegt der Wert noch höher. Teils ist das eine bewusste Entscheidung, teils ein CMS-Default oder eine vom SEO-Team übernommene Konfiguration, die nie hinterfragt wurde.
Nur 12% nutzen FAQPage-Schema
FAQPage-Schema ist einer der stärksten Hebel für KI-Zitate. Wenn eine Website strukturierte Fragen und Antworten ausgibt, können KI-Engines diese direkt in ihre Antworten einbetten — mit Quellenangabe. Trotzdem nutzen nur 54 der 450 geprüften Websites dieses Schema auf mindestens einer Seite. Ein enormer ungenutzter Hebel, besonders für Versicherungen, Behörden und Beratungen.
87% haben keinen sichtbaren Autor auf Fachartikeln
E-E-A-T — Experience, Expertise, Authoritativeness, Trustworthiness — ist kein reines Google-Konzept. Auch KI-Modelle gewichten Autorensignale. Wer schreibt diesen Artikel? Mit welcher Qualifikation? In unserer Stichprobe haben 87% der Websites keinen sichtbaren Autor mit Credentials auf ihren Fachartikeln. Kein Name, kein Titel, kein Link zum Profil. Für KI-Engines ist das anonymer Content — und anonymer Content wird selten zitiert.
Was die Top 3% anders machen
14 der 450 geprüften Websites erreichen einen Score von 70 oder höher. Sie verteilen sich über verschiedene Branchen und Unternehmensgrößen. Was sie gemeinsam haben:
- Schema.org auf jeder Seite — nicht nur Organization auf der Homepage, sondern Article, FAQPage, Product, BreadcrumbList und HowTo auf den jeweiligen Content-Seiten. Durchschnittlich 5+ Schema-Typen pro Domain.
- llms.txt deployed — mit klarer Struktur: Unternehmensbeschreibung, Kernprodukte, Links zu den wichtigsten Fachseiten. Maschinenlesbar, aktuell, gepflegt.
- FAQPage auf Content-Seiten — nicht nur auf einer FAQ-Übersichtsseite, sondern eingebettet in Produktseiten, Ratgeber und Fachartikel. Überall dort, wo Nutzer Fragen stellen.
- Sichtbare Autoren mit Credentials — jeder Fachartikel hat einen benannten Autor mit Jobtitel, Foto und Link zum LinkedIn-Profil oder zur Autorenbiografie. E-E-A-T, maschinell verifizierbar.
- Strukturierte Daten über Organization hinaus — LocalBusiness, ProfessionalService, MedicalOrganization, EducationalOrganization — je nach Branche. Die Top-Websites nutzen die spezifischsten Schema-Typen, nicht die generischsten.
Die Top 3% haben keinen „AI-Trick" gefunden. Sie machen das, was strukturierter Content schon immer hätte sein sollen — nur konsequent, auf jeder Seite, maschinenlesbar. Der Unterschied liegt nicht in der Technologie, sondern in der Disziplin.
Fazit
Der AI Visibility Index Q2/2026 zeigt ein klares Bild: Deutsche Unternehmen sind für KI-Suchmaschinen weitgehend unsichtbar. Nicht weil die Technologie fehlt — llms.txt, Schema.org und FAQPage existieren als offene Standards. Sondern weil die Implementierung ausbleibt.
97% unter der Sichtbarkeitsschwelle. Durchschnittsscore 19 von 100. Keine Branche über 40. Das ist kein Nischenproblem — das ist ein struktureller blinder Fleck.
Die gute Nachricht: Die Hebel sind bekannt. llms.txt deployen, Schemas auf Unterseiten ausrollen, FAQPage-Markup nutzen, Autoren sichtbar machen, AI-Crawler nicht pauschal blockieren. Das sind keine experimentellen Maßnahmen — das sind die Basics, die 97% der geprüften Websites noch nicht umgesetzt haben.
Der AI Visibility Index erscheint vierteljährlich. Q3/2026 wird zeigen, ob sich die Werte bewegen — oder ob der blinde Fleck wächst, während KI-Suchmaschinen weiter an Nutzungsanteil gewinnen.
Wo steht Ihr Unternehmen?
Finden Sie es in 60 Sekunden heraus.
Kostenloser AI Visibility Scan — keine Anmeldung nötig.
Sascha Deforth ist Gründer von TrueSource AI und GEO-Practitioner mit Fokus auf AI Visibility Infrastructure. Er hat den AI Visibility Index entwickelt, um die Lücke zwischen SEO-Optimierung und KI-Sichtbarkeit messbar zu machen. LinkedIn-Profil →