Fallbeispiel (anonymisiert): Berggasthof – KI-Readiness Schritt für Schritt

Veröffentlicht am 12. November 2025 · von Thomas Hullin · TH Analytica

Dieses Beispiel beschreibt die Vorgehensweise zur KI-Readiness eines alpinen Hotel-Restaurants, vollständig anonymisiert. Ziel ist die nachvollziehbare Methodik – ohne Nennung realer Namen, Orte oder Logos.

Ausgangslage (anonymisiert)

Ein Berggasthof mit Hotel-Betrieb in einer Schweizer Bergregion wollte seine Sichtbarkeit für KI-Browser wie ChatGPT, Perplexity und Gemini verbessern. Die Website war funktional, aber:

Branche: Hotel-Restaurant in Bergregion (Schweiz)
Systemlage: Basis-Website, uneinheitliche Metadaten, kein strukturiertes Schema
Problem: KI-Browser konnten wichtige Informationen nicht maschinell auslesen
Ziel: Korrektes Verständnis durch KI-Browser und verbesserte AI-Sichtbarkeit

Vorgehen nach TH Analytica v8.1 MAX R2

Die Optimierung erfolgte in vier strukturierten Schritten:

Technik-Dateien: Implementierung von robots.txt, ai.txt, ai-policy.json, llms.txt, sitemap.xml
Schema.org: Strukturierte Daten mit Organization, LocalBusiness/Hotel, Restaurant, FAQPage
GBP-Modul (neutral): Optimierte Beschreibung, 12 Post-Vorlagen, 10 FAQ (ohne Klarnamen)
Content-Struktur: Klare H1–H3-Hierarchie, kurze Absätze, verständliche CTAs

      ✅ Massnahmen im Detail
      Komplette Schema.org Implementierung (LocalBusiness, Hotel, Restaurant)
Google Business Profile MAX: 12 Post-Vorlagen + 10 FAQ
KI-Browser Dateien: ai.txt, ai-policy.json, llms.txt
Hoster-Briefing zur technischen Umsetzung

    

Technische Details (alle Daten sind DUMMYS)

Schema.org JSON-LD (Beispiel „Hotel" – nur Demo, keine echten Daten)

Das LocalBusiness-Schema wurde wie folgt implementiert:

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "Beispielbetrieb (anonymisiert)",
  "address": {
    "@type": "PostalAddress",
    "addressLocality": "Region Oberland",
    "addressCountry": "CH"
  },
  "telephone": "+41 00 000 00 00",
  "url": "https://beispiel.tld",
  "openingHours": "Mo-So 08:00-22:00",
  "priceRange": "CHF 120-220"
}

ai-policy.json (Auszug – nur Demo, keine echten Kontaktdaten)

Die KI-Policy definiert klare Nutzungsregeln:

{
  "policyVersion": "2.1.0",
  "allowPublicContentAnalysis": true,
  "allowTraining": false,
  "allowReproduction": false,
  "usageScope": "implementation-only",
  "contact": "info@beispiel.tld"
}

ai.txt Beispiel

# AI Access Policy
User-agent: *
Allow: /
Disallow: /admin/
Disallow: /api/

# Policy Documents
Policy: /policy/ai-policy.json
Sitemap: /sitemap.xml

# Contact
Contact: info@beispiel.tld

Ergebnis (anonymisiert)

      📊 Verbesserungen
      AI-Readiness signifikant verbessert durch Schema + Policy + klare Inhalte
Transparenz ohne Identifizierbarkeit – keine echten Namen/Orte
Valide Rich-Results und stabile Indexierung der anonymisierten Seite
Messbare Verbesserung der KI-Browser-Sichtbarkeit

    

Warum anonymisiert?

Diese Fallstudie ist vollständig anonymisiert, um die Privatsphäre des Betriebs zu schützen. Das Ziel ist es, die Methodik nachvollziehbar zu machen, ohne identifizierbare Informationen preiszugeben.

Fazit

Die systematische Optimierung für KI-Browser folgt klaren technischen Standards:

Strukturierte Daten nach Schema.org ermöglichen maschinelles Auslesen
KI-Policy-Dateien schaffen Transparenz und Vertrauen
Klare Content-Struktur verbessert die Verständlichkeit für KI-Browser
Messbare Ergebnisse durch systematisches Vorgehen

🚀 Interessiert an einer eigenen Analyse?

Starten Sie mit einem kostenlosen Quick-Check oder fordern Sie direkt eine Vollanalyse an.

→ Zum Quick-Check

Hinweis zur Anonymisierung: Diese Fallstudie ist anonymisiert. Jegliche Übereinstimmungen mit realen Betrieben sind zufällig. Es werden keine Klarnamen, Ortsangaben oder identifizierbaren Medien gezeigt. Alle Code-Beispiele und Daten sind zu Demonstrationszwecken erstellt.