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

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:

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

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)

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

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.