AI-Ready vs. klassische Website: Was KI-Agenten sehen — und was nicht

Ein Einkäufer bei einem mittelständischen Industrieunternehmen sucht einen spezialisierten Software-Partner für die Digitalisierung seiner Energiedaten. Er tippt die Anfrage nicht mehr in Google. Er fragt seinen KI-Assistenten.

Der Agent beginnt zu recherchieren. Er besucht Unternehmenswebsites, analysiert, vergleicht, filtert. Am Ende empfiehlt er drei Anbieter — mit strukturierter Begründung, warum genau diese drei.

Welche Unternehmen er dabei nicht berücksichtigt hat? Die, bei denen er nicht herausfinden konnte, was sie konkret anbieten.

Was ein KI-Agent auf Ihrer Website wirklich liest

Menschen interpretieren Websites holistisch. Ein Foto von Industrieanlagen auf der Startseite signalisiert Branchenerfahrung — auch ohne explizites Statement. Das Gehirn ergänzt implizite Informationen automatisch.

KI-Agenten arbeiten anders. Sie laden HTML, extrahieren Text, versuchen Bedeutung zu rekonstruieren. Das Ergebnis hängt davon ab, wie klar und strukturiert der Inhalt tatsächlich ist — nicht davon, wie professionell das Design wirkt.

Was ein Agent auf einer typischen B2B-Website vorfindet:

<section class="leistungen">
  <h2>Unsere Lösungen</h2>
  <p>Wir bieten maßgeschneiderte Lösungen für Ihren Erfolg —
  von der Strategie bis zur Umsetzung.</p>
</section>

„Maßgeschneiderte Lösungen für Ihren Erfolg“ ist keine Information. Es ist Marketing-Text. Nach dem Parsen weiß der Agent nicht mehr als vorher:

• Welche Branchen werden bedient?
• Welche konkreten Leistungen werden erbracht?
• Was kostet ein Einstieg?
• Wie nimmt man Kontakt auf — und auf welchem Weg?

Der Agent versucht, aus diesen Lücken Schlüsse zu ziehen. Manchmal gelingt das. Häufig nicht. Und bei zwei Dutzend ähnlichen Websites entscheidet er nach dem, was er verlässlich extrahieren konnte.

Das Grundproblem: interpretierbar vs. maschinenlesbar

Stellen Sie sich eine gut ausgestattete Fachbibliothek vor — aber ohne Katalog, ohne Signaturen auf den Buchrücken, ohne Ordnungssystem. Die Bücher sind vorhanden, der Inhalt ist wertvoll. Nur findet ein System, das auf strukturierten Abfragen basiert, schlicht nichts.

Genau das ist die Situation eines KI-Agenten auf einer klassischen Website. Die Informationen existieren — aber in einem Format, das Interpretation erfordert, nicht direktes Abfragen.

Das erzeugt drei konkrete Schwachstellen:

Mehrdeutigkeit: „Beratung ab 150 Euro“ kann der Stundensatz sein. Oder die Tagespauschale. Oder der Monatspreis für ein Basispaket. Ein maschinenlesbarer Datenpunkt lässt keine Spielräume: { "price": 150, "unit": "hour", "currency": "EUR" }.

Fragilität: Wenn eine Website ihr Design überarbeitet, das CMS wechselt oder die Navigation umstrukturiert wird, bricht die Agent-Analyse. Was heute noch verlässlich ausgelesen wird, ist nach dem nächsten Relaunch ein blinder Fleck.

Unsichtbare Inhalte: PDF-Anhänge, dynamisch nachgeladene Produktdaten, interne Kategorisierungen — für einen HTML-Parser existiert das alles nicht. Ein API-Endpunkt hingegen kann gezielt genau diese Daten liefern.

Was AI-Readiness strukturell bedeutet

Eine AI-Ready Website erzeugt kein besseres HTML. Sie ergänzt die menschenlesbare Oberfläche um eine maschinenlesbare Schicht — zusätzlich, nicht stattdessen.

Der technische Einstiegspunkt ist ein Industriestandard, der sich gerade etabliert: Ein Agent, der eine Website besucht, prüft standardmäßig den Pfad /.well-known/agents.json. Dort findet er — wenn vorhanden — eine strukturierte Selbstbeschreibung des Unternehmens:

{
  "name": "Muster Energieberatung GmbH",
  "description": "Digitalisierung von Energiedaten für mittelständische Industrieunternehmen",
  "sectors": ["industrie", "stadtwerke", "versorger"],
  "tools": [
    {
      "name": "get_services",
      "endpoint": "/api/v1/services",
      "method": "GET",
      "parameters": {
        "sector": {
          "enum": ["industrie", "stadtwerke", "versorger"]
        }
      }
    },
    {
      "name": "request_assessment",
      "endpoint": "/api/v1/assessment",
      "method": "POST"
    }
  ]
}

Kein Interpretieren, kein Raten. Der Agent weiß sofort:

• Dieses Unternehmen ist explizit auf Industrie und Stadtwerke spezialisiert
• Es gibt einen Endpunkt, über den Leistungen sektorbezogen abgerufen werden können
• Ein Assessment-Request ist direkt initiierbar — ohne Formular, ohne Wartezeit

Der Unterschied ist nicht graduell. Er ist strukturell.

Die ehrliche Einschätzung: Wo stehen wir heute?

Seien wir präzise. Der Anteil von KI-Agenten am Gesamt-Traffic einer B2B-Website liegt aktuell im niedrigen einstelligen Bereich — wenn er überhaupt messbar ist. Wer sein Budget heute ausschließlich auf AI-Readiness verschiebt, priorisiert falsch.

Und genau an dieser Stelle liegt die eigentliche Entscheidung.

AI-Readiness ist keine Reaktion auf vorhandenen Traffic. Sie ist eine Infrastruktur-Entscheidung — vergleichbar mit der Entscheidung, Anfang der 2000er-Jahre eine Unternehmenswebsite zu bauen. Damals gab es noch keine kritische Masse an Kunden, die ausschließlich online suchten. Die Unternehmen, die trotzdem früh aufgebaut hatten, profilierten sich — nicht weil sie mehr Geld ausgegeben haben, sondern weil sie zum richtigen Zeitpunkt bereit waren.

Die technologische Entwicklung läuft diesmal nicht langsamer:

• Google integriert agentenbasierte Suchmechanismen direkt in Chrome
• Microsoft baut Agenten tief in die M365-Produktpalette ein
• Der MCP-Standard (Model Context Protocol) als technische Basis für Agent-Kommunikation gewinnt schnell an Akzeptanz

Das sind keine Ankündigungen aus Forschungslaboren. Das sind aktive Produktentwicklungen mit konkreten Roadmaps. Der Massentraffic via Agenten kommt — der Aufbau der Infrastruktur dafür ist keine Panik-Reaktion. Es ist vorausschauendes Handeln.

Was sich fundamental verschiebt

Der eigentliche Umbruch ist nicht „mehr Anfragen von Maschinen“. Er ist strukturell tiefer.

Passiv zu interaktiv. Eine klassische Website stellt aus. Sie informiert — und der Besucher muss anschließend selbst agieren: anrufen, schreiben, warten. Eine AI-Ready Website ist beteiligt: Der Agent ruft einen Endpunkt ab, bekommt strukturierte Antworten, filtert und vergleicht — ohne Medienbruch auf der Anbieterseite.

Einmalig zu dauerhaft. Eine klassische Website wird besucht — ein einzelnes Ereignis, statistisch erfasst als Session. Ein API-Endpunkt wird aufgerufen — von vielen Agenten, für viele Anfragen, reproduzierbar. Wenn ein Agent einmal weiß, dass ein bestimmter Endpunkt verlässliche Industriereferenzen aus dem DACH-Raum liefert, wird er ihn immer wieder nutzen.

Von der Suchmaschine zum Agenten-Netzwerk. Heute: Nutzer sucht → liest Website → nimmt Kontakt auf → wartet auf Rückmeldung. Morgen: KI-Assistent erhält die Anfrage → fragt relevante Endpunkte ab → präsentiert strukturierten Vergleich → initiiert auf Wunsch den ersten Kontakt. Die mittlere Phase — Recherche, Vergleich, Erst-Kontaktaufnahme — läuft automatisiert. Nicht durch die Website des Anbieters. Durch den Agenten des potenziellen Kunden.

Schritte zur AI-Ready Website

AI-Readiness ist kein Komplett-Relaunch. Es ist ein gezielter Aufbau — und der Aufwand richtet sich nach dem, was bereits vorhanden ist.

Technische Basis (1–5 Tage)

• JSON-LD/Schema.org-Markup für alle relevanten Seiten: Organisation, Leistungen, FAQ. Verbessert parallel die klassische Suchmaschinenoptimierung — doppelter Nutzen, gleicher Aufwand.
• Strukturierte Metadaten mit eindeutiger, maschinenlesbarer Beschreibung des Leistungsangebots.
• robots.txt-Update mit klaren Regeln für Crawler und Agenten.

API-Layer aufbauen (2–4 Wochen)

• agents.json unter /.well-known/agents.json — die Discovery-Datei, die ein Agent zuerst aufruft.
• 3–5 API-Endpunkte für Kernfunktionen: Leistungsübersicht, Referenzen filtern, Kontakt initiieren.
• CORS-Header korrekt setzen — Voraussetzung, damit externe Agenten die APIs überhaupt erreichen.
• agent-card.json für A2A-fähige Agenten (Agent-to-Agent-Kommunikation zwischen unterschiedlichen Systemen).

Agent-Präsenz ausbauen (fortlaufend)

• Branchenspezifische Endpunkte — z. B. ein Kalkulator für Energiekosten-Einsparpotenziale, ein Kapazitäts-Check für Projektslots.
• Agent-Traffic-Analytics — eine separate Tracking-Schicht, die Agenten-Anfragen von menschlichem Traffic trennt, klassifiziert und auswertbar macht.
• WebMCP-Support für die nächste Generation browserintegrierter Agent-Kommunikation.

Was die meisten B2B-Unternehmen im DACH-Raum dabei nicht brauchen: einen eigenen MCP-Server, Real-Time-Streaming oder komplexe Multi-Agent-Orchestrierung. Das ist Infrastruktur für SaaS-Plattformen mit sehr spezifischen Anforderungen — keine sinnvolle Priorität für den Einstieg.

Klassisch vs. AI-Ready — der direkte Vergleich

Was ich für Sie entwickle

Ich baue AI-Ready-Infrastruktur für B2B-Unternehmen im DACH-Raum — ohne Komplett-Relaunch, ergänzend zur bestehenden Website.

Discovery-Layer und agents.json — Die maschinenlesbare Visitenkarte Ihres Unternehmens: was Sie anbieten, welche Branchen Sie bedienen, welche Endpunkte Agenten nutzen können.

API-Endpunkte für Kernleistungen — Drei bis fünf sauber dokumentierte Schnittstellen, die das Wesentlichste Ihres Angebots strukturiert bereitstellen: Leistungsübersicht, Referenzen, Kontaktinitiierung.

JSON-LD/Schema.org-Integration — Vollständige Datenannotierung für alle relevanten Seiten — mit positivem Nebeneffekt auf klassische Suchmaschinen-Rankings.

Agent-Traffic-Analytics — Eine separate Tracking-Schicht, die Agenten-Anfragen von menschlichem Traffic trennt, klassifiziert und auswertbar macht. Damit wird messbar, was heute noch ein blinder Fleck ist.

AI-Ready-Check — Strukturierte Analyse des Status quo: Was sieht ein KI-Agent aktuell auf Ihrer Website? Wo sind die größten Lücken? Was ist der schnellste Weg zur Readiness?

Die bestehende Website ist die Basis — kein Neuaufbau notwendig.

Fazit

KI-Agenten werden ein eigenständiger Kanal — neben organischer Suche, Direktzugriffen und Empfehlungen. Das ist keine Spekulation, das ist eine technische Entwicklung mit konkreten Roadmaps bei Google, Microsoft und Anthropic.

Klassische Websites verlieren dadurch nicht ihren Wert. Aber sie bekommen einen strukturellen Nachteil in einem Umfeld, in dem Agenten immer mehr Vorrecherche übernehmen — weil eine AI-Ready Website nicht nur gefunden, sondern direkt genutzt werden kann.

Der beste Zeitpunkt für diese Infrastruktur-Entscheidung ist der Punkt, an dem der Aufwand noch überschaubar ist. Das ist heute.

Wenn Sie wissen wollen, was ein KI-Agent aktuell auf Ihrer Website sieht — und wo die kritischsten Lücken sind — sprechen Sie mich an.