KI-Sichtbarkeit: Technik, Standards & Implementierung

Dieser Artikel richtet sich an Entwickler, SEO-Experten und technisch interessierte Studiobetreiber. Er zeigt, welche Standards und Prozesse auf fragfitty.de eingesetzt werden, damit Studiodaten in KI-Systemen auffindbar, verständlich und aktuell bleiben.

Was ist KI-Sichtbarkeit?

KI-Sichtbarkeit bedeutet: Ein Studio wird in Antworten von Systemen wie ChatGPT, Gemini, Claude, Copilot oder Perplexity sichtbarer und konsistenter genannt. Dafür müssen Inhalte in maschinenlesbaren, standardisierten Formaten bereitgestellt werden.

fragfitty.de übernimmt diese Aufbereitung automatisch für Studios mit Plus- oder Premium-Abo.

Im Marketing-Kontext entspricht das AEO (Answer Engine Optimization): ähnlich wie SEO in den frühen Jahren entscheidet frühe Optimierung über den späteren Vorsprung.

KI-Profil (ab Plus)

Für Studios bedeutet das in einem Satz: KI-Profil: dein Studio wird in 30+ KI-Systemen besser gefunden.

Für jedes Studio ab Plus wird ein KI-Profil unter /gym/{studio-slug}/ erzeugt. Es bündelt alle relevanten Daten in Formaten, die Crawler, Suchmaschinen und LLMs direkt verarbeiten können.

Die Dateien werden täglich über den Sitemap-Generator aktualisiert und über die Sitemap mit changefreq: daily signalisiert.

KI-News (Premium)

Für Studios bedeutet das in einem Satz: KI-News macht aus Social-Posts automatisch News für KI-Systeme.

Premium-Studios können Facebook, Instagram, TikTok und YouTube verbinden. Neue Inhalte werden manuell oder täglich automatisch übernommen.

Fitty erkennt daraus relevante Updates wie Angebote, Events, neue Kurse, geänderte Zeiten oder neue Services und erstellt strukturierte News.

Diese News erscheinen auf der Studio-Seite und in den KI-Dateien. So können KI-Systeme und Suchmaschinen aktuelle Studio-Updates leichter lesen.

KI-Push (Premium)

Für Studios bedeutet das in einem Satz: KI-Push: Änderungen werden aktiv an KI- und Suchsysteme übermittelt.

Premium-Studios erhalten aktive Indexierung. Bei relevanten Profiländerungen kann fragfitty.de IndexNow über den Veröffentlichungsablauf benachrichtigen, statt ausschließlich auf den nächsten regulären Crawl zu warten. Google erhält die Root- und Split-Sitemaps über Search Console. Bing-basierte Systeme laufen über priorisierte, quota-bewusste Sammelübermittlungen in Indexing::PublicationRun. Wann ein externer Dienst die Änderung verarbeitet oder erneut crawlt, liegt jedoch beim jeweiligen Anbieter.

KI-Chat (Premium)

Premium-Studios erhalten zusätzlich einen KI-Chat. Er erscheint auf der Studio-Profilseite und kann in die eigene Studio-Website eingebettet werden. Besucher erhalten direkte Antworten zu Preisen, Öffnungszeiten, Ausstattung und Leistungen.

Funktionsweise

Der KI-Chat nutzt den aktuellen Studio-Datensatz aus der Datenbank als primäre Wissensbasis (Grounding) und arbeitet damit auf Live-Daten statt auf einem statischen Export. Die öffentlichen KI-Dateien (llms-full.txt/llms.txt + structured-data.json) bleiben für externe KI-Crawler und Plattformen relevant, sind aber nicht mehr die primäre interne Chat-Quelle. Optional können bis zu 5 eigene Dokumente (PDF, Markdown, Text) als zusätzlicher Kontext eingebunden werden.

Embed auf der Studio-Website

Studiobetreiber erhalten im Dashboard einen Embed-Code:

<script src="https://fragfitty.de/embed/agent.js?token=..." async></script>

Das Script rendert ein isoliertes Widget im Shadow DOM und verbindet sich mit der API. Die Domain-Validierung stellt sicher, dass ein Token nur auf der hinterlegten Studio-Domain genutzt werden kann.

KI-Suche

Die KI-Suche versteht natürliche Sprache. Nutzer formulieren ihre Anfrage frei (z.B. „Günstiges Studio mit Sauna in Berlin“), das LLM übersetzt diese Eingabe in strukturierte Filter.

Das verbessert die Matching-Qualität vor allem bei komplexen Suchanfragen mit mehreren Kriterien.

Plattform-Infrastruktur

Zusätzlich zu studio-spezifischen Dateien gibt es zentrale Einstiegspunkte auf Plattform-Ebene.

Kerndateien & Discovery-Manifeste

KI-Metadaten (.well-known/ai-metadata/)

Markdown Twin Architektur & Content-Negotiation

Jede URL auf fragfitty.de besitzt einen nativen Markdown-Zwilling (Markdown Twin), der speziell auf minimale Token-Kosten und maximale LLM-Verständlichkeit optimiert ist.

3-Wege Content-Negotiation

KI-Agenten und Scraper können Markdown über drei standardisierte Wege abrufen:

1. Dateiendung .md: An jede URL kann .md angehängt werden (z.B. /gym/injoy-ratingen.md, /in/berlin.md, /artikel/ki-sichtbarkeit-technik-standards-implementierung.md oder /index.md).
2. HTTP Header Accept: text/markdown: Standard-Content-Negotiation im HTTP-Header.
3. Query-Parameter ?mode=agent & KI-User-Agent-Erkennung: Direkte Umschaltung per URL-Parameter sowie automatische serverseitige Erkennung von KI-Crawlern (GPTBot, ClaudeBot, PerplexityBot, Bytespider, Cohere-AI, Google-Extended).

Die Markdown-Generierung spart gegenüber reinem HTML-Scraping typischerweise 50–80 % der Token und schließt alle strukturierten Daten (Tarife, Öffnungszeiten, Ausstattungsmerkmale, Geo-Koordinaten und Bewertungen) direkt ein.

Model Context Protocol (MCP)

fragfitty.de betreibt einen vollwertigen MCP-Server (Model Context Protocol) unter /mcp und /api/mcp.

Unterstützte Transports

• Modern Streamable HTTP Transport: Vollständig bidirektional mit JSON-RPC 2.0.
• Legacy SSE Transport: Server-Sent Events für bestehende MCP-Clients.

Verfügbare Tools

• search_studios: Durchsucht Studios nach Stadt, Name, Postleitzahl, Ausstattung, Preislimit oder Öffnungszeiten (inkl. readOnlyHint: true, destructiveHint: false).
• get_studio_details: Liefert den vollständigen Datensatz eines Studios (Tarife, Öffnungszeiten, Trainer, Kursplan, Ausstattung).
• ask: Führt natürlichsprachliche Anfragen über die Plattform aus.

MCP Apps & Generative UI (ui://search)

Über die Resource ui://search können MCP-fähige Clients (wie Claude Desktop oder moderne Agenten-Frontends) interaktive Benutzeroberflächen direkt im Chat rendern, inklusive automatischer Anpassung an helle und dunkle Themes (color-scheme: light dark).

Microsoft Natural Language Web Protocol (NLWeb)

Unter /ask und /api/nlweb implementiert fragfitty.de das offene Microsoft NLWeb-Protokoll.

• Strukturierte JSON-Antworten: Enthält standardisierte _meta-Objekte (response_type: "answer", version: "1.0.0"), die natürlichsprachliche Antwort und referenzierte Quellen (sources).
• Echtzeit-SSE-Streaming: Bei Prefer: streaming=true oder Accept: text/event-stream werden Antworten mit den NLWeb-Eventtypen event: start, event: result und event: complete gestreamt.

Agent Authentication (WorkOS Auth.md & OAuth 2.0)

Für automatisierte Agenten, die über anonyme Lesezugriffe hinausgehen oder Identitäten nachweisen möchten, stellt fragfitty.de standardisierte Authentifizierungs- und Registrierungspfade bereit:

1. WorkOS /auth.md: Zentraler Leitfaden mit 7 standardisierten Abschnitten (Discover, Pick a method, Register, Claim, Use credential, Errors, Revocation).
2. RFC 9728 Protected Resource Metadata: Unter /.well-known/oauth-protected-resource deklariert die Plattform Ressourcenspezifikationen und Autorisierungsserver.
3. RFC 8414 OAuth Authorization Server Metadata mit agent_auth: Unter /.well-known/oauth-authorization-server werden Endpunkte für Dynamic Client Registration (/oauth/register), Claiming (/oauth/claim), Token (/oauth/token) und Revocation (/oauth/revoke) bereitgestellt.
4. 401 WWW-Authenticate Discovery: Ungeschützte Aufrufe gegen /api oder /api/v1 liefern einen standardisierten HTTP-401-Challenge mit resource_metadata-Link, sodass Agenten die Registrierung autonom initiieren können.
5. CORS & Preflight: Alle OAuth- und API-Endpunkte unterstützen vollständige CORS-Preflight-Anfragen (OPTIONS -> 204 No Content).

Deklaratives WebMCP

Auf den Webformularen der Suche und Filterung setzt fragfitty.de auf deklaratives WebMCP. Formulare enthalten semantische Attribute wie toolname="search_studios" und tooldescription="...". Dadurch können Browser-Agenten und clientseitige KI-Assistenten Studio-Suchen direkt aus dem DOM heraus triggern, ohne zusätzliche Konfiguration.

Agenten-Erkennung & Discovery

Metadaten

Inline-LLM-Script-Tags

Auf allen Seiten liegt ein globales <script type="text/llms.txt">-Tag im HTML-Head mit Plattform-Kontext. Auf Studio-Detailseiten (ab Plus/Premium) kommt ein studio-spezifisches Tag hinzu. Das entspricht dem Vercel-Vorschlag für inline LLM-Instruktionen.

Browser ignorieren den unbekannten type-Wert; die Tags sind für KI-Crawler gedacht.

KI-Meta-Tags

Jede Seite enthält zusätzliche Meta-Tags für KI-Systeme:

Zusätzlich werden Dublin-Core-Metadaten (dc:language, dc:creator, dc:publisher, dc:date) gesetzt.

KI-Ressourcen-Links

Im HTML-Head und in den HTTP-Antwort-Headern (Link: ...) zeigen Verweise auf zentrale KI-Ressourcen:

• llms.txt, llms-full.txt
• auth.md
• structured-data.json
• openapi.yaml
• model.jsonld, dataset.croissant.json, webpage.jsonld, dcat.jsonld
• .well-known/ai-catalog.json, .well-known/api-catalog
• .well-known/mcp/server-card.json, .well-known/agent-card.json

Auf Studio-Detailseiten (ab Plus) werden zusätzlich studio-spezifische KI-Dateien verlinkt (llms.txt, llms-full.txt, structured-data.json, index.md).

Schema.org Structured Data

Jede Seite enthält JSON-LD-Blöcke mit Schema.org-Typen:

Studio-Seiten enthalten zusätzlich ReserveAction für Probetrainings.

IETF AIPREF Content-Usage

Jede HTML- und Markdown-Antwort enthält Header und Meta-Tag:

Content-Usage: train-ai=y, search=y, ai-input=y

Das orientiert sich am aktuellen IETF AIPREF Working Group-Entwurf und signalisiert die erlaubte KI-Nutzung standardisiert.

Compliance & Rechte

W3C TDMRep

/.well-known/tdmrep.json implementiert den W3C TDMRep-Standard. Damit wird EU-konform signalisiert, dass Text- und Data-Mining auf den Inhalten zulässig ist.

Cloudflare Content Signals

In der robots.txt wird zusätzlich ein Content-Signal geführt:

# Content-Signal: search=yes, ai-train=yes, ai-input=yes

Lizenzen

Alle KI-bezogenen Inhalte stehen unter CC-BY-4.0 (siehe ai.txt).

Unterstützte KI-Crawler

Die robots.txt erlaubt den Zugriff für 29+ KI-Crawler/User-Agents.

OpenAI: GPTBot, OAI-SearchBot, ChatGPT-User

Anthropic: ClaudeBot, Claude-SearchBot, Claude-User, Claude-Web, Anthropic-AI

Google: Google-Extended, Google-CloudVertexBot, GoogleAgent-Mariner, Googlebot

Meta: FacebookBot, Meta-ExternalAgent, Meta-ExternalFetcher

Microsoft: Bingbot

Apple: Applebot, Applebot-Extended

Weitere: PerplexityBot, Perplexity-User, Amazonbot, Bytespider, CCBot, cohere-ai, DeepSeekBot, DuckAssistBot, MistralAI-User, Diffbot, YandexBot

Die Liste wird laufend erweitert, sobald relevante neue Systeme erscheinen.

SEO-Ökosystem

KI-Sichtbarkeit entsteht nicht nur durch Technik, sondern auch durch ein belastbares Content- und SEO-Fundament.

Redaktionelle Inhalte (560+ Artikel)

Unter /artikel/ läuft ein automatisiertes Content-System mit 560+ SEO-optimierten Fachartikeln. Pipeline: Keyword-Recherche -> externe Faktenprüfung -> LLM-Generierung -> Bildgenerierung.

Die Artikel sind intern mit Studio-, Stadt- und Markenseiten verlinkt und enthalten Article-Schema.org-Markup.

Markenvergleiche (Programmatic SEO)

Automatisch erzeugte Vergleichsseiten unter /vergleich/ (z.B. /vergleich/mcfit-vs-fitx) vergleichen Marken über reale Datenpunkte wie Durchschnittspreise, Ausstattungsabdeckung und Stadtüberschneidungen. Jede Seite enthält datenbasiertes FAQPage-Schema.

Stadt-Insights

Stadtseiten (z.B. /in/berlin) zeigen automatisch berechnete Kennzahlen wie Studio-Anzahl, Durchschnittspreis, günstigstes Studio, Top-Features und Anteil 24/7-Studios. Diese Werte werden stündlich aktualisiert.

Bing AI Performance Monitoring

Über Bing Webmaster Tools werden regelmäßig AI-Citations, Grounding Queries, meistzitierte URLs und Impressionen/Klicks ausgewertet.

GEO/AEO Content-Optimierung

Studio-Beschreibungen und KI-Dateien folgen GEO/AEO-Prinzipien:

• Faktenbasierte Sätze mit konsistenten Entities
• Strukturierte Preise als Offer-Daten
• FAQ-Format mit FAQPage-Schema
• Klare H2/H3-Hierarchie für robustes Parsing

KI-Sichtbarkeits-Score

Jedes Studio erhält einen Score von 0 bis 100. Der Wert setzt sich aus drei Kategorien zusammen.

Profilvollständigkeit (max. 52 Punkte)

• Basisdaten (Name, Adresse, Telefon, E-Mail)
• Profilbild
• Beschreibung mit mehr als 100 Zeichen
• Öffnungszeiten für mindestens 5 Tage
• Mindestens 3 Fotos
• Mindestens ein Tarif mit Preis
• Website, Ausstattung, Bewertungen, Zusatzleistungen
• FAQs (ab Basis)
• Videos (ab Basis)
• Neuigkeiten/Aktionen (ab Basis)
• Auszeichnungen (ab Basis)
• Social-Media-Profile (Facebook, Instagram, TikTok, YouTube)

KI-Funktionen (max. 35 Punkte)

• KI-Profil: dein Studio wird in 30+ KI-Systemen besser gefunden (technisch: KI-Beschreibung, strukturierte Daten, Profilseite, Metadaten und vollständiger Admin-Datensatz; ab Plus)
• KI-Push: Änderungen werden sofort an 30+ KI- und Suchsysteme übermittelt; die weitere Verarbeitung erfolgt durch den jeweiligen Anbieter (Premium)

Top-Platzierung (max. 13 Punkte)

• Sichtbarkeitsradius (2 km Basis / 5 km Plus / 10 km Premium)

Maximaler Score nach Abo-Stufe

Der maximal erreichbare Score hängt von der jeweiligen Abo-Stufe ab.

Der Score, die Kategorien und konkrete Optimierungsempfehlungen sind im Studio-Dashboard nachvollziehbar.

Häufige Fragen (FAQ)

Werden die Dateien automatisch aktualisiert? Ja. Der Sitemap-Generator aktualisiert die Dateien täglich. Bei Profiländerungen werden zusätzlich technische Benachrichtigungen an unterstützte Dienste ausgelöst (Premium).

Muss ich als Studiobetreiber etwas Technisches tun? Nein. Die Infrastruktur läuft automatisch im Hintergrund. Relevant ist nur ein vollständiges, aktuelles Studio-Profil.

Welche Standards werden genutzt? Markdown Twins (.md / Accept: text/markdown), Model Context Protocol (MCP Streamable HTTP / SSE / MCP Apps), Microsoft NLWeb (/ask), WorkOS Auth.md, RFC 9728 (OAuth Protected Resource Metadata), RFC 8414 (OAuth Server Metadata + agent_auth), Agentic Resource Discovery (ARD / AI Catalog), llmstxt.org (llms.txt, llms-full.txt), Schema.org (HealthClub JSON-LD), OpenAPI 3.1, Croissant ML, W3C DCAT v3, W3C TDMRep, IETF AIPREF, Google A2A v1.0.0, IndexNow, deklaratives WebMCP und Cloudflare Content Signals.

Wie funktioniert der KI-Chat auf meiner Website? Du erhältst im Dashboard ein <script>-Tag. Das Widget läuft isoliert im Shadow DOM. Der KI-Chat nutzt Live-Studio-Daten aus dem Admin plus optionale Dokumente und streamt Antworten per SSE.

Welche Daten nutzt der KI-Chat? Der vollständige Studio-Datensatz aus dem Admin in Echtzeit (inkl. Basisdaten, Tarife, Zusatzleistungen, Öffnungszeiten, Ausstattung, Team, FAQs, News, Videos, Bewertungen und Review-Summaries). Optional kommen bis zu 5 eigene Dokumente hinzu (max. 50.000 Zeichen).

Wie wird messbar, ob mein Studio in KI-Antworten auftaucht? Dafür werden Bing-AI-Performance-Reports ausgewertet, inklusive AI-Citations, Grounding Queries und meistzitierter URLs.

Was passiert bei neuen KI-Standards? Relevante neue Standards werden laufend geprüft und integriert, ohne zusätzlichen Aufwand für Studios.

Fazit

Die KI-Sichtbarkeit auf fragfitty.de kombiniert technische Standards, aktive Indexierung, KI-News, KI-Chat, KI-Suche und ein starkes SEO-Ökosystem. Ergebnis: Studio-Daten sind für Suchmaschinen und KI-Systeme strukturiert verfügbar, konsistent auslesbar und fortlaufend aktualisiert.