AI-Readiness für WordPress: Die Anleitung zum 100/100 Score
-
von Massimo Pavese
- Technik
-
von Massimo Pavese
Die ersten AI Audits waren ernüchternd...
Wie der Zero-Click-Shift die Sichtbarkeit von Websites grundlegend verändert und welche strategischen Konsequenzen das hat, hatten wir in unserem Beitrag Zero-Click? 10 Websiteregeln für mehr KI-Sichtbarkeit beschrieben. Vor ein paar Wochen haben wir uns gefragt, ob unsere Website eigentlich für KI-Agenten nutzbar ist. Nicht für organische Google-Ergebnisse, sondern für ChatGPT, Claude, Perplexity und die wachsende Zahl von KI-Systemen, die im Auftrag von Nutzern selbstständig im Netz unterwegs sind. Der erste Audit bestätigte unsere Befürchtung: Content wurde nicht erkannt, die API- und Agent-Discovery bestand nur 2 von 6, Bot Access Control nur 1 von 2 möglichen Checks. Nur die Discoverability war mit 60% ansatzweise vorhanden. Kurz gesagt...Unsere Website existierte für KI-Agenten kaum.
DAS NEUE PUBLIKUM
Zwischen Wahrscheinlichkeit und Vorhersage
Wie Agenturen und Unternehmen immer mehr KI für Optimierung und Automatisierung - nicht immer erfolgreich - einsetzen, war Thema in unserem PostKI IN DER DIGITALAGENTUR: ZWISCHEN SUPER-POWER UND MEGA-FAIL. Was jedoch überrascht, ist wie wenig an die eigene oder kundenseitigen KI-Relevanz gedacht wird. Denn Websites haben ein zweites Publikum und dieses Publikum unterscheidet sich enorm von Google. Immer mehr Suchanfragen und Wissenstransfer finden über KI-Agenten und ihren Nutzern statt. Das Abrufen für Kaufentscheidungen oder Empfehlungen, Anleitungen oder Near-Bys bezieht Marken und Dienstleister ein und kann auf die Nutzerentscheidung großen Einfluss haben.Für klassische Suchmaschinen wie Google besteht Sichtbarkeit im Wiederauffinden relevanter Informationen aus einem riesigen Suchindex.
Suchmaschinen analysieren Websites statistisch, vergleichen Milliarden von Dokumenten und bewerten Wahrscheinlichkeiten. Vereinfacht gefragt: „Welche Seiten könnten zu dieser Suchintention passen?”
Perplexity
ChatGPT
Claude
Conversion Rate: Google vs. AI-Plattformen | Quelle: Rank Science “Ai-Search vs. Google-Traffic Data 2025”
Genau hier entsteht ein neues Problem. Viele moderne Websites wurden für visuelle Wirkung gebaut, nicht für semantische Maschinenlogik. Abstrakte Headlines funktionieren emotional für Menschen, liefern KI-Systemen aber oft zu wenig eindeutigen Kontext, um Leistungen, Zielgruppen oder Spezialisierungen präzise einzuordnen.
Ohne AI Overview
Mit AI Overview
Classic Search
AI-Mode
Ein Steckbrief für Agenten
Über semantische Identität und maschinenlesbare Kontextsignale
Um welches Unternehmen geht es? Worin bestehen seine Leistungen? Für welche Branche haben sie Relevanz? In welchem thematischen und geografischen Umfeld befindet sich die Company? Genau diese Informationen fehlen auf modernen Websites häufig in maschinenlesbarer Form.Dafür wurde ein Steckbrief, die llms.txt entwickelt. Sie funktioniert wie ein standardisierter Kartei für Sprachmodelle und KI-Agenten. Statt Inhalte visuell interpretieren zu müssen, erhalten KI-Systeme dort eine klar strukturierte Beschreibung der Website: Unternehmen, Leistungen, Themengebiete, Zielgruppen, Kontaktpunkte und relevante Inhalte.
Website-Content ist nutzerzentriert aufgebaut. KI-Agenten können daraus keine relevante Kontextinformation extrahieren.
SCHRITT 01 - Discoverability
- llms.txt auf Deutsch anlegen — Unternehmen, Leistungen, Zielgruppen, Kontakt, Social, Metadaten (Schritt 02)
- llms.en.txt erstellen — englische Übersetzung, URLs unverändert (Schritt 03)
- .well-known/-Verzeichnis anlegen falls nicht vorhanden
- api-catalog im .well-known/-Verzeichnis ablegen — RFC 9264 Linkset mit service-doc und status, verweist auf WordPress REST API Root (Schritt 04)
- agent-skills/index.json erstellen — definiert verfügbare Aktionen für KI-Agenten (Schritt 05)
- mcp/server-card.json anlegen — deklariert MCP-Präsenz mit serverInfo, Capabilities, Resources (Schritt 06)
- mcp/server-cards.json anlegen — identischer Inhalt, zweiter Pfad für Checker-Kompatibilität (Schritt 07)
- mcp.json direkt im .well-known/-Root ablegen — dritter MCP-Pfad (Schritt 08)
- .htaccess im .well-known/-Verzeichnis ergänzen — spezifische Content-Type-Header: api-catalog als application/linkset+json, http-message-signatures-directory als application/jwk-set+json (Schritt 09)
- agent-skills/.htaccess anlegen — CORS und Content-Type für index.json (Schritt 10)
- http-message-signatures-directory anlegen — JSON Web Key Set (RFC 7517) mit EC P-256 Public Key für zukünftige Bot-Authentifizierung (Schritt 11)
- ucp anlegen — Content-Nutzungsrechte für KI-Systeme (ai_retrieval, ai_training, ai_indexing) (Schritt 12)
- oauth-authorization-server anlegen — OAuth 2.0 Metadaten inkl. agent_auth-Block für AI-Agent-Registrierung (Schritt 13)
- openid-configuration anlegen — OpenID Connect Discovery Endpoint (Schritt 14)
- oauth-protected-resource anlegen — Domain als OAuth-geschützte Ressource mit scopes_supported deklarieren (Schritt 15)
- webmcp/tools.json anlegen — WebMCP-Tools-Deklaration für Checker wie wordlift (Schritt 16)
- skill.md im WordPress-Root erstellen — beschreibt Site-Capabilities für KI-Agenten (Schritt 17)
- auth.md im WordPress-Root erstellen — maschinenlesbare Agent-Registrierungsanleitung gemäß WorkOS auth.md-Protokoll (Draft, Schritt 25)
- DNS TXT-Record beim DNS-Provider anlegen — _index._agents.[domain] für DNS-basierte Agent Discovery (DNS-AID, IETF-Draft, Schritt 26)
KLARE REGELN SETZEN
Vorgaben zu Training, Verarbeitung oder Erwähnung von Inhalten für KI-Agenten
Die Nutzungsrechte für Inhalte, was darf abgerufen, indexiert, zusammengefasst werden und was nicht, wird in einer separaten Deklarationsdatei im .well-known/-Verzeichnis hinterlegt. Diese Ebene ist für KI-Agenten die richtige Anlaufstelle für genau diese Fragen, unabhängig von der robots.txt.
Ein Hinweis für alle, die tiefer einsteigen: Es kursieren derzeit verschiedene Ansätze, AI-Nutzungsrechte direkt in der robots.txt zu deklarieren, etwa über eine Content-Signal-Direktive. Diese Ansätze sind technisch interessant, aber noch kein offizieller Standard. Google Search Console meldet sie als unbekannte Direktive.
SCHRITT 02 - Bot Access Control
- ROBOTS.TXT - alle relevanten AI-Crawler explizit erlaubt: GPTBot, ClaudeBot, PerplexityBot, Google-Extended und weitere
- UCP im .well-known/-Verzeichnis, deklariert Nutzungsrechte für KI-Systeme: Retrieval ja, Indexierung ja, Training nein
- CONTENT-SIGNAL in der robots.txt - optional, noch kein offizieller Standard; bis zur Standardisierung gehören AI-Nutzungsrechte in llms.txt und .well-known/
Das korrekte Leseformat
KI-Agenten bevorzugen einfaches, strukturiertes Textformat

Die Website von VaiVai als Markdown ohne HTML-Syntax
Ruft ein Agent eine Seite mit dem URL-Parameter ?format=markdown auf, zum Beispiel https://www.vvdk.de/?format=markdown, antwortet WordPress mit dem reinen Textinhalt statt mit der HTML-Seite. Kein Redirect, kein Plugin, keine neue Seite. WordPress erkennt den Parameter und beantwortet die Anfrage in einem anderen Format. Der Inhalt bleibt derselbe, nur die Verpackung ändert sich.
Dazu haben wir das Schema.org-Markup überarbeitet. Strukturierte Daten sind das maschinenlesbare Rückgrat jeder Website. Sie sagen Suchmaschinen und KI-Systemen, wer das Unternehmen ist, wo es sitzt, was es anbietet und wie bewertet wird. Nach der Überarbeitung sind die Ergebnissse für Google Rich Results positiv - ohne Fehler und Warnungen.
SCHRITT 03 - Content
- MARKDOWN CONTENT NEGOTIATION - WordPress liefert Seiteninhalt als reinen Markdown-Text wenn ein Agent die URL mit dem Parameter
?format=markdownaufruft; kein Plugin, kein Redirect, keine neue Seite - SCHEMA.ORG - strukturierte Daten für Organization und ProfessionalService; maschinenlesbare Deklaration von Unternehmensname, Standort, Leistungen und Bewertung; Google Rich Results 5/5, keine Fehler
ORIENTIERUNG UND LEITSYSTEME
Die Struktur einer Website als Roadmap für KI-Agenten
Dabei übermittelt der Server dem KI-Agenten schon beim ersten Request über Link-Header, wo die maschinenlesbaren Ressourcen liegen. Die API ist die technische Schnittstelle, über die Inhalte der Website programmgesteuert abgerufen werden können. Die MCP-Server-Karte beschreibt, welche Fähigkeiten und Ressourcen der Server einem Agenten bereitstellt. Die llms.txt ist der strukturierte Steckbrief der Website für Sprachmodelle: Unternehmen, Leistungen, Kontakt, Nutzungsrechte. Der Agent muss die Seite nicht komplett durcharbeiten, er bekommt die wichtigsten Strukturen sofort mitgeliefert.
Im zweiten Schritt werden über WebMCP, einer Browser-Schnittstelle die es KI-Agenten ermöglicht, mit Websites programmatisch zu interagieren, zwei Funktionen registriert, die der Agent direkt aufrufen kann. Erstens eine Suche über die WordPress REST API, die standardisierte Programmierschnittstelle von WordPress, über die Inhalte strukturiert abgefragt werden können. Zweitens ein Seitenabruf mit definierten Rückgabefeldern. Jede Funktion hat ein exaktes Schema mit Namen, Parametern und Rückgabewerten. Der Agent weiß, was er fragen kann und was er zurückbekommt.
SCHRITT 04 - API, Auth, MCP & Skill Discovery
- LINK-HEADER - übermitteln dem Agenten beim ersten Request die wichtigsten Ressourcen: API, MCP-Server-Karte, llms.txt; kein Parsen der Seite nötig
- MCP-SERVER-KARTE - deklariert Fähigkeiten und Ressourcen des Servers für KI-Agenten; drei Pfade hinterlegt für maximale Checker-Kompatibilität
- API-CATALOG - verweist auf die WordPress REST API als maschinenlesbare Schnittstelle für Inhaltsabrufe
- AGENT-SKILLS - definiert konkrete Aktionen die ein Agent ausführen kann: Suche, Seitenabruf, Kontakt
- WEBMCP - registriert zwei interaktive Funktionen direkt im Browser: Suche über WordPress REST API und Seitenabruf mit definierten Rückgabefeldern (experimentelle Browser-API)
- AUTH-ENDPOINTS - deklarieren OAuth und OpenID Connect Metadaten für Agent-Authentifizierung
- AUTH.MD - maschinenlesbare Registrierungsanleitung für KI-Agenten; beschreibt welche Registrierungsflows die Domain unterstützt; WordPress REST-Endpoint für anonyme Agent-Registrierung (Draft-Protokoll)
- DNS-AID - DNS TXT-Record für dezentrale Agent Discovery; Agenten finden die Site ohne vorherigen HTTP-Kontakt (IETF-Draft)
Quellenangaben
Rank Science: “AI Search vs. Google Traffic Data 2025” | PEW Research Center: “Google users are less likely to click on links when an AI summary appears” - 2025 | Growth Memo: “How consumers navigate high-stakes purchases in AI Mode” - 2025 | isitagentready.com: AI Readiness Checker | WordLift: AI Readiness Audit Tool