PANOMITY AIEXPERIENCE SCORE

AiExperience Score: KI-Readiness messbar machen

Vier gewichtete Säulen zeigen, ob eine Website für automatisierte Leser erreichbar, strukturiert, extrahierbar und handlungsfähig ist.

Grundidee: vier Säulen statt eines undurchsichtigen Werts

Der Score ordnet Access, Readiness, Extraction und Engagement, damit technische und redaktionelle Aufgaben getrennt priorisiert werden

Access zählt 30, Readiness 25, Extraction 30 und Engagement 15 Punkte; Einzelsignale erklären den Gesamtwert.

Eine Website kann erreichbar, aber unklar strukturiert sein oder gut markiert, aber auf veraltete Sitemap-Links zeigen.

Der Prüfrahmen sagt nichts Sicheres über Rankings, Antworten oder Umsätze.

Lesen Sie zuerst die Befunde je Säule.

Arbeitsnotiz: Lesen Sie zuerst die Befunde je Säule.

Prüfspur: Access zählt 30, Readiness 25, Extraction 30 und Engagement 15 Punkte; Einzelsignale erklären den Gesamtwert. Eine Website kann erreichbar, aber unklar strukturiert sein oder gut markiert, aber auf veraltete Sitemap-Links zeigen.

Access: robots.txt, Sitemap und Redirects kontrollieren

Access folgt öffentlichen HTTPS-URLs und prüft Status, Host, Antwortkette, robots.txt, XML-Sitemap und gegebenenfalls llms.txt

Ein 200-Status genügt nicht, wenn Canonical oder Sitemap auf eine falsche Ressource zeigen.

Der Audit hält eine blockierte Leistungsseite, einen unerwarteten Redirect oder einen veralteten Eintrag als Aufgabe fest.

Private Bereiche und reservierte Ziele werden nicht als Testabkürzung akzeptiert.

Korrigieren Sie Erreichbarkeit vor der Inhaltsbewertung.

Arbeitsnotiz: Korrigieren Sie Erreichbarkeit vor der Inhaltsbewertung.

Prüfspur: Ein 200-Status genügt nicht, wenn Canonical oder Sitemap auf eine falsche Ressource zeigen. Der Audit hält eine blockierte Leistungsseite, einen unerwarteten Redirect oder einen veralteten Eintrag als Aufgabe fest.

Readiness: titel, Meta und semantische Struktur ordnen

Readiness fragt, ob Seitentyp und Hauptaussage durch Titel, Meta-Beschreibung, H1, H2 und semantische Bereiche erkennbar sind

Eine Leistungsseite benötigt andere Signale als Blogartikel oder Kontaktseite; identische Überschriftenfolgen helfen nicht jeder URL.

Interne Links sollten die nächste Erklärung oder Handlung benennen.

Ein technisch markierter, aber inhaltlich unklarer Abschnitt bleibt schwer verständlich.

Prüfen Sie die wichtigste Seite jeder Kategorie.

Arbeitsnotiz: Prüfen Sie die wichtigste Seite jeder Kategorie.

Prüfspur: Eine Leistungsseite benötigt andere Signale als Blogartikel oder Kontaktseite; identische Überschriftenfolgen helfen nicht jeder URL. Interne Links sollten die nächste Erklärung oder Handlung benennen.

Extraction: jSON-LD mit sichtbarem Text abgleichen

Extraction bewertet, ob zentrale Aussagen aus Text, Entitäten, Links und passendem JSON-LD nachvollziehbar hervorgehen

Strukturierte Daten dürfen nur Inhalte beschreiben, die sichtbar, aktuell und redaktionell verantwortet sind.

Ein Audit kann widersprüchliche Organisationsnamen oder fehlende Seitentypen markieren.

Keyword-Wiederholung ersetzt keine klare Erklärung.

Führen Sie den Check nach Änderungen erneut aus.

Arbeitsnotiz: Führen Sie den Check nach Änderungen erneut aus.

Prüfspur: Strukturierte Daten dürfen nur Inhalte beschreiben, die sichtbar, aktuell und redaktionell verantwortet sind. Ein Audit kann widersprüchliche Organisationsnamen oder fehlende Seitentypen markieren.

Engagement: vom Lesen zur nächsten Handlung führen

Engagement betrachtet, ob eine Seite einen passenden Kontaktweg, Guide, Download oder Paketverweis anbietet

Ein Agent und ein Mensch sollten den nächsten Schritt erkennen; Nachfrage oder Gesprächsqualität werden nicht gemessen.

Eine lokale Seite benötigt andere Hinweise als ein technischer Blogbeitrag.

Unpassende Buttons oder Linklisten erhöhen die Verständlichkeit nicht.

Ordnen Sie pro Seitentyp eine Hauptaktion.

Arbeitsnotiz: Ordnen Sie pro Seitentyp eine Hauptaktion.

Prüfspur: Ein Agent und ein Mensch sollten den nächsten Schritt erkennen; Nachfrage oder Gesprächsqualität werden nicht gemessen. Eine lokale Seite benötigt andere Hinweise als ein technischer Blogbeitrag.

Roadmap: befunde nach Aufwand und Risiko sortieren

Ein Audit gewinnt durch konkrete Arbeitspakete: Sitemap-Eintrag, Canonical, Überschrift oder JSON-LD werden einzeln verfolgt

Zu jedem Arbeitspaket gehört ein eigener Nachweis, etwa ein Abruf, eine Validierung oder ein Textvergleich.

Der neue Score zeigt Lernfortschritt, nicht Markterfolg und ist keine Rechtsprüfung.

Die Punktverteilung sortiert technische Arbeit, sie ersetzt keine Marktbeobachtung.

Roadmap: Pakete und Kontakt.

Arbeitsnotiz: Technische Vertiefungen stehen bei KI-Crawler-Optimierung und llms.txt-Beratung.

Prüfspur: Zu jedem Arbeitspaket gehört ein eigener Nachweis, etwa ein Abruf, eine Validierung oder ein Textvergleich. Der neue Score zeigt Lernfortschritt, nicht Markterfolg und ist keine Rechtsprüfung.

Ein technischer Readiness-Check startet mit abrufbaren Fakten. Statuscode, Canonical, H1, interne Links, robots-Regeln, XML-Sitemap und vorhandene JSON-LD-Blöcke werden je URL festgehalten. Für eine Seite mit FAQ wird geprüft, ob sichtbare Fragen und FAQPage-Daten dieselben Aussagen verwenden. Ein Crawler-Befund bleibt von einer redaktionellen Bewertung getrennt. Die Liste zeigt, welche Datei oder Route geprüft wurde, wann der Abruf stattfand und ob ein Nachweis im Release-Ordner liegt.

Bei einer Korrektur zählt der Vorher-Nachher-Vergleich. Ein fehlender Sitemap-Eintrag wird ergänzt und anschließend erneut abgerufen; ein falscher Link wird korrigiert und gegen den kanonischen Host geprüft. Semantische Überschriften, beschreibende Links und ein konsistenter Seitentitel unterstützen die Lesbarkeit für Menschen und Maschinen. Der Score ordnet diese Arbeitspunkte, er sagt nichts über spätere Rankings, Nachfrage oder Umsatz. Eine technische Prüfung ersetzt außerdem keine redaktionelle oder rechtliche Einordnung.

Zusatznotiz AiExperience Score: Für jede geprüfte Route werden Abrufdatum, Statuscode und kanonische URL gespeichert. Ein fehlendes H1, ein blockierter Pfad oder eine unvollständige Sitemap-Referenz erhält einen konkreten Nachweis. Bei JSON-LD wird der Datentyp gelesen und mit dem sichtbaren Inhalt verglichen. Dadurch lässt sich ein technischer Befund später erneut prüfen.

Die Priorisierung kann Aufwand, Auswirkung und Abhängigkeiten enthalten. Eine kleine Korrektur an robots.txt ist anders zu planen als eine neue semantische Seitenstruktur. Nach dem Release wird die gleiche URL-Menge nochmals geladen. Der Score dokumentiert technische Arbeitsschritte, nicht die Reaktion von Suchsystemen oder Menschen.

Häufige Fragen

Was bedeutet AiExperience Score auf dieser Seite?

Der Score ordnet Access, Readiness, Extraction und Engagement, damit technische und redaktionelle Aufgaben getrennt priorisiert werden.

Welche Grundlage braucht AiExperience Score?

Ein 200-Status genügt nicht, wenn Canonical oder Sitemap auf eine falsche Ressource zeigen.

Wie sieht ein Einsatz von AiExperience Score aus?

Interne Links sollten die nächste Erklärung oder Handlung benennen.

Welche Grenze gilt für AiExperience Score?

Keyword-Wiederholung ersetzt keine klare Erklärung.

Für welchen Arbeitskontext passt AiExperience Score?

Engagement betrachtet, ob eine Seite einen passenden Kontaktweg, Guide, Download oder Paketverweis anbietet.

Welche Abschlussroutine passt zu AiExperience Score?

Technische Vertiefungen stehen bei KI-Crawler-Optimierung und llms.txt-Beratung.