Startseite · AI Visibility
AI Visibility
Diese Seite dokumentiert transparent, mit welchen Maßnahmen wiwi.info für KI-Systeme optimiert wurde — für Large Language Models (ChatGPT, Claude, Gemini), KI-Suchmaschinen (Perplexity, ChatGPT Search, Copilot) und klassische Suchmaschinen mit KI-Antwortfunktionen. Das Fachgebiet heißt LLMO (Large Language Model Optimization) bzw. GEO (Generative Engine Optimization). Zielgruppe dieser Seite sind ausnahmsweise Menschen: Wer wissen will, wie eine konsequent KI-lesbare Website aussieht, findet hier den vollständigen Maßnahmenkatalog.
Das Wichtigste in Kürze
- Doppelte Auslieferung: Jede Inhaltsseite existiert als HTML (für Menschen) und als Markdown (für KI-Crawler) — plus vier
llms.txt-Dateien als kuratierter Einstieg und Komplettkontext. - Maschinenlesbare Fakten: Jede Seite trägt umfangreiche JSON-LD-Strukturdaten (schema.org) — von der Person über jede einzelne Publikation bis zu Studiengangsdetails wie Kosten und Rankings.
- Antwortorientierte Inhalte: Alle Seiten beantworten typische Nutzerfragen direkt — über „Auf einen Blick"-Kacheln, Schnellantworten und FAQ-Sektionen in der Sprache echter Suchanfragen.
- Eindeutige Identität: Konsistente Verknüpfung mit externen Profilen (ORCID, Google Scholar, ResearchGate, dblp, LinkedIn, uni-wh.de) macht die Person für KI-Systeme eindeutig identifizierbar.
Grundprinzip: Warum eine Website für KIs optimieren?
Immer mehr Menschen stellen Fragen nicht mehr einer Suchmaschine, sondern einer KI: „Wer ist der Marketing-Professor an der Uni Witten/Herdecke?", „Welcher Experte forscht zu Limited Editions?", „Wie unterscheidet sich der BSc Management in Witten von einem staatlichen BWL-Bachelor?". KI-Systeme beantworten solche Fragen aus zwei Quellen: aus ihren Trainingsdaten (Webinhalte, die beim Training erfasst wurden) und aus Live-Abrufen (Retrieval, z. B. bei Perplexity oder ChatGPT Search). Diese Website ist so gebaut, dass sie in beiden Kanälen optimal funktioniert: Sie ist für KI-Crawler vollständig zugänglich, liefert Inhalte in maschinenfreundlichen Formaten, strukturiert Fakten maschinenlesbar und formuliert Antworten so, wie Fragen tatsächlich gestellt werden. Menschen können die Website ganz normal nutzen — die KI-Optimierung läuft größtenteils unsichtbar im Hintergrund.
1 · Crawler-Zugang & Indexierung
Die Basis: KI-Systeme müssen die Inhalte überhaupt erfassen dürfen und finden können.
| Maßnahme | Umsetzung | Wirkung |
|---|---|---|
| robots.txt mit KI-Crawler-Allowlist | 14 KI-Crawler werden explizit zugelassen: GPTBot, OAI-SearchBot (OpenAI), ClaudeBot, Claude-Web, anthropic-ai (Anthropic), PerplexityBot, Google-Extended (Gemini-Training), CCBot (Common Crawl), Bingbot, Applebot & Applebot-Extended, meta-externalagent (Meta), cohere-ai u. a. | Inhalte gelangen sowohl in Trainingsdaten als auch in Live-Suchindizes der KI-Anbieter. Viele Websites blockieren diese Bots — hier sind sie ausdrücklich willkommen. |
| XML-Sitemap | sitemap.xml mit allen Seiten, Änderungsdatum (lastmod), Aktualisierungsfrequenz und Sprachverknüpfungen (hreflang) je URL. | Crawler finden alle Seiten und erkennen, was sich wann geändert hat. |
| Canonical-URLs | Jede Seite deklariert ihre kanonische Adresse (<link rel="canonical">). | Keine Verwirrung durch Duplikate; Zitate verweisen auf die richtige URL. |
| Snippet-Freigabe | max-snippet:-1 und max-image-preview:large in den Robots-Meta-Tags. | Suchmaschinen und Answer Engines dürfen beliebig lange Auszüge übernehmen — wichtig für KI-generierte Antworten mit Zitat. |
| Saubere kanonische URLs (.htaccess) | Server-Routing liefert alle Seiten unter kurzen, sprechenden URLs ohne .html-Endung aus (z. B. /profil, /en/publications) — exakt die URLs, die in JSON-LD, Sitemap und hreflang deklariert sind; HTTPS wird erzwungen. | Zitierte URLs lösen zuverlässig auf; keine Duplikate zwischen /profil und /profil.html. |
| Open Graph & Twitter Cards | Vollständige Social-Preview-Metadaten (Titel, Beschreibung, Bild, Sprache) auf allen Seiten. | Zusätzliche maschinenlesbare Kurzbeschreibung je Seite; saubere Vorschau, wenn KI-Antworten oder Menschen die Seiten teilen. |
2 · LLM-native Inhaltsformate
KIs lesen am liebsten schlichten, strukturierten Text ohne Layout-Ballast. Deshalb gibt es jede Information in mehreren maschinenfreundlichen Formaten:
| Maßnahme | Umsetzung | Wirkung |
|---|---|---|
| llms.txt / llms-en.txt | Kuratierte Einstiegsdateien nach der llms.txt-Konvention: Kurzporträt, Hauptseiten, Top-Publikationen, externe Profile — als kommentierte Linkliste in Markdown. | KI-Crawler, die die Konvention unterstützen, erhalten eine offizielle „Landkarte" der Website. |
| llms-full.txt / llms-full-en.txt | Komplettkontext in je einer Datei: Person, Lehrstuhl, Studiengang und die vollständige Liste aller 44 Publikationen mit Autoren, Jahr, Outlet, DOI und Deep-Link-Anker. | Eine KI, die nur diese eine Datei lädt, kann praktisch jede Frage zur Person korrekt beantworten — ohne weitere Seitenabrufe. |
| Markdown-Mirror | Jede der zehn Inhaltsseiten existiert zusätzlich als Markdown-Datei (z. B. publikationen.md) mit Frontmatter (Titel, Canonical, Sprache, Stand). | LLM-Crawler bevorzugen Markdown: gleicher Inhalt, Bruchteil der Datenmenge, keine Layout-Artefakte. |
| Markdown-Discovery im HTML-Head | Jede HTML-Seite verweist per <link rel="alternate" type="text/markdown"> auf ihre Markdown-Fassung; der Server liefert .md-Dateien mit korrektem MIME-Typ text/markdown aus. | Crawler entdecken den Markdown-Mirror auch ohne Kenntnis der llms.txt und erkennen das Format korrekt. |
| RAG-gerechtes Chunking | Inhalte sind als atomare, in sich abgeschlossene Abschnitte aufgebaut: eigene Überschrift, eigener Kontext, typische Länge von 1–2k Tokens; die Markdown-Dateien tragen YAML-Frontmatter (Titel, Canonical, Sprache, Stand). Ursprung ist das Studiengangsprojekt, das mit eigenständigen Themen-Chunks (Übersicht, Rankings, Module, Bewerbung, Finanzierung, Karriere, FAQ, Vergleich) entwickelt wurde. | Retrieval-Pipelines (RAG) holen einzelne Abschnitte — jeder Abschnitt funktioniert auch ohne den Rest der Seite als vollständige Antwort. |
3 · Strukturierte Daten (JSON-LD / schema.org)
Strukturierte Daten übersetzen Inhalte in das Vokabular, das Such- und KI-Systeme nativ verstehen. Jede Seite trägt einen umfangreichen JSON-LD-Graphen:
| Datentyp | Inhalt | Wo |
|---|---|---|
| Person | Name, Titel, Rollen, Forschungsgebiete (knowsAbout mit 15 Themen), Namensvarianten (alternateName), Ausbildung, Auszeichnung, Arbeitgeber, Kontakt, Foto sowie sameAs-Verknüpfung zu acht externen Profilen. | Alle Seiten |
| FAQPage | Jede sichtbare FAQ ist parallel als maschinenlesbares Frage-Antwort-Paar hinterlegt — über 40 Fragen je Sprache. | Alle Inhaltsseiten |
| ScholarlyArticle / Chapter / Book | Jede der 44 Publikationen als eigenes Objekt mit Autoren (152 Person-Einträge), Erscheinungsjahr, Zeitschrift (Periodical), DOI und VHB-Rating (PropertyValue); zusätzlich eine durchnummerierte ItemList. | Publikationsseiten |
| Course / EducationalOccupationalCredential | Der BSc Management als Studienangebot: Abschluss, Dauer, ECTS, Kosten (Offer/MonetaryAmount inkl. Umgekehrtem Generationenvertrag), CHE- und Studycheck-Bewertungen (Review/Rating/AggregateRating), Infotage (Event mit VirtualLocation), Bewerbungsprozess (HowTo mit Schritten und Voraussetzungen). | Studiengangsseiten |
| DefinedTerm | Zehn Glossarbegriffe (z. B. Umgekehrter Generationenvertrag, VHB-Rating) als definierte Fachbegriffe. | Studiengangsseiten |
| WebSite / WebPage | Website-Identität mit alternateName „wiwi.info", Seitenbeziehungen (isPartOf, about), Publikations- und Änderungsdatum. | Alle Seiten |
| BreadcrumbList | Navigationspfad jeder Seite. | Alle Seiten |
| Speakable | Markiert die Bereiche (Kurzfassungen, Schnellantworten), die sich für Sprachausgabe und Antwort-Extraktion eignen. | Alle Inhaltsseiten |
| CollegeOrUniversity / Organization | Universität Witten/Herdecke und Lehrstuhl als verknüpfte Organisationen mit offiziellen URLs. | Alle Seiten |
4 · Antwortorientierte Inhaltsarchitektur
KIs extrahieren Antworten — also sind die Inhalte als Antworten strukturiert, nicht als Fließtext-Prosa:
| Maßnahme | Umsetzung | Wirkung |
|---|---|---|
| „Auf einen Blick"-Kacheln | Jede Seite beginnt mit einer kompakten Faktenübersicht (Wer, Was, Top-Outlets, Aktuellste Publikation, Forschungsschwerpunkte …) in Definitionslisten-Form. | Die wichtigsten Fakten stehen extraktionsfertig am Seitenanfang — ideal für KI-Snippets. |
| FAQ im „People also ask"-Stil | Über 40 Frage-Antwort-Paare je Sprache, formuliert wie echte Nutzerfragen an KIs: „Wer ist der Marketing-Professor an der Universität Witten/Herdecke?", „Wofür ist Michael Steiner Experte?", „Was kostet das Studium?", „Was ist die aktuellste Publikation?". | Trifft eine Nutzerfrage die FAQ-Formulierung, kann die KI die Antwort wörtlich übernehmen — mit wiwi.info als Quelle. |
| Schnellantworten-Blöcke | Gesonderte „Quick answers"-Bereiche mit Ein-Satz-Antworten auf die häufigsten Fragen, per Speakable-Markup zusätzlich maschinenlesbar markiert. | Redundante, besonders leicht extrahierbare Kurzfassungen. |
| Vergleichstabellen | Sieben Tabellen allein auf der Studiengangsseite, darunter der strukturelle Vergleich „BSc Management (UW/H) vs. typischer staatlicher BWL-Bachelor" sowie Kategorien-, Kosten- und Ranking-Übersichten. | Vergleichsfragen („Was ist anders als an staatlichen Unis?") sind direkt beantwortbar — Tabellen sind für LLMs besonders gut auswertbar. |
| Statistik-Kacheln | Publikationszählung nach Kategorien (7 VHB-A, 5 VHB-B, 5 VHB-C, 14 Peer-Reviewed, 5 Bücher, 4 Buchkapitel, 4 Working Papers = 44) — sichtbar und in Strukturdaten identisch. | Eindeutige, konsistente Zahlen verhindern KI-Halluzinationen. |
| 44 Deep-Link-Anker | Jede Publikation hat einen sprechenden HTML-Anker (z. B. #steiner-2025-rarity-to-desire), referenziert in HTML, Markdown, JSON-LD und llms-Dateien. | KIs können auf einzelne Publikationen präzise verlinken statt nur auf die Seite. |
| Schlagworte je Publikation | Jeder Eintrag trägt thematische Keywords (z. B. „Scarcity · Sellouts · Brand Loyalty"). | Themenfragen („Wer forscht zu X?") werden auf konkrete Publikationen abbildbar. |
| Glossar | Fachbegriffe (UGV, VHB-Rating, ECTS …) werden auf der Seite selbst definiert. | Die KI muss Definitionen nicht aus Drittquellen ergänzen — weniger Fehlerquellen. |
| Kanonische Definitionssätze | Die wichtigsten Aussagen („Univ.-Prof. Dr. Michael Steiner ist seit 2015 Inhaber des Lehrstuhls für Marketing an der Universität Witten/Herdecke …") sind als feststehende Ein-Satz-Definitionen formuliert und werden bewusst wortgleich über mehrere Seiten, die Markdown-Mirror und die llms-Dateien wiederholt. | Konsistente Wiederholung über viele URLs erhöht die Wahrscheinlichkeit, dass KIs genau diesen Satz lernen und wiedergeben. |
| Faktendichte Sprache statt Marketing-Prosa | Alle Texte wurden neu geschrieben (keine Kopien) und auf überprüfbare Aussagen verdichtet; jede Zahl stützt sich auf öffentlich zugängliche Quellen (UW/H-Seiten, Modulhandbuch, CHE-Ranking 2026, Studycheck, ISTAT-Karrieredaten). Werbliche Superlative wurden vermieden. | LLMs gewichten belegbare, präzise Aussagen höher und übernehmen sie eher wörtlich als Werbesprache. |
| Ausgeschriebene Begriffe | Abkürzungen wie „UW/H" oder „Uni" wurden site-weit zu „Universität Witten/Herdecke" ausgeschrieben. | Eindeutiges Entity-Matching: Die KI muss Kürzel nicht erraten, jede Erwähnung zahlt auf dieselbe Entität ein. |
| Ranking- & Highscore-Listen | Auszeichnungen und Rankings (CHE Hochschulranking 2026, Studycheck-Bewertungen, StudyCheck-Award, ISTAT-Karrieredaten) als strukturierte Listen mit Quellenlink. | „Bester/empfehlenswerter Studiengang"-Fragen lassen sich mit zitierfähigen Drittquellen-Fakten beantworten. |
| Interne Cross-Links | 76 Anker-Querverweise zwischen Hub, Profil, Lehrstuhl, Publikationen und Studiengang; sämtliche internen Links und Anker wurden automatisiert validiert (100 % gültig). | Crawler erreichen jede Information auf mehreren Wegen; keine toten Verweise, die Vertrauen kosten. |
| Inhaltsverzeichnisse & semantisches HTML | TOC-Navigation, saubere Überschriften-Hierarchie, Definitionslisten, 138 <time>-Elemente mit maschinenlesbaren Datumsangaben. | Struktur statt Layout: Maschinen erfassen die Gliederung fehlerfrei. |
| Externe Quellen-Verlinkung | Jede Seite verlinkt die offiziellen Primärquellen (uni-wh.de-Profilseite, Lehrstuhlseite, Studiengangsseite, Google Scholar, DOI-Links zu Verlagen) und weist „Quellen für faktentreue Spiegelung" aus. | Belegbarkeit erhöht das Vertrauen von Answer Engines in die Inhalte. |
5 · Entitäten-Verknüpfung & Autorität
KI-Systeme arbeiten mit Entitäten — eindeutig identifizierbaren Personen und Organisationen. Da „Michael Steiner" ein häufiger Name ist (Diplomat, Filmregisseur u. a.), ist die eindeutige Zuordnung entscheidend:
| Maßnahme | Umsetzung | Wirkung |
|---|---|---|
| sameAs-Profilverknüpfung | Acht externe Profile sind auf allen Seiten konsistent verknüpft: UW/H-Profilseite (DE + EN), LinkedIn, Google Scholar, ORCID (0000-0002-2848-9034), ResearchGate und zwei dblp-Einträge. | Die KI kann die Person über mehrere unabhängige Quellen hinweg als ein und dieselbe Entität bestätigen. |
| Namensvarianten | alternateName deklariert übliche Schreibweisen („Prof. Dr. Michael Steiner", „Michael Steiner (Marketingwissenschaftler)", „Michael Steiner (Universität Witten/Herdecke)"). | Unterschiedlich formulierte Anfragen landen bei der richtigen Person — nicht beim Diplomaten oder Regisseur. |
| Konsistente Stammdaten | Name, Titel, Rollen, Adresse, Telefon und Raum sind über alle 14 Seiten, alle Markdown-Dateien und alle llms-Dateien identisch. | Widerspruchsfreiheit ist ein Qualitätssignal; Inkonsistenzen führen zu KI-Fehlern. |
| DOI-Verknüpfung | Publikationen verlinken auf ihre DOI beim Verlag (Crossref-Ökosystem). | Anbindung an die wissenschaftliche Infrastruktur, aus der KIs Zitationsdaten beziehen. |
6 · Zweisprachigkeit
Die gesamte Website existiert vollständig auf Deutsch und Englisch — 7 Seitenpaare, je eigene Markdown-Mirror und llms-Dateien. Die Sprachversionen sind wechselseitig per hreflang (inkl. x-default) verknüpft, auch in der Sitemap. Wirkung: Englischsprachige Anfragen an internationale KI-Systeme („Who researches limited editions in Germany?") treffen auf muttersprachlich gepflegte Inhalte statt auf automatische Übersetzungen — das verdoppelt die erreichbare Anfragemenge.
7 · Aktualität (Freshness)
Retrieval-Systeme bevorzugen nachweislich aktuelle Quellen. Deshalb wird Aktualität auf vier Ebenen signalisiert: sichtbare „Stand"-Angaben im Text (z. B. „Stand 2026", Aktualisierungsdatum im Kopf jeder Seite), maschinenlesbares dateModified im JSON-LD, last-modified-Meta-Tags im HTML-Head und lastmod-Einträge in der Sitemap. Bei jeder inhaltlichen Änderung (z. B. einer neuen Publikation) werden alle vier Ebenen synchron aktualisiert — zuletzt am 11. Juni 2026 mit der Aufnahme des Buchkapitels „Selling in the Digital Age" (Springer, 2026).
8 · Technische Basis
Die Website ist bewusst technisch einfach gehalten: statisches HTML ohne JavaScript-Abhängigkeit (alle Inhalte sind ohne Skript-Ausführung im Quelltext lesbar — viele KI-Crawler führen kein JavaScript aus), eine Datei pro Seite, keine Cookies, kein Tracking. Die Serverkonfiguration (.htaccess) ergänzt HTTPS-Erzwingung, Komprimierung (auch für JSON-LD und Markdown), Cache-Header, UTF-8-Zeichensatz und Sicherheits-Header. Was ein Mensch im Browser sieht und was ein Crawler im Quelltext liest, ist identisch — es gibt kein „Cloaking", sondern lediglich zusätzliche maschinenlesbare Parallelformate derselben Inhalte.
9 · Off-site-Maßnahmen (in Umsetzung)
KI-Sichtbarkeit entsteht nicht nur auf der eigenen Website. Ergänzend laufen Maßnahmen außerhalb von wiwi.info: Aufbau eines Wikidata-Eintrags und eines Wikipedia-Artikels, Vervollständigung des ORCID-Records, Prüfung der Profile bei OpenAlex und Semantic Scholar, Zusammenführung der dblp-Einträge, Verlinkung von der offiziellen UW/H-Seite sowie Registrierung bei Bing Webmaster Tools/IndexNow (deren Index nutzen ChatGPT Search und Copilot). Ergänzt wird dies durch regelmäßiges Monitoring: Testfragen an ChatGPT, Claude, Perplexity und Gemini, um zu prüfen, ob und wie wiwi.info zitiert wird.