Lokale Primärstudie · Bad Schönborn · 5. Oktober 2026

AI-Readiness der Dienstleister-Webseiten in Bad Schönborn

Wie gut sind Webseiten von Dienstleistern in Bad Schönborn — inklusive Mingolsheim und Langenbrücken — auf KI-Suche und Assistenten vorbereitet? Diese lokale Auswertung misst dieselben Signale wie die deutschlandweite Studie, aber als vollständiger Orts-Census: alle auffindbaren, erreichbaren Dienstleister-Webseiten mit denselben Ausschlussregeln.

Fachartikel mit Interpretation: AI-Readiness in Bad Schönborn — Zahlen und Handlungsbedarf.

Webseiten im Census

149

149 auditiert (100 %)

Agent-Ready Ø

22/100

höher = besser für Agenten

llms.txt

20,8 %

Anteil mit llms.txt

Mit öffentlicher E-Mail

108

im Impressum oder Kontakt gefunden

Kapitel 1

Einleitung

Nationale Mittelwerte sagen wenig über einen konkreten Ort. Für Betriebe in Bad Schönborn zählt, wie die lokale Webseitenlandschaft im Vergleich zu den Anforderungen von KI-Suche und Assistenten dasteht — und wo die größte Lücke zwischen klassischer Auffindbarkeit und maschinenlesbaren Angebotsdaten liegt.

Diese Studie ist bewusst lokal und vollständig angelegt: Quellen sind OpenStreetMap, lokale Branchensuchen, das kommunale Unternehmensverzeichnis und gezielte Web-Recherche. Jede erreichbare Webseite wird mit denselben Multi-Page-Prüfungen bewertet — anonymisiert und ohne Firmennamen in den öffentlichen Ergebnissen.

Kapitel 2

Methodik

  • Geografischer Scope: Gemeinde Bad Schönborn inkl. Ortsteile Mingolsheim und Langenbrücken (PLZ 76669 und klar zuordenbare Adressen).
  • Nischen: Physiotherapie, Psychologie, Coaching, Steuerberatung, Fotografie, Gesundheitspraxen, Handwerk und weitere kleine Dienstleister — analog zur deutschlandweiten Studie.
  • Ausschlüsse: Rechtsanwälte, Kliniken/Krankenhäuser, Kommunen, Vereine und vergleichbare öffentliche/gemeinnützige Träger.
  • Audit: Agent-Ready-Score, Crawl-/llms-Scores, robots.txt/ Sitemap/ JSON-LD, Markdown-Negotiation, unvollständiges HTML / JS-Shell — Multi-Page, nicht nur Startseite.
  • Stichprobe Stand 5. Oktober 2026: 149 Domains, davon 149 mit vollständigem Audit.
149Webseiten

Webseiten nach Status

149 Webseiten · Prüfungsabdeckung 100 %.

  • Modernisierungsbedarf103 · 69 %
  • Ohne öffentliche E-Mail41 · 28 %
  • Stärker AI-ready5 · 3 %

Auditierte Stichprobe nach Nische

Anteil an allen lokalen Audits.

  • Dienstleistung59,1 %n=88
  • Gesundheitspraxis18,8 %n=28
  • Coaching6,0 %n=9
  • Handwerk6,0 %n=9
  • Physiotherapie3,4 %n=5
  • Steuerberater3,4 %n=5
  • Psychologie2,0 %n=3
  • Fotografie1,3 %n=2

Kapitel 3

Ergebnisse

Unter 149 auditierten lokalen Webseiten liegt der mittlere Agent-Ready-Score bei 22/100. llms.txt ist bei 20,8 % vorhanden; Markdown-Negotiation bei 0,0 %.

Verteilung Agent-Ready-Score

Mittelwert 22/100

46 %
35 %
15 %
3 %
1 %
0–1969
20–3952
40–5923
60–794
80–1001

Verteilung Fit-Score

Mittelwert 78/100 · fit = 100 − agentReady

1 %
3 %
15 %
34 %
48 %
0–191
20–394
40–5923
60–7950
80–10071

Prävalenz technischer Signale

Anteil „wahr“ über alle lokalen Audits.

  • llms.txt vorhanden20,8 %n=31
  • Sitemap vorhanden69,1 %n=103
  • robots.txt vorhanden68,5 %n=102
  • JSON-LD erkannt39,6 %n=59
  • Markdown-Negotiation0,0 %n=0
  • KI-Crawler blockiert2,7 %n=4
  • Unvollständiges HTML / JS-Shell2,0 %n=3
  • Legacy-CMS erkannt73,8 %n=110

Häufigste Findings

Anteil der Audits mit dem Finding.

  • Keine Markdown-Negotiation100,0 %n=149
  • Kein llms.txt79,2 %n=118
  • Agent-Ready Level niedrig73,8 %n=110
  • Wenig strukturierte Daten68,5 %n=102
  • Kein klares robots.txt31,5 %n=47
  • Sitemap unklar30,9 %n=46
  • Sample-Seiten fehlerhaft28,9 %n=43
  • Website schwer erreichbar10,7 %n=16
  • KI-Crawler blockiert2,7 %n=4
  • Unvollständiges HTML2,0 %n=3

Kohorten: Modernisierungsbedarf vs. stärker AI-ready

Modernisierungsbedarf n=103 · stärker AI-ready n=5.

ModernisierungsbedarfStärker AI-ready

  • llms.txt

    18,4 %
    100,0 %

  • JSON-LD

    45,6 %
    80,0 %

  • Legacy-CMS

    87,4 %
    100,0 %

H1

Gestützt

llms-Gap zwischen Kohorten

Sites mit Modernisierungsbedarf haben seltener llms.txt.

Evidenz: Modernisierungsbedarf 18,4 % vs. stärker AI-ready 100,0 %

H2

Gestützt

Markdown nahe null

Markdown-Negotiation fehlt flächendeckend.

Evidenz: Markdown 0,0 %

H3

Gestützt

CMS kein klarer Prediktor

Legacy-CMS-Anteil unterscheidet die Gruppen kaum.

Evidenz: Legacy bei Modernisierungsbedarf 87,4 % vs. 100,0 %

H4

Gestützt

Crawl stärker als LLM-Layer

Klassische Crawl-Scores liegen über LLM-Schnittstellen-Scores.

Evidenz: Crawl Ø 80 vs. llms Ø 30

Kapitel 4

Diskussion

Die lokale Lage lässt sich gegen die DE-weite AI-Readiness-Studie lesen: oft sind robots/Sitemap und klassische Crawl-Signale relativ stark, während llms.txt, strukturierte Angebotsdaten und Markdown-Negotiation fehlen. Für Betriebe in Bad Schönborn heißt das konkret: Wer in Assistenten und KI-Suche sichtbar werden will, braucht zitierfähige Fakten zu Leistung, Ort und Kontakt — nicht nur eine mobile Webseite.

CMS allein erklärt die Lücke nicht. WordPress oder Baukasten können agent-ready werden; entscheidend sind maschinenlesbare Oberflächen und klare Orts- und Leistungsangaben — siehe auch die Regionenseiten zu Bad Schönborn und Conversion unter /bad-schoenborn.

Kapitel 5

Fazit & Ausblick

Bad Schönborn verdient einen eigenen Messpunkt: vollständiger Orts-Census statt Stichprobe aus dem Bundesland. Die Zahlen hier werden regelmäßig aktualisiert. Praxisnähe: Webseite-Check starten, Kurzreport lesen, bei Bedarf modernisieren — mit Fokus auf Agenten-Lesbarkeit und lokale Klarheit.

Sofort-Check

Webseite-URL prüfen

Kurzreport direkt ansehen — für den Vollreport hinterlegst du danach deine E-Mail.

Methodik und DE-Vergleich: /studie. Fachartikel: /themen/ai-readiness-bad-schoenborn-studie. Stand 5. Oktober 2026. Keine Firmennamen in den öffentlichen Aggregaten.