AI-Readiness Studie Bruchsal: 180 Webseiten, Ø 17/100

Warum eine lokale Studie für Bruchsal?

Nationale Mittelwerte helfen bei der großen Lage. Eine Praxis in Heidelsheim oder eine Steuerkanzlei am Bahnhof braucht einen Ortsbezug: Wie stehen die Webseiten hier da, wenn ChatGPT, Perplexity oder Google AI Mode lokale Anbieter zusammenfassen?

Diese Primärstudie inventarisiert auffindbare Dienstleister-Webseiten in der Stadt und misst, wie gut sie für KI-Suche und Assistenten lesbar sind. Der Scope ist eng und vollständig. Quellen: OpenStreetMap, Branchensuchen (u. a. Gelbe Seiten) und gezielte Web-Recherche. Harte Ausschlüsse bleiben: Rechtsanwälte, Kliniken, öffentliche Verwaltung, Vereine.

Bruchsal ist eine Mittelstadt mit starkem Dienstleistungs- und Handwerksanteil im Kraichgau / Landkreis Karlsruhe. Wer in dieser Dichte unsichtbar für Assistenten bleibt, verliert Anfragen, ohne dass klassische Rankings das sofort zeigen — siehe Zero-Click und GEO & AI-Sichtbarkeit.

Was wird gemessen?

Dieselbe Audit-Logik wie unter /studie:

1. Agent-Ready-Score (0–100) als Kernmetrik für Maschinen- und Assistenten-Nutzbarkeit
2. llms.txt-Prävalenz und LLM-/Crawl-Scores
3. Strukturierte Daten (JSON-LD), robots.txt, Sitemap
4. Markdown-Negotiation und unvollständiges HTML / JS-Shell
5. Fit-Score als Spiegel (100 − Agent-Ready) für Modernisierungsbedarf

Multi-Page: nicht nur die Startseite. Das CMS wird nur als Kontext erfasst — es entscheidet nicht allein über Modernisierungsbedarf. Vertiefung: llms.txt für Agenten, Strukturierte Daten & GEO, Technical SEO.

Einordnung zur DE-weiten und Bad-Schönborn-Studie

Die deutschlandweite Auswertung (6.675 Audits) zeigt: Crawl oft stark, LLM-Layer schwach; llms.txt selten; Markdown fast abwesend; Legacy-CMS allein erklärt die Kluft nicht. National: Agent-Ready Ø 25, llms.txt 15,6 %, Crawl Ø 86.

Bruchsal liegt unter diesem Schnitt: Agent-Ready Ø 17, llms.txt 14,4 %, Crawl Ø 72. Die Stadt ist also nicht „etwas schlechter im Detail“, sondern hat eine tiefere Maschinenlücke bei gleichzeitig schwächerer Crawl-Basis (Sitemap/robots rund 10 Prozentpunkte unter DE).

Nachbar-Census Bad Schönborn: Agent-Ready Ø 22, llms.txt 20,8 %, Crawl Ø 80. Gleiche Struktur, etwas bessere Ausgangslage. Charts: Bruchsal, Bad Schönborn, DE.

Was die lokalen Zahlen zeigen

Vollständiger Orts-Census, n = 180, alle auditiert (Stand Oktober 2026):

Verteilung Agent-Ready: 56,7 % im Band 0–19, 35,6 % bei 20–39, 7,8 % bei 40–59, 0 % darüber. Fit 80–100: 57,2 %. Häufigste Findings: keine Markdown-Negotiation (100 %), kein llms.txt (85,6 %), Agent-Ready niedrig (68,3 %), wenig strukturierte Daten (65 %).

Nischen im Census: allgemeine Dienstleistung 29,4 %, Gesundheitspraxis 24,4 %, Handwerk 14,4 %, Steuerberatung 11,1 %, Physiotherapie 10 %, Fotografie 5,6 %, Psychologie 3,9 %, Coaching 1,1 %. CMS-Heuristik: WordPress 34,4 %, Divi 19,4 %.

Öffentliche E-Mail ist bei 122 Betrieben da. Das Problem ist nicht „man findet uns nicht im Impressum“, sondern: Assistenten finden kein zitierfähiges Leistungs-/Ortswissen.

Blockieren Betriebe KI-Bots — oder fehlt der Maschinen-Layer?

Es fehlt der Maschinen-Layer. Nur 2,8 % der Audits zeigten blockierte KI-Crawler. Gleichzeitig fehlen llms.txt und Markdown flächig, JSON-LD bei fast zwei Dritteln nicht erkannt. Agenten dürfen oft crawlen — finden aber keine Inhaltskarte, keine Markdown-Antwort und oft lückenhafte LocalBusiness-Daten.

Das ist die praktische Botschaft für E-E-A-T und Zitation: Freigabe ohne Extrahierbarkeit erzeugt keine Nennung in der Antwort.

Was das für Praxen, Kanzleien und Handwerk vor Ort bedeutet

• Gesundheit / Physio: Assistenten brauchen Leistung, Indikation, Ort, Terminweg — nicht nur ein Theme. Siehe Physiotherapie-Praxis-Webseite.
• Steuerberatung: Berufsrechtlich saubere, aber maschinenklare Leistungsseiten; AI-Sichtbarkeit für Steuerberater, Kanzlei-Webseite.
• Handwerk: Leistungsmodule + Einsatzgebiet (Bruchsal, Stadtteile, Kraichgau) in Klartext und Schema, nicht nur im Slider.
• Alle: NAP konsistent zu Google Business und Impressum.

Ohne Direct Answers und BLUF auf Leistungsseiten bleibt die Seite für generative Suche unsichtbar, selbst wenn Google die Domain kennt.

Klare Handlungsempfehlungen (Priorität nach den Findings)

Reihenfolge nach Hebel in dieser Stichprobe — nicht nach Bauchgefühl.

Sofort (diese Woche)

1. Webseite-Check unter modern-stack.de — Kurzreport lesen, Lücken benennen.
2. robots.txt und Sitemap prüfen. In Bruchsal fehlen sie bei 39,4 % bzw. 36,7 %. KI-Bots nicht sperren, sofern kein triftiger Grund.
3. Sichtbare Fakten stapeln: Leistungen, Ort (inkl. Stadtteil), Telefon, E-Mail, Öffnungszeiten — oben auf Start- und Kontaktseite, nicht nur im Footer.

In 30 Tagen

1. llms.txt mit 8–15 kanonischen URLs: Start, Leistungen, Über uns, Kontakt, Impressum, 2–4 Kernangebote. Inhalt muss mit den Seiten übereinstimmen. Anleitung: llms.txt für Agenten.
2. JSON-LD vom Typ LocalBusiness / ProfessionalService: Name, Adresse, Geo, Öffnungszeiten, gleiche URL wie sichtbar. FAQ nur, wenn die Fragen auf der Seite stehen. Siehe Structured Data GEO, Organization.
3. Leistungsseiten umbauen: erste 40–60 Wörter = Antwort. Eine H2 = eine Frage. Keine leere JS-Shell.

In 60–90 Tagen

1. Markdown-Negotiation auf denselben URLs — in Bruchsal aktuell 0 %, also echtes Differenzierungsmerkmal.
2. Entity-Signale: Place-Kontext Bruchsal, Stadtteile, Kraichgau intern verlinken; Google Business Profil mit derselben NAP.
3. Stack, wo er die Extraktion sabotiert: langsames Theme, Pagebuilder-Rauschen, Divi/Elementor-DOM. Dann Webseite modernisieren — nicht CMS tauschen um des Tauschens willen. Architektur: Next.js vs WordPress, SSR/SSG.

Was du nicht zuerst tun solltest: ein neues Farbschema, ein Cookie-Banner-Feinschliff oder „mehr Blogposts“ ohne maschinenklare Kernseiten. Die Daten zeigen: der Engpass ist der Maschinen-Layer, nicht fehlende Wortmenge.

Methodik und Grenzen

• Vollständiger Orts-Census, Live-Prüfungen, anonymisierte Aggregate, keine Firmennamen öffentlich
• Mehrere Quellen; Deduplizierung pro Domain; Multi-Page-Proben
• Keine Zufallsstichprobe des gesamten Stadt-Webs; nur Dienstleister-Nischen mit den genannten Ausschlüssen
• CMS-Erkennung heuristisch; keine Kausalität über Zeit
• Hypothesen analog DE-Studie lokal gestützt: llms-Gap, Markdown-Lücke, Crawl > LLM-Layer, CMS kein klarer Prediktor

Fazit

Mit Ø 17/100 Agent-Ready und 0 % Markdown-Negotiation ist die lokale Webseitenlandschaft klar für Menschen gebaut — nicht für Assistenten. Crawl-Grundlagen (Ø 72) sind oft da, aber dünner als im DE-Schnitt; der Maschinen-Layer fehlt. Wer in Bruchsal in der KI-Suche genannt werden will, braucht zitierfähige Leistungs- und Ortsfakten, llms.txt und Schema — nicht nur eine mobile Webseite.

Primärquelle mit Grafiken: AI-Readiness Bruchsal. Nächster Schritt: Webseite-Check oder Webseite modernisieren. Regionskontext: /regionen/bruchsal.