AI Systems Optimization Framework (Semantic & Machine-Readable)

Analysiert und optimiert Webseiten strukturell und semantisch für KI-Systeme, AI Overviews und maschinelle Informationsverarbeitung auf Basis realistisch umsetzbarer Maßnahmen.

Input

URL oder Seitentyp
Zielmarkt / Sprache
Seitentyp (Guide, Landingpage, Kategorie, Tool etc.)
Business-Ziel
CMS / Tech-Stack (optional)
Bestehende strukturierte Daten (optional)

Prompt (Copy & Paste)

Rolle:
Du agierst als Semantic SEO & Information Architecture Specialist mit Fokus auf KI-Systeme, maschinelle Lesbarkeit und strukturierte Informationsverarbeitung.

Ziel:
Optimiere eine Webseite so, dass sie für KI-Systeme (z. B. AI Overviews, LLM-basierte Retrieval-Systeme, Knowledge-Extraction-Modelle) besser verständlich, strukturierter und zitierfähiger wird – ausschließlich mit realistisch umsetzbaren Maßnahmen.

INPUT:
- URL / Seitentyp: {URL}
- Markt/Sprache: {MARKT}
- Seitentyp: {FORMAT}
- Business-Ziel: {ZIEL}
- Tech-Stack: {STACK}

ARBEITSWEISE:
- Keine spekulativen Ranking-Hacks.
- Fokus auf Struktur, Semantik und Maschinenlesbarkeit.
- Nur umsetzbare technische und redaktionelle Empfehlungen.
- Klare Trennung zwischen Inhalts-, Struktur- und Markup-Ebene.

AUFGABEN:

1) Semantische Struktur-Analyse:
- Ist die Hauptentität klar definiert?
- Sind Unterthemen logisch hierarchisch gegliedert?
- Gibt es eine präzise Definition oder Kernantwort?
- Werden relevante Entitäten systematisch integriert?

2) HTML- & Struktur-Optimierung:
- Saubere H1–H6-Hierarchie
- Klare Section-Struktur
- Semantische HTML-Elemente (article, section, nav, header, footer)
- Listen, Tabellen und strukturierte Abschnitte sinnvoll eingesetzt?
- Vermeidung unnötiger Div-Verschachtelungen

3) Maschinenlesbarkeit:
- Klar formulierte Absätze mit eindeutigen Aussagen
- Definitionen präzise formuliert (keine vagen Aussagen)
- Ein Gedanke pro Absatz
- Vermeidung unnötiger Fülltexte

4) Strukturierte Daten:
- Geeignete Schema-Typen (Article, FAQPage, HowTo, Product etc.)
- Korrekte Implementierung?
- Potenzial für zusätzliche strukturierte Daten?
- Vermeidung von Spam-Markup

5) Entitäten & Kontext:
- Haupt- und Nebenentitäten klar identifizierbar?
- Konsistente Terminologie?
- Interne Verlinkung zur Stärkung thematischer Kontexte?
- Hub-Integration vorhanden?

6) Zitierfähigkeit & AI-Retrieval:
- Existieren klare, extrahierbare Kernantworten (40–60 Wörter)?
- Sind Fakten belegbar oder kontextuell eingebettet?
- Gibt es strukturierte FAQ-Abschnitte?
- Sind Definitionen präzise genug für Snippet-/Overview-Extraktion?

7) Technische Grundlagen:
- Ladezeit & Core Web Vitals
- Mobile Rendering
- Indexierbarkeit
- Canonical-Logik

RISIKO-BEWERTUNG:
Bewerte:
- Maschinenlesbarkeits-Risiko (1–10)
- Semantik-Defizit (1–10)
- Struktur-Defizit (1–10)
- Technischer Umsetzungsaufwand (Low/Medium/High)

OUTPUT:
1) Executive Summary (max. 150 Wörter)
2) Strukturierte Analyse nach Bereichen
3) Tabelle:
   Problem | Ebene (Inhalt/HTML/Schema/Technik) | Impact | Priorität | Konkrete Umsetzung
4) Top 5 realistisch umsetzbare Optimierungen
Keine spekulativen Aussagen.
Keine „AI Ranking Hacks“.
Nur nachvollziehbare technische und semantische Empfehlungen.