TL;DR
Eine Studie von Hard2bit hat 59 grosse europäische Domains gegen 11 neue AI Agent Readiness Standards geprüft. Ergebnis: 0 % Adoption über alle Branchen hinweg. Kein einziges Unternehmen hat auch nur einen Standard implementiert. Gartner prognostiziert, dass über 40 % aller Agentic-AI-Projekte bis 2027 eingestellt werden. Gartner erwartet gleichzeitig, dass KI-Agenten bis 2028 über 15 Billionen Dollar an B2B-Transaktionen vermitteln. Die Unternehmen, deren Websites für diese Agenten nicht lesbar sind, werden in den Auswahlprozessen unsichtbar. Dieser Artikel erklärt alle 11 Standards, zeigt die Branchenunterschiede, räumt mit fünf Irrtümern auf und liefert einen 90-Tage-Fahrplan.
1. Der nächste digitale Umbruch hat bereits begonnen
Stellen Sie sich vor: Ein Einkaufsleiter bei einem deutschen Mittelständler bittet seinen KI-Assistenten, drei Cloud-Anbieter mit Rechenzentren in der EU zu vergleichen. Der Agent öffnet die Websites der Anbieter. Bei Anbieter A findet er eine kuratierte Übersicht der Produkte, Preise und Zertifizierungen in einem maschinenlesbaren Format. Bei Anbieter B findet er eine Startseite mit Cookie-Banner, Marketingtext und 400 Unterseiten ohne erkennbare Struktur. Bei Anbieter C findet er gar nichts, weil die Website alle KI-Bots blockiert.
Das Ergebnis: Der Einkaufsleiter bekommt eine Empfehlung für Anbieter A. Anbieter B taucht mit ungenauen Informationen auf. Anbieter C existiert in der Auswertung nicht. Nicht weil sein Produkt schlechter ist. Sondern weil seine Website für den Agenten nicht lesbar war.
Das ist kein Zukunftsszenario. ChatGPT, Claude, Perplexity, Gemini und spezialisierte Enterprise-Agenten recherchieren, vergleichen und empfehlen heute im Auftrag von Nutzern. 80 % der B2B-Verkaufsinteraktionen finden laut Gartner bereits digital statt. 90 % der Procurement-Entscheider nutzen oder evaluieren KI-Agenten für die Lieferantenrecherche.
Jahrelang hatten Websites zwei Zielgruppen: Menschen und Suchmaschinen. Jetzt gibt es eine dritte. Und für diese dritte Zielgruppe existieren seit 2024 konkrete technische Standards. Einfache Dateien und Protokolle, die eine Website für KI-Agenten lesbar, steuerbar und sicher machen. Eine aktuelle Studie zeigt: Kein einziges grosses europäisches Unternehmen nutzt auch nur einen davon.
2. Die Forschung: Europa ist nicht vorbereitet
Am 6. Juni 2026 hat Hard2bit, ein spanisches Cybersecurity-Unternehmen, einen passiven Scan von 60 grossen europäischen Domains durchgeführt. 59 Scans erfolgreich, einer Timeout. Sechs Branchen mit je zehn Domains: Banking, Pharma/Healthcare, Retail, Telekommunikation, Energie, öffentlicher Sektor.
Der Scan war bewusst nicht-invasiv: öffentliche DNS-Abfragen, TLS-Zertifikate, HTTP-Header, robots.txt, Security-Dateien. Kein anomaler Traffic, keine aktiven Probes. Geprüft wurden 11 Standards, die zwischen 2024 und 2026 vorgeschlagen oder veröffentlicht wurden.
| Standard | Funktion | Adoption |
|---|---|---|
| llms.txt | Kuratierter Markdown-Index für KI-Agenten | 0 % |
| llms-full.txt | Erweiterte Version von llms.txt mit vollständigen Inhalten | 0 % |
| Content-Signal | Granulare Nutzungspräferenzen in robots.txt | 0 % |
| Markdown-Negotiation | Saubere Markdown-Version statt HTML auf Anfrage | 0 % |
| API Catalog (RFC 9727) | Maschinenlesbare Übersicht aller öffentlichen APIs | 0 % |
| OAuth Discovery | Authentifizierungs-Metadaten für Agenten | 0 % |
| OAuth Prot. Res. (RFC 9728) | Metadaten für geschützte Ressourcen | 0 % |
| MCP Server Card | Fähigkeitsdeklaration für Model Context Protocol | 0 % |
| Agent Skills | Deklarierte Aktionen mit definierten Grenzen | 0 % |
| Web Bot Auth (RFC 9421) | Kryptographische Bot-Identifikation | 0 % |
| Link Header AI | AI-spezifische Link-Header in HTTP-Antworten | 0 % |
11 von 11 Standards: null Prozent Adoption. Über alle 59 Domains und sechs Branchen hinweg. Der einzige KI-bezogene Mechanismus mit Verbreitung: das Blockieren von KI-Bots über robots.txt (47 % der Domains). Aber auch hier keine Differenzierung: Wer blockiert, blockiert alles.
KI-Bot-Blockierung nach Branche
| Branche | Policy vorhanden | GPTBot blockiert | ClaudeBot blockiert |
|---|---|---|---|
| Öffentlicher Sektor | 60 % | 60 % | 60 % |
| Energie | 60 % | 50 % | 50 % |
| Telekommunikation | 50 % | 40 % | 40 % |
| Banking | 50 % | 40 % | 40 % |
| Healthcare / Pharma | 40 % | 20 % | 30 % |
| Retail / E-Commerce | 22 % | 11 % | 11 % |
3. Was ist AI Agent Readiness?
AI Agent Readiness beschreibt die Fähigkeit eines Unternehmens, seine digitale Präsenz so zu gestalten, dass autonome KI-Agenten sie finden, verstehen, navigieren und kontrolliert nutzen können.
KI-Agenten interagieren mit Unternehmen auf zwei Wegen. Erstens: parametrisches Wissen aus dem Training. Zweitens: Echtzeit-Retrieval aus vertrauenswürdigen Quellen. Laut Muck Rack stammen 82 % der von KI-Systemen zitierten Links aus Earned Media und 95 % aus nicht-bezahlten, redaktionell unabhängigen Quellen.
87 % der Vertriebsorganisationen nutzen laut Salesforce bereits KI in irgendeiner Form. Aber die Nutzung eines KI-Tools intern sagt nichts darüber aus, ob die eigene Website für KI-Agenten von Kunden, Lieferanten und Partnern lesbar ist.
4. Warum es jedes Unternehmen betrifft
Vertrieb
70 % der Erst-Evaluierungen von Anbietern laufen laut IUCAB bereits über automatisierte Systeme. Forrester erwartet, dass 20 % der B2B-Verkäufer bereits auf Käufer-Agenten reagieren müssen, die dynamisch Preise und Konditionen anfragen. Ein Unternehmen, dessen Website für diese Agenten nicht lesbar ist, wird in der ersten Runde aussortiert.
Marketing
KI-gestützte Suche (ChatGPT, Perplexity, Gemini) übernimmt Recherche-Aufgaben. llms.txt und strukturierte Inhalte sind die neue SEO. Der Unterschied: Bei Google konnte man sich mit Budget hochkaufen. Bei KI-Agenten entscheidet die Qualität und Maschinenlesbarkeit der Inhalte.
Kundenerfahrung
73 % der Konsumenten nutzen bereits KI in ihrer Kaufreise. Unternehmen, deren Inhalte von Agenten korrekt interpretiert werden, liefern eine bessere Kundenerfahrung, auch wenn der Kunde die Website selbst nie besucht.
Kundenservice
KI-Agenten im Kundenservice brauchen Zugriff auf strukturierte Produktdokumentation, FAQs und Support-Workflows. Ohne maschinenlesbare Inhalte greifen sie auf unstrukturierte Webseiten zurück und liefern ungenaue Antworten.
Betrieb und Beschaffung
Gartner erwartet, dass KI-Agenten bis 2028 über 15 Billionen Dollar an B2B-Transaktionen vermitteln. Forrester prognostiziert, dass Procurement-Teams Agenten einsetzen, die gleichzeitig bei Hunderten von Lieferanten verhandeln. Statische Preisseiten werden zu dynamischen Verhandlungsschnittstellen.
Software-Produkte
SaaS-Unternehmen und API-Anbieter profitieren am meisten von Stufe 3 (API Catalog, MCP Server Card). Wenn ein KI-Agent im Auftrag eines Entwicklers nach einer passenden API sucht, entscheidet die maschinenlesbare Dokumentation darüber, ob das Produkt in Betracht gezogen wird.
5. Die 11 AI Agent Readiness Standards im Detail
1. llms.txt
Was es ist: Eine Markdown-Datei im Root-Verzeichnis, die Agenten einen kuratierten Überblick über die wichtigsten Seiten gibt.
Priorität: Hoch. Ein halber Tag Arbeit.
2. llms-full.txt
Was es ist: Erweiterte Version von llms.txt mit vollständigen Inhalten statt nur Links.
Priorität: Mittel. Ergänzend zu llms.txt.
3. Content-Signal
Was es ist: Erweiterung von robots.txt mit granularen Nutzungspräferenzen: KI-Suche ja/nein, Training ja/nein, Zusammenfassung ja/nein.
Priorität: Hoch. Besonders für Unternehmen mit proprietären Inhalten.
4. Markdown-Negotiation
Was es ist: Server liefert Markdown statt HTML, wenn ein Agent einen entsprechenden Accept-Header sendet.
5. API Catalog (RFC 9727)
Was es ist: Maschinenlesbare Übersicht aller öffentlichen APIs einer Domain.
Priorität: Mittel. Relevant für Unternehmen mit öffentlichen APIs.
6. OAuth Discovery
Was es ist: Maschinenlesbare Authentifizierungs-Metadaten, die Agenten sagen, wo und wie sie sich anmelden.
Priorität: Mittel. Relevant für Dienste mit Authentifizierung.
7. OAuth Protected Resource (RFC 9728)
Was es ist: Metadaten, die beschreiben, welche Ressourcen geschützt sind und welche Tokens nötig sind.
Priorität: Mittel.
8. MCP Server Card
Was es ist: Beschreibung eines MCP-Servers (Model Context Protocol, Anthropic). Sagt Agenten, welche Tools verfügbar sind.
Priorität: Mittel bis Hoch. Relevant für SaaS und API-Anbieter.
9. Agent Skills
Was es ist: Deklarierte Aktionen mit definierten Grenzen. Was ein Agent tun darf und was nicht.
Priorität: Niedrig bis Mittel. Noch im frühen Stadium.
10. Web Bot Auth (RFC 9421)
Was es ist: Kryptographische HTTP-Signaturen für Bots. Unterscheidung zwischen legitimem GPTBot und Scrapern.
Priorität: Mittel. Relevant für Unternehmen mit schützenswerten Inhalten.
11. Link Header AI
Was es ist: AI-spezifische Link-Header in HTTP-Antworten, die auf llms.txt oder andere KI-relevante Ressourcen verweisen.
6. Die grössten Irrtümer
| Irrtum | Realität |
|---|---|
| „Wir nutzen bereits KI.“ | KI intern nutzen und für externe KI-Agenten lesbar sein sind zwei verschiedene Dinge. 87 % der Vertriebsorganisationen nutzen KI. 0 % der grossen EU-Websites sind agent-ready. |
| „Wir haben APIs.“ | APIs zu haben und APIs maschinenlesbar zu beschreiben sind zwei verschiedene Dinge. Ohne API Catalog, OAuth-Metadaten und MCP Server Card ist eine API für einen Agenten unsichtbar. |
| „SEO reicht.“ | SEO optimiert für Google. KI-Agenten nutzen nicht Google. Sie nutzen llms.txt, strukturierte Daten und Echtzeit-Retrieval. Gartner prognostiziert, dass Suchmaschinen-Nutzung um 25 % sinkt. |
| „Unser Chatbot löst das.“ | Ein Chatbot auf der eigenen Website beantwortet Fragen von Besuchern. AI Agent Readiness betrifft, ob externe Agenten (eines Kunden, Lieferanten oder Partners) die Website verstehen. |
| „Wir kümmern uns später darum.“ | Bei 0 % Adoption definiert, wer jetzt anfängt, die Best Practices. Wer wartet, orientiert sich an Standards, die andere gesetzt haben. |
7. Wo die meisten Unternehmen scheitern
AI Agent Readiness scheitert selten an einem einzelnen Punkt. Es scheitert an einer Kette von fehlenden Voraussetzungen:
| Stufe | Bereich | Was fehlt | Konsequenz |
|---|---|---|---|
| 1 | Technische Bereitschaft | HTTP-Security-Header, TLS, DMARC, robots.txt | Ohne saubere technische Basis ist alles Weitere wertlos |
| 2 | Inhaltliche Bereitschaft | Strukturierte, aktuelle Produktbeschreibungen, Preise, Dokumentation | Agenten finden veraltete oder widersprüchliche Inhalte |
| 3 | Dokumentation | Maschinenlesbare technische Docs, API-Referenzen, Onboarding-Guides | Agenten raten statt zu lesen |
| 4 | Governance | Content-Signal, ai.txt, interne KI-Content-Policy | Keine maschinenlesbare Antwort auf die Frage: Wer darf was? |
| 5 | Agent-Zugänglichkeit | llms.txt, Markdown-Negotiation, API Catalog | Agenten haben keine kuratierten Einstiegspunkte |
| 6 | Maschinenlesbare Information | Schema.org, JSON-LD, strukturierte Daten | Agenten können Inhalte nicht semantisch interpretieren |
8. AI Agent Readiness Assessment
Je mehr Sie mit Nein beantworten, desto grösser der Handlungsbedarf.
Website
Dokumentation
APIs
Governance
Security
Kostenlose Erstanalyse: Der Hard2bit Scanner prüft alle 11 Standards in 60 Sekunden. Keine Registrierung nötig.
9. Ein praktischer Fahrplan
| Phase | Zeitraum | Massnahmen |
|---|---|---|
| 1 | Quick Wins (30 Tage) |
llms.txt erstellen und publizieren. robots.txt um KI-spezifische Regeln erweitern. Bestandsaufnahme der Inhalte. Hard2bit-Scan durchführen und Baseline dokumentieren. |
| 2 | Infrastruktur (60 Tage) |
Content-Signal implementieren. Produktdokumentation strukturieren und maschinenlesbar machen. Strukturierte Daten (Schema.org) auf allen relevanten Seiten. Interne KI-Content-Policy definieren. |
| 3 | Agent-Optimierung (90 Tage) |
API Catalog publizieren. MCP Server Card erstellen. OAuth-Metadaten für geschützte Ressourcen. Agent Skills definieren und dokumentieren. Markdown-Negotiation evaluieren. |
| 4 | Laufende Überwachung | Regelmässige Readiness-Scans. Monitoring der KI-Agent-Zugriffe. llms.txt bei neuen Produkten aktualisieren. Content-Policy bei neuen KI-Anwendungsfällen anpassen. Benchmarking gegen Wettbewerber. |
10. Branchenbeispiele
SaaS / Software
KI-Agenten evaluieren SaaS-Produkte im Auftrag von Entwicklern und IT-Entscheidern. Sie suchen nach API-Dokumentation, Preismodellen, Integrationen und Sicherheitszertifizierungen. SaaS-Unternehmen mit maschinenlesbarer API-Dokumentation und MCP Server Card werden in agentengestützten Evaluierungen bevorzugt.
Healthcare / Pharma
KI-Agenten unterstützen Kliniken bei der Lieferantenauswahl und Compliance-Prüfung. Laut aktueller Forschung liefern Investitionen in KI im Gesundheitswesen $3,20 Rendite pro investiertem Dollar innerhalb von 14 Monaten.
Fertigung / Manufacturing
Beschaffungs-Agenten vergleichen Zulieferer nach Preis, Verfügbarkeit, Lieferzeit und Zertifizierungen. Ein Fertigungsunternehmen mit strukturierten Produktkatalogen und Echtzeit-Verfügbarkeitsdaten wird von Procurement-Agenten bevorzugt.
Finanzdienstleistungen
Der regulierungsintensivste Sektor. Die Hard2bit-Studie zeigt: Banken haben die strengste E-Mail-Authentifizierung (100 % DMARC), aber die schwächste Web-Content-Security. AI Agent Readiness überschneidet sich hier mit NIS2, DORA und DSGVO.
E-Commerce / Retail
Zero-Click-Commerce wird 2026 zum Trend: Käufer kaufen über KI-Agenten, ohne je eine Website zu besuchen. Retailer, die Produktdaten, Preise und Verfügbarkeit maschinenlesbar bereitstellen, gewinnen in dieser neuen Welt.
Professional Services
Beratungen, Agenturen, Kanzleien. KI-Agenten recherchieren Dienstleister nach Spezialisierung und Referenzen. Unternehmen mit strukturierten Kompetenzprofilen und maschinenlesbaren Case Studies werden in Auswahlprozessen sichtbar.
11. Die geschäftliche Chance
Bei 0 % Adoption gibt es keine Best Practices. Die erste Bank mit durchdachtem llms.txt wird zum Branchenreferenz. Das erste SaaS-Unternehmen mit sauberem API Catalog und MCP Server Card setzt den Massstab.
Wenn alle Wettbewerber in KI-gestützten Recherchen unsichtbar sind, reicht eine einfache Massnahme (llms.txt), um sich abzuheben. 82 % der KI-Zitationen stammen aus unabhängigen Quellen. Aber die eigene Website liefert die technischen Details (Preise, APIs, Specs), die externe Quellen nicht haben.
12. Was kommt als Nächstes für Europa?
AI Act: Der EU AI Act reguliert KI-Systeme nach Risikostufen. AI Agent Readiness ist kein expliziter Bestandteil, aber die Governance-Anforderungen überschneiden sich mit Content-Signal, Agent Skills und MCP Server Card.
MCP: Das Model Context Protocol von Anthropic wird zum De-facto-Standard für die Verbindung zwischen KI-Agenten und externen Tools. Die Adoption wächst schnell im Entwickler-Ökosystem.
Agentic AI: Gartner erwartet, dass bis Ende 2026 40 % der Enterprise-Anwendungen aufgabenspezifische KI-Agenten einbetten (von unter 5 % in 2025). Nicht nur ChatGPT und Claude werden Agenten sein. Jede Business-Software wird Agent-Fähigkeiten haben.
Die nächsten fünf Jahre: 2026 ist die Awareness-Phase. 2027 kommt die Adoption. 2028 wird Agent-Readiness zum Kaufkriterium. 2029-2030 wird es so selbstverständlich wie SEO oder DSGVO-Konformität.
Die Hard2bit-Studie zeigt ein Feld, das vollständig offen ist. Null Adoption bei allen 11 Standards, über alle Branchen hinweg. Die Standards sind nicht kompliziert. llms.txt ist ein halber Tag. Content-Signal ist eine Erweiterung von robots.txt. Der Hard2bit-Scanner ist kostenlos. Was fehlt, ist nicht Technik. Was fehlt, ist die Entscheidung, anzufangen.
Ist Ihr Unternehmen AI Agent Ready?
agentivo.ai bietet professionelle AI Agent Readiness Assessments: Website-Evaluierung, Dokumentations-Review, API-Assessment, KI-Auffindbarkeits-Audit, priorisierte Empfehlungen und einen 90-Tage-Implementierungs-Fahrplan.
Lassen Sie uns in einem kurzen Gespräch klären, wo Ihr Unternehmen steht.
