Über AIVIS
AIVIS misst, wie KI-Suchmaschinen eine Website sehen, und sagt dir genau, was du beheben musst, damit sie sie finden, lesen und zitieren.
Was AIVIS macht
Jeder Scan liest deine Startseite und wichtige Unterseiten so, wie KI-Crawler es tun (ohne JavaScript), führt 15 Prüfungen zu Zugriff, Struktur, schema.org, Aktualität, Zitierfähigkeit, Vertrauen und Ladezeit durch und fragt 7 KI-Engines (ChatGPT, Claude, Gemini, Perplexity, Grok, Le Chat und weitere), was sie wirklich über deine Marke wissen.
Wie wir bewerten
Deterministische Prüfungen werden im Code aus HTML, robots.txt, Sitemap und llms.txt berechnet: dieselbe Website erhält dieselbe Punktzahl. Wo ein Sprachmodell Inhalte beurteilt, wählt es aus festen Kategorien, und die Punktzahl berechnet der Code, nicht das Modell. Jedes Ergebnis enthält die gesehenen Belege und eine konkrete Lösung.
Woher die Methodik stammt
Die Prüfungen folgen öffentlichen Quellen: den robots.txt-Regeln, die jeder KI-Anbieter für seine Crawler dokumentiert, schema.org, dem llms.txt-Vorschlag, Googles E-E-A-T-Richtlinien und der GEO-Studie von Aggarwal et al. (2023) darüber, was Inhalte für generative Engines zitierfähig macht. Unsere Studienseiten veröffentlichen aggregierte Ergebnisse zu über tausend gescannten Domains.
Unabhängig
AIVIS ist unabhängige Software. Sie ist nicht mit OpenAI, Anthropic, Google, Perplexity, xAI oder Mistral verbunden, und keine Engine zahlt für Aufnahme oder Platzierung.
Schreib uns
Fehler, falsche Ergebnisse, Abrechnung, Datenanfragen und Partnerschaften: eine Adresse, beantwortet von den Menschen, die das Produkt bauen.
Studien · Changelog · Kontakt · deus+aivis@lumnika.com
Quellen
In einem Benchmark mit 10.000 Anfragen steigerten Statistiken, Zitate und belegte Quellen die Sichtbarkeit einer Seite in Antworten generativer Suchmaschinen um bis zu 40 %. Aggarwal et al., GEO: Generative Engine Optimization (KDD 2024)
KI-Suchmaschinen antworten mit Retrieval-Augmented Generation, 2020 von Lewis et al. vorgestellt: Sie lesen zuerst Live-Webseiten, eine unlesbare Seite kann also nicht zitiert werden. Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (NeurIPS 2020)