Website-Check mit KI: Sprachmodell plus echte Scandaten

Ein Website-Check mit KI funktioniert, wenn das Modell echte Scandaten bekommt. So lassen Sie Berichte erklären, Aufgaben schreiben und Fehler vermeiden.

SEO · Veröffentlicht: 5. Oktober 2026 · 5 Min. Lesezeit · Марк Лебедев

„Prüf meine Website auf Fehler“ gehört zu den häufigsten Eingaben in einen Chat-Assistenten — und zu den nutzlosesten. Ein Sprachmodell kann Ihren LCP nicht messen, sieht keine Response-Header und klickt nicht auf „Bestellen“. Mit einer URL lädt es bestenfalls eine HTML-Datei, schlimmstenfalls rät es anhand dessen, wie ähnliche Websites meist aussehen. Ein Website-Check mit KI wird erst nützlich, wenn die Arbeit richtig verteilt ist: Der Scanner misst, das Modell erklärt und entwirft die Korrektur, ein zweiter Scan bestätigt das Ergebnis.

Was ein Modell allein nicht sieht

Selbst mit Webzugriff bekommt ein Assistent meist eine einzige HTML-Antwort — ohne Rendering, ohne Konsole, ohne Timing eines echten Seitenaufrufs. Er weiß nicht:

• welche Header und Weiterleitungen der Server sendet;
• welche JavaScript-Fehler nach dem Laden auftreten;
• wie lange das größte Element zum Rendern braucht und wie stark das Layout springt;
• ob das Formular wirklich abschickt und wann das Zertifikat abläuft.

Ohne Daten füllt das Modell die Lücke mit plausiblem Text. „Bilder auf Ihrer Website laden möglicherweise langsam“ stimmt für fast jede Website und sagt nichts über Ihre.

Arbeitsteilung: Scanner misst, KI erklärt

Ein sinnvoller Ablauf hat drei Schritte. Zuerst sammelt ein Werkzeug Fakten: Statuscodes, Header, Core Web Vitals, Konsolenfehler, Meldungen des HTML-Validators. Dann arbeitet das Modell mit diesen Fakten: Es erklärt einen Befund verständlich, bündelt zusammengehörige Probleme und entwirft einen Patch für Ihren Stack. Zum Schluss prüft dasselbe Werkzeug das Ergebnis. Die Messung bleibt die Quelle der Wahrheit, nicht das Modell.

Prompts, die mit einem Bericht funktionieren

Geben Sie dem Modell den Befund, nicht die ganze Website:

• „Das ist ein Befund aus dem Audit meiner Website. Erkläre in zwei Absätzen ohne Fachjargon, was er für Besucher und für die Suche bedeutet.“
• „Das sind die Response-Header meiner Startseite. Schreibe einen nginx-Block, der die fehlenden Sicherheits-Header ergänzt. Kein HSTS-Preload.“
• „Dieser JavaScript-Fehler tritt auf 14 Seiten auf. Hier Stacktrace und Datei. Nenne die wahrscheinlichste Ursache und eine minimale Korrektur.“

Je enger die Eingabe, desto weniger Raum für Erfindungen. Bei Konsolenfehlern lohnt sich vorher unser Beitrag zu Konsolenfehlern: Die Hälfte der Meldungen stammt aus Drittanbieter-Skripten.

Ein Briefing für den KI-Assistenten im Editor

Coding-Assistenten arbeiten am besten mit einer strukturierten Aufgabe: was kaputt ist, wo, wie schwer, woran man den Abschluss erkennt. Genau so sieht ein gutes Audit-Briefing aus. Fügen Sie es mit einer kurzen Anweisung ein — „Arbeite die Aufgaben einzeln von oben ab, zeige jeweils den Diff und erkläre alles, was die Serverkonfiguration betrifft“ — und prüfen Sie jede Änderung wie einen Pull Request.

Wo KI am häufigsten danebenliegt

• Content-Security-Policy. Modelle schreiben gern eine strenge Policy, die Analytics, Zahlungs-Widget und Inline-Skripte blockiert. Starten Sie mit Report-Only; mehr zur CSP.
• HSTS-Preload. Beiläufig empfohlen, schwer rückgängig zu machen. Lesen Sie zuerst über HSTS-Preload.
• robots.txt und Canonical. Eine falsche Zeile entfernt ganze Bereiche aus der Suche.
• Veraltete Tipps. FID statt INP, X-XSS-Protection, Meta-Keywords „für SEO“.

Und fügen Sie niemals Passwörter, Tokens oder Kundendaten in einen Prompt ein.

Vertrauen ist gut, Nachscannen ist besser

Code, der richtig aussieht, ist noch keine reparierte Website. Das einzige Abnahmekriterium: Ein neuer Scan meldet das Problem nicht mehr, und kein neues ist hinzugekommen. Wie man zwei Durchläufe vergleicht, steht im Beitrag zur Website-Analyse online. Wie bereit Ihre Website für KI-Suche selbst ist, behandelt das KI-Website-Audit.

So geht es mit SiteScan

1. Starten Sie einen kostenlosen Scan. Die Seiten laufen in einem echten Headless-Browser, Formulare testen KI-Agenten — mehr dazu unter Formular-Tests.
2. Schauen Sie vor dem Prompt ins Hilfe-Center: Dort ist jede Berichtszeile erklärt — genau der Kontext, der dem Modell fehlt.
3. Klicken Sie auf „Aufgabenliste kopieren“. Sie erhalten schlichtes Markdown: kritische, hohe und mittlere Befunde, sortiert nach Schwere und Reichweite, mit Prüf-IDs, betroffenen Seiten und Abnahmekriterien.
4. Scannen Sie nach dem Deployment erneut und prüfen Sie, was sich seit dem letzten Scan geändert hat.