Extrahierbarkeit: Fakten für Mensch und KI lesbar

Direkte Antwort

Extrahierbarkeit: Extrahierbarkeit beschreibt, wie zuverlässig Menschen, Crawler und KI-Modelle einzelne Fakten aus einer Webseite herauslösen können. Sie steigt mit serverseitig gerendertem Text, logischen Überschriften und eigenständigen Antwortabschnitten und sinkt durch verschachtelte Pagebuilder-Hüllen und Inhalte, die erst per JavaScript erscheinen. Stelle die Antwort an den Anfang jedes Abschnitts und liefere sie im HTML aus.

Wichtigste Punkte

Extrahierbar heißt: Ein Fakt lässt sich entnehmen und ohne Umgebung zitieren.
Ausgeliefertes, semantisches HTML schlägt Pagebuilder-Schachtelung und JS-Hüllen.
Eine Aussage pro Abschnitt, Direct Answer zuerst, JSON-LD passend zum Text.
RAG-Systeme arbeiten mit Abschnitten; jeder Abschnitt muss für sich verständlich sein.

— Steve Baka

Aktualisiert: 6. Oktober 2026 · Autor: Steve Baka

Was ist Extrahierbarkeit?

Extrahierbarkeit ist die Eigenschaft einer Webseite, ihre Inhalte in verwertbare Einzelteile zerlegen zu lassen. Gemeint ist nicht, dass ein Mensch den Text irgendwie finden kann, sondern dass eine Maschine einen Satz oder Abschnitt greift und ihn korrekt wiederverwendet — etwa als Antwort in einem KI-Assistenten, als Snippet in der Suche oder als Datenpunkt in einer Auswertung.

Dafür müssen drei Bedingungen erfüllt sein. Erstens muss der Inhalt überhaupt im Dokument stehen, das der Crawler abruft. Zweitens muss die Struktur erkennbar sein: Überschriften, Absätze, Listen und Tabellen im passenden HTML statt als beliebige Container. Drittens muss ein Abschnitt für sich allein Sinn ergeben, damit er außerhalb der Seite nicht missverstanden wird.

Der Begriff ist verwandt mit Maschinenlesbarkeit, geht aber weiter: Auch eine maschinenlesbare Seite kann schwer extrahierbar sein, wenn jede Aussage vom Kontext dreier Nachbarabsätze abhängt.

Wie funktioniert Extraktion bei KI-Systemen?

Viele Assistenten nutzen Retrieval-Augmented Generation. Das Grundprinzip stammt aus der Forschung von Lewis et al.: Ein Retrieval-Schritt sucht passende Textpassagen aus einem Dokumentbestand, ein Sprachmodell formuliert daraus die Antwort. Webseiten werden dafür in Chunks zerlegt, also Abschnitte von begrenzter Länge, meist an Überschriften und Absätzen orientiert. Die besten Chunks zur Anfrage wandern in den Kontext des Modells.

Daraus folgt eine einfache Regel: Ein Chunk, der „Das kostet je nach Umfang zwischen …“ sagt, ohne zu nennen, wofür, ist wertlos, sobald er allein steht. Ein Abschnitt mit einer Überschrift als Frage und einer ersten Zeile, die das Thema nennt und beantwortet, ist dagegen sofort verwertbar.

Technisch kommt die Auslieferung dazu. Crawler und viele KI-Abrufer führen JavaScript nicht oder nur eingeschränkt aus. Google beschreibt in der Dokumentation, dass die Verarbeitung von JavaScript zusätzlichen Aufwand bedeutet und Inhalte verzögert erfasst werden können. Wer Inhalte nur clientseitig rendert, riskiert, dass ein Abruf ein leeres Gerüst sieht. Siehe auch Hydration und SSR.

Was senkt die Extrahierbarkeit?

Verschachtelte Pagebuilder-Ausgabe: Der eigentliche Text liegt unter vielen Wrappern. Das ist bei Elementor und anderen Buildern typisch.
JS-Shells: Das HTML enthält nur einen Container, der Inhalt entsteht im Browser.
Falsche Überschriften: H3 vor H2, Überschriften nur nach Optik, mehrere H1.
Text in Bildern, Tabs oder Slidern: Wichtige Aussagen stehen in Grafiken oder erscheinen erst nach Klick.
Mischabschnitte: Ein Block mit fünf Themen lässt sich nicht sauber zitieren.
Marketing-Vagheit: „Wir bieten individuelle Lösungen“ enthält keinen extrahierbaren Fakt.

Wie verbesserst du Extrahierbarkeit?

Auslieferung prüfen: Hole die Seite per curl oder ohne JavaScript. Steht der Kerntext drin?
Struktur bereinigen: Eine H1, logische H2/H3, Listen als Listen, Zahlen in Tabellen.
Antwort zuerst: Beginne Abschnitte mit einem konkreten Satz, der die Frage beantwortet (BLUF).
Eine Aussage pro Abschnitt: Zahlen mit Einheit, Ort und Datum nennen.
Strukturierte Daten ergänzen: JSON-LD, das sichtbare Inhalte spiegelt.
Maschinenpfade anbieten: llms.txt und Markdown-Auslieferung liefern reduzierte Versionen.

Wie setzt Modern Stack das um?

Unsere Seiten entstehen als statisches oder serverseitig gerendertes HTML mit Next.js. Jede Fachseite beginnt mit einer Kurzantwort, hat Fragen als Überschriften und liefert JSON-LD aus denselben Daten wie der Text. Bei Content-Seiten antworten wir auf Accept: text/markdown mit einer Markdown-Fassung. Wie gut Webseiten maschinell nutzbar sind, werten wir im Agent-Ready-Score und in der AI-Readiness-Studie aus. Beim Umbau von Bestandsseiten ist die Pagebuilder-Ablösung der größte Hebel.

Quellen

Google Search Central — JavaScript SEO Basics — Google Search Central
Erklärt, wie Inhalte, die erst per JavaScript erscheinen, verarbeitet werden.
Lewis et al. — Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks — arXiv / Facebook AI Research
Grundlagenpapier zu RAG, das erklärt, warum abrufbare Textpassagen zählen.
web.dev — Avoid an excessive DOM size — Google web.dev
Zeigt die Kosten großer Dokumentstrukturen für Browser und Verarbeitung.
Webarchitektur im KI-Zeitalter — Modern Stack
Praxis, wie wir Auslieferung und Markup für Maschinen optimieren.

Häufige Fragen

Was macht eine Webseite gut extrahierbar?

Der Text steckt im ausgelieferten HTML, Überschriften folgen einer logischen Hierarchie, jeder Abschnitt beantwortet eine Frage eigenständig und strukturierte Daten spiegeln den sichtbaren Inhalt.

Warum ist Extrahierbarkeit für KI-Antworten wichtig?

Retrieval-Systeme zerlegen Seiten in Abschnitte und reichen die passendsten an ein Sprachmodell weiter. Ein Abschnitt, der ohne Umgebung verständlich ist, wird eher ausgewählt und korrekt zitiert.

Wie prüfe ich meine Extrahierbarkeit schnell?

Rufe die Seite mit deaktiviertem JavaScript oder per curl ab. Steht dein Kerntext im Ergebnis, ist die Basis da. Prüfe dann, ob jeder Abschnitt ohne seinen Nachbarn verständlich ist.

Weiterlesen

RAG
RAG (Retrieval-Augmented Generation) ergänzt ein Sprachmodell um eine Suchstufe: Vor der Antwort werden passende Textstellen abgerufen und dem Modell mitgegeben. Für Webseiten heißt das: klare, aktuelle, kurze Abschnitte.
Pagebuilder-Ablösung
Warum Elementor, Divi & Co. Performance und GEO behindern — und wie Migration Inhalte behält, aber sauberes Markup schafft.
GEO
GEO (Generative Engine Optimization) ist die Optimierung von Inhalten dafür, in den Antworten generativer KI-Systeme genannt und zitiert zu werden — nicht nur in den zehn blauen Links. Extrahierbare Fakten, klare Entities und saubere Technik zählen mehr als Keyword-Dichte.
Markdown-Negotiation
Bei Markdown-Negotiation liefert ein Server unter derselben URL HTML oder Markdown, je nachdem, was der Client im Accept-Header anfordert. KI-Agenten erhalten so reinen Text mit Struktur, Menschen weiterhin die normale Seite.
Pagebuilder
Ein Pagebuilder ist ein visuelles Layout-Werkzeug für CMS wie WordPress, etwa Elementor, Divi oder WPBakery. Per Drag-and-drop gebaut, erzeugt er oft tief verschachteltes HTML, das Ladezeit und KI-Extraktion belastet.
SSR
SSR (Server-Side Rendering) erzeugt das HTML einer Seite auf dem Server pro Anfrage, statt es dem Browser per JavaScript zusammenbauen zu lassen. Crawler, Assistenten und Nutzer erhalten den Inhalt sofort im ersten Response.
Agent-Ready-Score
Der Agent-Ready-Score (0–100) bewertet, wie gut eine Webseite für KI-Crawler und Assistenten nutzbar ist: Auffindbarkeit, Inhalt für Agenten und Bot-Zugangsregeln — gemessen über mehrere Seiten, nicht nur die Startseite.
SSR/SSG-Stack
Warum servergerendertes und statisch generiertes HTML die Basis für Performance, Crawlability und KI-Extraktion ist — und warum eine reine React-SPA für Marketingseiten meist nicht reicht.
Direct Answer
Ein Direct Answer ist die kompakte, in sich geschlossene Antwort auf die Hauptfrage einer Seite — sichtbar im ersten Block, typisch 40–80 Wörter. Er macht eine Seite für Menschen, Snippets und KI-Assistenten sofort zitierfähig.
AI-Readiness deutscher Dienstleister-Webseiten — Studie, Zahlen und Handlungsbedarf
Empirische Auswertung von 6.675 Live-Audits: Agent-Ready-Scores, llms.txt, Markdown-Negotiation und Crawl-Signale bei Physiotherapie, Steuerberatung, Coaching, Psychologie, Fotografie und weiteren Dienstleistern in Deutschland — mit Interpretation für GEO, AIO und Webseite-Modernisierung.
QI-GEO — Query-Implied Generative Engine Optimization
Technischer Leitfaden zu Query-Implied GEO: Intent aus der Dokumentstruktur ableiten, Wissenslücken schließen und Zitationsdichte in generativen Suchmaschinen maximieren — ohne explizite Ziel-Queries.
AI-Readiness von Physiotherapie-Webseiten — Branchenstudie
Empirische Branchenauswertung: 2854 Live-Audits zu Physiotherapie, Agent-Ready Ø 19/100, Fit Ø 81/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
AI-Readiness von Coaching-Webseiten — Branchenstudie
Empirische Branchenauswertung: 702 Live-Audits zu Coaching, Agent-Ready Ø 18/100, Fit Ø 82/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
AI-Readiness von Steuerberater-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1524 Live-Audits zu Steuerberater, Agent-Ready Ø 22/100, Fit Ø 78/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
AI-Readiness von Psychologie- und Therapie-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1272 Live-Audits zu Psychologie, Agent-Ready Ø 25/100, Fit Ø 75/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
AI-Readiness von Fotografie-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1262 Live-Audits zu Fotografie, Agent-Ready Ø 25/100, Fit Ø 75/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
AI-Readiness gemischter Dienstleister-Webseiten — Branchenstudie
Empirische Branchenauswertung: 1622 Live-Audits zu Dienstleistung, Agent-Ready Ø 22/100, Fit Ø 78/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
AI-Readiness von Gesundheitspraxis-Webseiten — Richtungsstudie
Empirische Branchenauswertung: 74 Live-Audits zu Gesundheitspraxis, Agent-Ready Ø 20/100, Fit Ø 80/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.
AI-Readiness von Handwerks-Webseiten — Richtungsstudie
Empirische Branchenauswertung: 35 Live-Audits zu Handwerk, Agent-Ready Ø 19/100, Fit Ø 81/100 — mit Vergleich zum DE-Querschnitt (9345 Audits, AR Ø 21) und Handlungsableitungen für GEO/AIO.