BringMeUp

Methodology · transparent

Wie wir KI-Readiness berechnen

6 Kategorien, 14 Findings, gewichteter Score. Kein Black-Box, kein Marketing-Trick. Wir zeigen alle Hebel.

Die 6 Kategorien

Schema (20%)

Organization, FAQPage, LocalBusiness, Author/Person, canonical+hreflang. Strukturierte Daten sind LLM-Pflicht.

Content (20%)

Tiefe (>800 Worte/Page), FAQ-Sections, Author-Bylines, frische Updates. Dnne Pages werden selten zitiert.

Authority (20%)

Wikidata Q-Item, Wikipedia, Knowledge-Graph-Panel, sameAs-Netzwerk (8+ Profile), Press-Coverage in LLM-Korpora.

Geo (15%)

LocalBusiness pro Niederlassung, geo.latitude/longitude, OpeningHours. Pflicht fuer 'Branche [Stadt]'-Queries.

AI-Presence (15%)

Real-Time-Mention-Tests in ChatGPT, Perplexity, Claude, Gemini. Sehen 4 LLMs deine Brand in Branche-Anfragen?

Performance (10%)

LCP <2.5s, robots.txt-Permissions fuer GPTBot/ClaudeBot/PerplexityBot, Crawl-Budget.

Score-Skala

BereichGradeInterpretation
90-100A+KI nennt dich als erste Empfehlung in deiner Branche
80-89AKI nennt dich oft, aber selten als #1
70-79BKI nennt dich gelegentlich, mit Verzoegerung
55-69CKI sieht dich, zitiert dich aber selten
40-54DKI weiss dass es dich gibt — mehr nicht
0-39FKI ist unsicher ob es dich gibt

Was wir NICHT messen

  • · Conversion-Raten — das ist Tool deiner Wahl, nicht unseres
  • · Brand-Sentiment in KI-Antworten — kommt in Welle 2-N
  • · Klassische SEO-Rankings — Wir sind GEO, nicht SEO
  • · Markenwerte / qualitatives Brand-Equity — subjektiv

Caveat

Score sind Schaetzungen, basierend auf oeffentlich crawlbaren Daten. Wir koennen private Sitemaps oder behind-the-paywall Content nicht sehen. LLMs aendern sich — was heute zaehlt, kann morgen weniger relevant sein. Wir aktualisieren Gewichtungen quartalsweise.

Fragen, Bug-Reports, Methodology-Verbesserungen: hi@bringmeup.ai