AI-Traffic messen: Welche KI-Bots besuchen Ihren Shop?

Warum AI-Traffic messen?

Wenn ChatGPT, Claude oder Perplexity Ihren Shop empfehlen, merken Sie das nicht in Google Analytics. KI-Assistenten besuchen Ihre Website über eigene Bots – und diese Besuche tauchen in klassischen Analytics-Tools nicht als „Traffic" auf. Trotzdem sind sie entscheidend: Jeder Bot-Besuch zeigt, dass eine KI-Plattform Ihre Inhalte aktiv indexiert.

AI-Traffic zu messen beantwortet drei zentrale Fragen:

1. Bin ich sichtbar? – Wenn kein KI-Bot crawlt, existiert Ihr Shop für KI-Assistenten nicht.
2. Welche Plattformen indexieren mich? – GPTBot (ChatGPT), ClaudeBot, PerplexityBot und andere haben unterschiedliche Reichweiten.
3. Wirken meine GEO-Maßnahmen? – Nach dem Erstellen einer llms.txt sollten die Bot-Besuche steigen.

Die wichtigsten KI-Bots im Überblick

Aktuell crawlen mindestens 13 KI-Bots regelmäßig das Web. Die wichtigsten für Shop-Betreiber:

Besonders relevant für E-Commerce: GPTBot, ChatGPT-User, PerplexityBot und ClaudeBot – diese Plattformen werden aktiv für Produktempfehlungen genutzt.

So erkennen Sie KI-Bots in Ihren Logs

KI-Bots identifizieren sich über ihren User-Agent-String in den Server-Logs. Jeder seriöse KI-Bot sendet einen eindeutigen Namen mit:

Der einfachste Weg, KI-Bot-Besuche zu finden, ist eine Suche in den Apache/Nginx-Access-Logs:

Das Problem: Bei Shared Hosting haben Sie oft keinen Zugriff auf die Raw-Logs. Und selbst mit Zugriff ist die manuelle Auswertung mühsam. Deshalb gibt es bessere Methoden.

3 Methoden zur AI-Traffic-Messung

Methode 1: Server-Log-Analyse (manuell)

Geeignet für Entwickler mit SSH-Zugang. Sie durchsuchen die Access-Logs nach Bot-User-Agents und aggregieren die Daten. Vorteile: maximale Kontrolle, keine Abhängigkeiten. Nachteile: zeitaufwändig, kein automatisches Monitoring, erfordert technisches Know-how.

Methode 2: JavaScript-Tracking-Snippet

Ein kleines Script auf Ihrer Website erkennt Bot-Besuche serverseitig und loggt sie. Die meisten KI-Bots führen kein JavaScript aus, daher muss die Erkennung auf Server-Ebene passieren – über den User-Agent im HTTP-Request. Diese Methode funktioniert auch auf Shared Hosting.

Methode 3: Dediziertes Bot-Tracking-Tool

Tools wie unser AI Bot-Statistiken-Dashboard sammeln, aggregieren und visualisieren Bot-Besuche automatisch. Sie sehen auf einen Blick: welche Bots kommen, wie oft, welche Seiten werden gecrawlt, und wie sich die Frequenz über Zeit entwickelt.

Welche Metriken zählen?

Nicht jeder Bot-Besuch ist gleich viel wert. Achten Sie auf diese Kennzahlen:

Crawl-Frequenz beschreibt, wie oft ein Bot Ihre Seiten besucht. Tägliche Besuche von GPTBot sind ein starkes Signal – Ihre Inhalte sind für OpenAI relevant. Wöchentliche Besuche sind normal. Keine Besuche bedeuten: Sie sind für diese Plattform unsichtbar.

Seitenabdeckung zeigt, welche URLs gecrawlt werden. Wenn nur die Startseite besucht wird, fehlen dem Bot Ihre Produktseiten. Ideal: der Bot crawlt Produkt- und Kategorieseiten gleichermaßen.

Response-Codes verraten technische Probleme. 200er-Codes sind gut. 403/429-Codes bedeuten: Ihr Server oder CDN blockiert den Bot. 404-Codes weisen auf tote Links in Ihrer Sitemap oder llms.txt hin.

Bot-Diversität misst, wie viele verschiedene KI-Plattformen Sie crawlen. Je mehr verschiedene Bots kommen, desto breiter ist Ihre KI-Sichtbarkeit. Ein Shop, den nur GPTBot besucht, ist nur für ChatGPT sichtbar – nicht für Claude, Perplexity oder Gemini.

Ergebnisse richtig interpretieren

Szenario 1: Kein einziger KI-Bot besucht mich

Das ist häufiger als gedacht. Mögliche Ursachen: Ihre robots.txt blockiert KI-Crawler, Ihre Website ist zu neu oder hat zu wenig externe Verlinkungen, oder Ihr CDN/WAF blockt Bots auf Server-Ebene. Erster Schritt: robots.txt prüfen.

Szenario 2: Nur 1–2 Bots kommen sporadisch

Sie sind teilweise sichtbar, aber noch nicht auf dem Radar aller Plattformen. Eine llms.txt kann hier den Durchbruch bringen: Sie gibt den Bots eine klare Struktur, was sie indexieren sollen. Nach dem Erstellen einer llms.txt steigt die Crawl-Frequenz erfahrungsgemäß innerhalb von 1–4 Wochen.

Szenario 3: Mehrere Bots crawlen regelmäßig

Ihre GEO-Strategie greift. Jetzt geht es darum, die Qualität zu optimieren: Sind die richtigen Seiten verlinkt? Werden Produktdaten korrekt erfasst? Prüfen Sie Ihre Schema.org-Qualität und stellen Sie sicher, dass Ihre llms.txt aktuell ist.

AI-Traffic jetzt messen

Statt mühsam Server-Logs zu parsen, nutzen Sie unser kostenloses Bot-Tracking:

Vom Messen zum Optimieren

AI-Traffic messen ist der erste Schritt. Die volle KI-Sichtbarkeit erreichen Sie mit dem kompletten GEO-Stack:

1. Messen – Bot-Statistiken einrichten, Baseline erstellen (→ Bot-Tracking)
2. Prüfen – robots.txt, Schema.org und bestehende llms.txt checken (→ KI-Audit)
3. Optimieren – llms.txt generieren, Schema vervollständigen (→ Generator)
4. Verteilen – Aktiv bei KI-Plattformen einreichen (→ AI Push)
5. Kontrollieren – Wöchentlich Bot-Frequenz und Seitenabdeckung prüfen