Schweizer Web-Studie

Warum diese Studie?

Die Schweizer Web-Studie untersucht, welche technischen Grundlagen Schweizer Websites für Suchmaschinen und KI-Systeme bereitstellen. Können diese erkennen, wer hinter einer Website steht und was sie anbietet? Gibt es klare Überschriften und Seitenbeschreibungen? Und legt die Website fest, welche automatisierten Programme ihre Inhalte abrufen dürfen?

Untersucht wurden 2'459'124 .ch-Domains aus der Domainliste von SWITCH. Davon waren 1'742'537 aktiv. Für 1'463'577 Websites konnte eine erfolgreich geladene Seite ausgewertet werden. Das entspricht dem technischen Status HTTP 200. Auf diese auswertbaren Websites beziehen sich die Ergebnisse, sofern keine andere Vergleichsbasis angegeben ist.

Die Studie erfasst öffentlich sichtbare technische Merkmale. Sie bewertet weder die Qualität einzelner Unternehmen noch, ob ein KI-System eine Website empfiehlt oder zitiert.

Wichtigste Ergebnisse

1. Kaum eine Website steuert, welche KI-Systeme ihre Inhalte lesen dürfen. Nur 2,1% blockieren mindestens einen untersuchten KI-Crawler (wie GPTBot oder ClaudeBot) per robots.txt. 97,9% enthalten keine solche explizite Sperre.
2. Nur wenige Websites erklären KI-Systemen, wer sie sind und was sie anbieten. 15,2% haben eine llms.txt, eine Datei für genau diesen Zweck. Davon sind jedoch 33,9% automatisch von Wix erzeugte Standarddateien. Nach Abzug dieser erkannten Automatik bleiben 10,1%.
3. Wenige Websites liefern Suchsystemen maschinenlesbare Informationen zu Unternehmen oder Angeboten. 25,2% verwenden strukturierte Daten, aber nur 2,7% enthalten geschäftsrelevante Typen wie Firmenadresse oder Produktangebote.
4. Grundlegende Seitenbeschreibungen fehlen bei der Mehrheit. 56,2% haben keine Meta-Description, den Kurztext, der in Suchergebnissen erscheint. 55,9% haben keine Hauptüberschrift (H1) und 19,1% kein HTTPS.
5. Jede fünfte Website ist nicht für Mobilgeräte vorbereitet. 22,5% der analysierbaren .ch-Websites haben kein Viewport-Meta-Tag, ein grundlegendes Signal für die Darstellung auf Smartphones.

Fazit

Das Schweizer Web ist auf die KI-Suche noch unzureichend vorbereitet. Viele .ch-Websites sind zwar erreichbar, erklären im Code aber zu selten, wer hinter der Website steht, was angeboten wird und ob KI-Crawler die Inhalte nutzen dürfen. Die grössten Lücken liegen bei einfachen Grundlagen: verständliche Seitenbeschreibungen, klare Überschriften, mobile Darstellung, strukturierte Daten und explizite Regeln für KI-Crawler.

Datenstand: 22. April 2026. → Methodik & Grenzen

1. Neun Kernerkenntnisse

KI-Bereitschaft

SEO-Grundlagen

Infrastruktur & Technik

2. KI-Bereitschaft im Detail

Wie gut sind Schweizer Websites auf KI-Suchsysteme wie ChatGPT, Gemini, Claude, Copilot, Perplexity und Google KI-Übersichten vorbereitet? Wir haben sechs Metriken gemessen.

Was bedeuten diese Zahlen?

Strukturierte Daten (25,2%): Schema.org-Markup gibt Maschinen strukturierte Hinweise zu Inhalt, Organisation und Angeboten einer Website. Ohne strukturierte Daten müssen Such- und KI-Systeme solche Informationen aus unstrukturiertem Inhalt ableiten. 369'375 Websites haben dieses Markup. 74,8% nicht.

robots.txt (72,0%): Die robots.txt-Datei steuert, welche Crawler eine Website besuchen dürfen. Fast drei Viertel haben eine, aber die meisten stammen von CMS-Installationen und enthalten keine erkennbare spezifische KI-Crawler-Konfiguration. Nur 2,1% blockieren mindestens einen untersuchten KI-Crawler per Disallow: /.

H1-Struktur: 34,3% haben genau eine H1-Überschrift (korrekt). 55,9% haben keine H1 (818'620 Websites ohne Hauptüberschrift). 9,7% haben mehrere H1 (142'252 Websites), was die Struktur verwässert. Für Suchmaschinen und KI-Systeme erschwert das die Erkennung des Hauptinhalts.

KI-Crawler-Blockierung (2,1%): Nur 30'628 Websites blockieren mindestens einen untersuchten KI-Crawler wie GPTBot, ClaudeBot oder Google-Extended per Disallow: /. Weitere 28'285 blockieren alle Bots pauschal. Das bedeutet: 97,9% der Schweizer Websites haben in der robots.txt keine explizite Blockierung der untersuchten KI-Crawler hinterlegt.

3. Das llms.txt-Problem: Anspruch und Wirklichkeit

Die Datei llms.txt wurde als Standard vorgeschlagen, mit dem Websites KI-Systemen kompakte Hinweise zu Identität, Angebot und relevanten Inhalten geben können.

Was Wix generiert

Wix platziert auf allen gehosteten Websites automatisch eine identische llms.txt-Datei. 91,2% aller Schweizer Wix-Websites (75'457 von 82'746) haben diese Datei. Sie enthält:

• Einen Verweis auf /_api/mcp (Wix-interne Schnittstelle)
• Den Hinweis "Powered by Wix"
• Keine unternehmensspezifischen Informationen
• Keinen menschlich verfassten Inhalt

Die Datei ist über unterschiedliche Website-Typen hinweg identisch.

Was in eine gute llms.txt gehört

Eine gute llms.txt beschreibt in wenigen Sätzen, was das Unternehmen tut, welche Dienstleistungen es anbietet und für welche Region es relevant ist. Eine solche Datei kann KI-Systemen zusätzliche Hinweise zur Einordnung einer Website geben. Die 147'168 nicht als automatisch erkannten Dateien können solche unternehmensspezifischen Angaben enthalten. 10,1% bleibt ein tiefer Wert.

4. Strukturierte Daten: Was wird markiert?

Strukturierte Daten machen eine Website maschinenlesbar. Wir prüfen drei Formate: JSON-LD (eingebettete application/ld+json-Blöcke, heute der Standard), Microdata (itemtype-Attribute im HTML) und RDFa (vocab-Attribute). Alle drei nutzen das Schema.org-Vokabular, um Inhalte zu beschreiben, von der Firmenadresse bis zum Produktangebot.

25,2% der analysierbaren Websites verwenden mindestens eines dieser Formate. Welche Typen werden tatsächlich markiert?

Qualität: Generisch vs. geschäftsrelevant

Von den 369'375 Websites mit strukturierten Daten konnten 363'372 anhand ihrer Schema-Typen kategorisiert werden. Diese Typen wurden in drei Gruppen eingeteilt: generisch, kontextuell und geschäftsrelevant.

Alle Schema-Typen im Detail

Die Top-Typen: WebSite (250'986), WebPage (235'962), SearchAction (189'313) werden von WordPress-Plugins wie Yoast und RankMath automatisch eingefügt. Sie liefern nur begrenzte unternehmensspezifische Informationen.

Geschäftsrelevante Schema-Typen sind selten: LocalBusiness nur 18'284 Mal, Offer nur 10'567 Mal.

5. CMS-Verteilung der Schweiz

Welche Content-Management-Systeme verwenden Schweizer Websites? Bei der Mehrheit wurde kein CMS erkannt.

Anteil an 1'463'577 analysierten Websites. CMS-Erkennung via Generator-Meta-Tag und HTML-Muster.

Websites ohne erkanntes CMS

60,3% (883'059 Websites) laufen ohne erkennbares CMS. Dazu können statische HTML-Seiten, Custom-Builds, geparkte Domains oder nicht erkannte Systeme gehören.

WordPress dominiert die erkannten CMS

Von den 580'518 Websites mit erkennbarem CMS nutzen 64,6% WordPress, zwei von drei. In absoluten Zahlen: 374'841 Websites.

116'823 WordPress-Websites nutzen Elementor als Page Builder (31,2% aller WP-Sites), 33'273 verwenden Divi (8,9%). Zusammen setzen über 40% der Schweizer WordPress-Websites auf einen visuellen Page Builder statt auf das Standard-Editing.

DACH-Spezialitäten

TYPO3 mit 35'295 Websites (2,4%) und Contao mit 7'690 (0,5%) sind CMS aus dem deutschsprachigen Raum, die international kaum verbreitet sind. In der Schweiz belegen sie Platz 3 und 9. Damit sind deutschsprachige CMS in der Schweiz stärker vertreten, als ihr internationaler Marktanteil erwarten liesse.

6. E-Commerce: WooCommerce dominiert

WooCommerce wurde rund 16-mal häufiger erkannt als Shopify. 129'427 WooCommerce-Shops stehen 8'309 Shopify-Shops gegenüber. Das Verhältnis unterscheidet sich deutlich von den USA oder UK, wo Shopify stärker verbreitet ist.

Warum? WooCommerce ist ein WordPress-Plugin — und WordPress ist das Schweizer Standard-CMS. Die Studie misst die Ursache nicht; naheliegend sind bestehende WordPress-Installationen, Agenturpräferenzen und Anforderungen an Hosting- oder Datenkontrolle.

PrestaShop folgt mit 3'794 erkannten Shops.

7. SEO-Grundlagen

SEO-Grundelemente wie Title, Meta-Description, Canonical und Hreflang sind seit Langem etablierte Webstandards. Trotzdem fehlen sie auf der Mehrheit der analysierbaren Websites.

Fehlende Meta-Descriptions

56,2%, mehr als die Hälfte, haben keine Meta-Description. Die Meta-Description erscheint direkt im Google-Suchergebnis. Ohne Meta-Description wählen Suchsysteme den angezeigten Beschreibungstext selbst aus; dieser kann weniger präzise sein als eine vom Website-Betreiber formulierte Beschreibung. Nur 22,7% liegen im optimalen Bereich der Länge.

H1-Struktur

818'620 Websites haben keine einzige H1-Überschrift. Weitere 142'252 haben mehrere, was die Hierarchie verwässert. Nur jede dritte Website hat genau eine H1, die seit den Anfängen des Webs empfohlene Struktur.

Title-Tag: Länge entscheidet

Nur 445'015 Websites (30,4%) haben einen Title-Tag in der optimalen Länge von 30–60 Zeichen. 580'529 sind zu kurz, oft nur der Firmenname ohne Kontext. Google kann längere Titles über 60 Zeichen kürzen; 187'498 Websites sind davon betroffen.

Hreflang: Mehrsprachigkeit im Code

Mehrsprachige Websites können Hreflang nutzen, um Sprach- und Regionalversionen auszuzeichnen. Nur 10,7% der analysierbaren Websites verwenden Hreflang-Tags.

89,3% der analysierbaren Websites nutzen dieses Signal nicht.

8. Cookie-Banner: Wer nutzt was?

Seit der DSGVO und dem nDSG gehören Cookie-Banner zum Alltag im Web. Doch wie viele Schweizer Websites haben erkennbar eines, und welche Anbieter dominieren?

88,5% der Schweizer Websites zeigen kein erkennbares Cookie-Banner. Das kann mehrere Gründe haben: Kein Tracking eingebaut (kein Banner nötig), Cookie-Banner über JavaScript nachgeladen (vom Scanner nicht erkannt), oder kein erkennbares Consent-Management im statischen HTML.

Marktanteile der Cookie-Banner-Anbieter

CookieConsent ist der häufigste erkannte Anbieter mit 62'799 Websites — ein Open-Source-Plugin für WordPress. Dahinter folgen Complianz (22'642) und Cookiebot (19'860), zwei der bekanntesten kommerziellen Lösungen.

Auffällig: Enterprise-Lösungen wie OneTrust (4'123) und TrustArc (190) sind in der Schweiz seltener erkannt. Der Marktanteil konzentriert sich auf WordPress-kompatible Plugins.

9. Sprachen: Wer spricht was?

Welche Sprache deklarieren Schweizer Websites im HTML lang-Attribut?

Anteil der Websites mit gesetztem lang-Attribut. Viele Websites setzen kein lang-Attribut und fehlen hier.

"de" statt "de-CH"

Die häufigste Sprachdeklaration ist de (generisch Deutsch) mit 34,4%, viermal häufiger als de-CH (8,6%). Viele Websites mit deutscher Sprachdeklaration präsentieren sich sprachlich als "deutsch", nicht als "schweizerisch". Dadurch fehlt ein explizites Signal für regionale Sprachvarianten.

Englisch vor Schweizer Deutsch

Englisch (en: 9,4%) ist die zweithäufigste Sprache, noch vor de-CH. Das zeigt die internationale Ausrichtung vieler Schweizer Unternehmen, aber auch: Wer nur auf Englisch publiziert, setzt kein explizites Signal für lokale Sprachvarianten.

Französisch (fr + fr-FR zusammen: 11,8%): Französische Sprachdeklarationen erscheinen seltener als der Bevölkerungsanteil der Romandie vermuten liesse; daraus lässt sich ohne regionale Zuordnung aber keine direkte Unterversorgung ableiten.

10. Server-Technologie

Welche Webserver betreiben Schweizer Websites? Der HTTP-Server-Header verrät es.

11,9% der Websites geben keinen Server-Header an (hinter CDN, Proxy oder anderer Infrastruktur verborgen).

Apache und nginx dominieren den Schweizer Webserver-Markt: Apache mit 30,5%, nginx mit 30,1%. Zusammen stehen sie hinter 60,6% aller analysierbaren Websites.

Cloudflare ist mit 5,8% der häufigste CDN-/Reverse-Proxy-Hinweis im Server-Header. Pepyaka (5,6%) ist der Wix-eigene Server. Die Zahl liegt nahe am Wix-CMS-Anteil.

LiteSpeed erscheint bei 2,3% der analysierbaren Websites. Microsoft IIS erscheint bei 1,0%.

11. Infrastruktur

HTTPS-Nutzung

80,9% der Websites nutzen HTTPS, aber 19,1% sind in 2026 immer noch unverschlüsselt. 279'309 Websites nutzen kein HTTPS. Browser können HTTP-Seiten als unsicher kennzeichnen.

Mobile-Grundlagen: Viewport-Meta-Tag

22,5% der Websites haben keinen Viewport-Meta-Tag, ein grundlegendes Signal für responsive Darstellung. 329'372 Websites können auf Mobilgeräten fehlerhaft dargestellt werden.

Geschwindigkeit: 652ms Durchschnitt

Die durchschnittliche Antwortzeit beträgt 652 Millisekunden (Time to First Byte). Das ist der reine Serverwert, ohne Rendering, Bilder oder JavaScript. Eine TTFB unter 200ms gilt als schnell. 652ms deutet auf eine Mischung aus schnell antwortenden und langsam antwortenden Servern hin.

12. Fazit

Die Schweizer Web-Studie zeigt: Das Schweizer Web ist für die KI-Suche noch unzureichend vorbereitet. Viele .ch-Websites sind online und erreichbar, lassen im HTML aber offen, wer hinter der Website steht, was angeboten wird und wie Crawler mit den Inhalten umgehen sollen.

Besonders deutlich wird dies bei den Grundlagen. 56,2% der analysierbaren Websites haben keine Meta-Description, 55,9% keine H1-Überschrift und 22,5% kein Viewport-Meta-Tag. Nur 25,2% verwenden strukturierte Daten; geschäftsrelevante Schema-Typen wie LocalBusiness oder Offer kommen sogar nur auf 2,7% aller analysierbaren Websites vor.

Auch die Steuerung von KI-Crawlern ist kaum etabliert. 97,9% der analysierbaren Websites enthalten keine explizite robots.txt-Sperre für die untersuchten KI-Crawler. Eine llms.txt ohne erkannte Automatik bleibt mit 10,1% ebenfalls selten. Das bedeutet nicht, dass diese Websites automatisch schlecht sind oder von KI-Systemen ignoriert werden. Es zeigt aber, dass viele Schweizer Websites ihre Sichtbarkeit und Nutzung im KI-Web bisher kaum aktiv strukturieren.

Die Studie bewertet keine einzelnen Unternehmen und misst nicht, wie KI-Systeme diese Merkmale gewichten. Sie zeigt aber eine Lücke im Schweizer Web: Viele Websites verzichten auf einfache Angaben, die Suchmaschinen und KI-Crawler zuverlässig auslesen können.

14. Methodik

Datenquelle: Alle .ch-Domains aus der SWITCH-Zonendatei (DNS Zone Transfer, AXFR mit TSIG-Schlüssel, abgerufen am 12. April 2026). SWITCH verwaltet alle .ch-Domains der Schweiz.

Scanner: Asynchroner Python-Scanner (aiohttp + aiodns) mit 40 Datenpunkten pro Domain. Scannt die Homepage, robots.txt, llms.txt und Impressum/Datenschutz-Seiten. Kein JavaScript-Rendering. Reine HTML-Analyse. Concurrent Requests: 50, Timeout: 8 Sekunden.

KI-Crawler-Erkennung: 10 spezifische KI-Crawler werden in der robots.txt gesucht: GPTBot, ClaudeBot, CCBot, Google-Extended, Anthropic, ByteSpider, ChatGPT-User, AmazonBot, Cohere-AI, Meta-ExternalAgent. Nur Disallow: / zählt als Blockierung.

llms.txt-Klassifizierung: Wix-Auto-Generierung wird anhand von zwei Signaturen erkannt: "powered by Wix" und "/_api/mcp" im Dateiinhalt. Alle anderen llms.txt-Dateien gelten als nicht automatisch erkannt. Diese Dateien können weitere, nicht erfasste Formen automatischer Generierung enthalten.

CMS-Erkennung: Via <meta name="generator">-Tag und HTML-Muster (wp-content, data-drupal, wix.com, etc.). 14+ Plattformen erkannt, inklusive Page-Builder-Varianten (Elementor, Divi).

Scope: 2'459'124 Domains gescannt. 1'463'577 mit HTTP 200 und auswertbarem HTML analysiert. Alle Prozentwerte beziehen sich auf die 1'463'577 analysierbaren Websites mit HTTP 200 als Nenner.

Grenzen der Analyse

• Der Scanner analysiert HTML ohne JavaScript-Rendering. Websites, die Inhalte erst per JavaScript laden, werden unvollständig erfasst.
• CMS-Erkennung basiert auf Generator-Meta-Tags und HTML-Mustern. CMS ohne diese Merkmale werden nicht erkannt.
• Wix-generierte llms.txt-Dateien werden über die Signaturen "powered by Wix" und "/_api/mcp" erkannt. Andere automatisch generierte llms.txt-Dateien werden nicht als solche klassifiziert.
• KI-Crawler-Blockierung zählt nur, wenn ein genannter KI-Crawler in der robots.txt mit Disallow: / blockiert wird. Teilblockierungen werden nicht erfasst.
• Die Studie misst das Vorhandensein technischer Merkmale. Die Studie misst nicht, wie einzelne KI-Systeme diese Merkmale gewichten oder nutzen.
• Cookie-Banner, die erst nach JavaScript-Ausführung geladen werden, wurden nicht erfasst.
• Die Abwesenheit eines erkannten CMS bedeutet nicht zwingend, dass kein CMS verwendet wird.

Open Source: Der komplette Scanner-Code ist öffentlich verfügbar auf GitHub. Der Code ermöglicht eine methodische Prüfung und Wiederholung des Scans.

Zitierweise:

Daten & Reproduzierbarkeit

Korrekturen & Kontakt

Hinweise auf methodische Fehler, fehlende Kontextinformationen oder Korrekturvorschläge: E-Mail. Eingereichte Korrekturen werden geprüft und, falls relevant, in der Studie nachgeführt.