Markdown for Agents ist eine Methode, KI-Agenten Seiteninhalte in einem leichten Textformat bereitzustellen. Content Signals ermöglichen es hingegen, Regeln für deren Nutzung zu deklarieren. In PrestaShop lohnt es sich, diese Lösungen mit aktuellen Produktdaten und gutem SEO zu verbinden. Jede löst jedoch ein anderes Problem — keine von ihnen allein sorgt dafür, dass ein Shop von KI empfohlen wird.
Markdown for Agents: weniger Code, mehr Informationen
Ein Agent, der Produkte vergleicht, benötigt den Namen, Parameter, Preis und die Verfügbarkeit, nicht aber Menüs, Skripte oder sich wiederholende Template-Elemente. Modelle können HTML verarbeiten, doch bereinigtes Markdown kann die Menge unnötiger Daten reduzieren. Dabei bleiben Überschriften, Listen, Tabellen und Links erhalten.
Cloudflare zeigte das Ausmaß des Unterschieds am eigenen Artikel: 16.180 Token in HTML gegenüber 3150 in Markdown, also etwa 80 % weniger. Das ist das Ergebnis einer konkreten Seite, keine Garantie für jeden Shop. Die Einsparung hängt vom Template, vom Inhalt und von der Art der Token-Zählung ab. Sieh dir das Beispiel von Cloudflare an.
Wie stellt man Shop-Inhalte Agenten bereit?
Einer der Mechanismen ist die Formatverhandlung: Der Client sendet Accept: text/markdown, und der Server, der dies unterstützt, gibt Content-Type: text/markdown zurück. Ein normaler Nutzer erhält weiterhin HTML. Der Header Vary: Accept signalisiert Caches, dass die Antwort vom angeforderten Format abhängt. So funktioniert der Dienst Markdown for Agents von Cloudflare, der nach seiner Aktivierung HTML konvertiert.
Man kann auch separate .md-Adressen bereitstellen und sie als alternative Versionen der Seite angeben. Der Vorschlag llms.txt ergänzt diesen Mechanismus um einen kurzen Leitfaden mit einer Beschreibung der Website und Links zu detaillierten Dokumenten. Das ist ein Hinweis für die Agenten, die sie bedienen, kein Ersatz für eine Sitemap und kein verpflichtender Standard aller Suchmaschinen.
Content Signals: Suche, Antworten oder Training?
Die Content Signals Policy trennt drei Anwendungsfälle von Inhalten, die leicht fälschlich in einen einzigen „KI“-Topf geworfen werden:
search — Aufbau eines Indexes und Darstellung von Ergebnissen mit Links und kurzen Ausschnitten; umfasst keine von KI generierten Zusammenfassungen.ai-input — Übergabe von Inhalten an ein Modell als Material für Antworten, z. B. im RAG-Mechanismus, der während der Bearbeitung einer Anfrage Informationen aus Quellen abruft.ai-train — Training oder Feinabstimmung von Modellen auf Inhalten.
Eine beispielhafte Deklaration, die Suche und Nutzung in Antworten erlaubt, aber Training ausschließt, sieht so aus:
Content-Signal: search=yes, ai-input=yes, ai-train=no
In der robots.txt sollte ein solcher Eintrag in die entsprechende Gruppe zusammen mit einer Beschreibung der Richtlinie eingebettet werden, wobei die bisherigen Shop-Regeln beibehalten werden. Das Weglassen des Signals bedeutet keine Zustimmung — es bedeutet das Fehlen einer Deklaration in diesem Mechanismus. Content Signals sind keine technische Sperre für das Abrufen und ersetzen keine Zugriffskontrolle.
Hinweis zu Cloudflare: Laut der Dokumentation des Dienstes fügt die Markdown-Konvertierung standardmäßig yes für alle drei Anwendungsfälle hinzu, wenn der Ursprungsserver den Header Content-Signal nicht setzt. Prüfe daher nicht nur die robots.txt, sondern auch die endgültigen Response-Header.
Was sollte in PrestaShop zuerst optimiert werden?
Die praktische Reihenfolge der Arbeiten sollte mit der Qualität der Informationen beginnen und erst danach mit dem Format:
- Beschreibe das Produkt eindeutig. Gib Modell, SKU oder EAN, Einheiten und Merkmale der Variante an. Statt „hohe Leistung“ schreibe konkret, was das Produkt kann und wofür es geeignet ist.
- Achte auf Aktualität. Der Preis muss eine Währung und Informationen zur Steuer enthalten, und die Verfügbarkeit muss die richtige Variante betreffen. Berücksichtige die Aktualisierung von Cache und Indizes nach Änderungen.
- Füge Einkaufskontext hinzu. Veröffentliche konkrete FAQ-Antworten sowie Liefer- und Rückgabebedingungen. Trenne Kundenbewertungen von Herstellerparametern.
- Wahre Konsistenz und Datenschutz. Die Markdown-Version sollte dem öffentlichen Angebot in der jeweiligen Sprache entsprechen, auf die Originalseite verweisen und keine Konto- oder Warenkorbdaten offenlegen.
- Prüfe die tatsächliche Antwort. Vergleiche HTML und Markdown nach dem Durchlauf durch das CDN. Verifiziere Preise, Links sowie, ob ein erlaubter Agent nicht statt des Inhalts eine Sperrseite erhält.
Wie hilft PD Markdown4Agents Pro?
Unser PD Markdown4Agents Pro für PrestaShop erstellt Dokumente aus Shop-Daten und nicht aus dem gesamten gerenderten Template. Es unterstützt Produkte, Kategorien, CMS-Seiten und Hersteller; bei Produkten berücksichtigt es u. a. Preise, Verfügbarkeit, Merkmale und Kombinationen. Es stellt .md-Adressen und optional eine Formatverhandlung bereit.
Es generiert außerdem llms.txt sowie llms-full.txt — in diesem Modul ist Letzteres ein erweiterter Index mit Zusammenfassungen und Links und kein zusammengeklebter Block vollständiger Beschreibungen. Nach Aktivierung entsprechender Integrationen bindet es den Blog ph_simpleblog, FAQ und Bewertungen aus unterstützten Modulen ein. Es ermöglicht die Verwaltung von Content Signals in der robots.txt. Die Statistiken zeigen Inhaltsabrufe, nicht die Anzahl der Zitate durch KI.
Verbessert Markdown SEO und GEO?
Markdown ist eine technische Erleichterung, kein Versprechen für Rankings. Google verlangt keine speziellen KI-Dateien und kein zusätzliches Schema.org-Markup für die Präsenz in AI Overviews und AI Mode. Weiterhin zählen Verfügbarkeit, Indexierung, hilfreiche Inhalte und Datenkonsistenz.
In der Praxis lohnt es sich, GEO, also die Optimierung für generative Antworten, auf Fakten zu stützen, die leicht auffindbar und zitierbar sind. Behalte gutes HTML sowie mit dem Angebot übereinstimmende strukturierte Schema.org-Daten in PrestaShop bei und betrachte Markdown als zusätzliche Möglichkeit, dieselben verlässlichen Informationen bereitzustellen.
Kommentare (0)