Experimentelle Projekte

Experimentelle Projekte, die von der Open LLMO Research Initiative veröffentlicht werden. Alle werden im Zustand Draft / Experimental ausgeliefert. Formaler Spezifikationsstatus wird auf Phase 3 verschoben.

Überblick

Projekt	Rolle	Analog	Status
1. LLMOFramework Score	KI-Auffindbarkeit einer Website messen	Lighthouse Score	Indikatoren werden entworfen (Draft v0.1 in Phase 1)
2. LLMOFramework Benchmark	Website-Strukturen experimentell vergleichen	Branchenstandard-Benchmark	In Planung (Phase 1-2)
3. LLMOFramework Compatible	Zertifizierungs-Badge für konforme Websites	”Certified”-Marke	Nur Roadmap (Phase 3)

---

1. LLMOFramework Score

Was er misst

Score pro Website, wie erkennbar, zitierbar und parseable der Inhalt für KI ist. Das Gegenstück zur SEO-Domain-Authority oder zum Lighthouse Score im KI-Zeitalter.

Kandidatenindikatoren (v0.1 Draft)

Indikator	Beschreibung
Citation Visibility	Ob der Inhalt von KI zitiert wird
Chunk Readability	Wie gut der Inhalt sich in Chunks teilt
Semantic Structure	Wie explizit die semantische Struktur ist
AI Crawlability	KI-Crawler-Kompatibilität
llms.txt	llms.txt-Konformität
Markdown Quality	Strukturelle Qualität
Entity Clarity	Leichtigkeit der Entity-Erkennung
Retrieval Stability	Retrieval-Konsistenz

Jeder Indikator wird mit Berechnungsformel und OSS-Checker-Code ausgeliefert. Lighthouse hat Vertrauen gewonnen, weil es messbar und reproduzierbar war, und dieses Projekt folgt demselben Prinzip.

Verwandtes OSS

llmo-checker ist für Phase 1 geplant.

npx llmo-checker https://example.com

LLMOFramework Score: 74

Citation Visibility: 81
Semantic Chunkability: 68
AI Readability: 77
Grounding Stability: 70

Status

Indikator-Definitionen werden entworfen. Veröffentlichung von Draft v0.1 ist für Phase 1 angepeilt (Zeitpunkt offen).

---

2. LLMOFramework Benchmark

Was er vergleicht

Experimenteller Vergleich, welche Website-Strukturen für KI am besten abschneiden. Da noch kein Standard-Benchmark für KI-Retrieval und Citation existiert, schlägt dieses Projekt zunächst eine Mess-Methodik vor.

Kandidaten-Vergleichsachsen

• Markdown vs HTML
• FAQ-Schema-Präsenz
• Tabellenstruktur
• Chunk-Größe
• Citation-Format
• Internes Linking
• GitHub-Integration
• llms.txt-Konformität
• MCP-Exposure

Veröffentlichungs-Politik

Jedes Experiment wird als Reproducible Benchmark Report auf GitHub und auf dieser Website ausgeliefert, einschließlich Datensatz, Mess-Skripten, Rohergebnissen und Evaluations-Prompts.

Status

Planungsphase. Das erste Vergleichsexperiment (Markdown vs HTML, Retrieval-Effizienz) ist für Phase 1 geplant.

---

3. LLMOFramework Compatible

Zweck des Badges

Zertifizierungsmarke für Websites, die der KI-optimierten Struktur entsprechen. Gedacht zur Anzeige durch SaaS, Dokumentationswebsites, OSS-Projekte und KI-Produkte.

Visuelles Konzept

[ LLMOFramework Compatible ]
[ AI Retrieval Ready ]
[ Grounding Optimized ]

Konformitätsanforderungen (Draft-Konzept)

Anforderung	Inhalt
llms.txt-Platzierung	Eine gültige llms.txt existiert im Site-Root
Semantic Structure	Hauptseiten erfüllen Heading-Hierarchie und semantisches HTML
Chunk Optimization	Hauptabschnitte passen in den empfohlenen Chunk-Größenbereich
Grounding-friendly Docs	Zitationen, Datenquellen und Aktualisierungsdaten sind explizit

Status

Nur Roadmap. Positioniert in Phase 3 (zuletzt). Die Gründe:

• Zertifizierung hängt von Ökosystem-Adoption ab, daher müssen Score und Benchmark zuerst reifen
• Eine Zertifizierung im Solo-Betrieb auszustellen liest sich als Autoritäts-Kostümierung und erodiert Vertrauen
• Das Compatible-Badge wird erst entworfen, nachdem die Open-Source-Community Third-Party-Adoption hervorgebracht hat

---

Mapping zu Phasen

Phase	Projektfortschritt
Phase 0 (aktuell)	Indikator-Entwurf, Veröffentlichung des Projekt-Konzepts
Phase 1	Score Draft v0.1, OSS llmo-checker, erster Benchmark Report
Phase 2	Score-Revision, kontinuierliche Benchmark-Updates, Community-Feedback-Integration
Phase 3	Compatible-Zertifizierungsdesign, formale Spezifikationen, Working-Group-Formation

Quellcode und Diskussion zu jedem Projekt sind öffentlich im GitHub-Repository und in den Issues.