# Beckmann AI – Vollständiger Inhalt

> Ein Blog über KI, Machine Learning und angewandte Sprachmodelle – strukturiert so, dass Menschen und KI-Systeme die Inhalte gleichermaßen gut lesen können.

Generiert: 2026-06-06. Enthält 3 Beiträge.

# Markdown als Single Source of Truth
> Warum content-zentrierte Architekturen mit Markdown die beste Grundlage für Websites sind, die sowohl für Menschen als auch für LLMs optimiert sind.
- URL: https://beckmann.ai/blog/markdown-als-quelle
- Autor: Brian Beckmann
- Veröffentlicht: 2026-05-24
- Tags: Markdown, Content Collections, Architektur

---

Die zentrale Designentscheidung dieses Blogs: **Der Inhalt lebt als Markdown**,
nicht als HTML oder als Datensatz in einer Datenbank. Aus dieser einen Quelle
werden alle Ausgabeformate abgeleitet.

## Ein Inhalt, viele Formate

Aus jeder Markdown-Datei entstehen:

- eine semantische **HTML-Seite** für Menschen und Suchmaschinen,
- ein **Roh-Markdown-Endpunkt** (`.md`) für Sprachmodelle,
- ein Eintrag in **`llms.txt`** und **`llms-full.txt`**,
- ein Item im **RSS-Feed** und in der **Sitemap**.

Weil alles aus derselben Datei generiert wird, können die Formate nicht
auseinanderdriften.

## Typsicherheit durch Schema

Astros Content Collections validieren jede Frontmatter gegen ein Zod-Schema.
Fehlt ein Pflichtfeld oder hat ein Datum das falsche Format, schlägt der Build
fehl – nicht erst die Produktion. Das hält die Metadaten, auf die LLMs sich
verlassen, verlässlich sauber.

## Weniger Magie, mehr Determinismus

Statische Generierung bedeutet: Was der Crawler sieht, ist exakt das, was im
Build erzeugt wurde. Kein clientseitiges Rendering, keine Hydration-Lücken,
keine Inhalte, die erst nach JavaScript-Ausführung erscheinen. Für KI-Systeme,
die HTML oft ohne JavaScript-Engine verarbeiten, ist das entscheidend.


---

# Strukturierte Daten: JSON-LD für KI-Crawler
> Wie Schema.org-Auszeichnung mit JSON-LD die Maschinenlesbarkeit deiner Inhalte verbessert und welche Felder für Blogbeiträge wirklich zählen.
- URL: https://beckmann.ai/blog/strukturierte-daten-fuer-ki
- Autor: Brian Beckmann
- Veröffentlicht: 2026-05-18
- Tags: JSON-LD, Schema.org, SEO, KI

---

Semantisches HTML ist die Basis – aber explizite, maschinenlesbare Metadaten
heben die Verständlichkeit auf eine neue Stufe. **JSON-LD** (JSON for Linking
Data) ist das von Suchmaschinen und zunehmend auch von KI-Systemen bevorzugte
Format.

## Warum JSON-LD statt Microdata?

JSON-LD lebt in einem einzigen `<script type="application/ld+json">`-Block und
ist damit vom sichtbaren Markup entkoppelt. Das hat zwei Vorteile:

- **Saubere Trennung**: Das HTML bleibt schlank, die Metadaten sind an einer
  Stelle gebündelt.
- **Einfaches Parsen**: Ein Crawler liest ein einziges JSON-Objekt, statt
  verschachtelte Attribute aus dem DOM zu rekonstruieren.

## Die wichtigsten Felder für einen Blogbeitrag

Für den Typ `BlogPosting` zählen vor allem:

| Feld | Zweck |
| --- | --- |
| `headline` | Titel des Beitrags |
| `description` | Kurzzusammenfassung |
| `datePublished` | Veröffentlichungsdatum (ISO 8601) |
| `dateModified` | Letzte Änderung |
| `author` | Person oder Organisation |
| `keywords` | Themen-Tags |

## Konsistenz ist entscheidend

Die JSON-LD-Angaben müssen mit dem sichtbaren Inhalt übereinstimmen. Ein Modell,
das Widersprüche zwischen Markup und Metadaten erkennt, gewichtet beide Quellen
ab. Deshalb generiert dieser Blog das JSON-LD aus denselben Frontmatter-Daten,
die auch die sichtbare Seite speisen – eine einzige Quelle der Wahrheit.


---

# llms.txt – ein Standard für KI-lesbare Websites
> Was der llms.txt-Standard ist, warum er existiert und wie du ihn nutzt, damit Sprachmodelle deine Inhalte zuverlässig verstehen.
- URL: https://beckmann.ai/blog/llms-txt-erklaert
- Autor: Brian Beckmann
- Veröffentlicht: 2026-05-12
- Aktualisiert: 2026-05-20
- Tags: llms.txt, KI, Web-Standards

---

Große Sprachmodelle (LLMs) konsumieren Websites zunehmend direkt – beim
Training, in Retrieval-Pipelines und über agentische Browser. Klassisches
HTML ist dafür suboptimal: Navigation, Werbung und Skripte verwässern den
eigentlichen Inhalt. Der **llms.txt-Standard** löst dieses Problem.

## Was ist llms.txt?

`llms.txt` ist eine Markdown-Datei im Wurzelverzeichnis einer Website. Sie
gibt Sprachmodellen eine kuratierte, hierarchische Übersicht der wichtigsten
Inhalte – vergleichbar mit `robots.txt` für Crawler oder `sitemap.xml` für
Suchmaschinen, aber ausdrücklich für die maschinelle Lektüre durch LLMs
gedacht.

Eine minimale `llms.txt` besteht aus:

1. Einem H1 mit dem Namen des Projekts.
2. Einem kurzen Blockquote als Zusammenfassung.
3. Optionalen Abschnitten mit Links zu Markdown-Versionen der Inhalte.

## Warum nicht einfach HTML ausliefern?

Modelle verbrauchen Tokens. Jedes Navigationselement, jedes Tracking-Skript
und jede CSS-Klasse kostet Kontextfenster und Rechenleistung. Markdown ist
dichter, eindeutiger und enthält bereits die semantische Struktur, die ein
Modell zur Gliederung braucht.

> Faustregel: Wenn ein Mensch den Inhalt in einem Reader-Modus angenehm liest,
> liest ihn auch ein LLM gut.

## Praktische Umsetzung

Dieser Blog stellt drei Dinge bereit:

- `/llms.txt` – die kuratierte Übersicht aller Beiträge.
- `/llms-full.txt` – der vollständige Volltext aller Beiträge in einer Datei.
- `/blog/<slug>.md` – die rohe Markdown-Quelle jedes einzelnen Beitrags.

So kann ein Agent mit einem einzigen Request entweder einen Überblick oder den
kompletten Korpus abrufen.