--- mpf: '0.7' title: AI-Readiness — ESFI Docs url: https://docs.esfi.eu/de/topics/ai-readiness/ mpf-url: https://docs.esfi.eu/de/topics/ai-readiness/index.mpf organization: European Strategy & Future Infrastructure domain: docs.esfi.eu lang: de updated: '2026-11-03' author: ESFI provenance: human source-hash: de8208098e522f672806be263d2dc84b28af4757f562de4633278cd1bbdefee8 toc: - level: 1 text: AI-Readiness id: ai-readiness - level: 2 text: Das Problem ist Veröffentlichung, nicht AI id: das-problem-ist-veröffentlichung-nicht-ai - level: 2 text: Maschinen sind bereits Ihre Leser id: maschinen-sind-bereits-ihre-leser - level: 2 text: Was eine Maschine nicht raten müssen sollte id: was-eine-maschine-nicht-raten-müssen-sollte - level: 2 text: Sauberer Text reicht nicht id: sauberer-text-reicht-nicht - level: 2 text: Eine Deklaration ist eine Quittung, niemals ein Urteil id: eine-deklaration-ist-eine-quittung-niemals-ein-urteil - level: 2 text: Offen by design, kein neuer Gatekeeper id: offen-by-design-kein-neuer-gatekeeper - level: 2 text: Maschinenlesbar darf keine Hintertür werden id: maschinenlesbar-darf-keine-hintertür-werden - level: 2 text: Was wir gebaut haben id: was-wir-gebaut-haben - level: 2 text: Wie wir gemeinsam daran arbeiten id: wie-wir-gemeinsam-daran-arbeiten - level: 2 text: Wo wir vorsichtig sind id: wo-wir-vorsichtig-sind - level: 2 text: Weiterführende Literatur id: weiterführende-literatur - level: 2 text: Änderungen an dieser Position id: änderungen-an-dieser-position - level: 2 text: Auf dieser Seite id: auf-dieser-seite spec-origin: esfi.eu content-origin: docs.esfi.eu content-id: esfi:page:topics-ai-readiness content-parity: html: true human-visible-source: true hidden-sections: false summary: Können Maschinen es so lesen, wie Sie es meinen? index: true confidence: probable content-type: analysis companion-footer: ESFI — civilization infrastructure · https://esfi.eu companion-contact: mailto:hermes@esfi.eu preferred-representation: mpf companion-scope: cite: true summarize: true train: true index: true relay: true language-variants: en: https://docs.esfi.eu/topics/ai-readiness/index.mpf fr: https://docs.esfi.eu/fr/topics/ai-readiness/index.mpf nl: https://docs.esfi.eu/nl/topics/ai-readiness/index.mpf de: https://docs.esfi.eu/de/topics/ai-readiness/index.mpf hr: https://docs.esfi.eu/hr/topics/ai-readiness/index.mpf mpf-id: 5281320d6fd993d80c3d3a773d0639744227003b74fbccef72dcf3ef4aea1f5d --- Sprache ✕ /de/topics/ai-readiness/index.mpf[Datei öffnen ↗](/de/topics/ai-readiness/index.mpf)[Spezifikation ↗](/de/standards/mpf/0.7)✕ wird geladen… # AI-Readiness {#ai-readiness} **Können Maschinen es so lesen, wie Sie es meinen?** Eine öffentliche Institution veröffentlicht eine neue Fassung einer Verordnung mit dem klaren Hinweis, dass die vorherige Fassung nicht mehr gilt. Eine Woche später fragen Bürger einen AI-Assistenten nach den Regeln. Die Antwort zitiert die alte Fassung. In einem anderen Fall mischt der Assistent die englische Seite mit einer veralteten Übersetzung und präsentiert das Ergebnis als Position der Institution. In einem dritten fasst er einen zur Konsultation veröffentlichten Entwurf zusammen, als wäre er final. Die Institution hat nach den Standards des Webs nichts falsch gemacht. Ihre Seiten sind korrekt, klar geschrieben und für Menschen leicht zu lesen. Aber die Maschinen, die sie lesen, mussten raten, welches Dokument aktuell war, welche Übersetzung äquivalent war und welcher Text maßgeblich war. Sie rieten falsch. Das ist das Problem, das wir mit AI-Readiness meinen. Es geht nicht darum, besondere Inhalte für AI zu produzieren. **Es ist eine Eigenschaft der Art, wie öffentliche Information veröffentlicht wird: ob eine Maschine erkennen kann, was sie liest, welche Version aktuell ist und was der Publisher beabsichtigt, ohne es rekonstruieren zu müssen.** Für uns ist das ein Veröffentlichungsproblem, und Publisher können es lösen. Unsere Position ist einfach zu formulieren. **Öffentliche Information sollte Maschinen nicht zum Raten zwingen.** Die Entscheidungen, die zählen — welche Ressource das ist, welche Repräsentation maßgeblich ist, wer dahintersteht, wie aktuell sie ist — sollten von Maschineninferenz in Deklarationen verlagert werden, die der Publisher kontrolliert. * * * ## Das Problem ist Veröffentlichung, nicht AI {#das-problem-ist-veröffentlichung-nicht-ai} Ein großer Teil der Diskussion über AI-Readiness beginnt beim Modell. Wie machen wir unsere Inhalte für AI attraktiv? Wie optimieren wir für Antworten statt Suchergebnisse? Wir beginnen beim Publisher. Institutionen veröffentlichen bereits maßgebliche Information über Schnittstellen, die für Menschen und Browser gestaltet wurden. Ein Mensch kann normalerweise erkennen, welcher Teil einer Seite das Dokument und welcher Navigation ist, welche Version aktuell ist, welche Sprache er liest und welche Organisation dahintersteht. Eine Maschine kann dieselben Wörter extrahieren und dennoch jede dieser Beziehungen verpassen. Zwei Maschinen, die dieselbe Site lesen, können zu unterschiedlichen Schlüssen darüber kommen, welche Adresse kanonisch ist, ob zwei Seiten dasselbe Dokument sind, ob eine eine Übersetzung der anderen ist und ob das Gelesene noch gültig ist. Nichts davon ist ein Fehler des Modells. Es ist eine Lücke in der Schnittstelle, die die Institution veröffentlicht. ## Maschinen sind bereits Ihre Leser {#maschinen-sind-bereits-ihre-leser} Jede öffentliche Institution hat jetzt eine neue Klasse routinemäßiger Leser. Sie hat nicht darum gebeten und ihre Publikation in den meisten Fällen nicht darauf angepasst. **Wir betrachten Maschinenleser als First-Class Clients öffentlicher Information.** Das bedeutet nicht, eine zweite Website für AI zu bauen oder für Maschinen anders zu schreiben als für Menschen. Es bedeutet, eine maschinenorientierte Repräsentation als Teil derselben Ressource zu veröffentlichen und die Beziehung zwischen beiden explizit zu machen. Eine menschliche Seite und ihre Maschinenrepräsentation können denselben Inhalt tragen, ohne dieselbe Datei zu sein. Entscheidend ist, dass die Beziehung deklariert wird: Dies ist dasselbe logische Dokument, dies ist seine kanonische menschliche Adresse, dies ist seine Maschinenadresse, und so verhalten sich beide zueinander. Wenn diese Beziehungen implizit bleiben, muss jedes nachgelagerte System selbst entscheiden. Wenn sie deklariert sind, entscheidet der Publisher. ## Was eine Maschine nicht raten müssen sollte {#was-eine-maschine-nicht-raten-müssen-sollte} Wir verwenden den Ausdruck **machine publishing contract** für die minimale Menge an Deklarationen, mit der eine Maschine eine öffentliche Ressource identifizieren und verwenden kann, ohne die Absicht des Publishers rekonstruieren zu müssen. In der Praxis umfasst er sechs Fragen. **Identität.** Welches logische Dokument ist dies, unabhängig von der Adresse, von der es abgerufen wurde, der Sprache, in der es vorliegt, und der Datei, in der es ankam? **Discovery.** Wo liegt die Maschinenrepräsentation? Eine Maschine sollte sie über einen deklarierten Entry Point finden können, statt URL-Varianten zu probieren und zu hoffen. **Provenienz.** Was sagt der Publisher darüber, wie der Inhalt erzeugt wurde und wer dahintersteht? **Processing Scope.** Was beabsichtigt der Publisher, dass eine Maschine damit tut: zitieren, zusammenfassen, indexieren, weiterleiten, für Training nutzen? Eine öffentliche Adresse bedeutet, dass eine Ressource erreichbar ist. Für sich allein drückt sie nicht die Bedingungen aus, die der Publisher an ihre Nutzung knüpft. **Parität.** Wie verhält sich die Maschinenrepräsentation zu dem, was ein Mensch sieht? Wenn sie Material enthält, das kein menschlicher Leser sieht, sollte das deklariert sein. Sonst kann maschinenexklusiver Inhalt Autorität erlangen, die niemand geprüft hat. **Aktualität.** Ist dies noch die Version, hinter der der Publisher steht? Hat sich die Quelle verändert, seit die Repräsentation erzeugt wurde? Ist sie aktuell, ersetzt oder historisch? Jede dieser Fragen kann ein Publisher mit wenigen deklarierten Feldern beantworten. Unbeantwortet wird jede davon zu einer Vermutung, die jedes System, das die Seite liest, separat anstellt. ## Sauberer Text reicht nicht {#sauberer-text-reicht-nicht} Ein häufiger erster Schritt zu AI-Readiness ist, neben HTML sauberen Text, oft Markdown, anzubieten. Das ist nützlich. Es reduziert Rauschen und Parsingkosten. Es beantwortet keine der sechs Fragen oben. Eine saubere Datei sagt weiterhin nicht, welches Dokument sie repräsentiert, ob sie der menschlichen Seite entspricht, ob sie aktuell ist oder was der Publisher beabsichtigt. Sie macht Extraktion leichter. Sie macht die Publikationsgrenze nicht explizit. Der Vertrag um den Text herum ist das, was eine lesbare Datei in verlässliche Infrastruktur verwandelt. ## Eine Deklaration ist eine Quittung, niemals ein Urteil {#eine-deklaration-ist-eine-quittung-niemals-ein-urteil} Dies ist die wichtigste Grenze in unserer Arbeit an maschinenlesbarer Publikation und diejenige, die am leichtesten verloren geht. Ein Provenienzfeld zeichnet auf, wie der Publisher den Ursprung eines Dokuments beschreibt. Es beweist Urheberschaft nicht. Ein Hash zeigt, ob sich Inhalt verändert hat. Er zeigt nicht, dass der Inhalt wahr ist. Eine Signatur zeigt, dass ein bestimmter Schlüssel eine bestimmte Datei signiert hat. Sie zeigt nicht, dass die Aussagen darin korrekt sind. Eine Processing Preference erklärt Absicht. Sie kann ein entferntes System nicht zwingen, ihr zu folgen. Ein Validierungscheck kann bestätigen, dass eine Datei wohlgeformt, aktuell und mit der menschlichen Seite konsistent ist. Er kann keine Richtigkeit, Neutralität oder rechtliche Korrektheit zertifizieren. **Eine Deklaration ist eine Quittung, niemals ein Urteil.** Maschinenlesbar bedeutet nicht wahr. Das ist wichtig, weil Systeme, die öffentliche Information konsumieren, zunehmend danach handeln. Ein System, das eine Publisher-Deklaration nicht von einem unabhängig verifizierten Fakt unterscheiden kann, gibt diese Verwirrung an alle weiter, die sich auf seine Antworten verlassen. Gute Maschinenpublikation gibt solchen Systemen, was sie zum Urteilen brauchen: präzise Deklarationen, klar gekennzeichnet, mit sichtbaren Grenzen jedes Signals. Sie ersetzt ihr Urteil nicht und sollte es nicht versuchen. Dasselbe gilt für die Institutionen selbst. Eine Organisation, die maschinenlesbare Deklarationen veröffentlicht, braucht Menschen, die beurteilen können, wozu diese Deklarationen sie verpflichten und wozu nicht. ## Offen by design, kein neuer Gatekeeper {#offen-by-design-kein-neuer-gatekeeper} Eine Institution ist nicht AI-ready, wenn ihre Maschinenschnittstelle davon abhängt, dass ein Modellanbieter eine private Konvention versteht oder ein einzelner Serviceprovider ihre Dateien prüft. Der Vertrag muss offen und unabhängig von einem bestimmten Consumer nutzbar sein. Deshalb folgt unser Ansatz zu Standards einem festen Muster: das fehlende Stück identifizieren, eine offene Spezifikation veröffentlichen, eine Referenzimplementierung bauen, sie auf unserer eigenen Infrastruktur betreiben und das Ergebnis inspizierbar machen. Das prägt auch, wie wir über Validierung denken. Unabhängige Checks sind wertvoll: ob eine Datei wohlgeformt ist, ob sie der menschlichen Seite entspricht, ob sie noch aktuell ist, ob ein Zitat auflöst. Aber ein Publisher muss eine gültige Maschinenrepräsentation veröffentlichen können, ohne jemanden um Erlaubnis zu fragen, und ein Leser muss sie nutzen können, ohne einen zentralen Dienst aufzurufen. **Validierung sollte einen Nachweis dessen erzeugen, was geprüft wurde, nicht Autorität über die Quelle.** Wir arbeiten in diesem Raum nicht allein. [robots.txt](https://www.rfc-editor.org/rfc/rfc9309.html) drückt seit Langem Crawler-Präferenzen aus. Der [llms.txt](https://llmstxt.org/)\-Vorschlag bietet einen leichtgewichtigen Entry Point für Sprachmodelle. [TDMRep](https://www.w3.org/community/reports/tdmrep/CG-FINAL-tdmrep-20240202/) bietet ein Protokoll, um den Vorbehalt für Text- und Data-Mining maschinenlesbar auszudrücken, den das europäische Urheberrecht Rechteinhabern erlaubt. [RSL](https://rslstandard.org/) bietet eine Möglichkeit, Lizenzbedingungen für AI-Nutzung zu veröffentlichen. [Arbeiten bei der IETF zu AI-Präferenzen](https://datatracker.ietf.org/wg/aipref/about/) zielen auf ein gemeinsames Vokabular für Nutzungspräferenzen. [C2PA](https://c2pa.org/) definiert Content Credentials für die Provenienz von Medien. Jedes davon adressiert einen Teil des Problems. Unsere Arbeit liegt auf zwei Ebenen. Ihr **Scope** ist ein machine publishing contract: Identität, Repräsentation, Publisher-Deklarationen und Discovery, mit Processing Scope als einem Teil davon. Ihr **Beitrag** ist der Teil, den die anderen am wenigsten definieren: die deklarierte Beziehung zwischen einer menschlichen Seite und ihrer Maschinenrepräsentation. **Ein Standard für Maschinenpublikation sollte keinen neuen Gatekeeper im Namen der Beseitigung einer alten Abhängigkeit schaffen.** ## Maschinenlesbar darf keine Hintertür werden {#maschinenlesbar-darf-keine-hintertür-werden} Eine für Maschinen entworfene Repräsentation kann auch gegen sie verwendet werden. Strukturierte Metadaten können Anweisungen tragen. Maschinenexklusive Abschnitte können Text enthalten, den kein Mensch je sieht. Ein Publisher in böser Absicht kann versuchen, ein konsumierendes System über genau die Schnittstelle zu steuern, die es verlässlicher machen sollte. Deshalb behandeln wir alles, was ein Publisher einer Maschine sagt, als Absicht, nicht als Befehl. Ein konsumierendes System sollte die Anweisung eines Publishers lesen können, während seine eigenen Sicherheitsregeln und die Prioritäten seines Operators darüber stehen bleiben. Paritätsdeklarationen existieren teilweise aus diesem Grund: Inhalte, die nur Maschinen sehen können, sollten als solche sichtbar sein. **Maschinenlesbare Publikation darf kein Prompt-Injection-Privileg werden.** ## Was wir gebaut haben {#was-wir-gebaut-haben} Machine Page Format (MPF) ist unsere implementierte Ausprägung dieser Position. Eine Seite veröffentlicht einen MPF-Companion neben ihrem HTML. Der Companion trägt strukturierte Deklarationen und einen sauberen Body: Identität, Sprache und Übersetzungen, Provenienz, einen Fingerprint der Quelle, Parität mit der menschlichen Seite, Processing Scope, Aktualitätssignale und einen Zeiger auf die Spezifikation, der er folgt. Eine Site veröffentlicht einen maschinenlesbaren Index, damit Companions ohne Raten entdeckt werden können. MPF ist als offene Spezifikation mit einer Referenzimplementierung veröffentlicht. Wir veröffentlichen MPF auf unserer eigenen Weblandschaft, einschließlich dieser Site, und nutzen seine Ausgabe selbst. Die Spezifikation, Veröffentlichungskonventionen und das Register inspizierbarer Implementierungen sind unter [Machine Page Format (MPF)](/de/standards/mpf) dokumentiert. MPF begann bewusst mit statischen Seiten. Statische Ausgabe kann inspiziert, gecacht, archiviert und von einfacher Infrastruktur ohne proprietären Client ausgeliefert werden. Sie ist nicht die Antwort für jede Art von Ressource. Datensätze, Live-Dienste und Medien werfen andere Fragen auf, und **eine neue Ressourcenklasse sollte ihren eigenen Vertrag erhalten, wenn ihre Bedeutung wirklich anders ist**, statt ein Format zu dehnen, bis es vage wird. ## Wie wir gemeinsam daran arbeiten {#wie-wir-gemeinsam-daran-arbeiten} Unsere Arbeit an AI-Readiness mit einem Partner beginnt bei seiner Publikation, nicht bei einem bestimmten AI-System. **Die Site so lesen, wie eine Maschine es tut.** Identifizieren, wo Identität, Aktualität, Übersetzungen und Autorität implizit sind und wo Maschinen wahrscheinlich raten. **Entscheiden, was die Institution deklarieren will.** Welche Dokumente maßgeblich, welche Entwürfe oder historisch sind, welche Verarbeitung sie zulassen will und wer hinter den Deklarationen steht. **Den Vertrag veröffentlichen.** Mit offenen Formaten, erzeugt als Teil des normalen Veröffentlichungsprozesses, damit die Maschinenrepräsentation nicht still von der menschlichen Seite abdriften kann. **Urteilsfähigkeit hinterlassen.** Die Institution soll mit Menschen enden, die verstehen, wozu ihre Deklarationen sie verpflichten, und das nächste Tool-, Standard- oder Anbieterkonzept selbst beurteilen können. Wenn wir gemeinsam mit einem Partner eine Publikationslandschaft betrachten, arbeiten wir typischerweise diese Fragen durch: | Frage | Was sie sichtbar macht | | --- | --- | | Welche Dokumente dürfen Maschinen niemals falsch verstehen? | Wo Präzision am wichtigsten ist. | | Wie würde eine Maschine wissen, welche Version aktuell ist? | Ob Aktualität deklariert oder geraten wird. | | Wie sind Übersetzungen mit dem Original verbunden? | Ob Äquivalenz explizit ist. | | Wer steht hinter jeder Deklaration? | Provenienz und Verantwortlichkeit. | | Welche Verarbeitung will die Institution zulassen? | Ob Scope angegeben oder Interpretation überlassen ist. | | Kann die Maschinenversion unbemerkt von der menschlichen Seite abdriften? | Wo stille Divergenz entstehen kann. | | Was hängt von einem einzelnen Anbieter oder Dienst ab? | Ob die Schnittstelle selbst offen ist. | ## Wo wir vorsichtig sind {#wo-wir-vorsichtig-sind} Wir halten uns an einige Verpflichtungen darüber, was wir behaupten. Wir präsentieren AI-Readiness nicht als AI Safety. Sie misst nicht, wie robust ein Modell ist, ob ein AI-System rechtmäßig ist oder ob seine Antworten korrekt sind. Wir behaupten nicht, dass Metadaten etwas erzwingen. Eine deklarierte Präferenz erklärt Absicht; sie bindet kein entferntes System und ersetzt nicht das Recht. Wir behandeln eine Deklaration nicht als Beweis. Provenienz-, Confidence- und Scope-Felder sind das, was ein Publisher sagt, und wir kennzeichnen sie entsprechend. Wir behaupten für MPF keine Fähigkeiten, die seine Implementierung nicht besitzt. Die Spezifikation beschreibt, was die Referenzimplementierung tatsächlich produziert, und nichts darüber hinaus. Und wir bitten Maschinen nicht, uns automatisch zu vertrauen. Unser Ziel ist enger: die Publikationsgrenze explizit genug zu machen, dass eine Maschine sie nicht erfinden muss. * * * ## Weiterführende Literatur {#weiterführende-literatur} - [Richtlinie (EU) 2019/790, Artikel 4](https://eur-lex.europa.eu/eli/dir/2019/790/oj), über Text- und Data-Mining und den Vorbehalt von Rechten mit maschinenlesbaren Mitteln. - [Coalition for Content Provenance and Authenticity (C2PA), technische Spezifikation](https://spec.c2pa.org/specifications/). - [Der llms.txt-Vorschlag](https://llmstxt.org/). - ESFI, [Spezifikation 0.7](/de/standards/mpf/0.7) des Machine Page Format. **Verwandte Themen:** [Souveränität](/de/topics/sovereignty) · [Fähigkeitstransfer](/de/topics/capability-transfer) · [Machine Page Format (MPF)](/de/standards/mpf) * * * ## Änderungen an dieser Position {#änderungen-an-dieser-position} - 24. September 2026 — Erstmals veröffentlicht. Materielle Änderungen werden hier mit Datum aufgeführt. Korrekturen an Formulierungen oder Links nicht. ## Auf dieser Seite {#auf-dieser-seite} ESFI — civilization infrastructure · https://esfi.eu