Fallstudie Datura: Wie eine Berliner Beratung für Naturrisiken für KI-Assistenten auffindbar wird

Datura, eine Berliner Beratung für Natur- und Klimarisiken in der Finanzbranche, hat mit Context Studios ihre Website so umgebaut, dass Google und KI-Assistenten wie ChatGPT oder Perplexity ihr Fachwissen finden, verstehen und zitieren können. Statt 0 gibt es jetzt 10 Seiten, die je eine konkrete Kundenfrage direkt beantworten, 59 Seiten, die KI-Assistenten als reinen Text lesen können, und eine Beschreibung für Google auf 100 % statt 10 % der Seiten.

Die neue Website steht fertig auf einer Testumgebung (Staging); der Go-live bei Datura steht noch aus. Diese Fallstudie zeigt deshalb, was gebaut wurde und wie wir die Wirkung messen werden – keine vorweggenommenen Ergebnisse.

Kurzantwort: Was hat das Projekt verändert?

Die Ausgangsfrage war einfach: Wenn eine Bank einen KI-Assistenten fragt, wer Daten zu Naturrisiken liefert, soll in der Antwort „Datura“ stehen. Dafür reicht eine schöne Website nicht. Ein KI-Assistent braucht Seiten, die eine Frage im ersten Satz beantworten, Zahlen mit Quelle und eine Struktur, die Maschinen ohne Rätselraten lesen können.

Genau das haben wir gebaut, in vier Schritten:

1. Zuhören: die bestehende Website geprüft und gemeinsam mit Datura die Fragen gesammelt, die ihre Kunden stellen.
2. Antworten bauen: für jede Kernfrage eine eigene Antwortseite, dazu ein Glossar und eine Methodik-Seite.
3. Fakten prüfen: jede Zahl gegen die Originalquelle abgeglichen, bevor sie auf die Seite durfte.
4. Übergeben: alles so aufbereitet, dass KI-Assistenten es lesen können und Datura es selbst pflegt.

Diese Zahlen beschreiben die Website selbst, nicht ihre Sichtbarkeit. Ob Datura in KI-Antworten tatsächlich häufiger genannt wird, messen wir nach dem Go-live.

Ausgangslage: Fachwissen, das online kaum jemand fand

Datura GmbH sitzt in Berlin und berät Banken, Vermögensverwalter und Pensionsfonds zu Natur- und Klimarisiken: Wie stark hängt ein Kreditbuch von Wasser, Böden oder Wäldern ab? Wie bewertet man Entwaldungsrisiken im Portfolio? Was erwarten die europäischen Aufsichtsbehörden? Das Fachwissen dafür war vorhanden, mit eigener Forschung und erfahrenen Leuten. Nur die Website erzählte davon weder Google noch ChatGPT.

Unser Audit der alten Seite ergab ein typisches Bild für spezialisierte Beratungen:

• Keine Seite beantwortete die Fragen, die Banken stellen. Die Inhalte waren nach Leistungen gegliedert, nicht nach Fragen.
• Auf 9 von 10 Seiten fehlte die Beschreibung für Google (Meta-Description). Suchmaschinen mussten selbst raten, worum es geht.
• Keine Datei für KI-Assistenten: Eine llms.txt gab es nicht, ebenso wenig strukturierte Daten nach Schema.org, die Organisation, Leistungen und Fragen maschinenlesbar beschreiben.

Nichts davon ist ein Vorwurf an das Design. Die Seite war für Menschen gemacht, die Datura bereits kennen. Für Menschen, die mit einer Frage in einen KI-Assistenten starten, war sie unsichtbar.

Die Idee: Antwortseiten für die Fragen, die Banken KI-Assistenten stellen

Wer heute in einer Bank zu Naturrisiken recherchiert, fragt oft zuerst einen KI-Assistenten. Diese Assistenten suchen nicht nach Schlagworten, sondern nach Passagen, die eine Frage klar beantworten. Forschende aus Princeton und anderen Einrichtungen haben dieses Feld 2023 als „Generative Engine Optimization“ (GEO) beschrieben: Inhalte so gestalten, dass generative Suchsysteme sie aufgreifen und als Quelle nennen (Aggarwal et al., GEO: Generative Engine Optimization).

Daraus folgte unser Grundsatz für Datura: eine Seite pro Frage. Jede Antwortseite trägt die Frage als Überschrift, beantwortet sie in den ersten Sätzen und belegt die Antwort mit Zahlen samt Quelle und Jahr. Ein Beispiel für die Art von Frage, um die es geht: „Wer liefert Daten zu Naturrisiken für Banken und Investoren?“

Auf dieser Seite steht zum Beispiel, dass knapp 75 % der Unternehmenskredite von Banken im Euroraum an Firmen gehen, die stark von mindestens einer Ökosystemleistung abhängen. Die Zahl stammt aus einem Papier der Europäischen Zentralbank (EZB Occasional Paper Nr. 380, 2025) und steht mit Quelle und Jahr auf der Seite. Ein KI-Assistent kann sie übernehmen, ohne den Zusammenhang erst rekonstruieren zu müssen.

Umsetzung in vier Schritten

1. Zuhören

Am Anfang stand kein Keyword-Tool, sondern ein Gespräch. Wir haben die bestehende Website technisch und inhaltlich geprüft und mit Datura die Fragen gesammelt, die Kundinnen und Kunden tatsächlich stellen: zu Entwaldungsrisiken, Wasserrisiken, den Erwartungen von EBA und EZB, zu Berichtsstandards wie TNFD und CSRD. Aus diesen Fragen wurde die Struktur der neuen Seite.

Eine Leitplanke galt von Beginn an: Wir erfinden nichts. Wo Inhalte fehlten, haben wir eine sichtbar markierte Lücke gelassen und Datura um Zulieferung gebeten. Fachliche Aussagen stammen von Datura, nicht von uns.

2. Antworten bauen

Für jede Kernfrage entstand eine eigene Antwortseite mit festem Aufbau: Frage als Überschrift, Kurzantwort, belegte Kennzahlen, Fachbegriffe mit Verweis ins Glossar, ein Abschnitt mit häufigen Fragen und eine Quellenliste. Dazu kamen zwei Seiten, auf die alle Antworten verweisen:

• Ein Glossar mit Definitionen der wichtigsten Fachbegriffe, jede mit Primärquelle und Datum. Jeder Begriff hat eine eigene Adresse, damit ein KI-Assistent genau diese Definition zitieren kann.
• Eine Methodik-Seite, die Daturas Vorgehen Schritt für Schritt beschreibt.

Vergleiche mit Wettbewerbern kommen ohne Anbieternamen aus. Das war Daturas Wunsch und passt zum Ziel: Die Seite soll Datura erklären, nicht andere.

3. Fakten prüfen

Eine Website, die von KI-Assistenten zitiert werden soll, darf keine falschen Zahlen enthalten, denn genau diese Zahlen würden weiterverbreitet. Deshalb haben wir jede Statistik vor der Veröffentlichung gegen die Originalquelle abgeglichen.

Dabei fielen zwei vertauschte Quellen und ein falsches Jahr auf: Angaben, bei denen der Link zu einer anderen Studie führte als angegeben, und ein Papier, das auf das falsche Erscheinungsjahr datiert war. Alles wurde gefunden und korrigiert, bevor es online ging. Für eine Beratung, deren Geschäft auf belastbaren Daten beruht, ist dieser Schritt kein Detail, sondern Teil der Glaubwürdigkeit.

4. Übergeben

Der letzte Schritt war die technische Schicht, die Menschen nicht sehen, KI-Assistenten und Suchmaschinen aber sehr wohl:

• llms.txt: eine Datei im Stammverzeichnis, die einem Sprachmodell in Kurzform sagt, was Datura ist und welche Seiten es lesen sollte. Das Format ist ein offener Vorschlag (llmstxt.org), kein Standard, aber schnell gebaut.
• .md-Zwillinge: Jede Antwortseite, jeder Glossarbegriff und die Methodik gibt es zusätzlich als reinen Text im Markdown-Format, ohne Navigation, Skripte und Gestaltung. Hängt man .md an die Adresse, bekommt man den Inhalt pur.
• Strukturierte Daten nach Schema.org: Organisation, Fragen und Antworten (FAQPage), Fachbegriffe (DefinedTerm) und die Seitenhierarchie sind maschinenlesbar ausgezeichnet.
• Ein maschinenlesbares Firmenprofil mit Positionierung, Adresse und Team, damit Suchsysteme Datura eindeutig als Organisation erkennen.
• Eine klare Regel für KI-Crawler: Die Testumgebung bleibt für alle Crawler gesperrt; sobald dieselbe Seite unter der echten Adresse läuft, sind Such- und KI-Crawler ausdrücklich erlaubt. Dafür ist beim Go-live keine Code-Änderung nötig.

„Übergeben“ heißt auch: Datura soll die Seite selbst pflegen können. Im Redaktionssystem gibt es dafür eigene Bausteine für Kurzantworten, Kennzahlen mit Pflicht-Quellenfeld und Fragen mit Antworten. Zitate lassen sich nur veröffentlichen, wenn sie ausdrücklich freigegeben sind. Ein Redaktionsleitfaden direkt im System erklärt die drei Regeln: nichts erfinden, jede Zahl mit Quelle, Zitate erst nach Freigabe.

Ergebnis: eine Website für Menschen und für KI

Dieselben Inhalte funktionieren jetzt zweimal: als gut lesbare Seite für Menschen und als klare Antwort, die ein KI-Assistent übernehmen und zitieren kann. In Zahlen, gemessen an der fertigen Seite auf der Testumgebung:

• 0 → 10 Seiten, die eine Kundenfrage direkt beantworten
• 0 → 59 Seiten, die KI-Assistenten direkt als Text lesen können
• 10 % → 100 % der Seiten mit einer Beschreibung für Google

Ansprechpartner auf Kundenseite ist Malte Hessenius, COO von Datura.

Zum Stand, ehrlich formuliert: Die neue Website ist gebaut und auf staging.datura.io abgenommen. Unter datura.io läuft derzeit noch die alte Seite. Wann der Wechsel erfolgt, entscheidet Datura. Bis dahin ist die neue Seite für Suchmaschinen gesperrt und kann deshalb noch nichts bewirken. Wir versprechen keine Platzierungen und keine Nennungen in KI-Antworten. Wir messen sie.

„Die Zusammenarbeit mit Context Studios an unserer Website war sehr reibungslos. Sie haben unser SEO und AEO verbessert, und die Übergabe war so sauber, dass wir jetzt alles selbst pflegen können. Über das Projekt hinaus waren sie ein großartiger Sparringspartner für unsere nächsten KI-Schritte.“

— Malte Hessenius, COO, Datura

Wie wir messen

Damit sich nach dem Go-live überhaupt etwas belegen lässt, braucht es einen Ausgangswert. Deshalb lief Ende September 2026, vor dem Go-live, eine Nullmessung:

• 8 Fragen, wie Banken und Investoren sie zu Naturrisiken stellen,
• gestellt an 4 KI-Tools,
• jede Frage in 3 Durchläufen, weil KI-Antworten von Anfrage zu Anfrage schwanken,
• zusammen also 96 Abfragen. Festgehalten wird jeweils, ob Datura genannt oder als Quelle verlinkt wird.

Die Auswertung dieser Messung veröffentlichen wir hier bewusst nicht. Sie ist der Vergleichspunkt für die Wiederholungen nach dem Go-live, die wir in den kommenden Wochen und Monaten durchführen. Erst der Vergleich sagt etwas aus.

Der Messplan beantwortet drei Fragen:

1. Nennen ChatGPT, Perplexity und die KI-Antworten von Google Datura bei den Fragen, für die es jetzt eine Antwortseite gibt?
2. Erscheinen die Antwortseiten bei Google für genau diese Fragen?
3. Kommen darüber neue Anfragen von Banken und Investoren?

Ein Hinweis zur Einordnung: Google schreibt selbst, dass es für die KI-Übersichten und den KI-Modus der Suche keine zusätzlichen Anforderungen und keine besonderen Optimierungen gibt; es gelten die bekannten SEO-Grundlagen (Google Search Central, „AI features and your website“). Deshalb war ein großer Teil des Projekts klassische Sorgfalt: klare Seiten, saubere Beschreibungen, belegte Inhalte. Die maschinenlesbare Schicht kommt hinzu, ersetzt diese Grundlagen aber nicht.

Was andere Beratungen daraus lernen können

Datura ist ein Fall aus der nachhaltigen Finanzwirtschaft, das Muster passt aber auf viele spezialisierte Beratungen, ob in der Finanzbranche, im Recht oder in der Industrie. Fünf Punkte lassen sich übertragen:

1. Mit den Fragen der Kunden anfangen, nicht mit Keywords. Die beste Liste an Fragen haben Ihre eigenen Leute aus Vertrieb und Beratung. Ein Workshop mit ihnen ersetzt viele Stunden Keyword-Recherche.
2. Im ersten Satz antworten. Eine Seite, die erst nach drei Absätzen zur Sache kommt, wird von einem KI-Assistenten selten zitiert. Frage als Überschrift, Antwort direkt darunter.
3. Jede Zahl mit Quelle und Jahr. Gerade in regulierten Branchen ist eine falsche Zahl teurer als keine. Der Faktencheck gehört vor die Veröffentlichung, nicht danach.
4. Die technische Schicht ist der kleinere Teil. llms.txt, Markdown-Fassungen und strukturierte Daten sind schnell gebaut, wenn die Inhalte sauber sind. Ohne saubere Inhalte helfen sie wenig.
5. Vor dem Go-live messen. Wer keinen Ausgangswert hat, kann später nicht sagen, was sich verändert hat. Eine Nullmessung mit festen Fragen, mehreren Tools und Wiederholungen kostet wenig und macht Ergebnisse belastbar.

Wenn Sie prüfen möchten, wie Ihre eigene Website in KI-Antworten dasteht, beschreibt unsere Leistung GEO- und AEO-Optimierung das Vorgehen. Den größeren Rahmen, von der Strategie bis zur Umsetzung, finden Sie unter KI-Beratung; wenn Sie in der Hauptstadt sitzen, unter KI-Beratung Berlin. Die Kurzfassung dieses Kundenfalls steht auch auf unserer Startseite.

FAQ

Was bedeutet KI-Sichtbarkeit oder GEO?

GEO steht für Generative Engine Optimization: Inhalte so aufzubereiten, dass KI-Assistenten wie ChatGPT, Perplexity oder die KI-Antworten von Google sie finden, verstehen und als Quelle nennen. Kern sind Seiten, die eine konkrete Frage sofort beantworten, belegte Zahlen und eine maschinenlesbare Struktur. Klassische Suchmaschinenoptimierung bleibt die Grundlage.

Ist die neue Datura-Website schon live?

Noch nicht. Die neue Seite ist auf staging.datura.io gebaut und abgenommen, unter datura.io läuft noch die alte Seite. Den Zeitpunkt des Wechsels bestimmt Datura. Die Testumgebung ist für Suchmaschinen gesperrt; die Freigabe für Such- und KI-Crawler greift automatisch, sobald die Seite unter der echten Adresse läuft.

Welche Ergebnisse hat das Projekt bisher gebracht?

Messbar verändert hat sich die Website selbst: 10 statt 0 Seiten, die eine Kundenfrage direkt beantworten, 59 statt 0 Seiten, die KI-Assistenten als Text lesen können, und 100 % statt 10 % der Seiten mit Beschreibung für Google. Ob Datura dadurch häufiger in KI-Antworten genannt wird, zeigt erst der Vergleich mit der Nullmessung nach dem Go-live.

Braucht jede Website eine llms.txt?

Nein, sie ist kein Muss. llms.txt ist ein offener Vorschlag, kein verbindlicher Standard, und Google nennt für seine KI-Funktionen keine besonderen Anforderungen. Die Datei ist aber mit wenig Aufwand gebaut und gibt Sprachmodellen eine klare Übersicht über die wichtigsten Seiten. Wichtiger sind gute Inhalte; die Datei ist eine Ergänzung.

Lässt sich das Vorgehen auf andere Beratungen übertragen, und was kostet es?

Ja. Das Muster aus Fragen sammeln, Antwortseiten bauen, Fakten prüfen und vor dem Go-live messen funktioniert für jede Beratung mit erklärungsbedürftigem Fachwissen, besonders in der Finanzbranche. Projektpreise nennen wir nicht pauschal, weil Umfang und Ausgangslage stark variieren: Sie erhalten einen Festpreis nach Scoping, das Angebot in 48 Stunden. Sprechen Sie uns über die Kontaktseite an.

Quellen

• Aggarwal, P. et al.: GEO: Generative Engine Optimization, arXiv 2311.09735, 2023
• Europäische Zentralbank: Occasional Paper Series Nr. 380, „Nature at risk“, 2025
• Google Search Central: AI features and your website, abgerufen am 2. November 2026
• The /llms.txt file, Vorschlag für eine Übersichtsdatei für Sprachmodelle, abgerufen am 2. November 2026
• Schema.org: FAQPage und DefinedTerm
• Projektzahlen: eigene Prüfung von datura.io und staging.datura.io, September 2026