Gesamtwert der KI-Bereitschaft
Zusammengefasster Wert aus allen Auditsignalen.
Ausgezeichnet
Audit der KI-Bereitschaft: 21.7.2026Öffentliche technische Daten
Gesamtbewertung der KI-Bereitschaft
Wie gut helicone.ai auf KI-Systeme vorbereitet ist
Helicone (helicone.ai) erreichte im automatisierten technischen Audit 75/100 Punkte bei der KI-Bereitschaft. llms.txt war erreichbar, llms-full.txt war nicht auffindbar und ai.txt war nicht auffindbar. Die robots.txt-Analyse ergab 0 ausdrücklich erlaubte und 0 blockierte KI-Crawler sowie 2 deklarierte Sitemaps. Die Vollständigkeit des Homepage-Markups lag bei 60%; es wurden keine Schema.org-Typen erkannt. Erkannte OpenGraph-Tags: 7. Die Ergebnisse entsprechen den öffentlich erreichbaren Antworten der Website zum Prüfzeitpunkt 2026-07-21T08:51:34.496Z.
Kontext der Bewertung
Die Prüfung kombiniert maschinenlesbare Dateien, Crawler-Regeln, Sitemaps und Homepage-Markup. llms.txt ist erreichbar und umfasst 621 Tokens.
robots.txt ist verfügbar; blockierte KI-Bots: 0. Deklarierte Sitemaps: 2. Keine Schema.org-Typen erkannt.
Mobiles Lighthouse-Profil: Performance 45/100, Barrierefreiheit 90/100, SEO 92/100.
Bestätigte Stärken
- llms.txt ist erreichbar
- Öffentliche Website-Struktur wurde geprüft
- 2 Sitemap-Angaben
- OpenGraph und Canonical-Signale wurden geprüft
Wichtige Verbesserungen
- 1llms-full.txt für ausführlicheren Kontext ergänzen.
- 2JSON-LD für Organisation, Website und Hauptentitäten ergänzen.
llms.txt-Tokens621
llms-full.txt-Tokens—
ai.txt
sitemap.xml
Technisches Profil von Google Lighthouse
Eine mobile Lighthouse-Messung. Die experimentelle Kategorie Agentic Browsing wird separat gezeigt und ersetzt nicht den LLMSMap-Gesamtwert.
45
Performance
90
Barrierefreiheit
92
Best Practices
92
Technisches SEO
67
Agentic Browsing
Bedeutung der Ergebnisse
Die mobile Performance liegt bei 45/100; der größte sichtbare Inhalt erschien nach 13.1 s und der Hauptthread war für 880 ms blockiert. Die Layout-Verschiebung betrug 0. Lange Aufgaben verzögern Eingaben von Nutzern und Browser-Agenten.
Barrierefreiheit: 90/100, Best Practices: 92/100, technisches SEO: 92/100. Die experimentelle Kategorie Agentic Browsing erreichte 67/100 und wird getrennt vom LLMSMap-Gesamtwert angezeigt.
1
Unnötig geladenen Code reduzieren
Ungenutztes CSS und JavaScript entfernen, schwere Widgets bei Bedarf laden und Drittanbieter-Skripte begrenzen.
2
Bilder und Ladereihenfolge optimieren
Passende moderne Bildformate ausliefern, das Hauptmotiv priorisieren und Inhalte unterhalb des ersten Bildschirms verzögert laden.
3
Netzwerkverzögerungen reduzieren
Serverantworten beschleunigen, unnötige Weiterleitungen entfernen und Komprimierung sowie Caching einsetzen.
4
Such- und Canonical-Signale präzisieren
Eindeutige Titel, Beschreibungen, Canonicals, Linktexte und Sprachbeziehungen prüfen.
FCP3.9 s
Erster Inhalt
LCP13.1 s
Hauptinhalt
CLS0
Layout-Stabilität
TBT880 ms
Blockierzeit
SI4.3 s
Visuelle Geschwindigkeit
Metrik-Glossar
- FCP · Erster Inhalt
- Zeit bis zum ersten sichtbaren Text oder Bild.
- LCP · Hauptinhalt
- Zeit bis zum größten sichtbaren Element.
- CLS · Layout-Stabilität
- Unerwartete Verschiebungen beim Laden; niedriger ist besser.
- TBT · Blockierzeit
- Zeit, in der der Hauptthread nicht schnell reagieren konnte.
- SI · Visuelle Geschwindigkeit
- Wie schnell sich der sichtbare Bereich mit Inhalt füllte.
21.7.2026Lighthouse 13.4.0Mobiles Profil
Prüfungen der KI-Bereitschaft
Maschinenlesbare Dateien, Crawler-Regeln, Discovery und Homepage-Markup.
llms-full.txt
Vollständige Version wurde nicht gefunden
ai.txt
ai.txt wurde nicht gefunden
Sitemap in robots.txt2
2 Sitemaps gefunden
Schema.org (JSON-LD)
Keine Schema.org-Auszeichnung auf der Startseite gefunden
OpenGraph60%
7 OpenGraph-Tags gefunden
Zugriff von KI-Bots
Basierend auf der robots.txt-Analyse
GPTBotNicht erwähnt
OAI-SearchBotNicht erwähnt
ChatGPT-UserNicht erwähnt
Google-ExtendedNicht erwähnt
ClaudeBotNicht erwähnt
Claude-SearchBotNicht erwähnt
Claude-UserNicht erwähnt
BytespiderNicht erwähnt
CCBotNicht erwähnt
PerplexityBotNicht erwähnt
Perplexity-UserNicht erwähnt
Sitemaps
Deklarierte Discovery-Routen für Crawler und Agenten.
OpenGraph-Tags
Auf der Startseite gefundene Metadaten für Social-Media-Vorschauen.
og:titleHeliconeog:descriptionAI Gateway & LLM Observabilityog:urlhttps://www.helicone.aiog:site_nameHelicone.aiog:localeen_USog:typewebsite# Helicone > Helicone is an open-source observability platform for LLM users. It helps companies monitor usage, latency, and costs for AI models like GPT-3, enabling optimization of AI applications and reduction of OpenAI bills. Helicone provides key insights into spend, performance, and usage patterns. Helicone offers tools for developers to monitor, analyze, and optimize their use of large language models (LLMs). Key features include: - Usage and cost tracking across multiple AI models - Latency monitoring and performance optimization - Request caching and model-swapping capabilities - Custom property tracking for detailed analytics - Integration with popular AI frameworks and platforms Helicone is designed to be easily integrated into existing AI workflows, with support for self-hosted deployments and cloud-based solutions. ## Docs - [Quick Start Guide](https://docs.helicone.ai/getting-started/quick-start): Introduction to setting up and using Helicone - [Gateway Integration](https://docs.helicone.ai/getting-started/integration-method/gateway): Guide to integrating Helicone as a proxy for AI model requests - [Custom Properties](https://docs.helicone.ai/features/advanced-usage/custom-properties): Advanced usage for tracking custom metrics and properties - [Self-Hosted Deployment](https://docs.helicone.ai/getting-started/self-deploy): Instructions for deploying Helicone on your own infrastructure - [Authentication](https://docs.helicone.ai/helicone-headers/helicone-auth): Details on authenticating requests with Helicone ## Examples - [First AI App with Helicone](https://www.helicone.ai/blog/first-ai-app-with-helicone): Tutorial on building an AI app with Helicone integration - [Product Hunt Launch Automation](https://www.helicone.ai/blog/product-hunt-automate): Case study on using Helicone for automating a product launch - [Helicone vs Competitors](https://www.helicone.ai/blog/portkey-vs-helicone): Comparison of Helicone with other LLM observability tools ## Optional - [GitHub Repository](https://github.com/Helicone/helicone): Source code and open-source contributions - [Y Combinator Profile](https://www.ycombinator.com/companies/helicone): Information about Helicone's participation in Y Combinator - [Company Blog](https://www.helicone.ai/blog): Latest updates, tutorials, and insights from the Helicone team - [API Reference](https://docs.helicone.ai/getting-started/quick-start): Detailed API documentation for advanced integrations
Audit teilen oder weiter analysieren
Audit teilen
Mit KI besprechen
Hinzugefügt 19.7.2026