Zum Hauptinhalt springen

Marken-Profil

FINN

Wie oft die KI FINN nennt und wo die Marke in der Websuche steht. Aggregiert aus 2 Branchen-Reports von Achtung.app.

finn.com DACH-Datensatz (DE/AT/CH), Stand 1. Jul 2026

Kennzahlen

KI-Nennungen
19
Summe über alle Reports
Ø KI-Position
2,11
Gewichtet über Reports
Websuche-Treffer
5
Brave Search, aggregiert
Branchen
2
KI-Modelle: 4

In diesen Branchen taucht FINN auf

Sortiert nach Platzierung. Klicken öffnet den vollständigen Branchen-Report.

Branche Platz KI-Nennungen
Automotive & Mobility #1 19 Report ansehen
WM 2026 Sponsoren-Check #441 0 Report ansehen

Aus den Branchen-Reports

Automotive & Mobility · #1 · Juli 2026

FINN wird bei 20 Prozent der Suchanfragen von allen vier untersuchten KI-Modellen genannt und positioniert sich in den KI-Antworten mit einem Durchschnittsrang von 2,1 vor der Platzierung in der klassischen Websuche auf Rang 5,2. Die Tonalität fällt stark positiv aus, da 15 der insgesamt 19 erfassten Erwähnungen ein positives Sentiment aufweisen.

Welche KI-Modelle nennen FINN?

Verteilung der Nennungen über die abgefragten KI-Modelle. Je länger der Balken, desto häufiger hat das Modell FINN in seinen Antworten genannt.

n = 19 Nennungen insgesamt

  • Claude
    7 (37%)
  • Perplexity
    5 (26%)
  • Gemini
    4 (21%)
  • ChatGPT
    3 (16%)

Stimmung der Nennungen

Wenn KI-Antworten FINN erwähnen, in welchem Tonfall tun sie das?

n = 19 bewertete Nennungen

  • positiv: 15
  • neutral: 4

Töne, die zu selten vorkommen, um ein verlässliches Signal zu sein, zeigen wir nicht.

Beispiel-Anfragen, bei denen FINN genannt wurde

Ausschnitt der automatisch gestellten Suchanfragen, bei denen KI-Modelle FINN als Antwort-Bestandteil ausgegeben haben.

Anfrage Modell
Fahrzeugleasing Angebote Selbstständige ChatGPT
auto abo vergleich Claude
auto abo sofort verfügbar Claude

Auffindbarkeit für KI-Plattformen

Wöchentlicher Audit der technischen Voraussetzungen, damit KI-Plattformen mit Live-Websuche pro Anfrage diese Seite überhaupt finden und rendern können.

Zuletzt geprüft: 19. Jul 2026

KI-bereit 5 von 5 kritischen Checks bestanden · 4 von 5 wichtigen Checks bestanden

Wir trennen zwei Crawler-Arten: KI-Live-Abruf-Crawler holen Seiten on demand, um Antworten in ChatGPT, Perplexity oder Claude zu erzeugen; Trainings-Crawler füttern das Modelltraining. Nur die Live-Abruf-Schicht wird hier bewertet, das Training ist eine redaktionelle Entscheidung.

Kritisch: blockiert KI-Sichtbarkeit

  • KI-Live-Abruf-Crawler in robots.txt erlaubt Die robots.txt muss OAI-SearchBot, ChatGPT-User, PerplexityBot, Perplexity-User, Claude-User und Claude-SearchBot erlauben. Diese rufen Seiten on demand ab, um Antworten in ChatGPT, Perplexity und Claude zu erzeugen. Wird einer geblockt, verschwindet die Marke aus diesen Antworten.
  • Keine stille Edge-Sperre für KI-Live-Abruf-Crawler Auch wenn die robots.txt sie zulässt, kann der Edge (Cloudflare, WAF, Webserver) KI-Bot-User-Agents mit 403/429/503 blockieren. Häufigster Verursacher: Cloudflares "Block AI Scrapers and Crawlers" oder Bot Fight Mode. KI-User-Agents in einer Custom-Regel oberhalb der WAF-Regeln freischalten.
  • HTTPS auf der Startseite erreichbar Die Startseite muss per HTTPS erreichbar sein, ohne dass eine Redirect-Kette fehlschlägt. KI-Crawler versuchen es bei TLS-Fehlern nicht erneut.
  • Sitemap erreichbar Eine erreichbare Sitemap hilft KI-Crawlern, interne Seiten jenseits der Startseite zu entdecken. Wir versuchen /sitemap.xml, /sitemap_index.xml (Yoast), /wp-sitemap.xml (WordPress 5.5+) und jede Sitemap:-URL aus der robots.txt.
  • Startseite rendert Inhalt ohne JavaScript KI-Live-Abruf-Crawler führen kein JavaScript aus. Wenn die Startseite eine SPA-Hülle ist, die clientseitig rendert, sehen Bots ein leeres div und haben nichts zum Zitieren. Die Seite muss ohne JS mindestens 100 Wörter und eine Überschrift produzieren: in der Regel via Server-Side Rendering oder Pre-Rendering.

Wichtig: verbessert die Erfassung

  • Organization- oder WebSite-JSON-LD auf der Startseite Organization- oder WebSite-JSON-LD hilft Suchmaschinen, die Marke als Entität zu erfassen (Knowledge Graph, Rich Results). Auf KI-Zitate wirkt es laut aktueller Evidenz nicht direkt; search-grounded LLMs lesen den sichtbaren Seitentext, nicht das JSON-LD. Trotzdem sinnvolle SERP-Hygiene; per schema.org-Markup im head einbauen.
  • Canonical-URL gesetzt Ein canonical-Link-Tag teilt Crawlern mit, welche URL die definitive Version der Seite ist. Verhindert Zitations-Fragmentierung über www-/non-www-/Trailing-Slash-Varianten.
  • Open-Graph-Titel und -Bild gesetzt Open-Graph-Titel und -Bild werden von KI-Assistenten in Antwortkarten und Preview-Kacheln verwendet. Fehlen sie, leidet die Darstellung der Zitation.
  • HSTS-Header gesetzt Der Strict-Transport-Security-Header weist Browser an, künftige Aufrufe über HTTPS zu erzwingen. In der Webserver-Konfiguration setzen oder über den Plesk-Schalter "HTTPS Strict Transport Security".
  • SPA erkannt und sinnvoller noscript-Fallback vorhanden Wenn die Startseite eine SPA ist, gibt ein noscript-Block mit echtem Fallback-Inhalt (nicht nur "JavaScript aktivieren") KI-Crawlern wenigstens etwas zum Lesen. Server-Side Rendering ist die beste Lösung; das hier ist die Notbehelf-Variante.

Trainings-Crawler-Status (informativ, nicht bewertet): 0 / 5 blockiert.

Diagnose

JSON-LD-Typen
WebPage, WebSite, Organization, FAQPage

SEO-Hygiene; laut Google kein direkter Hebel für KI-Zitate.

Sitemap
787 URLs
llms.txt (informativ)
vorhanden

Laut Google ohne Effekt auf KI-Sichtbarkeit; hier nur informativ erfasst.

Verschlüsselung
HTTPS ✓ · HSTS ✓
SPA
Erkanntes Client-Framework: react

Weitere Marken in denselben Branchen

Achtung.app trackt diese Marken in den gleichen KI-Antworten und Suchanfragen.

Alle gemessenen Marken →

Eigene Marke fortlaufend beobachten?

Achtung.app überwacht, wie oft eine Marke in KI-Antworten und klassischen Websuchergebnissen genannt wird, in welchen Branchen sie auftaucht und wie sich das über die Zeit verändert.

Eigene Marke prüfen

Alle Zahlen stammen aus den veröffentlichten Branchen-Reports. Achtung.app stellt standardisierte, markenfreie Suchanfragen an KI-Modelle und die klassische Websuche, extrahiert genannte Marken und fasst sie auf ihrer kanonischen Domain zusammen. Details im Methodik-Dokument.