Modul 2 von 12 · Produkt-Dokumentation
Das Text-Modul: Was JERVIS in Ihren Texten technisch prüft
JERVIS analysiert Website-Texte in zwei technisch getrennten Ebenen. Die erste ist eine kostenlose Regel-Ebene, die lokal ohne API-Aufruf läuft, die zweite eine KI-gestützte LLM-Ebene für Tonalität, Konsistenz und inhaltliche Prüfungen. Diese Seite dokumentiert, was genau geprüft wird, mit welchen Schwellenwerten und wie sich der Score aus beiden Ebenen zusammensetzt.
Warum Textqualität über Ihre Anfragen entscheidet
Rechtschreibfehler, eine inkonsistente Anrede (mal Du, mal Sie) oder unklare, verschachtelte Sätze wirken auf Besucher schnell unprofessionell und kosten Vertrauen, gerade im B2B-Kontext, wo Auftraggeber und Entscheider genau hinsehen, bevor sie eine Anfrage stellen. Schwer lesbare, verschachtelte Texte kosten zusätzlich Lesegeschwindigkeit: Besucher springen ab, bevor sie verstanden haben, was Sie eigentlich anbieten, gerade unterwegs auf dem Smartphone, wo lange Sätze noch schwerer zu erfassen sind als am Desktop. Und weil KI-Suchsysteme bevorzugt klar strukturierte, widerspruchsfreie Texte zitieren, wirkt sich schwache Textqualität zunehmend auch auf Ihre Sichtbarkeit in klassischen wie KI-gestützten Suchergebnissen aus.
Das Text-Modul macht deshalb beides sichtbar: harte Fehler, die praktisch jeder Besucher unbewusst registriert, etwa Rechtschreibung, zu lange Sätze oder eine wechselnde Anrede über mehrere Seiten hinweg, und weiche Qualitätsmerkmale, die eine KI zusätzlich bewertet und die beim eigenen Durchlesen leicht übersehen werden, etwa der Tonfall, inhaltliche Wiederholungen, liegen gebliebener Platzhalter-Text sowie die Qualität von Call-to-Action und Alleinstellungsmerkmal.
Im Report erhalten Sie dafür keine vagen Pauschalurteile, sondern konkrete Fundstellen mit Beleg, als Zitat aus Ihrem eigenen Text oder als nachvollziehbare Zahl, sodass Sie direkt sehen, an welcher Stelle etwas zu ändern ist und warum, statt nur eine abstrakte Kennzahl präsentiert zu bekommen.
Was das Text-Modul prüft: zwei Ebenen
Das Text-Modul ist Modul 2 von 12 Analyse-Modulen in JERVIS. Es kombiniert zwei technisch getrennte Prüf-Ebenen zu einem gemeinsamen Score: eine kostenlose Regel-Ebene, die lokal und ohne API-Kosten läuft, und eine KI-gestützte LLM-Ebene für Bewertungen. Diese Bewertungen lassen sich nicht in starre Regeln fassen, etwa Tonalität oder inhaltliche Konsistenz. Beide Ebenen laufen bei jeder Standard-Analyse automatisch, die LLM-Ebene lässt sich über die Analysetiefe gezielt auf reine Regel-Prüfung reduzieren.
Regel-Ebene
- Rechtschreibung: Wörterbuch-Abgleich per nspell
- Satzlänge: erkennt überlange Sätze in zwei Abstufungen
- Amstad-Lesbarkeit: deutsche Flesch-Formel
- Läuft lokal, kein API-Aufruf nötig
- Findings maximal Severity „warning“
LLM-Ebene
- Grammatik: Satzbau, Kommasetzung, Kasus
- Du/Sie-Konsistenz mit Prozent-Schwellen
- Tonalität, Redundanz, inhaltliche Prüfung
- Platzhalter-Erkennung, CTA- und USP-Qualität
- Kann bei echten Datenfehlern „critical“ vergeben
Die Regel-Ebene: lokal und kostenlos
Die Regel-Ebene läuft bei jeder Analyse zuerst, unabhängig von Analysetiefe oder Budget. Sie verursacht keine API-Kosten und liefert Ergebnisse in Millisekunden. Drei Prüfungen laufen hier: Rechtschreibung, Satzlänge und die Amstad-Lesbarkeit. Für Sie bedeutet das schnelle, kostenlose Basis-Hygiene, ohne die jeder Text schnell unseriös wirkt.
✍ Rechtschreibung
Abgleich gegen ein deutsches Wörterbuch per nspell. Bis zu 10 Einzel-Findings werden angezeigt, weitere Treffer werden zu einem Sammel-Finding zusammengefasst. Severity: warning. Ab drei Fehlerkandidaten gleichzeitig läuft optional eine zusätzliche KI-Validierungsschicht.
📊 Satzlänge
Überlange Sätze werden abgestuft markiert, von einem Hinweis bis zu einer Warnung. Satzlängen-Findings der Regel-Ebene werden nie als kritisch eingestuft.
👁 Amstad-Lesbarkeit
Deutsche Variante der Flesch-Formel: 180 minus durchschnittliche Satzlänge minus 58,5 mal durchschnittliche Silben pro Wort. Ergebnis auf einer Skala von 0 bis 100, höher bedeutet leichter lesbar.
Die Amstad-Skala im Detail
Der Amstad-Score ordnet jeden Text in eine von sechs Verständlichkeits-Stufen ein. Zielwert für Web-Texte ist der Bereich zwischen gut lesbar und leicht lesbar, das entspricht Zeitungsniveau bis leicht lesbar.
Die LLM-Ebene: KI-gestützte Bewertung
Die LLM-Ebene läuft zusätzlich zur Regel-Ebene, sofern die Analysetiefe nicht ausdrücklich auf reine Regel-Prüfung reduziert wurde. Sie bewertet acht Dimensionen, die sich nicht in feste Wörterbuch-Regeln fassen lassen. Für Sie erfasst sie damit gerade die Dinge, die beim eigenen Überfliegen der Website leicht übersehen werden, etwa eine inkonsistente Anrede über mehrere Unterseiten hinweg oder ein fehlender Call-to-Action.
Grammatik
Satzbau, Kommasetzung, Kasus-Fehler und Kongruenz. Rechtschreibung bleibt bewusst der Regel-Ebene vorbehalten: Sprachmodelle gelten für deutsche Rechtschreibung als zu ungenau, entsprechende LLM-Funde werden verworfen.
Tonalität
Passt der Ton zur erkennbaren Seitenart? Unbelegte Superlativ-Häufungen gelten als warning, passive, bürokratische Formulierungen als info.
Du/Sie-Konsistenz
Programmatisch vorgezählte Du- und Sie-Formen werden bewertet. Überwiegt eine Form klar, gilt das als eindeutig. Mischt sich eine spürbare Minderheit der anderen Form ein, wird das als warning markiert. Ist die Vermischung stark, gilt das als echtes Mischen und damit als critical.
Redundanz
Nur echte inhaltliche Wiederholungen zählen: nahezu identische Sätze oder Absätze. Branding-Wiederholungen und Themen-Keywords gelten ausdrücklich nicht als Redundanz.
Inhaltliche Prüfung
Widersprüchliche Aussagen auf derselben Seite gelten als warning, veraltete Jahreszahlen oder Veranstaltungshinweise als info.
Platzhalter-Erkennung
Lorem ipsum, Template-Reste und Dummy-Daten gelten als critical, weil Platzhalter-Text ein Datenfehler ist, kein reiner Stilfehler.
CTA-Qualität
Jede kommerzielle Seite braucht mindestens einen klaren Call-to-Action. Generische CTAs ohne erkennbaren Nutzen gelten als warning.
USP-Klarheit
Fehlt eine erkennbare Alleinstellung, ist das ein info-Hinweis, kein kritischer Fehler. Bei Info-Seiten wird die USP-Prüfung übersprungen.
Wie der Textqualitäts-Score entsteht
Der Textqualitäts-Score einer Seite entsteht aus vier Schritten. Beide Ebenen fließen in denselben Score ein, unabhängig davon, welche Ebene ein Finding gemeldet hat.
Findings sammeln
Regel-Ebene-Findings und, sofern aktiv, LLM-Ebene-Findings werden zusammengeführt und gegeneinander dedupliziert.
Penalty-Score berechnen
Start bei 100 Punkten, kritische Funde ziehen deutlich mehr ab als Hinweise, eine Dämpfungsformel verhindert dass der Score bei vielen kleinen Findings abrupt einbricht.
Lesbarkeits-Score bestimmen
Amstad-Score der Regel-Ebene, in der LLM-Ebene zusätzlich mit dem KI-eigenen Lesbarkeits-Urteil abgeglichen.
Teilergebnisse kombinieren
Die beiden Teilergebnisse werden gewichtet zu einem gemeinsamen Textqualitäts-Score kombiniert, gerundet auf eine ganze Zahl.
Gewicht im Gesamt-Score
Das Text-Modul geht mit 0,20 in den Gesamt-Score einer Website ein, das zweithöchste Einzelgewicht neben SEO-Audit und GEO-Prüfung mit je 0,25.
Beispiel-Befund: ein Satz mit 35 Wörtern
So sieht ein Befund der Regel-Ebene im Report aus, hier illustrativ am Beispiel eines zu langen Satzes. Der folgende Beispieltext hat 35 Wörter und liegt damit über der ersten, aber unter der zweiten Satzlängen-Schwelle für „Warnung“.
„Unser Unternehmen bietet seit vielen Jahren umfassende Beratung, Konzeption, Umsetzung und laufende Betreuung für Kunden aus unterschiedlichsten Branchen, wobei wir stets höchsten Wert auf individuelle Lösungen, transparente Kommunikation und nachhaltige Ergebnisse legen, die langfristig überzeugen.“
Der dazugehörige Befund im Report, mit Einstufung, Beschreibung und Empfehlung:
- Einstufung: Hinweis, Kategorie Verständlichkeit
- Befund: Zu langer Satz. 35 Wörter, deutlich über dem Richtwert. Sätze mit vielen Wörtern sind für Web-Leser schwer verständlich.
- Empfehlung: Satz in 2 bis 3 kürzere Sätze aufteilen.
Bedeutung für Sie: Ein derart langer Satz kostet Lesegeschwindigkeit und Verständlichkeit, besonders auf dem Smartphone, wo Zeilenumbrüche solche Sätze noch unübersichtlicher machen. Im schlechtesten Fall springt ein Besucher ab, bevor er verstanden hat, was Sie eigentlich anbieten.
Warum Textqualität zählt
Google bewertet Textqualität als einen von mehreren Rankingfaktoren, und KI-Suchsysteme zitieren bevorzugt Texte, die klar strukturiert und in sich widerspruchsfrei sind. Die Tonalitäts-Bewertung der LLM-Ebene ist eng mit der Markenstimme Ihrer Website verknüpft: Beide prüfen, ob der Ton zur Marke passt. Und weil Textqualität ein anerkannter Rankingfaktor ist, lohnt sich der Blick zusätzlich auf die SEO-Analyse. Für Besucher signalisiert eine saubere, konsistente Anrede-Form: Hier hat jemand redaktionell gegengelesen, gerade im B2B-Kontext ein Vertrauens- und damit Conversion-Faktor.
Im kostenlosen Free Scan enthalten
Der Free Scan deckt 5 der 12 Analyse-Module ab: Technische QS, SEO-Audit, GEO-Prüfung, Text-Analyse und Barrierefreiheit, auf bis zu 6 Seiten. Das Free-Scan-Profil setzt die Analysetiefe nicht auf „nur Regel-Ebene“, wodurch auch im kostenlosen Check beide Ebenen automatisch laufen, die LLM-Ebene mit einem günstigeren Modell-Preset.
Die Sache mit Fehlalarmen
Automatisierte Text-Analyse neigt zu Fehlalarmen, besonders bei Text, der technisch aus dem DOM (der Seitenstruktur im Browser) extrahiert wurde und nicht immer wie normale Prosa aussieht. JERVIS begegnet dem mit mehreren technischen Filterschichten, die vor jeder Bewertung greifen.
Bei der Rechtschreibprüfung validiert eine optionale Sprachmodell-Schicht verbleibende Fehlerkandidaten zusätzlich im Satzzusammenhang, sobald mehrere Kandidaten gleichzeitig auftreten. So verlässt sich die Prüfung nicht allein auf den reinen Wörterbuch-Abgleich.
Bei der Satzlängen-Prüfung schließt JERVIS gezielt Textformen aus, die keine echte Prosa sind: Breadcrumb-Pfade, Komma-Aufzählungen ohne Verb, Social-Media-Hashtag-Blöcke, reine Button- und Navigationstexte sowie Footer-Copyright-Zeilen. Diese Textformen fließen nicht in die Bewertung ein.
Zusätzlich erkennt JERVIS verklebten Text, der als Artefakt der technischen Text-Extraktion aus dem DOM entstehen kann. Das passiert etwa, wenn eine Überschrift und der folgende Absatz ohne Leerzeichen aneinandergeraten. Auch dieser Text wird von der Satzlängen-Prüfung ausgenommen, damit kein technisches Extraktions-Artefakt als sprachlicher Fehler gewertet wird.
Das Ergebnis ist eine mehrschichtige Filterung, die dafür sorgt, dass primär echte Text-Probleme gemeldet werden, nicht die Eigenheiten der technischen Text-Extraktion selbst.
FAQ zum Text-Modul
Verwandte Themen: Die Tonalitäts-Bewertung der LLM-Ebene hängt eng mit der Markenstimme Ihrer Website zusammen. Und weil Textqualität ein Rankingfaktor ist, lohnt sich zusätzlich der Blick auf die SEO-Analyse. Stand: Juli 2026.
Wissen, was Ihre Texte wirklich ausbremst
Starten Sie jetzt einen kostenlosen Check und sehen Sie, was die Regel-Ebene und die LLM-Ebene in Ihren Texten finden. Keine Registrierung, keine Kreditkarte.