Prüfungen / Zugriff der KI-Crawler
robots.txt hält CCBot von Ihrer Startseite und dem Großteil der Website fern
CCBot sammelt Trainingsdaten und darf nur die Pfade lesen, die robots.txt erlaubt. Das ist eine Entscheidung: Die meisten Ihrer Seiten bleiben aus künftigem Modelltraining heraus, nicht aus der KI-Suche.
robots_partial_ccbot · Zugriff der KI-Crawler · Hinweis
Was sie auslöst
robots.txt erlaubt CCBot nicht, Ihre Startseite abzurufen, lässt ihm aber einige andere Pfade offen; der Befund nennt die ersten drei.
Was zu ändern ist
Entfernen Sie die Regel Disallow: / für CCBot in robots.txt oder ergänzen Sie Allow-Regeln für die weiteren Pfade, die gelesen werden sollen.
Beispiel
Zeilen in der robots.txt, die CCBot erlauben:
User-agent: CCBot
Allow: /So bestätigen Sie die Korrektur
- Öffnen Sie https://example.com/robots.txt: Die Gruppe, die CCBot nennt (oder die *-Gruppe, wenn keine es tut), lässt den größten Teil der Website offen, nicht nur die Startseite
- Starten Sie einen neuen Crawl: Die Tabelle der KI-Crawler meldet CCBot nicht mehr als größtenteils gesperrt
Über CCBot
CCBot ist der Crawler von Common Crawl, einer gemeinnützigen Organisation, die ein offenes Archiv von Web-Crawl-Daten pflegt, auf das jeder zugreifen und das jeder analysieren kann. Laut Common Crawl hält User-agent: CCBot mit Disallow: / ihn vom Crawlen einer Website ab. Außerdem warnt Common Crawl, dass andere Crawler sich fälschlich als CCBot ausgeben; prüfen Sie Anfragen also.
CCBot baut ein öffentliches Crawl-Archiv auf, das andere nutzen können, während GPTBot Inhalte für OpenAIs eigene Zwecke sammelt.
Common Crawl sagt, CCBot laufe auf eigenen IP-Adressbereichen mit Reverse-DNS (nicht für IPv6). Eine protokollierte Anfrage lässt sich also mit einer Reverse-Abfrage prüfen, die zu einem Hostnamen unter crawl.commoncrawl.org aufgelöst wird; die Bereiche sind außerdem als JSON veröffentlicht, nämlich unter https://index.commoncrawl.org/ccbot.json.
Aufgabe: Offenes Web-Crawl-Archiv. Beachtet robots.txt: Ja, über eine robots.txt-Regel für CCBot.
CCBot: Betreiber, User-Agent-Zeichenfolge und Adressliste
Wie häufig es vorkommt
Wir haben nicht gemessen, wie häufig das in einer Stichprobe von Sites vorkommt. Zahlen erscheinen hier, sobald eine Studie es abdeckt.
Zu dieser Prüfung
| Prüfungs-ID | robots_partial_ccbot |
|---|---|
| Berichtsabschnitt | Zugriff der KI-Crawler |
| Schweregrad | Hinweis |
| Wie sie entschieden wird | Gemessen: direkt aus der Seite oder der Serverantwort gelesen. |
| Hinzugefügt | Vor dem 19. Okt. 2026 (Versionen 1 und 2) oder eine seitenweite Prüfung ohne Versionsdatum |
| Status | In jedem Bericht gemessen |
| Bericht liefert den Code | Ja, ein Block für die ganze Site |
Einstellungen je Plattform
Bei der robots.txt hängt es von der Plattform ab, wo die Einstellung liegt. Unsere Ratgeber behandeln 13: KI-Crawler-Einstellungen je Plattform.
Verwandte Prüfungen
- robots.txt blockiert Google-Extended
- robots.txt blockiert GPTBot
- robots.txt hält ClaudeBot von Ihrer Startseite und dem Großteil der Website fern
- robots.txt hält Google-Extended von Ihrer Startseite und dem Großteil der Website fern
Prüfen, ob es Ihre Website betrifft
Fügen Sie Ihre Adresse ein: Wir crawlen bis zu 10 Seiten und zeigen jedes gefundene Problem mit der Lösung. Ohne Konto, ohne Karte.
Jeder Tarif crawlt bis zu seinem Seitenlimit und listet diese Prüfungen mit der Lösung: Tarife.
So funktioniert ein Audit: Methode