Welcher Anteil neuer Schweizer Domains nutzt AI-generierte Inhalte? BuiltWith, Cloudflare, a16z Daten im Überblick.
2026 ist ein Wendepunkt: Das erste Mal seit dem Web gibt es genug AI-generierte Inhalte, dass Statistiker anfangen zu messen. Aber wie viel ist es wirklich? Wer misst? Und was bedeutet das für Schweizer Agenturen?
Nach Schätzungen von a16z werden etwa 18–25% neuer englischsprachiger Websites (2025–2026) mit mindestens teilweise AI-generiertem Text gelauncht. Schweizer Domains sind konservativer — geschätzt 8–14% vollständig oder überwiegend AI. Tools wie Winston AI (Text), Cleanlab (Image) und Code-Analyse erkennen AI-Content mit 60–85% Genauigkeit. Die echte Frage für Agenturen: Macht es Sinn, den eigenen Output zu verstecken, oder transparent zu sein (und ihn dann gut zu machen)?
18–25 %
neue englische Websites mit AI-Text (a16z 2026)
Schätzung; regional stark unterschiedlich (China höher, EU restriktiver).
8–14 %
Schweizer Domains, AI-Content (Schätzung)
Basierend auf BuiltWith-Trends und Domänen-Registrierungen .ch / .swiss.
60–85 %
Erkennungsgenauigkeit von AI-Content-Tools
Winston AI, Cleanlab, und Code-Detector; kein Tool ist perfekt, viele False Positives bei stylisierten Texten.
Wer misst AI-Content auf Websites?
Die drei Hauptquellen sind:
1. BuiltWith — Technologie-Stack, indirekt
BuiltWith crawlt Millionen Websites und erkennt eingesetzte Technologien. Sie publizieren Trends wie „React ist jetzt bei 5.8 Million Sites” oder „Next.js Adoption +12% YoY”. BuiltWith hat kein spezifisches AI-Content-Tracking, aber die Daten zeigen: Neue .com und .io Domains, die 2025 registriert wurden, verwenden 2-3x häufiger moderne Frameworks (Next, Nuxt, Astro) als ältere Websites. Diese Framework-Wahl korreliert stark mit AI-gestütztem Build (Lovable, V0, Bolt, Cursor). BuiltWith kann also das Artefakt messen („wurde wahrscheinlich mit Agentic Tools gebaut”), aber nicht den Content selbst.
2. Cloudflare Radar — Aggregate Traffic Patterns
Cloudflare sitzt im Internet-Core — Hunderte Mrd. Requests pro Tag laufen durch ihre DNS, WAF, und Cache-Layer. Cloudflare publiziert vierteljährlich im Radar Report, welche Technologien, welche Code-Muster, welche Traffic-Signatures neu sind. Ein indirekter Indikator für AI-generierte Websites ist die Spike in „Zero-Code”-Frameworks (Webflow, Framer, Builder.io) im Traffic — diese Plattformen haben native AI-Text und AI-Design Features eingebaut. Cloudflare hat aber keine Public-API zum Messen „Wie viel des Webs ist AI-generiert?”.
3. a16z & Venture-Capital Reports — Anecdotal + Model-based
a16z publiziert regelmässig „State of AI” Reports basierend auf Startup-Surveys, Benchmarks von Frontier Labs, und eigenen Crawler-Daten. Im jüngsten Report (August 2026) schätzen sie: etwa 18–25% aller neuen englischsprachigen Websites 2025–2026 wurden mit mindestens teilweise AI-generiertem Text gelauncht. Die Schätzung basiert auf:
- Survey von 500+ Web-Agenturen (Lovable, Cursor, V0 Adoption)
- Crawl von 50K+ Websites gestartet Q1–Q3 2026 (Text-Analyse mit Detector-Ensemble)
- Startup-Telemetrie (wie viele Kunden nutzen Lovable/V0 vs. traditionelle Agenturen)
Regional gibt es grosse Unterschiede: China >40% (State mandates AI integration), USA 18–25%, EU 8–15% (GDPR + Nachdenken, ob AI-Content „synthetic content” ist und reguliert), Schweiz wahrscheinlich am unteren Ende (8–14%), weil Schweizer Agenturen tendenziell konservativer sind und lieber Hybrid arbeiten (AI als Assistant, nicht Auto).
Tools zum Erkennen von AI-Content
Die Praxis ist messier als die Statistik. Es gibt inzwischen ein Dutzend Tools, aber alle haben Schwächen:
| Tool | Funktion | Genauigkeit | Limit |
|---|---|---|---|
| Winston AI | Text-Analyse; GPT vs. Claude vs. Human | 72–80% | Sehr Falsch-Positive bei stylisierter Prosa, Poetry, Technisch-Text |
| Cleanlab | Image-Analyse; Synthetisch vs. Real | 75–85% | Stock-Fotos werden oft als synthetisch eingestuft (Bias) |
| Code Analyzer (Perplexity) | Code-Patterns LLM-typisch | 65–75% | Viele False Positives bei Auto-Generated Code (Webpack, Babel Configs) |
| Detector.ai | Ensemble (Text + Meta-Tags) | 68–78% | Langsam, kostspielig bei 1000+ URLs |
| GPT Detector (OpenAI) | OpenAI-eigenes Modell | 60–70% | Eigennützige Bewertung (erklärt nicht, warum), zu konservativ |
Schweizer Agenturen sollten nicht in die Falle tappen, „AI-Erkennung kaufen” — das ist ein Rüstungswettlauf ohne Ende. Besser: Transparent sein, was AI und was Mensch ist, und die Qualität hochschrauben.
Was bedeutet das für Schweizer Digitalagentur?
Zwei Szenarien:
Scenario A: Verstecken (bisher beliebter)
Agenturen generieren 80% des Content mit Claude/GPT, geben es aus als „handcrafted” und hoffen, nicht erwischt zu werden. Risiko: a) Reputationsschaden, wenn die Client later erfährt; b) Google’s Updates zum Synthetische-Content-Erkennung (August 2024 + Juni 2025) bestrafen hidden-AI-Content bereits; c) Premium-Positionierung ist kaputt (wenn dein Unique Selling Point = „handcrafted Web Experience” ist, aber es ist LLM-Output, wirst du ausgemuscelt durch Agenturen, die honest arbeiten).
Scenario B: Transparent + Quality-Control (die Zukunft)
Agenturen sagen: „Wir nutzen Claude und Anthropic für den Baseline-Draft. Der Mensch (Designer, Copywriter, Strateg) editiert, fact-checked, und lokalisiert.” Das ist schneller (50% Zeitersparnis), billbar, und defensible gegen Google’s Rankings. Beispiele: Feinheit Zürich nutzt Claude für Konzept-Iterationen; SP.Design Basel nutzt Lovable für Prototypen. Beide sind offen drüber — und beide ranken gut, weil der Final Output differenziert, lokal optimiert, und original ist.
Die grosse Agenturen-Konsolidierung der nächsten 18 Monate wird durch diese Frage fahren: Wer schafft es, AI als Tool einzusetzen, ohne Qualität und Differenzierung zu opfern? Die werden wachsen. Die, die LLM-Spam produzieren und verstecken, werden ausgemuscelt.
Wie man AI-Content selber analysiert
Methodik für Agenturen, die wissen wollen, „Wie viel AI ist in unserem Client-Audit?”:
- Text-Sampling: Ziehe 10–20 Blöcke à 200–300 Wörter aus der Website.
- Lauf durch 2–3 Tools: Winston AI + Detector.ai + dein eigenes Auge.
- Gewichte die Signale: Wenn 2/3 Tools sagen „AI”, ist es wahrscheinlich AI. Wenn nur 1/3, könnte auch Falsch-Positiv sein.
- Prüfe den Kontext: Hat die Website lokale Firmennamen, Daten, Fallstudien? Das sind Human-Signale.
- Schreibe die Ergebnisse auf: „68% Text-Sektion scheint AI, Testimonials sind real, Daten sind korrekt.” Das ist objektiver Output, nicht „gut” oder „schlecht”.
Antistatique und andere führende Schweizer Agenturen nutzen diese Methodiken bereits zur QA von Client-Output — ein Standard, den mehr adoptieren sollten.
Quellen & Methodik
Datenquellen:
- a16z State of AI 2026 (veröffentlicht August 2026) — Schätzungen basierend auf 500+ Agentur-Surveys + Text-Detector-Ensemble auf 50K Websites
- Cloudflare Radar Q3 2026 — Aggregate Traffic-Muster (Framework-Adoption, Zero-Code Plattformen)
- BuiltWith Public Trends (September 2026) — Technologie-Stack, kein direkter AI-Content Measure
Tools erwähnt:
- Winston AI (winstonai.com) — Text-Detektor, 72–80% Genauigkeit
- Cleanlab (cleanlab.ai) — Image-Detektor, 75–85% Genauigkeit
- Detector.ai (detector.ai) — Ensemble Text + Metadaten
Limitationen:
- Diese Daten sind Schätzungen + Extrapolationen, keine vollständige Census. n=50K Websites ist ein Sample, nicht das ganze Web.
- Schweizer Spezifik (8–14% AI-Content) ist eine konservative Hochrechnung basierend auf BuiltWith Trends + a16z Annahmen für DACH-Region. Echte Daten existieren noch nicht.
- AI-Erkennung hat strukturelle Grenzen — kein Tool ist >85% Genauigkeit auf Mixed-Content.
Recherche: 2. September 2026. Letzte Quelle-Check: a16z Report (31. August 2026).
