ai-plugin.json: Warum ChatGPT Plugins tot sind

Im Frühjahr 2023 glich die Stimmung in der Tech- und SEO-Welt einem Goldrausch. OpenAI hatte Plugins für ChatGPT vorgestellt, und fast jedes Marketing-Medium verkündete das Entstehen des nächsten gigantischen App Stores. Das Versprechen lautete: Wer eine unscheinbare Datei namens ai-plugin.json im Verzeichnis .well-known seines Servers platziert, katapultiert sein Unternehmen direkt in das operative Zentrum moderner generativer KI-Assistenten.

Heute zeigt sich die Realität ernüchternd: Das ursprüngliche Plugin-Ökosystem von OpenAI wurde im April 2024 endgültig beerdigt. Die Datei ai-plugin.json ist ein technologisches Relikt der ersten experimentellen KI-Welle. Warum dieses proprietäre System so rasch kollabierte, welche Nachfolgetechnologien wie GPT Actions, das Model Context Protocol (MCP) und moderne Agent Plugins heute den Ton angeben und worauf Unternehmen bei der AI Search Engine sowie ganzheitlicher Agent Readiness tatsächlich achten müssen, beleuchtet diese detaillierte Analyse.

Jörg Zimmer

Senior SEO & AI Search Consultant

„🤖 6. ai-plugin.json Der Brückenbauer. Macht meine Website für große Sprachmodelle (LLMs) wie ChatGPT als natives Plugin greifbar. 👉 https://lnkd.in/dVK7J-YD“

Anatomie und ursprünglicher Zweck der ai-plugin.json

Große Sprachmodelle (Large Language Models) besitzen ein fundamentales Architekturmerkmal: Sie verarbeiten und generieren Textmuster auf Basis historischer Trainingsdaten, können jedoch ohne externe Erweiterungen weder Live-Daten abrufen noch Aktionen in externen Systemen auslösen. Sie besitzen gewissermaßen keine eigenen Arme und Beine für das Internet.

OpenAI konzipierte das Plugin-System, um diese Barriere zu überwinden. Wenn ein Nutzer fragte: "Suche mir die günstigsten Flüge von Berlin nach Mallorca und reserviere ein Hotelzimmer", sollte ChatGPT nicht bloß Textlinks ausgeben, sondern über REST-APIs direkt die Buchungssysteme von Partnern ansteuern.

Hierfür definierte OpenAI ein strenges Protokoll:

1. Speicherort: Auf dem Server des Dienstanbieters musste unter https://deinedomain.de/.well-known/ai-plugin.json eine statische Konfigurationsdatei bereitgestellt werden.
2. Metadaten: Die JSON-Struktur enthielt Bezeichnungen (name_for_human, name_for_model), Beschreibungen des Funktionsumfangs, Kontaktdaten sowie URLs zu Logo-Assets und Nutzungsbedingungen.
3. API-Kopplung: Über das Attribut api.url verwies das Manifest auf eine standardisierte OpenAPI-Spezifikation (YAML oder JSON), welche die konkreten Endpunkte, Parameter und Datenformate beschrieb.

Beispiel eines historischen ai-plugin.json Manifests

Zur Veranschaulichung zeigt das folgende Listing den Aufbau eines typischen, heute veralteten Manifests für eine neutrale Beispiel-Domain:

{
  "schema_version": "v1",
  "name_for_human": "Beispiel Flugsuche",
  "name_for_model": "flightSearchApp",
  "description_for_human": "Suche tagesaktuelle Flugverbindungen und Ticketpreise.",
  "description_for_model": "Plugin zur Abfrage von Flugverbindungen und Tarifen. Erfordert Abflugort, Zielort und Reisedatum.",
  "auth": {
    "type": "none"
  },
  "api": {
    "type": "openapi",
    "url": "https://deinedomain.de/openapi.yaml",
    "is_user_authenticated": false
  },
  "logo_url": "https://deinedomain.de/assets/plugin-logo.png",
  "contact_email": "kontakt@deinedomain.de",
  "legal_info_url": "https://deinedomain.de/impressum/"
}

Die Idee schien bestechend einfach, scheiterte in der Praxis jedoch an fundamentalen konzeptionellen Schwachstellen und der enormen Fragmentierung der KI-Landschaft.

Warum das Konzept der ai-plugin.json scheiterte

Drei zentrale Faktoren besiegelten das Aus des ursprünglichen Plugin-Modells:

1. Monopolistischer Silo-Ansatz: Die Spezifikation war exklusiv auf ChatGPT zugeschnitten. Als Google mit Gemini, Anthropic mit Claude und Meta mit Open-Source-Lösungen in den Markt drängten, war kein Unternehmen bereit, für jeden KI-Bot separate proprietäre Manifeste und Middleware-Layer zu entwickeln und dauerhaft zu warten.
2. Schlechte User Experience im Chatbot: Nutzer mussten Plugins manuell suchen, im internen Store aktivieren und konnten pro Chat nur maximal drei Plugins parallel nutzen. Das Modell verfehlte häufig die richtige Zuordnung, rief falsche Endpunkte auf oder brach bei API-Timeouts komplett ab.
3. Sicherheitsrisiken und Prompt Injections: Drittanbieter-APIs, die ungefiltert Text an das Sprachmodell zurückgaben, öffneten Tür und Tor für Indirect Prompt Injections. Angreifer konnten über präparierte API-Antworten Anweisungen ins System einschleusen, um Tokens abzugreifen oder unerwünschte Aktionen auszulösen.

OpenAI zog im April 2024 die Reißleine, stellte den Plugin-Store ein und migrierte die Technologie im ersten Schritt auf Custom GPTs mit GPT Actions.

Der moderne Technologiestack: GPT Actions vs. Model Context Protocol (MCP)

Unternehmen, die ihre Daten und Funktionen für moderne KI-Systeme verfügbar machen wollen, stehen heute vor einer grundlegend gewandelten Architekturlandschaft. Starre JSON-Dateien im .well-known-Verzeichnis wurden durch offene, standardisierte Säulen ersetzt:

• OpenAI GPT Actions: Innerhalb des ChatGPT-Ökosystems laden Entwickler ihre OpenAPI-Spezifikationen direkt im Builder-Interface hoch. Die Authentifizierung (OAuth, API-Keys) wird sicher von der Plattform verwaltet, ohne dass öffentlich exponierte Manifeste notwendig sind.
• Model Context Protocol (MCP): Das von Anthropic entwickelte und von der gesamten Open-Source-Community, OpenAI, Google und Microsoft adaptierte Model Context Protocol (MCP) fungiert als offener Schnittstellen-Standard. Unter der Schirmherrschaft der Agentic AI Foundation (AAIF) und Linux Foundation etablierte sich MCP als universeller Kommunikationskanal für Tools, Prompts und Datenquellen.
• Agent Plugins (Spezifikation 2026): Als Weiterentwicklung modularer Agenten bündeln moderne Agent Plugins portable Pakete aus MCP-Servern, Skills und Workflows, statt einzelne isolierte Endpunkte anzubieten.
• Semantische Web-Standards & Content Negotiation: Für das Auffinden redaktioneller Inhalte und strukturierter Daten setzen Webmaster auf Markdown Content Negotiation, Formate wie llms.txt sowie llms-full.txt und saubere Entitäten.
• Agent-to-Agent Kommunikation: Mit dem offenen A2A-Protokoll und der Agent Card JSON verhandeln autonome Agenten heute ihre Fähigkeiten dezentral und plattformübergreifend.

Technologische Evolution im direkten Vergleich

Typische Praxisfehler bei KI-Schnittstellen

Wer in Unternehmen Schnittstellen für generative Systeme plant, stolpert häufig über klassische strategische Fehlentscheidungen:

Fehler 1: Festhalten an toten Spezifikationen und veralteten Verzeichnissen

Manche Agenturen verkaufen ihren Kunden noch immer die Erstellung einer ai-plugin.json als zukunftsweisende Innovation. Entwicklungsbudgets fließen in veraltete Manifeste, die von keinem modernen Crawler mehr verarbeitet werden.

Fehler 2: Verwechslung von Content-Bereitstellung und Funktionsaufrufen

Viele Webmaster glaubten fälschlicherweise, eine ai-plugin.json sei notwendig, um in KI-Antworten erscheinen zu können. Dabei dienten Plugins rein dem Ausführen von Aktionen. Für reine Text- und Informationsabfragen sind semantisches HTML, Technisches SEO und maschinenlesbare Textformate der einzig zielführende Weg.

Fehler 3: Unzureichende API-Dokumentation und fehlende Fehlertoleranz

Große Sprachmodelle scheitern bei API-Aufrufen sofort, wenn Parameter-Beschreibungen in der OpenAPI-Spezifikation schwammig formuliert sind. Ohne präzise Datentypen, Beispielwerte und strikte Validierungsregeln erzeugen Modelle fehlerhafte Payloads, die zu Abbrüchen führen.

Fehler 4: Sicherheitslücken durch verwaiste OpenAPI-Dateien

Oft bleibt die ai-plugin.json zwar gelöscht, aber die darunter referenzierte openapi.yaml liegt weiterhin ungeschützt auf dem Webserver. Automatisierte Bots scannen solche Dateien gezielt ab, um interne Pfade, geheime Parameter und ungesicherte API-Gateways zu identifizieren.

Was tun mit bestehenden Plugin-Dateien auf dem Server?

Befindet sich auf deiner Website noch eine ai-plugin.json, musst du nicht in Panik verfallen. Das bloße Vorhandensein der Datei generiert keine direkten Google-Penalties. Dennoch empfiehlt sich ein strukturierter Frühjahrsputz:

1. Entwicklungsbudgets stoppen: Keine weiteren Mittel in die Pflege dieses veralteten Formats investieren.
2. Dateiprüfung: Überprüfen, ob die dort verlinkte OpenAPI-Datei sensible interne API-Pfade öffentlich preisgibt. Ist dies der Fall, sollte die Datei sofort entfernt oder per Server-Konfiguration gesperrt werden.
3. Moderne Alternativen etablieren: Falls du Daten für KI-Agenten bereitstellen möchtest, implementiere eine schlanke llms.txt, setze auf saubere strukturierte Daten (Schema.org) und prüfe für echte API-Tools die Implementierung eines standardisierten MCP-Servers mit zustandslosem HTTP-Transport.