Kan I dokumentere, at jeres website er tilgængeligt?
Siden 28. juni 2025 skal danske virksomheder med ti ansatte eller flere kunne dokumentere, at deres website lever op til WCAG 2.1 AA. Vi laver dokumentationen: seks sideskabeloner og to transaktionsflows gennemgået manuelt mod 50 kriterier, med bestemmelsen bag hver eneste fejl. Og fordi de samme fejl er dem, der spærrer for en AI-agent, får I begge dele undersøgt på én gang.
Produkter
Tre ting, du kan købe
De hænger sammen, men de kan købes hver for sig. De fleste starter med gennemgangen, fordi den giver noget at rette med det samme, og går videre til måling, når der er noget at måle på.
Seks sideskabeloner og to transaktionsflows mod 50 WCAG 2.1 AA-kriterier. 400 enkeltvurderinger, hver med den bestemmelse den knytter sig til og hvad der skal ændres. Manuelt arbejde med tastatur og skærmlæser, ikke et værktøj der scanner forsiden.
De ti alvorligste fejl specificeret konkret og testet igen bagefter. Jeres egen udvikler lægger dem ind — vi kan ikke stå inde for en deployment i en kodebase, vi ikke har hånd om, og vi lader være med at lade som om.
Et fast promptpanel kørt mod tre modeller hver måned, med et interval og en kontrolgruppe, så I kan se hvad der er en ændring og hvad der er støj. Sælges kun til jer, der allerede har en tilstandsrapport.
5.200 kr. pr. måned
Sådan virker det
Vi læser din side, som en maskine gør det
En sprogmodel ser ikke din forside. Den ser den tekst, der står i HTML, før noget script har kørt, og de strukturerede data, der fortæller, hvem du er. Er der ikke noget at læse, er der ikke noget at citere — og så bliver du ikke nævnt, uanset hvor godt produktet er.
Det er den ubehagelige del af det her: en side kan se helt rigtig ud for et menneske og være nærmest tom for en maskine. Det sker hver gang indholdet bygges af JavaScript, efter siden er hentet. Mennesket venter et halvt sekund og ser teksten. Modellen læser det, der kom med i første hug, og går videre.
et-eksempel.dk
4/ 6 signaler fundet
robots.txt · åben for AI-agenterFundet
JSON-LD · OrganizationFundet
llms.txt · kort over indholdetMangler
Overskrifter · præcis én H1Fundet
Læsbar uden JavaScriptFundet
Vej til handling · /kontaktTil stede, men forkert formateret
Eksempel på formen — ikke en rigtig virksomhed. Fyldt knude betyder fundet, hul knude betyder mangler, og ring med prik betyder til stede, men forkert. Der er hverken grønne flueben eller røde kryds: formen skal kunne læses uden farver.
De seks signaler, og hvorfor de tæller
01
robots.txt
Filen der fortæller robotter, hvad de må hente.
Hvorfor Mange sider blokerer AI-crawlere uden at vide det, fordi en plugin satte en regel for tre år siden.
02
Strukturerede data
Maskinlæsbare oplysninger om virksomheden, i JSON-LD.
Hvorfor Det er forskellen på, at modellen gætter hvem du er, og at den ved det.
03
llms.txt
Et kort over sidens indhold, skrevet til sprogmodeller.
Hvorfor Ny konvention, og endnu ikke afgørende — men den koster en time at lave og fjerner al tvivl om, hvad der er vigtigt.
04
Overskrifter
Præcis én H1, og afsnit der kan stå alene.
Hvorfor Det, der bliver citeret, er et afsnit — ikke en side. Kan afsnittet ikke stå alene, bliver det ikke taget med.
05
Læsbar uden JavaScript
Hvor meget tekst der findes i HTML, før noget script kører.
Hvorfor Det her vælter flest. En moderne webshop kan være tom for en model, der ikke kører scripts.
06
Vej til handling
En kontakt- eller bookingsti, en agent kan finde og bruge.
Hvorfor Bliver du nævnt, men kan agenten ikke gennemføre handlen, har omtalen ingen værdi.
Det er den ene halvdel
Tjekket svarer på, om der er noget at læse. Det svarer ikke på, om modellerne rent faktisk nævner dig — det kræver, at man spørger dem, med de spørgsmål dine kunder stiller, og gør det igen næste måned med præcis de samme ord.
Den halvdel er Synlighed, og den kan ikke køres gratis, fordi den koster penge hver gang den kører.
Og hvad så med tallene?
Et tal, der gik op, betyder ikke, at noget virkede. Tre spørgsmål mod tre modeller giver ni svar, og kører man det samme panel to gange i træk uden at ændre noget, kommer der som regel to forskellige tal ud.
Derfor sammenligner vi med virksomheder, der ikke er i gang, og regner usikkerheden ud, før vi kalder noget for en effekt.Hele regnestykket står på metodesiden.
NERV er Alfred Birkelund, økonomi, Syddansk Universitet. Det er ikke et team-billede — det er den, der laver arbejdet og regner på tallene. Det, der står her, er skrevet, så en skeptiker kan finde hullerne.
Der findes ikke én skabelon for AI-synlighed. En sprogmodel forudsiger tekst og rangerer ikke virksomheder, så autoritet ser forskellig ud pr. branche.
Tjekket læser din forside, som en agent gør det, og viser hvilke signaler der findes, og hvilke der mangler. Det tager under et minut, koster ingenting, og du skal ikke oprette noget.