Was llms.txt eigentlich ist
llms.txt ist eine Klartext-Datei (Markdown) unter /llms.txt, die KI-Systemen eine kuratierte Zusammenfassung deiner Website gibt: was sie ist und welche Seiten am wichtigsten sind, mit kurzen Beschreibungen. Die Konvention wurde im September 2024 von Jeremy Howard (Answer.AI) als Gegenstück zu robots.txt vorgeschlagen — robots.txt sagt Crawlern, was sie lesen dürfen; llms.txt sagt Sprachmodellen, was sie lesen sollten und wie sie es verstehen.
Das Format ist bewusst einfach: eine H1 mit deinem Site- oder Produktnamen, eine einabsätzige Blockquote-Zusammenfassung, dann Abschnitte mit Links und einzeiligen Beschreibungen. Weil es kurzes, sauberes Markdown unter einer vorhersehbaren URL ist, kann ein KI-System (oder ein Agent, der im Auftrag eines Nutzers browst) es in einer einzigen Anfrage aufnehmen, statt Dutzende HTML-Seiten voller Navigation und Cookie-Banner zu crawlen.
Ehrlicher Stand 2026: vielversprechend, nicht garantiert
Sei skeptisch gegenüber jedem, der llms.txt als magischen Ranking-Hebel verkauft. Die großen KI-Unternehmen haben sich nicht formal verpflichtet, es so zu konsumieren, wie sich Suchmaschinen zu Sitemaps bekannt haben, und öffentliche Belege für direkten Ranking-Einfluss sind dünn. Was stimmt: Die Verbreitung ist unter Developer-Tool- und SaaS-Unternehmen gewachsen, eine wachsende Zahl von Agenten und KI-Dev-Tools ruft die Datei ab, und die Pflege kostet fast nichts.
Der vernünftige Rahmen ist eine asymmetrische Wette: fünf Minuten Arbeit, kein Nachteil, plausibler Nutzen, wenn agentisches Browsen wächst. Sie ist außerdem ein wirklich nützliches Artefakt — eine kanonische, selbst auditierte Zusammenfassung deiner wichtigsten Seiten. Viele Teams merken beim Schreiben, dass ihre eigenen „Money Pages“ schwer zu beschreiben sind — ein Content-Problem, das man kennen sollte.
Ein gutes llms.txt schreiben
Führe mit Klarheit, nicht mit Marketing. Die Blockquote-Zusammenfassung sollte in schlichter, deklarativer Sprache sagen, was du für wen tust — im selben Register, in dem du dein Geschäft einem kompetenten Fremden erklären würdest. Jeder Link sollte eine Frage beantworten, die eine KI brauchen könnte: Was kostet das Produkt (Preisseite), wie funktioniert es (Docs oder Methodik), wo ist der Beweis (Fallstudien), was hat sich zuletzt geändert (Changelog).
Halte die Datei unter ein paar hundert Zeilen und aktualisiere sie, wenn sich deine Site-Struktur ändert. Liste nicht jeden Blogpost; liste die Seiten, aus denen du zitiert werden möchtest. Wenn du sowohl llms.txt als auch ein volleres llms-full.txt pflegst, sollte die kurze Datei wirklich kurz bleiben. Und stelle sicher, dass die verlinkten Seiten selbst crawlbar sind — ein llms.txt, das auf bot-blockierte Seiten zeigt, schlägt sich selbst (prüfe das mit unserem AI Crawler Checker).
Über die Datei hinaus: für Maschinen lesbar sein
llms.txt ist ein Baustein einer breiteren Disziplin, die manchmal GEO (Generative Engine Optimization) heißt: die Website so zu strukturieren, dass Maschinen sie verstehen und selbstbewusst zitieren können. Der Rest der Checkliste: serverseitig gerendertes HTML für Schlüsselseiten, JSON-LD-strukturierte Daten (Organization, Product, FAQPage), konsistenter Firmenname/Adresse/Telefon im ganzen Web, echte Drittzitate (Verzeichnisse, Bewertungen, Presse) und Inhalte, die die Fragen der Käufer an Assistenten direkt beantworten.
Messung schließt den Kreis. Nachdem du llms.txt und Content-Fixes ausgeliefert hast, lautet die Frage, ob sich die KI-Antworten wirklich ändern. Genau das liefert Geovorys kostenloser Scan: eine Basislinie, wie oft dich KI heute empfiehlt, und wöchentliches Monitoring, ob deine Änderungen sie bewegen.