Eine llms.txt-Datei ist eine reine Text-Markdown-Datei, die Sie im Stammverzeichnis Ihrer Website ablegen (ihresite.com/llms.txt) und die KI-Modellen eine kurze, kuratierte Übersicht Ihrer wichtigsten Inhalte gibt: worum es auf der Website geht und welche Seiten es sich zuerst zu lesen lohnt. Sie funktioniert wie robots.txt oder sitemap.xml, nur richtet sich die Zielgruppe an ein Sprachmodell statt an einen Suchmaschinen-Crawler.
Das ist die ganze Idee in einem Satz. Die schwierigere Frage, die die meisten Artikel zu diesem Thema umgehen, ist, ob sie tatsächlich etwas bewirkt. Nachfolgend finden Sie das exakte Format, eine Vorlage, die Sie heute kopieren können, eine Schritt-für-Schritt-Einrichtung und eine klare Antwort darauf, ob es Ihre Zeit wert ist.
Was llms.txt tatsächlich ist
Der Vorschlag stammt von Jeremy Howard (Answer.AI) und wurde im September 2024 auf llmstxt.org veröffentlicht. Die Grundüberlegung: Sprachmodelle haben begrenzte Kontextfenster und keine zuverlässige Möglichkeit, Ihre Marketingtexte von Ihrer API-Referenz zu unterscheiden. Eine llms.txt-Datei liefert dem Modell eine kurze, strukturierte Zusammenfassung, statt es durch das Crawlen Ihrer gesamten Website raten zu lassen.
Es handelt sich nicht um einen technischen Standard, der von einem Browser oder Protokoll durchgesetzt wird. Es ist eine Konvention, so wie robots.txt als Konvention begann, bevor sich die Suchmaschinen darauf einigten, sie zu berücksichtigen. Nichts zwingt einen KI-Crawler dazu, Ihre llms.txt-Datei zu lesen, und diese Unterscheidung ist für alles Weitere entscheidend.
Das exakte Format (kopieren Sie diese Struktur)
Die Spezifikation ist bewusst eng gefasst. Eine gültige llms.txt-Datei folgt dieser Reihenfolge:
- Eine H1 mit dem Namen Ihrer Website oder Ihres Projekts. Dies ist der einzige erforderliche Abschnitt.
- Ein Blockzitat mit einer ein- bis zweizeiligen Zusammenfassung. Worum es auf der Website geht, in klarer Sprache.
- Optionale Kontextabsätze. Ein paar Sätze Hintergrund, ohne Überschriften.
- Durch H2 gegliederte Abschnitte, jeweils eine Liste von Markdown-Links.
[Seitenname](url): kurze Beschreibung des Inhalts. - Ein optionaler H2-Abschnitt "Optional" (falls nötig). Signalisiert dem Modell, dass dieser Inhalt in einem kürzeren Kontextfenster übersprungen werden kann.
Hier ist ein minimales, funktionierendes Beispiel (die Zeilen mit zwei Rauten sind in der echten Datei H2-Überschriften):
# Acme Analytics
> Acme Analytics ist ein Self-Service-Produktanalyse-Tool für SaaS-Teams. Diese Datei
> verweist KI-Modelle auf unsere wichtigste Dokumentation und Produktseiten.
Acme Analytics hilft Teams, Nutzerverhalten zu verfolgen, Funnels durchzuführen und
Retention-Dashboards einzurichten, ohne SQL zu schreiben.
[H2] Docs
- [Quickstart](https://acme.com/docs/quickstart): Bringen Sie in 10 Minuten ein Dashboard zum Laufen.
- [API Reference](https://acme.com/docs/api): Vollständige Endpunkt-Dokumentation.
- [Pricing](https://acme.com/pricing): Aktuelle Tarife und Limits.
[H2] Optional
- [Changelog](https://acme.com/changelog): Versionshistorie, bei kurzem Kontext getrost überspringbar.
Manche Websites veröffentlichen zusätzlich llms-full.txt, eine längere Begleitdatei mit dem vollständigen Text der wichtigsten Seiten, die eingebettet statt nur verlinkt ist. Das ist nicht Teil der ursprünglichen Spezifikation, hat sich aber für dokumentationslastige Websites zu einer gängigen Erweiterung entwickelt (Anthropic und Cloudflare setzen beide eine Variante davon um).
Funktioniert llms.txt wirklich? Die ehrliche Antwort
Hier werden die meisten Erklärungen einsilbig, denn die Datenlage ist wenig schmeichelhaft. Stand Mitte 2026 hat sich keiner der großen KI-Anbieter, weder OpenAI, Anthropic, Google noch Meta, dazu verpflichtet, llms.txt-Dateien zu lesen oder zu priorisieren. Google hat direkt erklärt, dass diese Dateien für die KI-Sichtbarkeit in der Suche nicht notwendig sind, obwohl das eigene Chrome-Lighthouse-Tool eine experimentelle Prüfung dafür hinzugefügt hat. Unabhängige Crawls von Domains, die eine llms.txt-Datei hosten, haben ergeben, dass die überwältigende Mehrheit dieser Dateien von keinem Bot jemals abgerufen wird.
<mark class="km-highlight" style="--hl:#FEF08A;background:#FEF08A">llms.txt ist derzeit kein Ranking- oder Zitationshebel, den ein großes KI-System liest.</mark> Behandeln Sie das als die grundlegende Erwartung, nicht als Abschreckung davor, jemals eine zu verwenden.
Warum sich also die Mühe machen? Drei Gründe, die auch mit diesem Vorbehalt Bestand haben:
- Die Erstellung und Pflege kostet fast nichts. Eine gut strukturierte
llms.txt-Datei ist ein paar Minuten Arbeit, sobald Ihre Inhaltsübersicht geordnet ist. Es gibt keinen nennenswerten Nachteil, eine zu veröffentlichen. - Einige KI-native Tools werten sie bereits aus. Dokumentationsplattformen (Mintlify, GitBook) und eine wachsende Zahl von Dev-Tool-Crawlern lesen sie, auch wenn die größten Consumer-Chatbots dies noch nicht tun. Wenn Ihre Zielgruppe Entwickler sind, die solche Tools nutzen, hat die Datei heute ein echtes, wenn auch begrenztes Publikum.
- Sie erzwingt eine nützliche Übung. Eine
llms.txt-Datei zu schreiben bedeutet, zu prüfen, welche Ihrer Seiten tatsächlich die wichtigsten sind. Diese Klarheit hilft Ihrer gesamten KI-Such- und Structured-Data-Arbeit, selbst wenn die Datei selbst von ChatGPT ungelesen bleibt.
Die realistische Einordnung: llms.txt ist eine kostengünstige, spekulative Wette auf einen Standard, der von den Unternehmen, die ihn am meisten bedeutsam machen würden, nicht übernommen wurde, keine bewährte Taktik für KI-Sichtbarkeit. Wenn Sie zehn Minuten Zeit und keine dringendere Priorität haben, fügen Sie eine hinzu. Wenn Sie zwischen einer llms.txt-Datei und der Verbesserung Ihrer tatsächlichen Inhaltsstruktur, Ihres Schemas und Ihrer Autoren-Attribution wählen müssen, tun Sie zuerst das Zweite, denn das ist der Teil mit nachgewiesener Wirkung auf KI-Zitationen.
Wie sich llms.txt von robots.txt und sitemap.xml unterscheidet
Sie liegen im selben Stammverzeichnis und teilen einen Klartext-Geist, erfüllen aber drei verschiedene Aufgaben.
| robots.txt | sitemap.xml | llms.txt | |
|---|---|---|---|
| Zielgruppe | Suchmaschinen-Crawler | Suchmaschinen-Crawler | KI-Modelle / LLM-basierte Tools |
| Zweck | Crawlen von Pfaden blockieren oder erlauben | Jede indexierbare URL zur Auffindung auflisten | Die wichtigsten Seiten kuratieren und zusammenfassen |
| Durchgesetzt durch | Ja, von großen Suchmaschinen als De-facto-Standard berücksichtigt | Ja, über die Search Console eingereicht und von Crawlern gelesen | Nein, von großen KI-Anbietern noch nicht offiziell übernommen |
| Format | Klartext, Direktiven-Syntax | XML | Markdown |
| Was passiert, wenn sie fehlt | Crawler gehen davon aus, dass alles erlaubt ist | Crawler greifen auf die Auffindung über Links zurück | Nichts bricht, dies ist rein additiv |
Die praktische Erkenntnis: robots.txt schränkt ein, sitemap.xml listet alles auf, und llms.txt kuratiert eine Teilmenge mit Kontext. Keine davon ersetzt die anderen, und der Verzicht auf llms.txt kostet Sie heute nichts Messbares.
So richten Sie llms.txt ein: Schritt für Schritt
- Listen Sie Ihre fünf bis fünfzehn wichtigsten Seiten auf. Nicht alles, sondern die Seiten, die ein Modell zuerst lesen sollte, wenn es nur eine Handvoll lesen könnte: Ihre Kernproduktbeschreibung, wichtige Dokumentation, Preise und Ihre besten Evergreen-Guides.
- Schreiben Sie eine ein- bis zweisätzige Zusammenfassung Ihrer Website. Diese kommt in das Blockzitat unter Ihre H1. Sagen Sie klar, worum es auf der Website geht, und lassen Sie die Marketing-Adjektive weg; ein Modell extrahiert Fakten besser als Tonfall.
- Gruppieren Sie Ihre Links unter zwei oder drei H2-Abschnitten. Übliche Gruppierungen: Docs, Guides, Product, Company. Jeder Link erhält eine kurze, sachliche Beschreibung, keinen Slogan.
- Speichern Sie die Datei als
llms.txtim Stammverzeichnis Ihrer Website. Bei den meisten CMS-Plattformen bedeutet das denselben Ort wierobots.txt: das öffentliche Stammverzeichnis, nicht ein Unterordner. - Prüfen Sie, dass sie unter
ihresite.com/llms.txtlädt. Kontrollieren Sie, dass sie als Klartext gerendert wird (nicht in das HTML-Template Ihrer Website eingebettet) und einen 200-Status zurückgibt. - Überarbeiten Sie sie, wenn sich Ihre Inhaltsübersicht ändert. Behandeln Sie sie wie eine Sitemap: Aktualisieren Sie sie, wenn Sie umfangreiche neue Dokumentation veröffentlichen oder eine alte Seite entfernen, nicht nach einem festen Zeitplan.
Wenn Sie WordPress, Webflow oder ein anderes CMS ohne native Unterstützung verwenden, ist der einfachste Weg ein Plugin oder eine manuell hochgeladene statische Datei im Stammverzeichnis; wenn Sie aus Plattformgründen nicht direkt in das Stammverzeichnis schreiben können, ist eine llms.txt-Datei angesichts der oben beschriebenen aktuellen Verbreitung keinen größeren Infrastruktur-Umweg wert.
Wo llms.txt in eine echte KI-Such-Strategie passt
Eine llms.txt-Datei ist ein kleiner, additiver Baustein eines viel größeren Bildes. Die Signale, die tatsächlich beeinflussen, ob KI-Engines Sie zitieren, strukturierte Inhalte, klare Autoren-Attribution, aktuelle Daten und saubere technische Grundlagen, sind heute weitaus wichtiger als jede einzelne Datei in Ihrem Stammverzeichnis. Der Anwendungsfall AI Search Readiness von Murkuz bewertet jede Seite von A bis F genau anhand dieser Faktoren (Struktur, Autorenautorität, Aktualität, Quellen-Attribution, thematische Tiefe und technische Signale) und erzeugt die konkrete Korrektur für jede Seite, statt auf eine einzige Datei zu setzen, die die meisten KI-Crawler nach wie vor ignorieren.
Für eine Website, die viele strukturierte Referenzinhalte veröffentlicht, deckt die Kombination einer llms.txt-Datei mit korrektem Schema-Markup beide Zielgruppen ab: Suchmaschinen, die strukturierte Daten lesen, und die kleinere Gruppe von KI-Tools, die llms.txt bereits lesen. Die Funktionen-Seite von Murkuz beschreibt im Detail, wie das KI-Readiness-Scoring und die Empfehlungen für strukturierte Inhalte auf einer einzelnen Seite zusammenwirken.
FAQ
Was macht eine llms.txt-Datei?
Sie gibt KI-Modellen und KI-fähigen Tools eine kurze, kuratierte Zusammenfassung Ihrer Website plus Links zu Ihren wichtigsten Seiten, sodass ein Modell nicht raten muss, welche Teile Ihrer Website am wichtigsten sind. Sie blockiert oder erlaubt das Crawlen nicht, wie es robots.txt tut.
Funktioniert llms.txt wirklich?
Bei den größten KI-Anbietern noch nicht. Stand Mitte 2026 haben OpenAI, Anthropic, Google und Meta nicht bestätigt, dass sie llms.txt-Dateien für Zitationen lesen oder gewichten, und unabhängige Untersuchungen haben ergeben, dass die meisten veröffentlichten llms.txt-Dateien von keinem Bot jemals abgerufen werden. Einige KI-native Entwicklertools lesen sie durchaus. Betrachten Sie sie als kostengünstig und spekulativ, nicht als bewährt.
Was ist der Unterschied zwischen robots.txt und llms.txt?
robots.txt sagt Suchmaschinen-Crawlern, was sie crawlen dürfen und was nicht, und wird als De-facto-Standard berücksichtigt. llms.txt kuratiert eine Zusammenfassung und eine Auswahlliste wichtiger Seiten, die KI-Modelle lesen sollen, und ist von keinem großen KI-Anbieter offiziell übernommen. Die eine schränkt ein, die andere schlägt vor.
Wie schreibe ich eine llms.txt-Datei?
Beginnen Sie mit einer H1 für den Namen Ihrer Website, einem Blockzitat mit einer einzeiligen Zusammenfassung, dann einem oder mehreren H2-Abschnitten, die Markdown-Links zu Ihren wichtigsten Seiten mit kurzen Beschreibungen gruppieren. Speichern Sie sie als llms.txt im Stammverzeichnis Ihrer Website, am selben Ort wie robots.txt.
Wo lege ich meine llms.txt-Datei ab?
Im Stammverzeichnis Ihrer Website, sodass sie unter ihresite.com/llms.txt lädt, nach derselben Ortskonvention wie robots.txt und sitemap.xml.
Ich habe SEO als ersten Wachstumskanal über mehrere meiner eigenen Produkte hinweg betrieben, und das Muster bei neuen Standards wie diesem ist immer dasselbe: Die kostengünstige, risikoarme Variante lohnt sich an einem ruhigen Nachmittag, ist aber nie ein Ersatz für die Grundlagen, die nachweislich KI-Zitationen bewegen. Veröffentlichen Sie die llms.txt-Datei, wenn Sie zehn Minuten Zeit haben, und verbringen Sie den Rest Ihrer Zeit mit Struktur, Autorenschaft und Aktualität, den Dingen, die nachweislich funktionieren.
Junaid Khalid, Gründer von Ertiqah (Entwickler von Murkuz)
