Wenn Sie sehen möchten, wie eine echte llms.txt Datei aussieht, bevor Sie Ihre eigene schreiben, ist der schnellste Weg, einfach ein paar Live-Dateien zu lesen. Nachfolgend finden Sie echte Dateien, die direkt von Anthropic, Cloudflare, Stripe, Vercel, Supabase und Zapier stammen, aufgeschlüsselt, damit Sie die Muster erkennen, die sich über alle hinweg wiederholen, und die Teile übernehmen können, die zu Ihrer eigenen Website passen.
Die meisten Beiträge zu "llms.txt Beispielen" beschreiben diese Dateien aus zweiter Hand. Dieser hier verlinkt Sie direkt zu den Live-Dateien (es sind alles öffentliche URLs, Sie können jede einzelne selbst öffnen) und zeigt Ihnen die tatsächliche Struktur, nicht eine Umschreibung davon.
Wie eine llms.txt Datei tatsächlich aussieht
Das Format stammt aus einer vorgeschlagenen Spezifikation, die 2024 veröffentlicht wurde: eine einzelne Markdown-Datei unter /llms.txt, die einem AI-Modell einen sauberen, navigierbaren Index Ihrer Website liefert, anstatt es zu zwingen, gerendertes HTML zu parsen. Die Spezifikation definiert eine einfache Form:
- Eine H1 mit dem Namen Ihrer Website oder Ihres Projekts (der einzige erforderliche Teil).
- Ein Blockzitat mit einer ein- bis zweizeiligen Zusammenfassung.
- Optionaler Freitext-Kontext (Kompatibilitätshinweise, wichtige Fakten, alles, was ein AI-Agent wissen sollte, bevor er beginnt).
- Ein oder mehrere H2-Abschnitte, jeweils eine Markdown-Liste von Links im Format
[Titel](url): Beschreibung.
Das ist wirklich die gesamte Spezifikation. Alles Weitere zeigt, wie echte Unternehmen sie ausgefüllt haben.
6 echte llms.txt Beispiele
Anthropic: Sprachvarianten gleich zu Beginn aufgelistet
Anthropics llms.txt beginnt mit einer Überschrift, einer einzeiligen Beschreibung des Zwecks der Datei und listet dann sofort jede Sprache auf, in der die Dokumentation erscheint, mit Seitenzahlen, noch bevor die englische Linkliste überhaupt beginnt:
# Anthropic Developer Documentation
This file provides an overview of the Anthropic API documentation and developer resources.
## Root URL
...
## Available Languages on Website
- English (en) - 1894 pages - /docs - Content included below
- German (Deutsch) (de) - 137 pages - /docs/de - Visit website for content
...
Das Muster, das sich zu übernehmen lohnt: Wenn Ihre Dokumentation mehrsprachig ist, teilen Sie dem Modell das gleich zu Beginn mit, samt Seitenzahlen, anstatt stillschweigend nur Englisch offenzulegen. Das erspart dem Modell einen vergeblichen Crawl einer Sprachvariante, von deren Existenz es nichts wusste.
Cloudflare: ein verschachtelter Index von Indizes
Cloudflare hat Dutzende von Produkten, sodass eine einzige flache Datei unbrauchbar wäre. Ihre llms.txt löst das, indem sie ein Index von Indizes ist: eine Datei auf oberster Ebene, organisiert in Kategorien ("Application performance", "Application security" und weitere), bei der jede Zeile auf die eigene llms.txt dieses Produkts verlinkt, nicht direkt auf eine Dokumentationsseite:
> Each product below links to its own llms.txt, which contains a full index
> of that product's documentation pages and is the recommended way to
> explore a specific product's content.
## Application performance
- [Cache / CDN](https://developers.cloudflare.com/cache/llms.txt): Make websites faster...
- [DNS](https://developers.cloudflare.com/dns/llms.txt): Deliver excellent performance...
Das Muster, das sich zu übernehmen lohnt: Wenn Ihre Website wirklich eigenständige Produktbereiche hat, versuchen Sie nicht, alles in eine Datei zu quetschen. Verschachteln Sie es. Ein Modell kann dem zweiten Link folgen, wenn es die Tiefe dieses Produkts benötigt, und wird nicht gezwungen, einen Index für 30 Produkte herunterzuladen, um eine Frage zu einem einzigen zu beantworten.
Stripe: Anweisungen an den Agenten vor der Linkliste
Stripes llms.txt tut etwas, das die Spezifikation erlaubt, das die meisten Websites aber auslassen: Sie beginnt mit einer tatsächlichen Anweisung an das Modell, nicht nur mit einer Beschreibung der Website.
When installing Stripe packages, always check the npm registry for the
latest version rather than relying on memorized version numbers. Run
`npm view stripe version` or check https://www.npmjs.com/package/stripe
before pinning a version...
Danach geht sie in die standardmäßige [Titel](url): Beschreibung-Liste über, eine Zeile pro Dokumentationsseite, jeweils mit einem .md-Suffix, das zu einer sauberen Markdown-Version dieser Seite auflöst.
Das Muster, das sich zu übernehmen lohnt: Der Freitextabschnitt zwischen der Zusammenfassung und den Linklisten ist eine echte Chance, kein Füllmaterial. Wenn es eine Sache gibt, die die AI-generierten Antworten zu Ihrem Produkt immer wieder falsch machen (eine veraltete Methode, eine überholte Versionsnummer, ein verbreitetes Missverständnis), dann ist genau das der Satz, den Sie dort platzieren sollten.
Vercel: verweist auf einen einzigen Volltext-Export
Vercels llms.txt beginnt mit einem Verweis auf eine Begleitdatei, llms-full.txt, die die gesamte Dokumentation in einem Dokument zusammenfasst, noch bevor die normale, kategorisierte Linkliste überhaupt beginnt:
> Full documentation content: https://vercel.com/docs/llms-full.txt
# Documentation
...
- [Getting Started](https://vercel.com/docs/getting-started-with-vercel): ...
Das Muster, das sich zu übernehmen lohnt: llms.txt und llms-full.txt erfüllen unterschiedliche Aufgaben. Die kurze Datei ist eine Karte für einen Agenten, der eine Handvoll bestimmter Seiten abrufen möchte. Die vollständige Datei ist für ein Modell, das alles auf einmal aufnehmen möchte, zum Beispiel um eine breite Frage der Art "Wie funktioniert X von Anfang bis Ende" zu beantworten. Beides anzubieten deckt mehr Anwendungsfälle ab als jede Datei für sich allein.
Supabase: dasselbe Volltext-Muster, kompakter
Supabases Datei verwendet dasselbe Volltext-Verweismuster wie Vercel, nur mit weniger Vorspann: eine Zeile, die auf llms-full.txt verweist, dann direkt in eine flache ## Documentation-Liste. Keine Sprachvarianten, keine verschachtelten Produktindizes. Das funktioniert, weil Supabases Dokumentation, so umfangreich sie auch ist, unter einer einzigen Produktoberfläche liegt und nicht unter Dutzenden.
Das Muster, das sich zu übernehmen lohnt: Passen Sie die Komplexität der Datei an die tatsächliche Struktur Ihrer Website an. Supabase braucht Cloudflares Verschachtelung nicht, weil es Cloudflares Produktvielfalt nicht hat. Fügen Sie keine Struktur hinzu, die Sie nicht brauchen; sie fügt nur einen Sprung hinzu, dem das Modell folgen muss.
Zapier: stabile, verlinkbare Abschnitts-Anker
Zapiers llms.txt weist ausdrücklich darauf hin, dass ihre Abschnitts-Anker stabil und für Deep-Links sicher sind, zum Beispiel zapier.com/llms.txt#mcp, und organisiert die Datei dann rund um "Surfaces" (die verschiedenen Subdomains und Produkte) und "Topics" (übergreifende Themen wie AI-Agenten oder MCP) statt in einer einzigen flachen Struktur:
> Root map for AI agents and developer tools. Per-surface indexes live in
> [Surfaces](#surfaces); topic-keyed cross-references live in
> [Topics](#topics). Section anchors are stable, safe to deep-link.
Das Muster, das sich zu übernehmen lohnt: Dem Modell mitzuteilen, dass sich Ihre Anker nicht ändern werden, ist ein kleines Detail, das mehr zählt, als es aussieht. Es bedeutet, dass ein AI-Produkt einen Deep-Link zu Ihrem #mcp-Abschnitt zwischenspeichern und darauf vertrauen kann, dass er auch nächsten Monat noch auflöst, anstatt jedes Mal die gesamte Datei erneut abzurufen.
Die Muster über alle sechs hinweg
Stellt man sie nebeneinander, wiederholen sich dieselben wenigen Entscheidungen, nur jeweils anders gelöst, je nachdem, wie groß und wie stark produktübergreifend jede Website ist.
| Website | Strukturstil | Bemerkenswerte Ergänzung |
|---|---|---|
| Anthropic | Flache Liste, dokumentationsorientiert | Sprachvarianten mit Seitenzahlen, gleich zu Beginn aufgelistet |
| Cloudflare | Verschachtelter Index von Indizes | Jedes Produkt verlinkt auf seine eigene separate llms.txt |
| Stripe | Flache Liste | Ausdrückliche Anweisungen an den Agenten vor der Linkliste |
| Vercel | Flache Liste + Volltext-Verweis | Verweist auf eine Begleitdatei llms-full.txt |
| Supabase | Flache Liste + Volltext-Verweis | Dasselbe Volltext-Muster, minimaler Vorspann |
| Zapier | Surface- und Topic-Abschnitte | Stabile, per Deep-Link erreichbare Abschnitts-Anker |
Drei Entscheidungen, die Sie für Ihre eigene Datei treffen müssen, in der Reihenfolge, in der sie tatsächlich zählen:
- Flach oder verschachtelt? Ein einzelnes Produkt mit einigen Dutzend Seiten sollte flach bleiben, wie Supabase. Eine produktübergreifende Plattform, wie Cloudflare, sollte verschachteln, wobei jedes Produkt seine eigene Datei besitzt.
- Kurze Datei, Volltext-Export oder beides? Ein kurzer Index allein reicht für die meisten Websites aus. Fügen Sie eine
llms-full.txthinzu, sobald Ihre Dokumentation groß genug ist, dass "beantworte das aus dem gesamten Dokumentbestand" ein echter, wiederkehrender Fragetyp ist. - Gibt es etwas, das dem Modell direkt gesagt werden sollte? Wenn es einen Fakt gibt, den die AI-Antworten zu Ihrem Produkt immer wieder falsch machen (eine alte API-Version, eine Namensänderung, ein häufiger Verwirrungspunkt), lohnt es sich, Stripes Ansatz zu übernehmen und ihn klar und deutlich weit oben zu benennen, unabhängig von der Größe Ihrer Website.
Was Sie aus Ihrer llms.txt weglassen sollten
Die Lücke, die die meisten Artikel der Art "das ist llms.txt" auslassen, ist, wie eine schlechte Datei aussieht, nicht nur eine gute. Ein paar Gewohnheiten machen Ihre Datei aktiv unbrauchbar:
- Kippen Sie nicht Ihre gesamte Sitemap hinein. Eine Datei, die jede Marketingseite, jeden alten Blogbeitrag und jede Dokumentationsseite ohne Ordnung auflistet, verfehlt den Zweck. Der Wert von
llms.txtliegt in der Kuratierung: ein kleiner, bewusst ausgewählter Index, kein automatisiertes Spiegelbild Ihrer Sitemap. - Lassen Sie Beschreibungen nicht veralten. Cloudflares Datei hat aus genau diesem Grund "(deprecated)"-Kennzeichnungen direkt in alte Produkteinträge eingebaut. Wenn eine verlinkte Seite sich weiterentwickelt hat (eine umbenannte Funktion, ein eingestelltes Produkt), aktualisieren oder entfernen Sie den Eintrag. Ein Modell, das einem toten Link folgt, lernt nichts und verschwendet eine Anfrage.
- Überspringen Sie nicht das Zusammenfassungs-Blockzitat. Es ist die eine Zeile, die laut Spezifikation nicht verhandelbar sein soll, und es ist der schnellste Weg für ein Modell, zu entscheiden, ob es überhaupt die richtige Website vor sich hat.
- Behandeln Sie sie nicht als einmalige Einrichtungsaufgabe. Jedes obige Beispiel ist an einen Dokumentbestand gebunden, der sich ständig ändert. Wer auch immer für Ihre Dokumentations-Pipeline verantwortlich ist, sollte
llms.txtals eine weitere Datei behandeln, die neu erzeugt wird, wenn die Dokumentation es tut, nicht als etwas, das einmal geschrieben und dann vergessen wird.
So prüfen Sie, ob eine Website eine hat
Bevor Sie Ihre eigene erstellen, lohnt sich eine kleine Angewohnheit: Hängen Sie /llms.txt an die Root-Domain einer beliebigen Website an, oder an eine bestimmte Dokumentations-Subdomain, und sehen Sie, was zurückkommt. Ein 200 mit einer Markdown-Datei bedeutet, dass diese Website das Format übernommen hat; ein 404 bedeutet, dass sie es noch nicht getan hat. Genau so wurden die sechs obigen Beispiele für diesen Beitrag herangezogen: durch Abrufen der Live-Datei unter der Domain jedes Unternehmens, nicht durch das Lesen einer Beschreibung davon irgendwo anders.
Wenn Sie die Bereitschaft Ihrer eigenen Website für die AI-Zitierung umfassender prüfen, ist eine llms.txt Datei nur eine Eingabe unter mehreren. Strukturierte Inhalte, klare Autoren-Zuordnung und aktuelle Fakten zählen alle mindestens genauso viel dafür, ob ChatGPT, Perplexity oder Googles AI Overviews sich entscheiden, Sie zu zitieren. Murkuz' Anwendungsfall zur AI-Suchbereitschaft bewertet jede Seite von A bis F genau anhand dieser Signale (Struktur, Autorität, Aktualität, Quellenzuordnung) und erzeugt die konkreten Korrekturen für die jeweils schwachen, sodass eine llms.txt Datei zu einem Teil eines größeren Bereitschaftsbildes wird statt zu einem Häkchen für sich allein.
FAQ
Was ist ein gutes Beispiel für llms.txt?
Anthropic, Cloudflare, Stripe, Vercel, Supabase und Zapier veröffentlichen alle echte, öffentliche llms.txt Dateien (oben verlinkt und aufgeschlüsselt). Cloudflares ist das stärkste Beispiel für eine große, produktübergreifende Website, weil sie produktspezifische Dateien verschachtelt, anstatt zu versuchen, alles in eine Liste zu pressen.
Gibt es eine Vorlage für llms.txt?
Die offizielle Spezifikation veröffentlicht ein minimales FastHTML-Beispiel: eine H1 mit dem Projektnamen, eine Blockzitat-Zusammenfassung, optionaler Freitext-Kontext, dann H2-Abschnitte mit Markdown-Links samt Beschreibungen. Jede echte Datei oben folgt demselben Grundgerüst; sie unterscheiden sich darin, wie stark sie verschachteln und ob sie einen Volltext-Export hinzufügen.
Brauche ich sowohl llms.txt als auch llms-full.txt?
Nicht immer. Eine kurze Indexdatei allein deckt die meisten Websites ab. Fügen Sie einen Volltext-Export hinzu (wie es sowohl Vercel als auch Supabase tun), sobald Ihre Dokumentation groß genug ist, dass ein Modell, das eine breite Frage beantwortet, davon profitiert, alles in einem Abruf aufzunehmen, anstatt Dutzenden einzelner Links zu folgen.
Wie prüfe ich, ob mein Wettbewerber eine llms.txt Datei hat?
Hängen Sie /llms.txt an ihre Root-Domain (und jede Dokumentations-Subdomain) im Browser an. Eine funktionierende Markdown-Datei bedeutet, dass sie es übernommen haben; ein 404 bedeutet, dass sie es nicht getan haben. Es dauert etwa zehn Sekunden pro Website.
Hilft llms.txt tatsächlich bei Zitierungen durch ChatGPT oder AI Overviews?
Es ist ein Signal unter mehreren, keine Garantie. Eine gut organisierte llms.txt macht Ihre Inhalte für einen AI-Agenten leichter navigierbar und sauber abrufbar, aber die Zitierung hängt weiterhin davon ab, dass der zugrunde liegende Inhalt strukturiert, aktuell und glaubwürdig ist. Betrachten Sie es als Infrastruktur, die Reibung beseitigt, nicht als Ranking-Faktor für sich allein.
Junaid Khalid ist der Gründer von Ertiqah und der Entwickler von Murkuz. Er hat jahrelang SEO als ersten Wachstumskanal über seine eigenen SaaS-Produkte hinweg betrieben und liest die aktuelle Generation von AI-Crawler-Standards, einschließlich llms.txt, auf dieselbe Weise: nützliche Infrastruktur, kein Ersatz für wirklich gut strukturierte Inhalte.
