Definition
llms.txt ist eine Markdown-Datei, also eine Textdatei mit leichter Formatierung, die Sprachmodellen und KI-Agenten eine kurze, verlinkte Übersicht über eine Website gibt. Sie liegt unter /llms.txt oder in einem Unterpfad und beschreibt die Seiten darunter. Der Vorschlag von Jeremy Howard erschien am 3. September 2024, die Fassung v2 am 10. August 2026. Ein Standard ist llms.txt nicht: Google Search ignoriert die Datei nach eigenen Angaben, und kein großer KI-Anbieter hat zugesagt, fremde llms.txt-Dateien zu lesen.
Warum das zählt
llms.txt wird in vielen Angeboten als schneller Hebel für KI-Sichtbarkeit verkauft. Die Datenlage spricht dagegen. Ahrefs wertete für eine am 15. Juni 2026 veröffentlichte Untersuchung die Serverprotokolle von 137.210 Domains aus. 28 Prozent hatten eine gültige llms.txt. Von diesen rund 38.000 Dateien erhielten 97 Prozent im Mai 2026 keinen einzigen Abruf, weder von einem Bot noch von einem Menschen (Ahrefs, llms.txt-Studie). Die 28 Prozent nennt Ahrefs eine Obergrenze, da die untersuchten Websites technisch versierter sind als der Durchschnitt.
Google ist eindeutig. Im Abschnitt zu verbreiteten Irrtümern heißt es, dass keine zusätzlichen maschinenlesbaren Dateien nötig sind und die Google-Suche sie ignoriert. Eine llms.txt schadet der Sichtbarkeit dort nicht, hilft ihr aber auch nicht (Google Search Central, Leitfaden für generative KI-Funktionen). Ebenso rät Google davon ab, Inhalte nur für Maschinen zu zerteilen, also auf Chunking zu setzen.
Der Begriff gehört trotzdem in ein Glossar. Sie werden darauf angesprochen, spätestens wenn ein Anbieter ihn als Leistung verkauft. Und die Datei ist billig, solange niemand behauptet, sie sei der entscheidende Schritt.
Wie es funktioniert
Die Datei ist in Markdown geschrieben. Die Spezifikation gibt eine feste Reihenfolge vor, verlangt aber nur ein einziges Element: eine H1-Überschrift mit dem Namen des Projekts oder Unternehmens. Alles Weitere ist optional.
| Element | Inhalt | Pflicht |
|---|---|---|
| H1 | Name des Unternehmens oder Projekts | ja |
| Zitatblock | Kurzfassung in wenigen Sätzen | nein |
| Freie Absätze | Hinweise zur Einordnung, ohne Überschriften | nein |
| H2-Abschnitte | Listen von Verweisen, je Verweis Titel, Adresse und Notiz | nein |
| Abschnitt „Optional“ | Zweitrangiges, das ein Agent überspringen darf | nein |
In Markdown sieht das so aus:
# Muster GmbH
> Zerspanung und Baugruppenfertigung für den Maschinenbau.
Preise auf Anfrage. Lieferung im gesamten DACH-Raum.
## Leistungen
- [CNC-Fräsen](https://example.de/leistungen/cnc-fraesen.md): Verfahren, Toleranzen, Werkstoffe
- [Baugruppenmontage](https://example.de/leistungen/montage.md): Ablauf und Prüfschritte
## Optional
- [Impressum](https://example.de/impressum.md)Gedacht ist das als Abkürzung. Ein Modell soll die Datei lesen können, statt sich durch das HTML der ganzen Website zu arbeiten. Der Gedanke ist nachvollziehbar, nur folgt ihm bislang kaum ein System.
Die Fassung v2 vom 10. August 2026 erweitert den Vorschlag an drei Stellen. Die Datei darf in jedem Pfad liegen, etwa /dokumentation/llms.txt. Seiten sollen zusätzlich eine Markdown-Fassung unter derselben Adresse mit der Endung .md anbieten. Und Agenten sollen beides über Link-Beziehungen finden, im Seitenkopf oder als HTTP-Kopfzeile:
Link: </dokumentation/seite.md>; rel="alternate"; type="text/markdown",
</dokumentation/llms.txt>; rel="describedby"Verbreitet ist zusätzlich eine Variante namens llms-full.txt, die den vollständigen Text der Seiten enthält. Sie ist nicht Teil der Spezifikation, und der Pflegeaufwand ist größer.
Chrome prüft die Datei im Lighthouse-Bereich „Agentic Browsing“ mit. Fehlt sie und antwortet der Server mit 404, gilt der Test als nicht zutreffend. Bemängelt wird nur ein Serverfehler beim Abruf, denn die Datei ist ausdrücklich freiwillig (Chrome for Developers, Lighthouse-Test zu llms.txt).
In der Praxis
Wenn Sie die Datei anlegen, dann erzeugt statt handgepflegt. Eine handgeschriebene Datei ist beim nächsten Beitrag veraltet und verweist auf Seiten, die es nicht mehr gibt. Auf dieser Website entsteht sie bei jedem Bau aus denselben Daten wie die Sitemap.
Eine vorhandene Datei prüfen Sie in fünf Schritten:
1. Erreichbarkeit. Rufen Sie ihre-domain.de/llms.txt auf. Erwartet werden Statuscode 200 und reiner Text. Liefert der Server HTML, gibt es die Datei nicht.
2. Abrufe. Filtern Sie Ihr Serverprotokoll auf den Pfad /llms.txt. Meist finden Sie keine Zeile. Andernfalls verrät das Feld User-Agent, welches Programm zugegriffen hat.
3. Verweise. Gleichen Sie jede Adresse in der Datei mit der Website ab. Jede Adresse muss 200 liefern und darf nicht per robots.txt für das Crawling gesperrt sein.
4. Auffindbarkeit. Verlinken Sie die Datei über die Link-Beziehung im Seitenkopf. Ahrefs fand keinen einzigen KI-Bot, der nach einer fehlenden llms.txt gesucht hätte: 98 Prozent dieser Anfragen kamen von Menschen.
5. Schreibrechte. Behandeln Sie die Datei wie Programmcode: Versionsverwaltung, enge Schreibrechte, keine anweisungsartigen Sätze im Text. Agenten sind darauf ausgelegt, dem Inhalt zu vertrauen.
Wer die Datei tatsächlich liest, zeigt die Auswertung der Anfragen aus der Ahrefs-Studie. Grundlage sind rund 22.000 Anfragen an die drei Prozent Dateien, die überhaupt abgerufen wurden.
| Wer ruft ab | Anteil der Anfragen |
|---|---|
| SEO-Prüfwerkzeuge | 21,7 % |
| Nicht zuzuordnende Programme | 14,9 % |
| Allgemeine Suchmaschinen-Crawler | 13,1 % |
| Technik-Erkennungsdienste | 11,6 % |
| KI-Agenten, vor allem Programmierwerkzeuge | 10,5 % |
| GEO- und AEO-Werkzeuge | 5,8 % |
| KI-Trainings-Crawler | 5,3 % |
| Prüfdienste allein für llms.txt | 3,6 % |
| Vorschau-Bots von Messengern und sozialen Netzwerken | 2,9 % |
| Forschungs-Crawler | 2,7 % |
| KI-Assistenten in Echtzeit | 2,5 % |
| Abrufbots der KI-Suche | 1,1 % |
Genau die Systeme, wegen derer die Datei meist angelegt wird, stehen am unteren Ende. Die Bot-Kategorien decken 96 Prozent der Anfragen ab, die übrigen 4 Prozent kamen von Menschen. Ein Teil der Zahlen ist hausgemacht: In den 21,7 Prozent der SEO-Prüfwerkzeuge stecken die eigenen Crawler von Ahrefs mit 10,6 Prozent, ohne sie bleiben 11,1 Prozent. Der Lighthouse-Test verursachte 22 Anfragen, also etwa eine von tausend.
Ein Ersatz für sauber gebaute Seiten ist die Datei nicht. Was in ihr steht, steht ohnehin auf Ihrer Website. Die ausführliche Datenlage steht im Beitrag llms.txt: Was sie bringt und was nicht.
Häufige Fehler
Die Datei als Hauptmaßnahme verkaufen. Wer llms.txt als zentralen Schritt zur KI-Sichtbarkeit anbietet, ignoriert die Datenlage.
Von Hand pflegen. Nach dem dritten neuen Beitrag stimmt der Inhalt nicht mehr, und niemand merkt es.
Verweise auf gesperrte Seiten. Eine Datei, die auf Bereiche verweist, die in der robots.txt gesperrt sind, ist in sich widersprüchlich.
Anweisungen in die Datei schreiben. Ahrefs fand unter den abrufenden Programmen einen Forschungs-Crawler mit der Kennung „prompt-injection-survey“. Die Datei ist ein lohnendes Ziel für untergeschobene Anweisungen, weil Agenten ihr vertrauen. Beschreibende Sätze und Verweise gehören hinein, Handlungsaufforderungen nicht.
Das Fehlen der Datei als Mangel werten. Manche Prüfwerkzeuge melden eine fehlende llms.txt als Fehler. Lighthouse tut das ausdrücklich nicht.
Abgrenzung
llms.txt ist nicht die robots.txt. Die robots.txt steuert, wer Ihre Seiten abrufen darf, und wird von allen relevanten Systemen ausgewertet. Die llms.txt beschreibt nur Inhalte, sie steuert nichts und sperrt nichts.
Sie ist auch keine Sitemap. Eine XML-Sitemap ist ein etabliertes Format für Suchmaschinen und listet alle indexierbaren Adressen maschinenlesbar auf. Die llms.txt ist eine kurze, ausgewählte Übersicht, die auch auf fremde Adressen verweisen darf.
Sie ist auch nicht dasselbe wie Markdown-Fassungen einzelner Seiten. Diese .md-Kopien sind eine eigene Maßnahme. Die llms.txt ist nur das Verzeichnis, das darauf verweist.
Als Maßnahme innerhalb der Generative Engine Optimization steht sie ganz unten in der Rangfolge. Deutlich wirksamer sind zitierfähige Texte und Erwähnungen außerhalb der eigenen Domain.
Geschrieben von
Marcel Speckmann
Geschäftsführer der Speckmann Webdesign GmbH in Oldenburg. Ich arbeite an Suchmaschinenoptimierung, KI-Sichtbarkeit und den Websites, die dafür die Grundlage sind. Was hier steht, stammt aus laufenden Projekten, nicht aus Lehrbüchern.
Dazu passt
Wie wir prüfen, ob und wo Sie in KI-Antworten vorkommen, und was daraus an Maßnahmen folgt, steht auf der Leistungsseite.