Kurzantwort
Eine llms.txt erstellst du als Markdown-Textdatei mit einer H1-Überschrift, einer kurzen Zusammenfassung und Linklisten zu deinen wichtigsten Seiten. Die Datei liegt unter deine-domain.de/llms.txt. Nach aktueller Datenlage bringt eine llms.txt für normale Unternehmenswebsites keinen messbaren Nutzen. Eine Ahrefs-Auswertung über 137.210 Websites vom 15. Juni 2026 ergab, dass 97 Prozent dieser Dateien im Mai 2026 keinen einzigen Abruf erhielten. Google führt maschinenlesbare Zusatzdateien in seinem Leitfaden zur Optimierung für generative KI-Funktionen ausdrücklich als nicht erforderlich auf. Wirksam ist stattdessen die robots.txt, denn dort entscheidet sich, ob die KI-Crawler deine Inhalte überhaupt abrufen dürfen.
Was ist eine llms.txt?
Die Idee stammt aus dem Jahr 2024: eine Textdatei im Wurzelverzeichnis einer Website, ähnlich der bekannten robots.txt, die Sprachmodellen in aufbereiteter Form mitteilt, welche Inhalte es gibt und wie sie zu verstehen sind. Der Gedanke war, den Modellen das Aufbereiten von HTML zu ersparen und dabei selbst zu bestimmen, was betont wird.
Vorgeschlagen hat das Format Jeremy Howard, Mitgründer von Answer.AI und fast.ai. Die Spezifikation auf llmstxt.org wurde am 3. September 2024 veröffentlicht und liegt seit dem 10. August 2026 in einer zweiten Fassung vor.
Wie ist eine llms.txt aufgebaut?
Eine llms.txt folgt einer festen Reihenfolge, und Pflicht ist nur die H1-Überschrift. Die Datei ist in Markdown geschrieben. Sie beginnt mit einer H1-Überschrift für den Namen des Projekts. Darunter folgt ein Zitatblock mit einer knappen Zusammenfassung. Danach kommen H2-Abschnitte mit Linklisten, wobei jeder Link eine kurze Notiz tragen darf. Ein Abschnitt mit der Überschrift „Optional“ markiert Inhalte, die ein Modell überspringen kann, wenn der Platz knapp wird.
In der Praxis sieht eine solche Datei so aus:
# Name deines Unternehmens
> Ein Satz dazu, was das Unternehmen macht und für wen.
## Leistungen
- [Leistung A](https://example.de/leistung-a): worum es geht
- [Leistung B](https://example.de/leistung-b): worum es geht
## Optional
- [Unternehmensgeschichte](https://example.de/historie)
Verlangt ist davon nur ein einziges Element, die H1-Überschrift mit dem Namen. 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 |
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"
Wie erstellst du eine llms.txt Schritt für Schritt?
Eine llms.txt erstellst du in sechs Schritten mit einem einfachen Texteditor. Programmierkenntnisse brauchst du dafür nicht.
- Seiten auswählen. Lege fest, welche Seiten dein Angebot erklären: Leistungen, die wichtigsten Ratgeber, Unternehmen und Kontakt. Eine llms.txt ist eine Auswahl, keine zweite Sitemap.
- Textdatei anlegen. Öffne einen reinen Texteditor wie TextEdit im Modus „Reiner Text“, den Windows-Editor oder Visual Studio Code. Speichere die Datei unter dem Namen
llms.txt, am besten in der Zeichenkodierung UTF-8. - Kopf schreiben. Die erste Zeile ist die H1 mit
#und dem Namen deines Unternehmens. Darunter folgt mit>ein Satz dazu, was du anbietest und für wen. - Linklisten anlegen. Gliedere die Verweise mit
##in Abschnitte. Jeder Eintrag ist laut Spezifikation ein Markdown-Link[Name](Adresse), optional gefolgt von einem Doppelpunkt und einer Notiz. - Hochladen. Lade die Datei in das Wurzelverzeichnis deiner Website, sodass sie unter
deine-domain.de/llms.txterreichbar ist. Die Fassung v2 erlaubt zusätzlich Dateien in Unterpfaden, die dann nur die Seiten darunter abdecken. - Erreichbarkeit prüfen. Ruf die Adresse im Browser auf oder gib im Terminal
curl -IL https://deine-domain.de/llms.txtein. Am Ende der Ausgabe muss der Statuscode 200 stehen. Eine vorgeschaltete Weiterleitung mit 301, etwa auf die Adresse mit www, ist unkritisch. Weitere Prüfpunkte stehen weiter unten im Abschnitt Eine vorhandene Datei prüfen.
Wie sieht eine fertige llms.txt aus?
Unsere eigene Datei unter speckmann-webdesign.de/llms.txt folgt genau diesem Aufbau. Hier ein gekürzter Auszug zum Kopieren und Anpassen:
# Speckmann Webdesign GmbH
> SEO-Agentur aus Oldenburg. Sichtbarkeit bei Google und in den Antworten von ChatGPT, Perplexity und den Google AI Overviews, dazu die Websites, die beides tragen. Für Unternehmen im deutschsprachigen Raum.
Geschäftsführer: Marcel Speckmann. Anschrift: Dwaschweg 5, 26133 Oldenburg, Deutschland.
## Leistungen
- [KI-Sichtbarkeit: In ChatGPT und Google AI genannt werden](https://www.speckmann-webdesign.de/leistungen/ki-sichtbarkeit): Messung je Modell, zitierfähige Inhalte und Entitäts-Signale, damit KI-Systeme dich nennen.
- [Suchmaschinenoptimierung: SEO-Betreuung mit Plan](https://www.speckmann-webdesign.de/leistungen/seo): Technisches Fundament, Inhalte mit Substanz und Vertrauenssignale.
## Ratgeber
- [Wie kommt man in ChatGPT-Antworten?](https://www.speckmann-webdesign.de/ratgeber/in-chatgpt-antworten-erscheinen): Was Unternehmen tun müssen, um von ChatGPT, Perplexity und Google AI genannt zu werden.
- [Schema.org: strukturierte Daten richtig einsetzen](https://www.speckmann-webdesign.de/ratgeber/schema-markup): Welche Schema-Typen sich lohnen und was sie bewirken.
## Über das Unternehmen
- [Erstgespräch](https://www.speckmann-webdesign.de/kontakt): Wir sehen uns deine Sichtbarkeit bei Google und in den KI-Modellen an.
Der freie Absatz unter dem Zitatblock nennt Fakten, die ein Modell sonst aus dem Impressum suchen müsste. Einen Abschnitt „Optional“ hat unsere Datei nicht, weil sie ohnehin kurz ist.
Lässt sich eine llms.txt automatisch erstellen?
Ja, Redaktionssysteme wie WordPress mit Yoast SEO oder AIOSEO und Wix erzeugen die Datei selbst. Die Spezifikation auf llmstxt.org nennt außerdem die Dokumentationsplattformen Mintlify und GitBook. Bei Yoast SEO legt das Einschalten der Funktion die Datei im Wurzelverzeichnis an. Laut der technischen Beschreibung von Yoast aktualisiert eine geplante Aufgabe sie wöchentlich. Aufgenommen werden dabei je die fünf zuletzt aktualisierten Beiträge und Seiten sowie die fünf Kategorien und Schlagwörter mit den meisten Beiträgen. Eine bereits vorhandene llms.txt überschreibt Yoast nicht. Sie muss erst vom Server entfernt werden.
Online-Generatoren lesen eine Website einmalig aus und liefern eine fertige Datei. Das spart beim ersten Anlegen Zeit, aber die Datei veraltet ab dem nächsten neuen Beitrag. Ein Export, der bei jeder Änderung neu läuft, ist deshalb die bessere Wahl.
Was unterscheidet llms.txt und llms-full.txt?
Die llms.txt ist ein Inhaltsverzeichnis mit Verweisen, die llms-full.txt enthält den vollständigen Text der Seiten. Verbreitet ist diese Variante namens llms-full.txt als Ergänzung zur llms.txt. Sie ist nicht Teil der Spezifikation, und der Pflegeaufwand ist größer, weil jede Textänderung auch dort nachgezogen werden muss.
| Datei | Inhalt | Grundlage |
|---|---|---|
| llms.txt | Name, Kurzfassung, kommentierte Linklisten | Spezifikation auf llmstxt.org |
| llms-full.txt | Volltext aller aufgenommenen Seiten in einer Datei | verbreitete Praxis, nicht spezifiziert |
| Seite mit Endung .md | Markdown-Fassung einer einzelnen Seite | Spezifikation v2 |
Was sagen die Daten zum Nutzen?
Die Idee ist nachvollziehbar. Das Problem ist, dass kein relevanter Anbieter sie umgesetzt hat.
Weder OpenAI noch Google oder Perplexity dokumentieren llms.txt als Signal für Zitate oder Sichtbarkeit. Wo das Format tatsächlich gelesen wird, handelt es sich um Entwicklerdokumentation, die von KI-Programmierwerkzeugen verarbeitet wird. Googles John Mueller ordnete llms.txt in der von Ahrefs dokumentierten Diskussion als „vorübergehende Krücke“ ein, die solchen Werkzeugen ein paar Token spart. Für die Suche sei die Datei nicht gemacht.
Es gibt inzwischen belastbare Zahlen, und sie fallen eindeutig aus.
Die Ahrefs-Auswertung umfasste 137.210 Domains, die im Mai 2026 in Ahrefs Web Analytics Zugriffe verzeichneten. 28 Prozent davon, also rund 38.000 Websites, stellten eine gültige llms.txt bereit. Ahrefs weist selbst darauf hin, dass diese Kundschaft technisch versierter ist als der Rest des Webs, der Verbreitungswert also eher eine Obergrenze darstellt. 97 Prozent dieser Dateien erhielten im gesamten Monat keinen einzigen Abruf. Nicht von Menschen, nicht von Maschinen.
Bei den verbleibenden drei Prozent lohnt der Blick darauf, wer die Datei überhaupt liest. 96 Prozent der Abrufe stammten von Bots. 77 Prozent dieser Bots gehören nicht zu KI-Werkzeugen. 12 Prozent aller Abrufe kamen von GEO-Werkzeugen, llms.txt-Prüfdiensten und Forschung. Ein nennenswerter Teil der Nachfrage kommt also aus der Branche, die das Thema selbst beobachtet.
Ein Befund ist besonders aufschlussreich: Bei Domains ohne llms.txt gab es null Anfragen von KI-Bots nach der Datei. Die Systeme suchen gar nicht erst danach. Ein fehlender Eintrag im Crawling-Protokoll ist damit kein Versäumnis, sondern der Normalfall.
Google hat sich festgelegt. Der Leitfaden zur Optimierung für generative KI-Funktionen erschien Ende Mai 2026 und wurde zuletzt am 10. Juli 2026 aktualisiert. Er führt llms.txt unter den Dingen auf, die man für die Google-Suche ignorieren kann. Man brauche keine neuen maschinenlesbaren Dateien, um in der Google-Suche einschließlich ihrer generativen Funktionen zu erscheinen, denn die Suche verwende sie nicht. Wer solche Dateien für andere Systeme pflegen wolle, könne das tun. Auf Sichtbarkeit und Rankings in der Google-Suche wirke sich das weder positiv noch negativ aus.
Für einen typischen Unternehmensauftritt, also Dienstleister, Händler oder Hersteller, gibt es derzeit keinen dokumentierten Fall, in dem die Datei messbar geholfen hätte.
Die Datenlage in Zahlen
| Kennzahl | Wert | Quelle |
|---|---|---|
| Untersuchte Domains mit Zugriffen im Mai 2026 | 137.210 | Ahrefs, Juni 2026 |
| Anteil mit gültiger llms.txt (laut Ahrefs eher Obergrenze) | 28 % (rund 38.000) | Ahrefs, Juni 2026 |
| Gültige Dateien ohne einen einzigen Abruf | 97 % | Ahrefs, Juni 2026 |
| Anteil der Abrufe, die von Bots kamen | 96 % | Ahrefs, Juni 2026 |
| Lesende Bots ohne Bezug zu KI-Werkzeugen | 77 % | Ahrefs, Juni 2026 |
| Abrufe durch GEO-Werkzeuge, Prüfdienste, Forschung | 12 % | Ahrefs, Juni 2026 |
| Anfragen von KI-Bots nach nicht vorhandenen Dateien | 0 | Ahrefs, Juni 2026 |
Warum wird sie trotzdem überall empfohlen?
llms.txt hat einen Vorteil, der nichts mit Wirkung zu tun hat: Sie lässt sich in zehn Minuten anlegen und sieht nach konkreter Arbeit aus. Für Anbieter, die schnell etwas Vorzeigbares im Bereich KI-Sichtbarkeit liefern wollen, ist das attraktiv.
Dazu kommt ein Denkfehler, der bei neuen Techniken regelmäßig auftritt: Weil robots.txt und sitemap.xml funktionieren, wirkt eine Datei nach demselben Muster plausibel. Plausibilität ist aber kein Beleg.
Ein Teil der Verbreitung hat außerdem einen technischen Auslöser. Wenige Tage nach dem Google-Leitfaden nahm das Chrome-Team eine llms.txt-Prüfung in die experimentellen Audits von Lighthouse auf. Laut Ahrefs erzeugte allein diese Prüfung etwa einen von tausend Abrufen der Datei. Ein Werkzeug, das eine Datei anmahnt, ist aber kein Anbieter, der sie auswertet. Bemängelt wird dort ohnehin nur ein Serverfehler beim Abruf: Fehlt die Datei und antwortet der Server mit 404, gilt der Test als nicht zutreffend, denn die Datei ist ausdrücklich freiwillig (Chrome for Developers, Lighthouse-Test zu llms.txt).
Wenn dir jemand llms.txt als zentralen Baustein für KI-Sichtbarkeit verkauft, ist das ein brauchbarer Prüfstein. Frag nach der Datengrundlage. Kommt keine, weißt du, woran du bist.
Schaden richtet die Datei übrigens nicht an. Wer sie bereits hat, kann sie liegen lassen. Nur bezahlen sollte man nicht dafür.
Wann ist eine llms.txt doch sinnvoll?
Es gibt einen Fall, in dem das Format nicht sinnlos ist: umfangreiche technische Dokumentation. In der Ahrefs-Auswertung sind GPTBot und Claude-Code die beiden häufigsten KI-Leser der Datei, noch vor allen KI-Suchdiensten und Assistenten. Einzeln betrachtet ruft allerdings kein KI-Bot die Datei so oft ab wie SEO-Prüfwerkzeuge oder allgemeine Web-Crawler. Claude-Code ist ein Programmierwerkzeug. Genau dort passt die Datei zu ihrem ursprünglichen Zweck.
Drei Fragen grenzen das ab:
- Besteht ein großer Teil deiner Website aus Schnittstellenbeschreibungen, Handbüchern oder Software-Dokumentation?
- Arbeiten deine Leser mit KI-Programmierwerkzeugen, die diese Dokumentation verarbeiten?
- Kannst du die Datei bei jeder Änderung an der Seitenstruktur zuverlässig mitpflegen?
Nur wenn du alle drei Fragen mit Ja beantwortest, hat die Datei einen erkennbaren Zweck. Für einen Hersteller, einen Dienstleister oder einen Händler trifft das in aller Regel nicht zu.
Der Pflegeaufwand wird dabei gern unterschätzt. Angelegt ist eine llms.txt in zehn Minuten. Danach veraltet sie mit jeder neuen Leistungsseite und jeder geänderten URL. Bei einer Website mit 40 Seiten lässt sich das noch von Hand nachziehen. Bei 400 Seiten braucht es einen automatischen Export aus dem Redaktionssystem, also Entwicklungsarbeit für eine Datei ohne belegte Wirkung. Dieselbe Zeit in sauberes Schema.org-Markup oder in einen fehlenden Inhalt gesteckt, ist nachweisbar besser angelegt.
Eine vorhandene Datei prüfen
Wenn du die Datei behältst oder anlegst, 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 prüfst du in fünf Schritten:
- Erreichbarkeit. Ruf
deine-domain.de/llms.txtauf. Erwartet werden Statuscode 200 und reiner Text. Liefert der Server HTML, gibt es die Datei nicht. - Abrufe. Filtere dein Serverprotokoll auf den Pfad
/llms.txt. Meist findest du keine Zeile. Andernfalls verrät das Feld User-Agent, welches Programm zugegriffen hat. - Verweise. Gleich 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.
- Auffindbarkeit. Verlinke 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.
- Schreibrechte. Behandle die Datei wie Programmcode: Versionsverwaltung, enge Schreibrechte, keine anweisungsartigen Sätze im Text. Agenten sind darauf ausgelegt, dem Inhalt zu vertrauen.
Was unterscheidet llms.txt von robots.txt und ai.txt?
Eine Datei im Wurzelverzeichnis wird tatsächlich von allen KI-Anbietern ausgewertet, und zwar die robots.txt. Dort entscheidest du, ob deine Inhalte überhaupt abgerufen werden dürfen.
Das ist der Punkt, der in der Debatte um llms.txt untergeht: Während viele Unternehmen über eine Datei ohne dokumentierte Wirkung diskutieren, sperren manche von ihnen in der robots.txt versehentlich genau die Crawler aus, auf deren Zitate sie hoffen.
Die Kennungen sind dabei nicht austauschbar. Die Crawler-Dokumentation von OpenAI trennt sie klar: GPTBot steuert, ob Inhalte in das Training der Modelle einfließen. Ob deine Seite in den Suchantworten von ChatGPT auftaucht, entscheidet dagegen OAI-SearchBot. OpenAI empfiehlt ausdrücklich, OAI-SearchBot zu erlauben, damit die Seite in Suchergebnissen erscheint. Beide Einstellungen sind unabhängig voneinander.
User-agent: GPTBot
Disallow: /
User-agent: OAI-SearchBot
Disallow: /
Der erste Block hält deine Inhalte aus dem Training. Der zweite nimmt dich aus den Suchantworten von ChatGPT. Wer beides in einem Zug einträgt, weil es nach derselben Sache aussieht, verliert Sichtbarkeit, die er behalten wollte.
Bei Google ist die Verwechslungsgefahr noch größer. Laut der Übersicht der gängigen Google-Crawler steuert Google-Extended das Training künftiger Gemini-Modelle sowie das Grounding in den Gemini-Apps und in Grounding with Google Search auf Vertex AI. Auf die Aufnahme in die Google-Suche hat die Kennung ausdrücklich keinen Einfluss, und als Rankingsignal wird sie ebenfalls nicht verwendet. Wer Google-Extended sperrt, verschwindet also nicht aus den AI Overviews. Diese speisen sich aus dem regulären Suchindex.
Bei Anthropic gilt dieselbe Trennung. Die Crawler-Übersicht von Anthropic unterscheidet ClaudeBot, der Inhalte für das Training sammelt, von Claude-SearchBot, der Inhalte für Suchantworten erschließt. Wer den zweiten sperrt, verliert laut Anthropic Sichtbarkeit in den Suchergebnissen von Claude.
Die Kennungen, die du kennen solltest
| Kennung | Anbieter | Wofür sie steht | Wirkung eines Disallow |
|---|---|---|---|
| GPTBot | OpenAI | Training der Modelle | Inhalte fließen nicht ins Training |
| OAI-SearchBot | OpenAI | Suchergebnisse in ChatGPT | Seite erscheint nicht in ChatGPT-Suchantworten |
| ClaudeBot | Anthropic | Training der Modelle | Künftige Inhalte bleiben aus den Trainingsdaten |
| Claude-SearchBot | Anthropic | Indexierung für Suchantworten | Geringere Sichtbarkeit in Suchergebnissen von Claude |
| PerplexityBot | Perplexity | Auffinden und Verlinken in Perplexity | Seite wird in Perplexity-Ergebnissen nicht mehr verlinkt |
| Google-Extended | Gemini-Training und Grounding | Kein Einfluss auf die Google-Suche |
Neben den Crawlern gibt es bei allen drei Anbietern noch die nutzergesteuerten Abrufe, also ChatGPT-User, Claude-User und Perplexity-User. Sie greifen zu, wenn ein Mensch im Chat eine Frage stellt und das System die Seite live öffnet. Weil diese Abrufe von einem Nutzer ausgelöst werden, gelten die robots.txt-Regeln dafür laut Dokumentation von OpenAI und Perplexity nicht zwingend.
Und was ist ai.txt?
ai.txt ist ein eigenes Format des Unternehmens Spawning und hat mit llms.txt nichts zu tun. Laut der Vorstellung durch Spawning vom 30. Mai 2023 regelt die Datei im Wurzelverzeichnis, ob Inhalte und Medien einer Website für das Training neuer KI-Modelle verwendet werden dürfen. Das Vorbild ist die robots.txt. Spawning gibt die Einstellungen über eine eigene Schnittstelle an Partner wie Hugging Face und Stability AI weiter. Die llms.txt erklärt Modellen also deine Inhalte, die ai.txt regelt dagegen eine Trainingserlaubnis.
Welche Prüfung lohnt stattdessen?
Bevor du über llms.txt nachdenkst, arbeite diese sechs Schritte ab. Der ganze Durchgang dauert selten länger als eine halbe Stunde.
- robots.txt öffnen. Ruf deinedomain.de/robots.txt im Browser auf. Kommt ein Fehler statt einer Textdatei, ist das der erste Befund.
- Nach den sechs Kennungen suchen. Prüfe die Datei auf Disallow-Regeln für GPTBot, OAI-SearchBot, ClaudeBot, Claude-SearchBot, PerplexityBot und Google-Extended. Achte besonders auf eine pauschale Regel für alle Bots.
- Zwischen Training und Suche unterscheiden. Entscheide bewusst, ob du nur das Training ausschließen willst oder auch die Suchantworten. Für die meisten Unternehmen ist die Antwort: Training gern sperren, Suche auf keinen Fall.
- Firewall und CDN prüfen. Eine erlaubte robots.txt nützt nichts, wenn eine Web Application Firewall die Anfragen blockt. Perplexity beschreibt in seiner Bot-Dokumentation eigens, wie man die Kennungen in Cloudflare und AWS freigibt. Prüfe das mit deinem Hoster.
- Änderung eintragen und abwarten. OpenAI gibt an, dass es nach einer Änderung an der robots.txt rund 24 Stunden dauert, bis die Systeme sie berücksichtigen. Perplexity nennt ebenfalls bis zu 24 Stunden. Prüfe also nicht am selben Tag nach.
- Erst danach an Inhalten arbeiten. Sobald der Zugang steht, entscheidet der Inhalt. Klare Antworten auf klar gestellte Fragen, belegte Zahlen und Erwähnungen auf fremden Seiten sind die Signale, die über Zitierfähigkeit entscheiden.
Der zweite und der vierte Schritt sind die, bei denen wir in Projekten am häufigsten etwas finden. Ein einzelner Eintrag entscheidet darüber, ob du überhaupt zitiert werden kannst. Erst danach wird die Prompt-Sichtbarkeit zu einer Frage von Inhalten. Was du dafür an Inhalten und Erwähnungen brauchst, steht im Beitrag Wie kommt man in ChatGPT-Antworten.

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
Was statt einer llms.txt tatsächlich Wirkung zeigt und wie wir es umsetzen, steht auf der Seite zur KI-Sichtbarkeit.
Häufige Fragen
Das werden wir oft gefragt
Soll ich meine llms.txt löschen?
Nein, sie schadet nicht. Google hält in seinem Leitfaden ausdrücklich fest, dass solche Dateien Sichtbarkeit und Rankings in der Suche weder verbessern noch verschlechtern. Wenn die Datei existiert, kann sie liegen bleiben. Nur sollte niemand laufend Zeit oder Geld in ihre Pflege stecken, solange kein Anbieter sie dokumentiert auswertet. Falls sich das ändert, ist eine llms.txt in kurzer Zeit neu angelegt.
Braucht jede Website eine llms.txt?
Nein, die Datei ist freiwillig. Google braucht sie laut eigenem Leitfaden weder für die Suche noch für die generativen Funktionen. Lighthouse wertet eine fehlende Datei ausdrücklich nicht als Fehler. Sinnvoll ist sie vor allem für umfangreiche technische Dokumentation.
Wo muss die llms.txt liegen?
Die llms.txt liegt im Wurzelverzeichnis unter deine-domain.de/llms.txt. Seit der Fassung v2 der Spezifikation darf sie auch in einem Unterpfad liegen und deckt dann die Seiten darunter ab. Der Server sollte beim Abruf den Statuscode 200 und reinen Text liefern.
Gilt das auch für robots.txt?
Nein, das ist ein anderer Fall. Die robots.txt wird von allen relevanten Crawlern ausgewertet, auch von denen der KI-Anbieter. Dort steuerst du, ob deine Inhalte überhaupt abgerufen werden dürfen. Wer OAI-SearchBot, Claude-SearchBot oder PerplexityBot dort aussperrt, kann in den Suchantworten dieser Systeme nicht zitiert werden. Diese Prüfung dauert wenige Minuten und ist wichtiger als jede llms.txt.
Was ist mit ai.txt oder ähnlichen Formaten?
Für diese Vorschläge gilt dasselbe: keine dokumentierte Auswertung durch die großen Anbieter, keine belastbaren Daten zur Wirkung. Google fasst maschinenlesbare Zusatzdateien in seinem Leitfaden pauschal als nicht erforderlich zusammen. Wenn ein Anbieter ein solches Format offiziell unterstützt, wird er es in seiner Dokumentation nennen. Bis dahin ist die Arbeit an Inhalten und Erwähnungen die verlässlichere Investition.
Wie viele Websites nutzen llms.txt überhaupt?
Laut der Ahrefs-Auswertung von 137.210 Domains mit Zugriffen im Mai 2026 stellten 28 Prozent eine gültige llms.txt bereit, also rund 38.000 Websites. Von diesen Dateien erhielten 97 Prozent im gesamten Monat keinen einzigen Abruf. Verbreitung ist also nicht dasselbe wie Wirkung. Die Datei wird angelegt, aber sie wird nicht gelesen.
Für wen kann eine llms.txt trotzdem sinnvoll sein?
Für Anbieter umfangreicher technischer Dokumentation. In der Ahrefs-Auswertung sind GPTBot und Claude-Code die häufigsten KI-Leser der Datei, und Claude-Code ist ein Programmierwerkzeug. Wer eine Schnittstelle oder eine Software-Dokumentation betreibt, deren Leser mit solchen Werkzeugen arbeiten, kann ihnen mit einer gepflegten Index-Datei Arbeit ersparen. Für Hersteller, Dienstleister und Händler trifft das nicht zu.
Woran erkenne ich einen ernsthaften Anbieter für KI-Sichtbarkeit?
Daran, dass er konkrete Signale nennt, die nachweislich ausgewertet werden, und seine Empfehlungen mit Daten belegt. Wer llms.txt als zentralen Baustein verkauft, ohne auf Auswertungen wie die von Ahrefs oder auf die Dokumentation der Anbieter einzugehen, arbeitet mit Vermutungen statt mit Belegen. Frag nach der Datengrundlage und danach, wie der Erfolg gemessen werden soll.
Nächster Schritt
Wo stehst du bei Google und in der KI?
Im Erstgespräch sehen wir uns deine Sichtbarkeit gemeinsam an: was bei Google läuft, ob die Modelle dich kennen und wo der größte Hebel liegt. 30 Minuten, kostenlos, ohne Verpflichtung.
Jetzt kostenlosen Sichtbarkeits-Check vereinbaren
