llms.txt

KI-Sichtbarkeit: erst das, was messbar wirkt

Wir sehen uns an, ob KI-Systeme deine Inhalte überhaupt sauber lesen können — und wo die Struktur eine Zitierung verhindert.

llms.txt ist ein vorgeschlagenes Dateiformat, das im Wurzelverzeichnis einer Website liegt und KI-Systemen eine aufbereitete Übersicht der wichtigsten Inhalte anbietet — in Markdown, ohne Navigation, Werbung und Skripte. Die Idee stammt aus dem Jahr 2024 und ist ein Vorschlag der Community, kein Standard: Kein großer Anbieter hat bisher zugesagt, die Datei auszuwerten.

Kurz zusammengefasst:

• Liegt unter /llms.txt, geschrieben in Markdown.
• Zweck: die eigenen Inhalte für Sprachmodelle vorstrukturiert anbieten.
• Kein offizieller Standard — die Unterstützung durch KI-Anbieter ist nicht belegt.
• Nicht zu verwechseln mit der robots.txt, die Zugriffe steuert.
• Aufwand gering, Nutzen unsicher — als Ergänzung vertretbar, als Priorität nicht.

Die Idee dahinter

Sprachmodelle arbeiten mit begrenztem Kontext. Eine normale HTML-Seite enthält für sie viel Ballast: Navigation, Fußzeilen, Einwilligungsbanner, Skripte, Werbung. Die Überlegung war, eine Datei bereitzustellen, die das Wesentliche in klarer Form liefert — vergleichbar mit dem, was die XML-Sitemap für Suchmaschinen tut, nur inhaltlich statt als reine Adressliste.

Der Aufbau ist schlicht: eine Überschrift mit dem Namen der Website, eine kurze Beschreibung, dann thematisch gruppierte Listen mit Links und je einer Zeile Erläuterung. Ergänzend kursiert die Idee einer ausführlicheren Fassung, die die Volltexte enthält.

Der ehrliche Stand

Hier ist Zurückhaltung angebracht, denn um das Thema herum wird viel behauptet.

Was stimmt: Das Format existiert, ist dokumentiert, und eine wachsende Zahl von Websites — vor allem aus dem Technikumfeld — stellt eine solche Datei bereit.

Was nicht belegt ist: dass die großen KI-Anbieter sie auswerten. Öffentliche Zusagen dazu gibt es nicht. Wer behauptet, eine llms.txt verbessere die Sichtbarkeit in KI-Antworten messbar, sollte gefragt werden, woran er das gemessen hat.

Das macht die Datei nicht wertlos — es macht sie zu einer Wette mit geringem Einsatz. Wer sie in einer halben Stunde anlegt, hat wenig verloren, falls sich nichts durchsetzt. Wer ein Projekt daraus macht, hat die Prioritäten falsch gesetzt.

Abgrenzung

Wichtig: Die llms.txt steuert nichts. Wer KI-Crawler aussperren oder zulassen will, tut das über die robots.txt. Die beiden Dateien lösen unterschiedliche Aufgaben und ersetzen einander nicht.

Wenn man sie anlegt

1. Klein anfangen: Name, ein bis zwei Sätze zur Website, dann die 20 bis 40 wichtigsten Seiten thematisch gruppiert.
2. Je Eintrag eine Zeile Erläuterung — was steht dort, für wen ist es gedacht.
3. Ehrlich gruppieren: Leistungen, Ratgeber, Glossar, Über uns. Keine Verkaufssprache.
4. Aktuell halten. Eine veraltete Datei ist schlechter als keine.

Und der wichtigere Teil: Die Maßnahmen, die bei KI-Sichtbarkeit nachweislich wirken, liegen woanders — klare Struktur, Fragen als Überschriften, nachprüfbare Angaben, saubere Auslieferung im HTML. Siehe AI Overviews und GEO. Eine llms.txt ersetzt davon nichts.

Häufige Fragen

Wird llms.txt von ChatGPT oder Google ausgewertet?

Dafür gibt es keine belegten Zusagen der Anbieter. Die Datei ist ein Community-Vorschlag; ob und von wem sie ausgewertet wird, ist offen.

Brauche ich eine llms.txt?

Nötig ist sie nicht. Der Aufwand ist gering, der Nutzen unsicher. Als Ergänzung ist sie vertretbar — vor den Grundlagen sollte sie nicht kommen.

Was ist der Unterschied zur robots.txt?

Die robots.txt steuert Zugriffe und wird von Crawlern befolgt. Die llms.txt steuert nichts, sondern bietet Inhalte in aufbereiteter Form an. Wer KI-Crawler aussperren will, nutzt die robots.txt.

Schadet eine llms.txt?

Direkt nicht. Ein Risiko besteht nur darin, dass eine veraltete Datei falsche Informationen anbietet — und dass Zeit dort investiert wird, wo sie weniger bewirkt als anderswo.

Wo muss die Datei liegen?

Im Wurzelverzeichnis, erreichbar unter deine-domain.de/llms.txt, als Klartext in Markdown.

Was hilft stattdessen für KI-Sichtbarkeit?

Eindeutige Struktur mit Fragen als Überschriften, nachprüfbare Angaben mit Datum, Auslieferung im HTML statt per JavaScript, klare Autorenangaben — und Erwähnungen in Quellen, die KI-Systeme heranziehen.