llms.txt ist ein vorgeschlagener Standard für eine einfache Markdown-Datei, die im Stammverzeichnis einer Website unter /llms.txt platziert wird und großen Sprachmodellen eine kurze, kuratierte Karte der nützlichsten Inhalte der Website bietet. Es ist eine Annehmlichkeit für KI-Tools, die Websites lesen, kein Ranking-Signal oder eine Zugriffskontrolle. Marketer können sie schnell hinzufügen, sollten aber nicht erwarten, dass sie die Sichtbarkeit bei Google oder KI-Antwortmaschinen von alleine verändert.
Der Vorschlag wurde 2024 von Jeremy Howard von Answer.AI veröffentlicht. Die Idee ist einfach: Webseiten sind voll von Navigation, Skripten und Layouts, die es für Sprachmodelle schwierig machen, sie innerhalb begrenzter Kontextfenster zu lesen. Eine saubere Markdown-Zusammenfassung, die auf die wichtigen Seiten verweist, idealerweise mit Markdown-Versionen dieser Seiten, hilft einem KI-Tool, das Wesentliche zu finden und zu verstehen.
Was enthält eine llms.txt-Datei?
Das Format ist bewusst locker und für Menschen lesbar. Eine typische Datei enthält:
- Eine H1-Überschrift mit dem Namen der Website oder des Projekts.
- Ein kurzes Blockzitat, das zusammenfasst, was die Website oder das Unternehmen tut.
- Optionale Absätze mit wichtigem Kontext, wie z. B. für wen das Produkt bestimmt ist.
- H2-Abschnitte mit Listen von Links, jeweils mit einer kurzen Beschreibung, zum Beispiel “Dienstleistungen”, “Leitfäden”, “Preise”, “Dokumentation”.
- Ein optionaler Abschnitt, oft “Optional” genannt, für sekundäre Links, die übersprungen werden können, wenn der Kontext begrenzt ist.
Einige Websites veröffentlichen auch /llms-full.txt, eine einzelne Datei, die den vollständigen Text der wichtigsten Seiten enthält. Dokumentationsplattformen wie Mintlify und mehrere Unternehmen für Entwicklertools waren frühe Anwender.
Wie unterscheidet es sich von robots.txt und sitemap.xml?
Diese drei Dateien werden oft verwechselt, aber sie erfüllen unterschiedliche Aufgaben.
- robots.txt teilt Crawlern mit, welche Pfade sie abrufen dürfen oder nicht. Es geht um Erlaubnis, und Crawler wie Googlebot, GPTBot und ClaudeBot lesen sie.
- sitemap.xml listet URLs für Suchmaschinen auf, damit diese sie entdecken können, mit optionalen Daten. Es geht um Vollständigkeit.
- llms.txt bietet eine kuratierte, lesbare Zusammenfassung für Sprachmodelle. Es geht um Verständnis, und es listet nur das auf, was Sie für am wichtigsten halten.
Das Blockieren oder Zulassen von KI-Crawlern erfolgt weiterhin in robots.txt. llms.txt kann niemanden daran hindern, Ihre Inhalte zu verwenden.
Hilft llms.txt bei SEO oder KI-Sichtbarkeit?
Zum Zeitpunkt des Schreibens gibt es keine öffentliche Bestätigung, dass große Suchmaschinen oder KI-Antwortprodukte llms.txt als Ranking- oder Zitiersignal verwenden. Google-Vertreter haben öffentlich erklärt, dass die Google-Suche es nicht verwendet. Server-Log-Analysen, die von verschiedenen SEOs geteilt wurden, haben wenig oder keine regelmäßigen Abrufe durch die großen KI-Crawler gezeigt.
Wo es verwendet wird, ist in Tools, die eine Website bei Bedarf abrufen: Coding-Assistenten, KI-Agenten und Entwicklertools, die nach /llms.txt suchen, wenn sie aufgefordert werden, Dokumentationen zu lesen. Für ein Softwareunternehmen ist dieser Nutzen real. Für ein lokales Dienstleistungsunternehmen ist der praktische Nutzen geringer.
Betrachten Sie es also als eine kostengünstige, risikoarme Ergänzung. Es dauert einen Nachmittag, es zwingt Sie dazu, zu entscheiden, welche Seiten das Unternehmen am besten repräsentieren, und es könnte helfen, wenn mehr Tools es übernehmen. Es ersetzt nicht die Arbeit, die tatsächlich die Sichtbarkeit fördert.
Was fördert tatsächlich die Sichtbarkeit in KI-Antworten?
Wenn das Ziel darin besteht, in ChatGPT, Gemini, Perplexity, Copilot oder Google AI Overviews zu erscheinen, sind die gleichen Grundlagen wichtiger als jede einzelne Datei:
- Crawlbare, schnelle Seiten mit serverseitig gerendertem Text, den Crawler lesen können.
- Klare Antworten oben auf den Seiten, unter Überschriften, die als Fragen formuliert sind.
- Strukturierte Daten wie Organization-, Product-, FAQ- und Article-Schema, wo angemessen.
- Konsistente Entitätsinformationen: Firmenname, Adresse, Dienstleistungen und Gründer überall gleich.
- Erwähnungen und Links von vertrauenswürdigen Drittanbieter-Websites, Bewertungen und Verzeichnissen.
- robots.txt-Regeln, die die KI-Crawler zulassen, für die Sie sichtbar sein möchten.
llms.txt steht als kleines Extra daneben, nicht anstelle von ihnen.
Wie schreibt man eine gute llms.txt?
Wählen Sie die Seiten aus
Wählen Sie 10 bis 30 Seiten aus, die das Unternehmen am besten erklären: Kern-Dienstleistungs- oder Produktseiten, Preise, Über uns, Kontakt, wichtige Leitfäden und Richtlinien. Überspringen Sie dünne Seiten, Tag-Archive und Kampagnen-Landingpages.
Schreiben Sie nützliche Beschreibungen
Jeder Link erhält einen Satz, der besagt, was der Leser finden wird. “SEO-Dienstleistungen: technische Audits, Content-Strategie und Linkaufbau für B2B-Unternehmen” ist nützlicher als “Unsere SEO-Seite”.
Halten Sie es aktuell
Eine veraltete llms.txt, die auf entfernte Seiten verweist, ist schlimmer als gar keine. Fügen Sie es der Checkliste hinzu, wann immer eine wichtige Seite erstellt, umbenannt oder in den Ruhestand versetzt wird.
Eine einfache Struktur
- Firmenname als H1.
- Ein-Satz-Zusammenfassung in einem Blockzitat.
- Zwei oder drei Sätze darüber, wem Sie dienen und wo.
- Abschnitte für Dienstleistungen, Ressourcen, Unternehmensinformationen und Kontakt.
- Ein optionaler Abschnitt für sekundäre Ressourcen.
Häufige Fehler
- llms.txt als Berechtigungsdatei behandeln und erwarten, dass sie das KI-Training blockiert.
- Hunderte von URLs auflisten, was den Zweck einer kuratierten Zusammenfassung zunichtemacht.
- Marketing-Slogans anstelle von sachlichen Beschreibungen schreiben.
- Vergessen, es als reinen Text genau im Stammpfad bereitzustellen.
- Kunden gegenüber behaupten, dass es KI-Zitate garantiert.
Wie Alien Road llms.txt anwendet
Bei einem typischen Engagement zur Optimierung generativer Suchmaschinen ist llms.txt ein kleiner Punkt in einer größeren technischen Überprüfung. Die Entdeckung beginnt damit, wie KI-Systeme den Kunden derzeit beschreiben: Wir stellen ChatGPT, Gemini, Perplexity und Copilot eine Reihe von Marken- und Kategoriefragen und zeichnen auf, welche Quellen sie zitieren und was sie falsch machen.
Die Einrichtung konzentriert sich zuerst auf die Grundlagen: Crawler-Zugriff in robots.txt, strukturierte Daten, konsistente Entitätsinformationen und klare, antwortorientierte Inhalte auf wichtigen Seiten. Die llms.txt-Datei wird dann aus derselben Liste von Prioritätsseiten mit sachlichen einzeiligen Beschreibungen geschrieben und im Stammverzeichnis der Website platziert. Für Kunden mit Dokumentation ziehen wir auch Markdown-Versionen wichtiger Seiten in Betracht.
Die Messung schreibt Ergebnisse nicht allein llms.txt zu, da dies nicht ehrlich isoliert werden kann. Wir überprüfen Server-Logs auf Anfragen an die Datei und wiederholen die KI-Antwortfragen monatlich, um zu verfolgen, ob Markenbeschreibungen genauer werden und Zitate zunehmen. Die Berichterstattung ist klar darüber, welche Änderungen wahrscheinlich verantwortlich sind.
Wo man diese Woche anfangen sollte
Schreiben Sie die 15 Seiten auf, die Sie einem neuen Mitarbeiter zeigen würden, um Ihr Unternehmen zu erklären. Verwandeln Sie diese Liste in eine llms.txt-Datei mit einer Ein-Satz-Zusammenfassung und einer kurzen Beschreibung für jeden Link und veröffentlichen Sie sie im Stammverzeichnis Ihrer Website. Verbringen Sie dann den Rest der Zeit damit, robots.txt auf KI-Crawler-Regeln zu überprüfen, was einen weitaus größeren Effekt auf die KI-Sichtbarkeit hat.
Weiterlesen: GEO – AIO – AEO · GEO