llms.txt
Die Datei llms.txt im Wurzel-Verzeichnis einer Domain verweist KI-Modelle und Antwort-Engines auf strukturierte, vertrauenswürdige Inhalte – analog zur robots.txt, aber adressiert an Sprachmodelle. Sie ist ein zentrales Werkzeug der Generative Engine Optimization.
Die llms.txt ist ein junger, aber rasch wachsender Standard für die KI-gerichtete Inhalts-Indexierung. Sie ergänzt klassische SEO-Werkzeuge wie robots.txt und Sitemap um eine explizit für Sprachmodelle gedachte Kurations-Ebene.
In einfachen Worten
Während die klassische robots.txt Suchmaschinen-Crawlern Regeln gibt, liefert die llms.txt KI-Systemen eine kuratierte Übersicht der wichtigsten Inhalte einer Domain: Welche Seiten sollten als Kontext gelesen werden? Wo stehen Glossare, FAQ-Bereiche, Whitepaper? Welche Inhalte sind die kanonische Version, ausgewiesen per Canonical-Tag? Der Standard ist noch jung und wird noch nicht von allen Antwort-Engines unterstützt, gewinnt aber schnell an Bedeutung – vor allem für Domains mit hochwertigen Fach-Inhalten, die in KI-Antworten als Quelle zitiert werden wollen. Technisch handelt es sich um eine schlichte Markdown-Datei mit klar gegliederten Abschnitten und absoluten Adress-Verweisen, optional ergänzt um eine zweite Datei llms-full.txt mit vollständigen Inhalten direkt als Text.
Wozu brauche ich das?
Sinnvoll für jede Domain, die wertvolle Fach-Inhalte führt und in KI-Antwort-Engines als Quelle erscheinen möchte: Glossare, Wissens-Datenbanken, FAQ-Sammlungen, Whitepaper, Methoden-Beschreibungen, Branchen-Berichte. Auch kleinere mittelständische Anbieter profitieren, sobald sie strukturierten Fach-Inhalt führen – eine sauber gepflegte llms.txt erhöht die Wahrscheinlichkeit, in KI-Antworten als kuratierte Quelle herangezogen zu werden. Im Zusammenspiel mit konsistenter Entitäten-SEO und einem klar verankerten Knowledge Graph entsteht eine vollständige GEO-Aufstellung.
Beispiel aus der Praxis
Ein typisches Konfigurations-Bild: Eine B2B-Software-Domain führt einen umfangreichen Hilfe-Bereich, ein Glossar und mehrere Whitepaper als PDF. In der llms.txt im Wurzel-Verzeichnis werden diese Bereiche zentral verlinkt – mit kurzer Beschreibung, was dort jeweils zu finden ist. KI-Antwort-Engines, die den Standard unterstützen, lesen die Datei beim Crawl der Domain und nehmen die verlinkten Inhalte priorisiert in ihren Kontext-Vorrat auf. Bei späteren KI-Antworten zu Themen, die in den Whitepapern behandelt werden, taucht die Domain häufiger als Quelle auf – sichtbar etwa in AI Overviews oder in den Quellen-Listen direkter KI-Antwort-Werkzeuge.
Wirtschaftlicher Nutzen
Die llms.txt ist eine einmalige Investition mit langfristigem Effekt: Wer sie pflegt, signalisiert KI-Systemen aktiv, welche Inhalte als Kontext-Material herangezogen werden sollen. Der Aufwand für die Erstellung ist überschaubar – eine strukturierte Markdown-Datei mit klaren Verweisen, ähnlich einer kanonischen Sitemap, ergänzt um den Verweis auf die Master-Version jeder Seite. Der Effekt entfaltet sich, je mehr Antwort-Engines den Standard übernehmen; wer früh dabei ist, hat einen Indexierungs-Vorsprung. Auch wenn nicht alle Systeme die Datei heute lesen, hat sie dokumentarischen Wert für die eigene Inhalts-Architektur.
Typische Fehler
- llms.txt als Pflicht-Aufgabe automatisch generieren – bringt nichts, wenn die verlinkten Inhalte nicht zum tatsächlichen Bestand passen.
- Veraltete oder gelöschte Adressen in der llms.txt belassen – KI-Systeme verlieren bei wiederholt ungültigen Verweisen das Vertrauen in die Quelle.
- Marketing-Texte statt strukturiertem Fach-Inhalt verlinkt – KI-Systeme erkennen den Werbe-Ton und werten die Quelle entsprechend ab.
- llms.txt mit robots.txt verwechselt – beide haben unterschiedliche Funktionen, beide sind im Web sinnvoll.
- Keine Aktualisierung beim Relaunch oder bei größeren Inhalts-Änderungen – die Datei wird unzuverlässig und verliert ihre Wirkung.
Worauf achten?
- Strukturierte Markdown-Syntax mit klaren Abschnitten (Haupt-Inhalte, Glossar, Dokumente, FAQ).
- Jede verlinkte Adresse absolut angeben – mit einem Satz Kontext-Beschreibung, was dort zu finden ist.
- Hierarchie nach Relevanz: wichtigste Inhalte zuerst, weniger relevante darunter.
- Optional eine zweite Datei llms-full.txt mit den vollständigen Inhalten direkt als Text – für Modelle, die die Datei vollständig lesen.
- Aktualisierung verbindlich in die Relaunch-Checkliste und in den jährlichen Website-Check aufnehmen.
Häufig gestellte Fragen
Was ist llms.txt?
Eine Markdown-Datei im Wurzel-Verzeichnis einer Domain, die KI-Modelle und Antwort-Engines auf strukturierte, vertrauenswürdige Inhalte hinweist. Sie ist das KI-gerichtete Pendant zur klassischen robots.txt für Suchmaschinen-Crawler.
Welche Inhalte gehören in eine llms.txt?
Hochwertige Fach-Inhalte: Glossare, FAQ-Bereiche, Whitepaper, Methoden-Beschreibungen, Branchen-Berichte, kanonische Übersichten. Marketing-Texte ohne fachliche Substanz gehören nicht in die Datei – KI-Systeme erkennen den Werbe-Ton und werten die Quelle entsprechend ab.
Was ist der Unterschied zur robots.txt?
Die robots.txt regelt, was Suchmaschinen-Crawler indexieren dürfen. Die llms.txt regelt, welche Inhalte KI-Systeme als Kontext-Material berücksichtigen sollen. Beide Dateien haben unterschiedliche Adressaten und unterschiedliche Funktionen.
Welche Antwort-Engines lesen die Datei?
Der Standard ist jung, die Unterstützung wächst. Aktuell wird llms.txt von einigen KI-Antwort-Werkzeugen aktiv ausgewertet, von anderen noch nicht. Wer früh implementiert, baut einen Indexierungs-Vorsprung auf, sobald weitere Engines folgen.
Wie unterscheiden sich llms.txt und llms-full.txt?
Die llms.txt enthält strukturierte Verweise auf relevante Inhalte. Die optionale llms-full.txt enthält die vollständigen Inhalte direkt als Text – für Modelle, die die Datei am Stück lesen und keine zusätzlichen Aufrufe der verlinkten Seiten machen wollen.