KI-Suche
Was ist llms.txt, nutzt ChatGPT die Datei und hilft sie bei Google oder GEO? Der Faktencheck 2026 mit Studien, Google-Aussagen und Anleitung.
Von Marcel Möller · 26. August 2026 · 25 Min. Lesezeit
Eine kleine Textdatei im Stammverzeichnis einer Website soll ChatGPT, Claude, Gemini und anderen KI-Systemen erklären, worum es auf der Website geht und welche Inhalte besonders wichtig sind.
Die Idee klingt fast zu gut: Statt dass ein KI-Agent eine komplette Website durchsuchen und sich durch Navigation, JavaScript, Cookie-Banner und Hunderte URLs arbeiten muss, bekommt er unter domain.de/llms.txt eine kompakte Übersicht serviert.
Seit 2025 wird die llms.txt deshalb zunehmend als eine Art „SEO für KI“ verkauft. WordPress-Plugins generieren sie automatisch, Website-Systeme integrieren sie und GEO-Tools bemängeln teilweise, wenn sie fehlt.
Nur gibt es dabei ein Problem: Eine Datei kann nur dann Einfluss auf ein KI-System haben, wenn dieses KI-System sie auch tatsächlich liest.
Aktuelle Server-Log-Daten zeigen, dass die überwältigende Mehrheit der veröffentlichten llms.txt-Dateien überhaupt nicht abgerufen wird. Google hat inzwischen ausdrücklich klargestellt, dass die Datei weder für normale Suchergebnisse noch für AI Overviews oder AI Mode verwendet wird. Gleichzeitig veröffentlichen ausgerechnet OpenAI, Anthropic und andere KI-Unternehmen selbst llms.txt-Dateien für ihre Entwicklerdokumentationen.
Ist llms.txt also der nächste wichtige Webstandard, oder lediglich das neue Meta-Keywords-Tag der GEO-Branche? Beides ist zu einfach. Denn llms.txt löst tatsächlich ein reales Problem. Nur nicht unbedingt das Problem, für das sie derzeit verkauft wird.
Stand August 2026 lässt sich die Situation so zusammenfassen:
Die wichtigste Unterscheidung lautet deshalb: llms.txt ist derzeit eher eine Schnittstelle für Agenten als ein Ranking-Signal für KI-Suchmaschinen.
llms.txt ist eine vorgeschlagene Konvention für eine Markdown-Datei, die einer Website eine für Large Language Models leicht verständliche Einstiegsseite geben soll.
Die ursprüngliche Idee stammt von Jeremy Howard, Mitgründer von Answer.AI und fast.ai. Der Vorschlag wurde am 3. September 2024 veröffentlicht und am 10. August 2026 als llms.txt v2 aktualisiert.
Die Datei kann beispielsweise unter https://example.com/llms.txt liegen. Seit Version 2 kann sie aber auch für einzelne Bereiche einer Website bereitgestellt werden, etwa unter https://example.com/docs/llms.txt. Eine solche Datei beschreibt dann den darunterliegenden Websitebereich. Existieren mehrere passende Dateien, soll nach der aktuellen Spezifikation die spezifischste verwendet werden.
Das ist ein wichtiger Unterschied zur ursprünglichen Vorstellung einer einzigen Datei im Domain-Root.
Websites wurden für Menschen und Browser gebaut, nicht für Sprachmodelle. Eine moderne Website enthält neben ihrem eigentlichen Inhalt häufig Navigation, Footer, Tracking-Code, strukturierte Daten, JavaScript, CSS, Pop-ups, Cookie-Banner und zahlreiche weitere Elemente. Für ein Sprachmodell bedeutet das zusätzliche Daten und zusätzliche Tokens.
Das eigentliche Problem lautet deshalb: Wie findet ein KI-Agent möglichst schnell die Informationen, die für seine Aufgabe relevant sind?
Die Idee hinter llms.txt ist elegant. Statt „hier sind 4.000 URLs, viel Erfolg“ sagt die Datei sinngemäß: „Das ist unser Unternehmen. Das sind unsere wichtigsten Bereiche. Wenn du Informationen zu Thema X brauchst, lies diese Seite.“ Die offizielle Spezifikation beschreibt llms.txt genau so, als Orientierungspunkt für Agenten, die Informationen einer Website verwenden möchten.
Das Format ist einfacher, als manche Generatoren vermuten lassen. Technisch zwingend erforderlich ist lediglich eine H1. Empfohlen werden darüber hinaus eine kurze Zusammenfassung und anschließend thematisch sortierte Links.
Eine einfache Datei könnte so aussehen:
# Beispiel GmbH
> Die Beispiel GmbH ist ein Fachbetrieb für Wärmepumpen,
> Heizungsmodernisierung und Sanitärtechnik in Lübeck.
Das Unternehmen betreut Privat- und Gewerbekunden in Lübeck
und dem näheren Umland.
## Leistungen
- [Wärmepumpen](https://example.com/waermepumpen/):
Planung, Installation und Wartung von Wärmepumpen.
- [Heizungsmodernisierung](https://example.com/heizung/):
Modernisierung bestehender Heizsysteme.
## Unternehmen
- [Über uns](https://example.com/ueber-uns/):
Informationen zum Unternehmen und zum Team.
- [Kontakt](https://example.com/kontakt/):
Kontaktdaten und Standort.
## Optional
- [Karriere](https://example.com/karriere/):
Offene Stellen und Ausbildung.Das Entscheidende ist nicht die Menge der URLs, sondern die Kuratierung. Eine llms.txt, in die automatisch 2.000 URLs aus einer XML-Sitemap kopiert werden, verfehlt einen wesentlichen Teil der ursprünglichen Idee.
Das ist vermutlich das häufigste Missverständnis. Die beiden Dateien haben völlig unterschiedliche Aufgaben.
| robots.txt | sitemap.xml | llms.txt | |
|---|---|---|---|
| Zweck | Crawling steuern | URLs bereitstellen | Inhalte kuratieren |
| Enthält | Allow- und Disallow-Regeln | URL-Liste | Kontext und Links |
| Zielgruppe | Crawler | Suchmaschinen | KI-Agenten |
| Zugriffskontrolle | Ja | Nein | Nein |
| Ranking-Signal | Nein | Nein | Bisher nein |
| Etablierter Standard | Ja | Ja | Nein, Vorschlag |
Eine llms.txt kann einem Bot nicht verbieten, Inhalte zu verwenden. Wer GPTBot, ClaudeBot oder andere Crawler blockieren möchte, muss dafür weiterhin robots.txt verwenden. Google beschreibt robots.txt ausdrücklich als Mechanismus zur Steuerung des Crawling-Zugriffs, Anthropic und Perplexity dokumentieren ebenfalls entsprechende Robots-Regeln für ihre Bots.
Anders formuliert: robots.txt sagt „du darfst hier hinein“. llms.txt sagt „wenn du schon hier bist, findest du dort wahrscheinlich das, was du suchst“.
Neben llms.txt taucht inzwischen häufig eine zweite Datei auf: /llms-full.txt. Sie enthält nicht nur eine Inhaltsübersicht, sondern große Teile oder sogar den kompletten Inhalt einer Dokumentation in einer einzigen Datei. Mintlify, GitBook und Cloudflare bieten solche Dateien an.
Wichtig ist allerdings: llms-full.txt ist nicht Teil der aktuellen llms.txt-v2-Spezifikation. Die konzentriert sich auf llms.txt, verlinkte Markdown-Versionen und deren Auffindbarkeit. llms-full.txt hat sich vor allem als zusätzliche Konvention verschiedener Dokumentationsplattformen etabliert.
Für kleine Dokumentationen kann eine Full-Version praktisch sein. Bei sehr großen Websites entsteht jedoch genau das Problem wieder, das llms.txt eigentlich lösen wollte: zu viel Kontext auf einmal.
Die ursprüngliche Version hatte ein grundsätzliches Problem: Woher soll ein Agent wissen, dass eine Website überhaupt eine llms.txt besitzt? Er müsste auf Verdacht /llms.txt aufrufen. Server-Log-Daten zeigen inzwischen, dass KI-Crawler genau das in der Praxis kaum tun.
Version 2 versucht dieses Auffindbarkeitsproblem zu lösen und schlägt dafür Standard-Link-Beziehungen vor:
<link rel="describedby" href="/llms.txt">Damit kann eine Seite auf die für sie zuständige llms.txt verweisen. Für eine Markdown-Version einer Seite ist zusätzlich vorgesehen:
<link rel="alternate" type="text/markdown" href="/seite.md">Alternativ lassen sich dieselben Informationen über HTTP-Link-Header ausliefern. Diese Auffindbarkeits-Mechanismen und die Möglichkeit, llms.txt in Unterverzeichnissen einzusetzen, sind die wesentlichen Änderungen von v2.
Ein Detail, über das man dabei stolpern kann: describedby steht zwar in der IANA Link Relations Registry, stammt dort aber aus der POWDER-Spezifikation. Im HTML Living Standard taucht die Relation nicht auf, und auf der microformats-Liste, die HTML selbst als Erweiterungsregister benennt, steht sie ebenfalls nicht. Der W3C-Validator akzeptiert sie trotzdem. Wir haben das an einem Minimaldokument geprüft, bevor wir die Zeile bei uns eingebaut haben.
Hier liegt der Kern der gesamten Debatte.
OpenAI hat eine llms.txt. Anthropic hat eine llms.txt. Perplexitys Dokumentation verweist auf eine llms.txt. Cloudflare veröffentlicht sie. GitBook und Mintlify generieren sie automatisch.
Das klingt zunächst wie ein starkes Argument für die Datei, und es ist auch eines, aber nur für eine bestimmte Aussage: llms.txt hat sich als praktisches Format etabliert, um Dokumentationen KI-freundlich bereitzustellen.
Daraus folgt jedoch nicht, dass ChatGPT automatisch jede Website nach /llms.txt durchsucht und Websites mit dieser Datei in seinen Antworten bevorzugt. Das sind zwei völlig unterschiedliche Dinge. Ein Unternehmen kann selbst eine PDF-Dokumentation anbieten, ohne dass sein Suchsystem PDFs höher rankt.
Die Tatsache, dass OpenAI eine llms.txt für Entwickler veröffentlicht, ist kein Nachweis dafür, dass OAI-SearchBot die llms.txt fremder Websites als Retrieval- oder Ranking-Signal verwendet. Diese Trennung zwischen der Seite, die veröffentlicht, und der Seite, die konsumiert, fehlt in erstaunlich vielen Diskussionen zu diesem Thema.
Hier ist die Situation inzwischen außergewöhnlich eindeutig. Google hat seine offizielle Dokumentation im Juni 2026 ausdrücklich ergänzt: llms.txt und vergleichbare spezielle AI-Dateien werden von Google Search nicht benötigt und nicht als besonderes Signal verwendet. Google sagt außerdem ausdrücklich, dass eine solche Datei die Sichtbarkeit oder das Ranking weder verbessert noch verschlechtert. Das gilt auch für Googles generative Suchfunktionen.
Das bedeutet: Kein Einfluss auf klassische Rankings, kein Einfluss auf AI Overviews, kein Einfluss auf AI Mode. Das ist keine SEO-Interpretation, sondern Googles offizielle Position.
Genau das hat 2026 für Verwirrung gesorgt. Chrome Lighthouse besitzt mittlerweile Prüfungen für Agentic Browsing, und eine davon betrifft llms.txt. Chrome begründet das damit, dass Agenten ohne eine solche Datei gegebenenfalls mehr Zeit benötigen, um Aufbau und wichtigste Inhalte einer Website zu verstehen.
Auf den ersten Blick wirkt das widersprüchlich. Google Search sagt „brauchen Sie nicht“, Google Chrome fragt „haben Sie eine?“. Die Erklärung ist einfach: Es sind zwei verschiedene Anwendungsfälle. Google Search beurteilt, welche Inhalte in Suchergebnissen, AI Overviews und AI Mode auftauchen. Die Lighthouse-Prüfungen beschäftigen sich damit, wie gut autonome Browser-Agenten eine Website bedienen und verstehen können.
Noch wichtiger: Fehlt eine llms.txt und antwortet die Website mit 404, wertet Lighthouse das ausdrücklich als „Not Applicable“. Das Fehlen ist also kein durchgefallener Audit und erst recht keine SEO-Warnung. Eine Lighthouse-Meldung zu llms.txt ist deshalb kein Beleg für einen Google-Rankingfaktor.
Hier können wir inzwischen auf größere Datensätze schauen, und die Ergebnisse sind deutlich.
Ahrefs analysierte im Mai 2026 Server- und Botdaten von 137.210 Domains. Rund 28 Prozent verfügten über eine gültige llms.txt. Das klingt nach beachtlicher Verbreitung.
Doch 97 Prozent dieser Dateien erhielten im gesamten untersuchten Monat keinen einzigen Abruf. Keinen durch ChatGPT, keinen durch Claude, keinen durch andere Bots, keinen durch Menschen.
Nur rund drei Prozent der vorhandenen Dateien wurden überhaupt angefragt, und selbst bei diesen Abrufen kamen lediglich 19,5 Prozent von identifizierten KI-Tools. Große Teile des restlichen Traffics stammten von SEO-Audit-Tools, allgemeinen Crawlern und Technologie-Profiling-Systemen.Noch bemerkenswerter: Ahrefs untersuchte auch Anfragen an Domains, bei denen /llms.txt gar nicht existierte, und fand keine KI-Bots, die auf Verdacht nach einer nicht vorhandenen Datei gesucht hatten. Das ist vielleicht die wichtigste Zahl der gesamten Diskussion. Sie deutet darauf hin, dass die großen KI-Systeme derzeit nicht systematisch jede Domain besuchen und vorsorglich /llms.txt testen.
Eine zweite große Untersuchung stammt von SE Ranking mit knapp 300.000 Domains. Im November 2025 verfügten etwa 10,13 Prozent über eine llms.txt. Anschließend wurde untersucht, ob das Vorhandensein der Datei mit häufigeren Erwähnungen in KI-Antworten zusammenhing.
Das Ergebnis: keine Korrelation. SE Ranking verwendete unter anderem Spearman-Korrelation sowie ein XGBoost-Modell. Interessanterweise verbesserte sich die Vorhersagequalität des Modells sogar, nachdem das Merkmal „llms.txt vorhanden“ entfernt wurde. Ein Hinweis darauf, dass es für die untersuchten Daten keinen erkennbaren Erklärungswert hatte.
Das beweist nicht, dass llms.txt niemals einen Effekt haben kann. Es zeigt aber: Wer heute verspricht, eine llms.txt erhöhe nachweislich die Wahrscheinlichkeit, von ChatGPT zitiert zu werden, kann das mit diesen Daten nicht belegen.
Otterly.AI beobachtete über 90 Tage einen weiteren Test. In diesem Zeitraum wurden mehr als 62.100 Besuche durch KI-Bots registriert. Davon gingen 84 an die llms.txt, also etwa 0,1 Prozent. Eine durchschnittliche Inhaltsseite derselben Website wurde im selben Zeitraum rund 265-mal besucht, also deutlich häufiger als die speziell für KI gedachte Datei.
Ein einzelner Test ist keine allgemeine Wahrheit. Zusammen mit den Ahrefs-Daten ergibt sich jedoch ein konsistentes Bild: Das Problem von llms.txt ist momentan weniger ihr Inhalt als ihre geringe tatsächliche Nutzung.
Das ist nicht zwingend ein Widerspruch. Zum einen liegen Monate zwischen den Untersuchungen und die Verbreitung hat zugenommen. Zum anderen weist Ahrefs selbst darauf hin, dass der Datensatz aus Websites stammt, die Ahrefs Web Analytics verwenden. Solche Websites dürften überdurchschnittlich SEO- und technikaffin sein. Ahrefs bezeichnet die 28 Prozent deshalb selbst als Obergrenze.
Die genaue globale Verbreitung ist ohnehin weniger interessant als die eigentliche Erkenntnis: Die Zahl der Websites, die llms.txt anbieten, wächst erheblich schneller als die Zahl der KI-Systeme, die sie nachweislich verwenden.
Für Websitebetreiber ist das vermutlich die spannendste Frage. OpenAI veröffentlicht selbst eine umfangreiche llms.txt für seine Entwicklerdokumentation, mit API-Dokumentation, Codex, Cookbook und weiteren Bereichen.
Für die Auffindbarkeit von Websites in ChatGPT Search verweist OpenAI in seiner Publisher-Dokumentation jedoch auf einen anderen Mechanismus: OAI-SearchBot. Websitebetreiber sollen sicherstellen, dass dieser Crawler nicht durch robots.txt oder technische Schutzsysteme blockiert wird. Eine öffentliche Zusage, dass eine llms.txt als Ranking- oder Citation-Signal verwendet wird, gibt es dort nicht.
Bei Anthropic sieht die Situation ähnlich aus. Die Entwicklerdokumentation stellt selbst eine umfangreiche llms.txt bereit, bei den Webcrawlern dokumentiert Anthropic dagegen vor allem klassische robots.txt-Kontrollen für ClaudeBot.
Perplexity ist besonders interessant, weil es gleichzeitig Suchmaschine und KI-Assistent ist. In der offiziellen Crawler-Dokumentation empfiehlt Perplexity, PerplexityBot über robots.txt und gegebenenfalls die Firewall zugänglich zu machen. Ironischerweise weist dieselbe Seite am oberen Rand auf die eigene llms.txt von Perplexity hin.
Auch das ist ein gutes Beispiel für die zwei Ebenen: llms.txt als effiziente Dokumentationsquelle ja, llms.txt als bestätigter Rankingfaktor nicht belegt.
Bis hierhin könnte der Eindruck entstehen, llms.txt sei nutzlos. Das wäre ebenfalls falsch. Es gibt einen Anwendungsbereich, in dem die ursprüngliche Idee sehr gut passt: Entwickler- und API-Dokumentationen.
Stellen wir uns einen Entwickler vor, der einen Coding-Agenten bittet, eine Integration mit einer API zu bauen. Der Agent benötigt Informationen über Authentifizierung, Endpunkte, Parameter und Rate Limits. Eine klassische Website-Navigation ist dafür unnötig. Eine sauber strukturierte llms.txt kann ihm stattdessen sofort zeigen, wo diese vier Dinge stehen.
Genau deshalb unterstützen Dokumentationsplattformen wie Mintlify und GitBook dieses Format, und genau deshalb veröffentlichen OpenAI, Anthropic und Cloudflare entsprechende Dateien. Hier geht es nicht darum, für „beste CRM Software“ in ChatGPT höher zu ranken. Hier geht es darum, einem Agenten, der bereits weiß, welche Dokumentation er braucht, einen effizienteren Zugriff darauf zu geben.
Passend dazu ist der aktivste KI-seitige Abrufer in der Ahrefs-Auswertung ausgerechnet ein Coding-Agent, deutlich vor allen Suchbots und Assistenten. Das stützt genau diesen Anwendungsfall und nicht den, für den die Datei üblicherweise verkauft wird.
Bisher betrachten viele KI hauptsächlich als neue Suchmaschine: Nutzer fragt, KI antwortet, Websites werden zitiert. Die nächste Entwicklung geht darüber hinaus. Agenten sollen selbstständig Websites bedienen, Angebote vergleichen, Reservierungen vornehmen, Formulare ausfüllen oder technische Dokumentationen verwenden. Google beschreibt in seiner aktuellen Dokumentation ausdrücklich solche Szenarien und verweist auf Browser-Agenten, die DOM-Strukturen und Accessibility Trees verarbeiten.
In dieser Welt wird eine saubere maschinenlesbare Orientierung potenziell wertvoller. Dann wäre llms.txt nicht „SEO für ChatGPT“, sondern eher eine README für die eigene Website. Diese Perspektive halten wir langfristig für deutlich spannender.
Wir haben für lunarspark.de eine llms.txt gebaut, und zwar aus einem konkreten Grund: weil sie uns fast nichts kostet. Sie steht unter lunarspark.de/llms.txt und ist rund vier Kilobyte groß.
Sie listet jede öffentliche Seite, von den Leistungen über die SEO Agentur Lübeck bis zu diesem Beitrag. Der entscheidende Punkt ist aber nicht ihr Inhalt, sondern wie sie entsteht. Sie wird bei jedem Build aus denselben Datenquellen erzeugt wie die Seiten selbst. Wer eine neue Seite anlegt, ändert die Datei nicht von Hand, sie zieht mit.
Dazu haben wir einen Wächter in den Build gehängt, der ihn in beide Richtungen abbricht: wenn eine gebaute Seite in der Datei fehlt, und wenn die Datei auf eine Seite zeigt, die es nicht gibt. Der zweite Fall ist der wichtigere. Eine llms.txt mit toten Links richtet mehr Schaden an als gar keine, und genau daran scheitern die meisten. Wir haben beide Richtungen einmal absichtlich ausgelöst, um zu sehen, dass der Wächter wirklich anschlägt.
Das ist der ehrliche Grund, warum wir sie trotz aller Zahlen in diesem Beitrag veröffentlicht haben: Der Aufwand liegt bei einmal bauen und danach null Pflege. Wäre die Pflege Handarbeit, hätten wir es gelassen.
Unsere Antwort: ja, wenn sie fast nichts kostet. Nein, wenn dafür wichtigere Maßnahmen liegenbleiben.
Eine Unternehmenswebsite mit 20 Seiten benötigt nicht zwingend eine zusätzliche Datei, damit ein modernes Sprachmodell versteht, dass eine Leistungsseite eine Leistungsseite ist. Wenn aber ein System die Datei automatisch sauber aktualisieren kann, spricht wenig dagegen, sie anzubieten.
Der Fehler entsteht erst, wenn daraus folgende Rechnung gemacht wird: Datei vorhanden, also liest ChatGPT sie, also versteht ChatGPT uns besser, also nennt ChatGPT uns häufiger, also mehr Anfragen. Für diese Wirkungskette fehlt derzeit der Nachweis.
Eine gute Datei beantwortet im Wesentlichen vier Fragen: Wer ist diese Organisation? Was bietet sie an? Welche Inhalte sind besonders wichtig? Wo findet ein Agent verlässliche Detailinformationen?
Für eine Agentur könnte das so aussehen, hier gekürzt aus unserer eigenen Datei:
# Lunarspark
> SEO & Marketing Agentur aus Lübeck, inhabergeführt.
> SEO, Google Ads, KI-SEO, Webdesign & WordPress,
> Google Business Profil für Unternehmen in Deutschland.
## Leistungen
- [SEO Service](https://lunarspark.de/seo-service/):
Rankings, die bleiben.
- [Google Ads Service](https://lunarspark.de/google-ads-service/):
Kampagnen, die sich rechnen.
## Standorte
- [SEO Agentur Lübeck](https://lunarspark.de/seo-agentur-luebeck/):
Local SEO für Unternehmen in Lübeck.
## Agentur
- [Referenzen](https://lunarspark.de/referenzen/):
Belegte Ergebnisse, mit Zahlen und Zeitraum.
- [Kontakt](https://lunarspark.de/kontakt/):
Anschrift und Erreichbarkeit.
## Optional
- [Impressum](https://lunarspark.de/impressum/)
- [Datenschutzerklärung](https://lunarspark.de/datenschutz/)Das ist vollkommen ausreichend. Keine 800 Keywords, keine Marketingfloskeln, kein „Lunarspark ist die beste SEO Agentur Lübeck Nr. 1 für SEO Lübeck“. Ein Agent benötigt Informationen, keine Keyword-Wolke.
Besonders kritisch sind veraltete oder widersprüchliche Informationen. Wenn auf der Website andere Preise, Öffnungszeiten oder Leistungen stehen als in der llms.txt, hat man keine Klarheit geschaffen, sondern eine zusätzliche Fehlerquelle. Deshalb sollte die Datei idealerweise automatisch aus gepflegten Daten erzeugt oder in den normalen Content-Workflow integriert werden.
Außerdem gehören keine internen Informationen, unveröffentlichten URLs, Zugangsdaten oder vertraulichen Dokumente hinein. Eine llms.txt ist öffentlich.
Die v2-Spezifikation geht über die bloße llms.txt hinaus und empfiehlt für relevante Inhalte zusätzlich saubere Markdown-Versionen, ausgezeichnet mit rel="alternate" type="text/markdown".
Für große technische Dokumentationen kann das sinnvoll sein. Bei einer normalen Marketingwebsite würden wir allerdings nicht blind hunderte Markdown-Duplikate erzeugen. Damit schafft man zusätzliche URLs, die gewartet, gecrawlt und gegebenenfalls indexiert werden. Google empfiehlt grundsätzlich, unnötige Duplikat-URLs zu reduzieren. Sollen nicht-HTML-Dateien bewusst nicht in Google erscheinen, lässt sich das über einen X-Robots-Tag: noindex im HTTP-Header steuern.
Das sollte technisch sauber geplant werden und nicht per Plugin über Nacht entstehen. Warum wir bei solchen Fragen lieber selbst bauen als ein Plugin entscheiden zu lassen, steht in Unsere neue Website: warum wir sie selbst gebaut haben. Diesen Teil haben wir bei uns bewusst weggelassen.
Die Datei selbst nach aktuellem Google-Stand nicht. Google sagt ausdrücklich, dass ihre Existenz weder positiv noch negativ auf Sichtbarkeit und Rankings wirkt.
Indirekte Probleme sind trotzdem möglich: wenn automatisch erzeugte Markdown-Seiten zu tausenden unnötigen URLs führen, falsche Canonicals entstehen oder die Datei dauerhaft veraltete Informationen enthält. Das Problem wäre dann allerdings nicht llms.txt, sondern die Umsetzung.
Wenn mit GEO Generative Engine Optimization gemeint ist, lautet die seriöse Antwort: Derzeit ist kein direkter positiver Einfluss auf KI-Zitationen nachgewiesen. SE Ranking konnte ihn bei rund 300.000 Domains nicht feststellen, Ahrefs zeigt gleichzeitig, dass die Dateien in der Praxis extrem selten angefragt werden.
Das macht llms.txt nicht bedeutungslos, aber es ordnet die Priorität ein. Wer eine Website hat, deren wichtigste Leistungsseiten kaum interne Links besitzen, deren Inhalte austauschbar sind, deren Marke online kaum vorkommt und deren relevante Bots vom CDN mit 403 ausgesperrt werden, sollte nicht zuerst an llms.txt arbeiten.
Hier wird Googles Dokumentation wesentlich konkreter und nennt für generative Suchfunktionen im Kern dieselben Grundlagen wie für gute SEO. Inhalte müssen crawlbar und indexierbar sein. Wichtiges sollte in Textform vorliegen. Interne Links müssen Inhalte auffindbar machen. Strukturierte Daten sollten mit den sichtbaren Informationen übereinstimmen. Für lokale Unternehmen sollten Unternehmensprofile aktuell sein. Und vor allem empfiehlt Google Inhalte, die eigene Erfahrung und eigene Daten oder einen eigenständigen Standpunkt bieten, statt bereits bekannte Informationen neu zusammenzufassen.
Das ist weniger spektakulär als eine neue Geheimdatei, aber darin liegt vermutlich die eigentliche Lektion. Was das praktisch bedeutet, haben wir in Wie Sie in ChatGPT und Googles KI-Übersichten auftauchen beschrieben.
Bei OpenAI kommt ein sehr konkreter technischer Faktor hinzu: Wer in ChatGPT Search auffindbar sein möchte, sollte prüfen, ob OAI-SearchBot überhaupt auf die Inhalte zugreifen kann. Bei Perplexity gilt dasselbe für PerplexityBot. Ein Bot, der eine Website nicht crawlen darf, wird nicht dadurch gerettet, dass irgendwo eine perfekte llms.txt liegt.
Nicht mit GA4. Bot-Aufrufe führen normalerweise kein Analytics-JavaScript aus. Wer es wissen will, muss in die Server- oder CDN-Logs schauen und dort Anfragen auf /llms.txt filtern, anschließend nach User-Agent beziehungsweise verifizierbarer Bot-Herkunft unterscheiden.
Interessant sind dann drei Dinge: Wie häufig wird die Datei abgerufen? Welche Bots rufen sie ab? Und werden danach die darin verlinkten Seiten aufgerufen? Gerade der dritte Punkt wäre wesentlich aussagekräftiger als ein bloßer Abruf. Denn ein GET /llms.txt beweist nur, dass jemand die Datei heruntergeladen hat, nicht dass ihr Inhalt eine Antwort beeinflusst hat.
Die Stärke der Datei ist gleichzeitig eine kleine Schwäche. Sie sagt Maschinen, wo die wichtigsten Inhalte liegen. Damit macht sie nicht nur seriösen KI-Agenten das Leben leichter, sondern theoretisch auch beliebigen Scrapern.
Bei einer normalen öffentlichen Unternehmenswebsite ist das meist kein Problem, die Inhalte sind ohnehin öffentlich. Für große Datenbanken, Research-Bibliotheken oder besonders wertvolle proprietäre Inhalte sollte man sich allerdings überlegen, wie viel Kuratierung man fremden automatisierten Systemen kostenlos mitgibt. Passend dazu fand Ahrefs unter den tatsächlichen Abrufen zahlreiche allgemeine Crawler, SEO-Tools und Profiling-Systeme, also keineswegs nur die KI-Assistenten, für die das Format gedacht war.
Wenn ein Agent llms.txt als besonders vertrauenswürdigen Einstiegspunkt behandelt, könnten dort theoretisch manipulative Anweisungen untergebracht werden. Das ist kein reines llms.txt-Problem, Prompt Injection betrifft grundsätzlich fremde Webinhalte, die Agenten lesen und in Entscheidungen einbeziehen.
Interessant ist aber, dass Ahrefs in seinen Logs bereits einen Research-Crawler fand, dessen Kennung explizit auf Untersuchungen zu Prompt Injection in diesem Umfeld hindeutete. Daraus lässt sich noch keine praktische Schwachstelle ableiten, es zeigt aber, dass das Thema untersucht wird. Ein Agent sollte deshalb nie davon ausgehen, dass etwas vertrauenswürdig ist, nur weil es in der llms.txt steht. Es ist öffentlich bereitgestellter Websiteinhalt.
Weil llms.txt ein perfektes SEO-Produkt ist. Sie ist leicht verständlich, leicht implementierbar, leicht auditierbar, leicht als fehlend zu markieren, und sehr schwer in ihrer tatsächlichen Wirkung zu messen.
Das kennen wir aus der SEO-Geschichte. Komplexe Systeme erzeugen immer wieder den Wunsch nach einem einfachen technischen Hebel: Füge dieses Element hinzu und die Maschine versteht dich besser. Doch moderne Such- und Retrieval-Systeme bestehen aus Crawling, Indexierung, Embeddings, Entitätsverständnis, Ranking, Qualitätsbewertung und zahlreichen weiteren Schritten. Eine einzelne Textdatei kann dieses System nicht ersetzen.
Das bedeutet nicht, dass der Vorschlag schlecht ist. Es bedeutet, dass seine Marketing-Erzählung größer geworden ist als seine belegte Wirkung.
Noch nicht. Der Vergleich ist verführerisch, aber nicht ganz fair. Meta Keywords hatten kaum praktischen Nutzen, weil Seitenbetreiber darin schlicht behaupteten, wofür ihre Seiten relevant seien. llms.txt besitzt dagegen einen legitimen funktionalen Nutzen: Sie kann einem Agenten eine strukturierte Navigation zu relevanten Informationen geben.
Der Unterschied ist deshalb entscheidend. Als Ranking-Hack wäre llms.txt ähnlich problematisch wie Meta Keywords. Als Schnittstelle für Agenten kann sie durchaus sinnvoll sein. Ob sich genau diese Schnittstelle langfristig durchsetzt, ist offen.
Für eine normale Unternehmenswebsite würden wir die Priorität so bewerten:
| Ziel | Einschätzung |
|---|---|
| Google-Rankings verbessern | Kein Nutzen |
| AI Overviews beeinflussen | Google verwendet sie nicht |
| Google AI Mode beeinflussen | Google verwendet sie nicht |
| Mehr ChatGPT-Zitate | Kein belegter Effekt |
| Mehr Perplexity-Zitate | Kein belegter Effekt |
| Website für Agenten beschreiben | Sinnvoll |
| API- und Entwicklerdokumentation | Sehr sinnvoll |
| Zukunftsvorsorge bei geringem Aufwand | Vertretbar |
| Statt technischer SEO einsetzen | Falsche Priorität |
Daraus folgt eine pragmatische Empfehlung. Lässt sich eine saubere llms.txt in zwanzig Minuten erstellen und anschließend automatisch aktuell halten: veröffentlichen. Sind dafür mehrere Stunden Beratung, Plugins, Markdown-Spiegel und komplizierte Konstruktionen nötig: zunächst prüfen, ob dieses Budget an anderer Stelle nicht deutlich mehr Wirkung erzeugt. Wie wir diese Abwägung zwischen zwei Kanälen führen, haben wir in SEO oder Google Ads aufgeschrieben.
llms.txt ist eine interessante und technisch sinnvolle Idee. Sie gibt Websites eine Möglichkeit, Maschinen eine kurze, strukturierte und kuratierte Übersicht ihrer wichtigsten Inhalte bereitzustellen. Das kann für Coding-Agenten, Dokumentationen und zukünftige agentische Anwendungen wertvoll sein.
Was sie derzeit nicht ist: ein Google-Rankingfaktor, eine Voraussetzung für AI Overviews, ein bestätigter ChatGPT-Rankingfaktor oder ein nachgewiesener Hebel für mehr KI-Zitate. Google sagt das für seine eigenen Systeme inzwischen ausdrücklich, große empirische Untersuchungen zeigen bislang keinen messbaren Vorteil, und Server-Logs zeigen, dass die meisten Dateien von den erwarteten Bots kaum oder gar nicht gelesen werden.
Und trotzdem würden wir llms.txt nicht abschreiben. Der wirklich spannende Teil ihrer Geschichte beginnt möglicherweise erst dann, wenn wir aufhören, sie als SEO-Datei für Chatbots zu betrachten, und anfangen, sie als Schnittstelle zwischen Websites und autonomen Agenten zu verstehen.
Bis dahin gilt: Eine gute llms.txt kann eine sinnvolle Ergänzung sein. Sie ist aber kein Ersatz für eine Website, die technisch zugänglich, fachlich überzeugend und tatsächlich zitierenswert ist. Oder kürzer: Bevor wir einer KI erklären, welche unserer Seiten wichtig sind, sollten wir dafür sorgen, dass diese Seiten überhaupt wichtig genug sind, um verwendet zu werden.
Wenn Sie wissen wollen, wo Ihre Website bei diesen Grundlagen steht, sehen wir uns das im Rahmen unseres KI-SEO-Service an.
Nein. llms.txt ist eine freiwillige, von der Community getriebene Konvention und kein verpflichtender Webstandard. Google benötigt die Datei weder für normale Suchergebnisse noch für AI Overviews oder AI Mode.
Nein. Google erklärt ausdrücklich, dass die Datei die Sichtbarkeit und das Ranking weder positiv noch negativ beeinflusst.
OpenAI veröffentlicht selbst eine llms.txt für seine Entwicklerdokumentation. Für die Auffindbarkeit externer Websites in ChatGPT Search dokumentiert OpenAI jedoch OAI-SearchBot und robots.txt. Ein bestätigter Ranking- oder Zitationsvorteil durch llms.txt ist derzeit nicht dokumentiert.
Nicht zwingend. llms-full.txt wird von einigen Dokumentationsplattformen angeboten und kann für kompakte Dokumentationen praktisch sein. Für normale Unternehmenswebsites ist eine sauber kuratierte llms.txt meist sinnvoller als eine riesige Datei mit allen Inhalten.
Nein. Eine Sitemap dient primär dazu, Suchmaschinen URLs bekannt zu machen. llms.txt soll dagegen eine kuratierte, mit Kontext versehene Auswahl relevanter Ressourcen bereitstellen. Die beiden Dateien erfüllen unterschiedliche Aufgaben.
Nein. robots.txt steuert, welche Crawler welche Bereiche aufrufen dürfen. llms.txt enthält keine vergleichbaren Zugriffsdirektiven.
Bislang gibt es dafür keinen belastbaren Nachweis. SE Ranking fand in einer Analyse von rund 300.000 Domains keinen messbaren Zusammenhang mit KI-Zitaten. Ahrefs stellte zudem fest, dass 97 Prozent der untersuchten vorhandenen Dateien in einem Monat überhaupt keinen Abruf erhielten.
Wenn Erstellung und Pflege wenig Aufwand verursachen, spricht wenig dagegen. Sie sollte allerdings als experimentelle Schnittstelle für Agenten und als Zukunftsvorsorge betrachtet werden, nicht als Ersatz für SEO oder als garantierter GEO-Hebel.
Stand vom 26. August 2026. Gerade bei llms.txt ist das relevant: Die Spezifikation wurde erst am 10. August 2026 auf v2 aktualisiert, und die Unterstützung durch Agenten und Plattformen kann sich kurzfristig ändern.
Die wichtigste Quelle für das Format selbst ist die aktuelle llms.txt-v2-Spezifikation von Jeremy Howard. Für Googles Position sind der offizielle Leitfaden zu generativer KI-Suche sowie die Dokumentation zum Lighthouse-Audit für Agentic Browsing entscheidend. Für die tatsächliche Nutzung sind besonders die 137.000-Domain-Analyse von Ahrefs und die 300.000-Domain-Studie von SE Ranking relevant. Die eigenen Dokumentationen von OpenAI, Anthropic und Perplexity zeigen zugleich, dass llms.txt als Dokumentationsformat real eingesetzt wird, ohne dass daraus automatisch ein Rankingfaktor für KI-Suche folgt.
KI-Systeme empfehlen Unternehmen, ohne dass jemand auf ein Suchergebnis klickt. Was darüber entscheidet, ob Sie dabei vorkommen, was Sie auf Ihrer Website dafür tun können und warum die Crawler-Frage eine bewusste Entscheidung braucht.
Beitrag lesen →Die Frage kommt in fast jedem Erstgespräch. Die ehrliche Antwort hängt von drei Dingen ab: wie schnell Sie Anfragen brauchen, was ein Auftrag wert ist und wie lange Sie planen. Eine Entscheidungshilfe ohne Verkaufsrhetorik.
Beitrag lesen →Lunarspark
Schildern Sie kurz, wo Sie stehen. Wir sagen Ihnen ehrlich, was sich lohnt und was nicht.
Erreichbar Mo bis Do 9:00 bis 18:00 Uhr, Fr 10:00 bis 17:00 Uhr · schriftlich jederzeit an info@lunarspark.de