llms.txt: Brauchen Sie eine? Die ehrliche Antwort (2026)

Nein. Eine llms.txt bringt einem Schweizer KMU heute keine messbare Sichtbarkeit in KI-Antworten. Sie schadet aber auch nicht, und sie ist in wenigen Minuten erstellt. Kein grosser KI-Anbieter hat bestätigt, dass er die llms.txt fremder Websites zur Antwortzeit ausliest, und Google hält in der eigenen Dokumentation ausdrücklich fest, dass die Suche solche Dateien ignoriert.

Bei Carigiet GEO hören wir diese Frage regelmässig, und fast immer kommt sie von aussen: aus einem technischen GEO-Audit, das die fehlende Datei als Mangel führt und zu ihrer Erstellung auffordert. Die Zahl dahinter ist unbequem. Von rund 38’000 Websites mit einer gültigen llms.txt erhielten 97 Prozent im Mai 2026 keine einzige Anfrage auf diese Datei, weder von Bots noch von Menschen. Das zeigt eine Auswertung von 137’210 Domains (Ahrefs, 15.06.2026).

Für die Generative Engine Optimization ist die Datei damit eine Randnotiz.

Kurz zusammengefasst

• Die Antwort: Nein, für ein typisches Schweizer KMU ist eine llms.txt kein Sichtbarkeitshebel. Sie schadet aber nicht.
• Die Datenlage: 97 Prozent der publizierten Dateien wurden im Mai 2026 nie abgerufen. Eine zweite Auswertung über rund 300’000 Domains fand keinen statistischen Zusammenhang zwischen llms.txt und KI-Zitationen.
• Der Google-Befund, zweiteilig: Google Search nutzt solche Dateien laut eigener Dokumentation nicht. Googles Lighthouse prüft trotzdem, ob eine vorhandene llms.txt der Empfehlung entspricht. Fehlt die Datei ganz, wertet es den Prüfpunkt als nicht anwendbar.
• Der häufigste Irrtum: Eine llms.txt steuert keine Crawler. Sie erlaubt nichts, blockiert nichts und kennt keine Zugriffsregeln.
• Die Ausnahme: Öffentliche Entwickler- und Produktdokumentation, die von KI-Coding-Werkzeugen gelesen wird. Dort ist der Nutzen belegt.
• Was stattdessen zählt: Erreichen die KI-Crawler Ihre Seite, stehen Ihre Inhalte im ausgelieferten HTML, ist die technische Basis sauber, und werden Sie auf den Quellen genannt, die für Ihr Thema zitiert werden.
• Unsere eigene Position: Auf carigiet.com liegt eine llms.txt, obwohl wir sie niemandem als Massnahme verkaufen. Warum, steht weiter unten offen im Text.

Was ist eine llms.txt?

Eine llms.txt ist eine Markdown-Datei im Wurzelverzeichnis einer Website, die die wichtigsten Seiten mit je einer kurzen Beschreibung auflistet. Sie liegt unter example.ch/llms.txt und ist für Sprachmodelle gedacht, nicht für Besucherinnen und Besucher.

Vorgeschlagen hat sie Jeremy Howard, Mitgründer von Answer.AI und fast.ai, am 03.09.2024. Im Originalvorschlag heisst es wörtlich: «We propose adding a /llms.txt file to websites that are designed for reading by language models, not just humans.» Die Begründung: Kontextfenster von Sprachmodellen sind zu klein für ganze Websites, und HTML mit Navigation, Werbung und JavaScript lässt sich nur ungenau in sauberen Text umwandeln.

Wichtig für die Entscheidung ist der Status. Die Spezifikation ist bis heute ein informeller Vorschlag einer einzelnen Person, zuletzt aktualisiert am 10.08.2026. Es gibt kein RFC, keine Arbeitsgruppe bei IETF oder W3C und keine Ratifizierung durch ein Normungsgremium. Der Aufbau ist schlicht: eine H1 mit dem Namen der Website als einzig verpflichtender Teil, darunter eine kurze Zusammenfassung und Abschnitte mit Linklisten.

Wie das konkret aussieht, können Sie an unserer eigenen Datei nachsehen: carigiet.com/llms.txt. In Mandaten treffen wir fast immer dieselbe Form an, wenn bereits eine Datei existiert: eine Sitemap mit einer Beschreibungszeile pro Seite.

Daneben existiert eine zweite, seltener umgesetzte Datei: die llms-full.txt. Sie bettet den vollständigen Text der verlinkten Dokumente in eine einzige Markdown-Datei ein, damit ein Modell den gesamten Inhalt auf einmal in sein Kontextfenster laden kann. Die llms.txt ist der kurze Index, die llms-full.txt der komplette Textkörper.

llms.txt, robots.txt, sitemap.xml und strukturierte Daten: was macht was?

Von diesen vier Dateien steuert nur die robots.txt den Zugriff. Die llms.txt steuert nichts.

Datei	Was sie enthält	Wer sie nachweislich auswertet	Steuert sie den Crawler-Zugriff?
llms.txt	Kuratierte Markdown-Übersicht der wichtigsten Seiten mit Beschreibungen	Kein grosser KI-Anbieter bestätigt eine Auswertung; vereinzelt KI-Coding-Werkzeuge und Menschen	Nein
robots.txt	Regeln, welche Bereiche ein Crawler besuchen darf (RFC 9309, 2022)	Alle grossen KI-Crawler; die Befolgung ist freiwillig	Ja
sitemap.xml	Maschinenlesbare Liste der indexierbaren URLs samt Änderungsdatum	Suchmaschinen-Crawler	Nein
Strukturierte Daten (Schema.org, JSON-LD)	Maschinenlesbare Beschreibung dessen, was auf einer Seite steht	Suchmaschinen, etabliert für Rich Results	Nein

Diese Abgrenzung wird im deutschsprachigen Raum regelmässig falsch dargestellt. Verbreitet ist die Behauptung, mit einer llms.txt liessen sich KI-Crawler steuern, teils mit erfundenen Direktiven wie «Allow», «Disallow», «Crawl-Delay» oder «NoTrain». In der Spezifikation kommt keine einzige davon vor. Die Datei ist eine Inhaltsübersicht, kein Regelwerk.

Wer den Zugriff tatsächlich regeln will, tut das an zwei Orten: in der robots.txt und auf der Server- beziehungsweise WAF-Ebene. Der zweite Ort ist der, den in KMU meistens niemand kennt. Sperren bei Cloudflare, Akamai oder einer AWS-WAF, auch harmlose Ratelimits, können KI-Crawler blockieren, ohne dass davon je etwas in der robots.txt steht.

Was sagen die Daten zur Wirkung einer llms.txt?

Die zwei grössten unabhängigen Auswertungen kommen zum gleichen Ergebnis: keine messbare Wirkung.

Die Abrufe. Ahrefs prüfte alle 137’210 Domains, die im Mai 2026 in der eigenen Web Analytics Traffic hatten, auf eine gültige llms.txt und wertete anschliessend jede Anfrage auf diese Datei nach Status und User-Agent aus. 28 Prozent der Domains publizierten eine Datei. Davon erhielten 97 Prozent im ganzen Monat keine einzige Anfrage. Von den 3 Prozent mit Zugriffen stammten nur 1,1 Prozent aller Anfragen von KI-Retrieval-Bots wie OAI-SearchBot oder PerplexityBot. Angeführt wurde die Liste von SEO-Audit-Werkzeugen mit 21,7 Prozent. Bei Domains ohne llms.txt lag der Anteil der KI-Bots, die trotzdem danach fragten, bei null.

Die Zitationen. SE Ranking prüfte an rund 300’000 Domains mit Korrelationstests und einem Vorhersagemodell, ob die Präsenz einer llms.txt mit der Häufigkeit von KI-Zitationen zusammenhängt. Das Ergebnis: kein Zusammenhang zwischen llms.txt und KI-Zitationen (SE Ranking, 07.11.2025). Das Entfernen der llms.txt-Variable verbesserte die Genauigkeit des Vorhersagemodells sogar.

Die Verbreitung. Sie wächst schnell, und das ist das stärkste Gegenargument. Ein Tracker über mehr als drei Millionen Websites zählte im Juni 2025 rund 4’100 Dateien und im Mai 2026 rund 36’100, ein Anstieg um das 8,8-Fache in zwölf Monaten. Das Fazit der Erhebung fällt trotzdem nüchtern aus: Immer mehr Websites führen die Datei, praktisch nichts liest sie.

Beide grossen Auswertungen stammen von SEO-Werkzeuganbietern, die im weiteren Sinn Partei sind. Wir verwenden sie, weil Stichprobe, Zeitraum und Vorgehen dokumentiert sind und weil sie sich gegenseitig unabhängig bestätigen. Ahrefs bezeichnet die eigenen Zahlen ausdrücklich als Obergrenze, weil ein Abruf nicht beweist, dass ein Modell den Inhalt gelesen oder verwendet hat.

Genau an diesem Punkt bricht die Beweisführung zusammen, mit der die Datei verkauft wird. Der britische Suchberater Mark Williams-Cook publizierte am 04.08.2026 einen Scherz-Standard namens cats.txt, eine Datei zur Deklaration der Bürokatzen samt einer Kennzahl «PurrLevel» auf einer Skala bis zehn. Sie bestand dieselben vier «Beweise», mit denen die Wirksamkeit von llms.txt begründet wird: KI-Bots crawlten sie, Google indexierte sie, Sprachmodelle gaben Details über eine Katze wieder, die nur in dieser Datei existiert, und ChatGPT bestätigte ausführlich, cats.txt könne beim Ranking helfen. Ein Crawler-Abruf beweist, dass der Crawler funktioniert. Mehr nicht. Aus 25 Jahren Softwareentwicklung kennen wir den Unterschied zwischen einer Datei, die ein Server ausliefert, und einer, die ein System tatsächlich auswertet. Für die llms.txt ist der zweite Teil bis heute nicht belegt.

Welche KI-Anbieter werten eine llms.txt aus?

Kein grosser Anbieter hat bestätigt, dass er die llms.txt fremder Websites zur Antwortzeit ausliest. Google verneint es ausdrücklich.

Anbieter	Offizielle Aussage zur llms.txt	Wie der Zugriff tatsächlich geregelt wird
Google	Ausdrückliches Nein in der Dokumentation	robots.txt (Googlebot, Google-Extended)
OpenAI	Keine Auswertung dokumentiert; die Crawler-Doku nennt ausschliesslich robots.txt	robots.txt (GPTBot, OAI-SearchBot, ChatGPT-User)
Anthropic	Keine Empfehlung an Website-Betreiber; im Crawler-Artikel nicht erwähnt	robots.txt (ClaudeBot, Claude-User, Claude-SearchBot)
Perplexity	Keine Auswertung bestätigt; Betreiber werden auf robots.txt verwiesen	robots.txt (PerplexityBot)
Microsoft Bing	Keine öffentliche Aussage auffindbar	robots.txt (Bingbot)
Mistral	Keine öffentliche Aussage	robots.txt

Google ist der einzige Anbieter mit einem dokumentierten Nein. Im Leitfaden zur KI-Optimierung (Google Search Central, Stand 10.07.2026) steht im Abschnitt zu verbreiteten Irrtümern wörtlich: «You don’t need to create new machine readable files, AI text files, markup, or Markdown to appear in Google Search (including its generative AI capabilities), as Google Search itself doesn’t use them.» Und weiter: Die Dateien würden der Sichtbarkeit weder schaden noch nützen, weil Google Search sie ignoriere.

Dazu kommt eine namentliche Aussage. John Mueller, Search Advocate bei Google, schrieb am 17.06.2025: «FWIW no AI system currently uses llms.txt».

Warum Googles eigenes Werkzeug die Datei trotzdem prüft

Wer jetzt PageSpeed Insights aufruft, findet dort scheinbar das Gegenteil. Das Werkzeug führt Lighthouse aus und zeigt neben Performance, Accessibility, Best Practices und SEO eine fünfte Kategorie: «Agentic Browsing». Einer ihrer drei Prüfpunkte heisst «llms.txt follows recommendations». Auf carigiet.com stehen dort 3 von 3 erfüllten Prüfpunkten (geprüft am 23.08.2026).

Das ist kein Ja zur Wirkung, und Google sagt selbst, warum. Die Kategorie trägt in der Oberfläche den Hinweis, sie sei «still under development and subject to change». Die Dokumentation zum Prüfpunkt (Chrome for Developers, Stand 05.05.2026) hält fest, was passiert, wenn keine Datei vorhanden ist: «If the file is not provided by the server (resulting in a 404), the audit is marked as Not Applicable (N/A), as providing the file is optional at the moment.» Geprüft wird also die Form einer vorhandenen Datei. Der Prüfpunkt selbst verlangt eine Markdown-Datei mit mindestens einer H1. Wer keine Datei führt, verliert dort nichts.

Bemerkenswert ist die Begründung im Prüfpunkt selbst. Ohne korrekte Datei könnten Sprachmodelle nicht verstehen, «how you want your website to be crawled or used for training». Das ist genau die Zuschreibung, die weiter oben zu korrigieren war: Die llms.txt regelt weder Crawling noch Training. Wo die verbreitete Lesart herkommt, wird damit gut sichtbar. Sie steht auch in dem Werkzeug, das viele Betriebe als Erstes aufrufen.

Bei OpenAI, Anthropic und Perplexity ist die Lage identisch und wird trotzdem oft falsch gelesen: Alle drei publizieren eine llms.txt für die eigene Dokumentation, und daraus wird geschlossen, sie würden fremde Dateien auswerten. Ihre Crawler-Dokumentationen sagen etwas anderes. OpenAI steuert GPTBot, OAI-SearchBot und ChatGPT-User über robots.txt, Anthropic seine drei Bots ebenso, und Perplexity verweist Betreiber auf dieselbe Datei. Von einer Auswertung fremder llms.txt-Dateien steht in keiner der drei Dokumentationen etwas. Wo dort überhaupt «llms.txt» auftaucht, ist es der Link auf die eigene Doku-Übersicht. Genau daraus entsteht die Verwechslung.

Was dieses Nein kippen würde, lässt sich präzise benennen: eine Bestätigung in der offiziellen Dokumentation eines grossen Anbieters, ein deutlicher Anstieg der Abrufe durch KI-Retrieval-Bots, oder eine belastbare Auswertung, die einen Zusammenhang zwischen llms.txt und Zitationen zeigt. Tritt eines davon ein, ändern wir unsere Empfehlung. Bis dahin gilt die Datenlage von heute.

Wann ist eine llms.txt trotzdem sinnvoll?

In genau einem Fall ist der Nutzen belegt: bei öffentlicher Entwickler-, API- oder Produktdokumentation, die von KI-Coding-Werkzeugen gelesen wird.

In den Ahrefs-Daten war Claude Code, der Programmier-Agent von Anthropic, nach GPTBot der zweitgrösste Einzelabrufer von llms.txt-Dateien und lag damit vor jedem KI-Such- und Assistenz-Bot. Der Grund ist banal: Diese Werkzeuge rufen die Datei ab, weil eine Nutzerin sie ihnen nennt oder weil sie in der Dokumentation verlinkt ist, nicht weil sie spekulativ danach suchen. Verstärkt wurde der Effekt dadurch, dass die Dokumentationsplattform Mintlify die Datei im November 2024 automatisch über alle gehosteten Doku-Seiten ausrollte.

Der zweite Fall ist noch einfacher: Wenn Ihr System die Datei ohnehin automatisch erzeugt, lassen Sie sie stehen. Ein Teil der hohen Verbreitungszahlen geht auf Plattformen zurück, die die Datei standardmässig ausliefern, ohne dass jemand das je entschieden hätte. Prüfen Sie in diesem Fall nur, dass keine veralteten, internen oder toten URLs darin auftauchen.

Für ein Deutschschweizer B2B-KMU ohne öffentliche Entwicklerdokumentation trifft der belegte Nutzenfall nicht zu. Die Ausnahme sind Software- und Technologiefirmen, deren Kundinnen und Kunden mit Programmier-Agenten arbeiten.

Ebenso wichtig ist die Gegenprobe. Eine llms.txt leistet nachweislich nicht:

• Sie verschafft keinen Zugang, wenn Ihre Crawler auf Server- oder CDN-Ebene blockiert sind.
• Inhalte, die im ausgelieferten HTML stehen müssen, ersetzt sie nicht.
• Sie beeinflusst die Google-Suche nicht, weder positiv noch negativ.
• Kein Modell wird dadurch gehindert, Ihre Inhalte fürs Training zu verwenden.
• Eine Nennung in einer KI-Antwort bewirkt sie nicht.

Warum auf carigiet.com trotzdem eine llms.txt liegt

Weil sie uns eine Stunde gekostet hat, nichts verdrängt und bei uns als Experiment geführt wird, nicht als Massnahme. Unser eigenes technisches Audit empfiehlt dafür ausdrücklich keinen Aufwand, und die Datei liegt trotzdem unter carigiet.com/llms.txt. Diesen Widerspruch schreiben wir lieber aus, als ihn zu umgehen.

Vier Gründe stehen dahinter. Erstens wollten wir selbst sehen, was tatsächlich abgerufen wird, statt es aus Studien zu übernehmen. Zweitens wollten wir wissen, wie eine solche Datei sinnvoll aufgebaut wird, falls sie eines Tages zählt. Drittens quittieren Prüfwerkzeuge eine korrekt aufgebaute Datei mit einem erfüllten Prüfpunkt, Googles Lighthouse eingeschlossen. Wir wollten wissen, was dort genau geprüft wird. Was dieser dritte Grund wert ist, steht oben: Wer keine Datei führt, verliert dort nichts. Viertens halten wir es für möglich, dass ein Assistent anfängt, sie zu verwenden, sobald genügend Websites eine führen. Eine llms-full.txt führen wir nicht.

Daraus folgt keine Empfehlung. Bei uns gilt die Regel: Eine Massnahme, die nicht messbar wirkt, verkaufen wir nicht als Leistung. Ein billiges, harmloses Experiment darf laufen, solange es als solches deklariert ist und nichts Wirksames verdrängt. Die llms.txt ist ein fester Prüfpunkt in unserem technischen Audit, der Befund wird dokumentiert, und wenn kein Handlungsbedarf besteht, wird auch keiner daraus gemacht. Wie wir grundsätzlich arbeiten, steht in unseren publizierten Arbeitsprinzipien.

Aus unseren Mandaten kommt dieselbe Beobachtung: Auf Kundenseiten, auf denen bereits eine llms.txt lag, hat sich in der Messung nichts verändert. Das ist eine Beobachtung, kein Studienergebnis. Die grossen Auswertungen messen Abrufe und Zitationen, nicht die Sichtbarkeitswerte einzelner Mandate. Beide zeigen in dieselbe Richtung, und keines der beiden ersetzt das andere.

Was stattdessen darüber entscheidet, ob KI-Systeme Sie lesen und zitieren

Wenn uns jemand im Erstgespräch nach der llms.txt fragt, lautet unsere Antwort: Ob Assistenten darauf schauen, klar nein, noch nicht. Viel lieber konzentrieren wir uns auf ein sauberes technisches Fundament und eine aufgeräumte Google Search Console, keine 404-Fehler, alle wichtigen Seiten indexiert. Das klingt weniger aufregend als eine neue Datei und entscheidet mehr.

Diese fünf Punkte prüfen wir, in dieser Reihenfolge:

1. Erreichen die KI-Crawler Ihre Seite überhaupt? Das ist die Frage vor allen anderen. Prüfschritt: In der robots.txt nachsehen, ob GPTBot, OAI-SearchBot, ClaudeBot und PerplexityBot erlaubt sind, und danach in den Server-Logs oder in der WAF-Konfiguration kontrollieren, ob deren Anfragen schon vor der Website abgewiesen werden.
2. Stehen Ihre Inhalte im ausgelieferten HTML? Die grosse Mehrheit der KI-Crawler führt kein JavaScript aus. Eine gemeinsame Analyse von Vercel und MERJ über mehr als 500 Millionen GPTBot-Abrufe (17.12.2024) hält wörtlich fest: «none of the major AI crawlers currently render JavaScript». Die ChatGPT-Crawler luden JavaScript-Dateien zwar in 11,5 Prozent der Anfragen, führten sie aber nicht aus. Rein clientseitig gerenderte Texte sind für ChatGPT, Claude und Perplexity praktisch unsichtbar, selbst wenn sie in der Google-Suche gut laufen. Prüfschritt: Die Seite im Browser als Quelltext öffnen und nachsehen, ob der Fliesstext dort steht.
3. Ist die technische Basis sauber? Keine 404-Fehler auf wichtigen Seiten, alle Kernseiten indexiert, Weiterleitungen ohne Ketten. Prüfschritt: In der Google Search Console den Bericht zur Seitenindexierung durchgehen und jede nicht indexierte Kernseite einzeln klären.
4. Sind strukturierte Daten vorhanden? Schema.org-Auszeichnung ist nützliche Infrastruktur, aber kein bestätigter Hebel für KI-Zitationen. Ahrefs verfolgte 1’885 Seiten, die JSON-LD ergänzten, gegen rund 4’000 Kontrollseiten (Ahrefs, 11.05.2026) und fand keinen signifikanten Zuwachs an Zitationen. Für klassische Rich Results bleibt sie sinnvoll. Prüfschritt: Eine Kernseite durch den Rich-Results-Test schicken.
5. Kommen Sie auf den Quellen vor, die für Ihr Thema zitiert werden? Wer in diesen Quellen nicht vorkommt, existiert in der Antwort nicht. Hier liegt der grösste Hebel und die meiste Arbeit. Die meistzitierte Forschungsarbeit zum Thema (Aggarwal et al., KDD 2024) beziffert den Effekt inhaltlicher Aufbereitung, also Zitate, Quellenangaben und Statistiken im Text, mit «up to 40% in generative engine responses». Das ist eine Obergrenze aus einer Simulation, kein erwartbarer Durchschnitt. Prüfschritt: Dieselbe Käuferfrage mehrfach stellen und notieren, welche Quellen die Antwort zitiert.

Den Selbsttest dazu haben wir in einer Anleitung mit fertigen Prompts beschrieben: So prüfen Sie Ihre KI-Sichtbarkeit selbst. Was auf der eigenen Website konkret dazugehört, steht hier: was ChatGPT-Optimierung umfasst.

Erwarten Sie von keiner einzelnen Massnahme eine Nennung, weder von einer llms.txt noch von irgendetwas anderem. KI-Antworten sind statistisch, dieselbe Frage liefert nicht zweimal dasselbe Ergebnis. Warum es kein Ranking in ChatGPT im klassischen Sinn gibt, haben wir separat aufgeschrieben. Und ob eine Massnahme wirkt, entscheidet am Ende die Messung und nicht die Meinung: wie sich KI-Sichtbarkeit verlässlich messen lässt.

Die Entscheidungsregel: Wann ja, wann nein

Diesen Block können Sie weiterleiten, ohne den Rest des Artikels mitzuschicken.

Ja, wenn Sie öffentliche Entwickler-, API- oder Produktdokumentation betreiben. Publizieren Sie die Datei für diese Dokumentation, verlinken Sie sie im HTML, halten Sie sie aktuell und behandeln Sie sie wie Code: Versionskontrolle, beschränkte Schreibrechte, Änderungsmeldungen, nur eigene Ressourcen verlinken.

Ja, wenn Ihre Plattform die Datei ohnehin automatisch erzeugt. Lassen Sie sie stehen. Kontrollieren Sie einmal, dass keine internen, veralteten oder toten URLs darin stehen, und vergessen Sie sie danach.

Nein, wenn Sie dafür bezahlen sollen. Die Grundleistung ist in wenigen Minuten selbst erledigt oder wird von der Plattform erzeugt.

Nein, wenn die Datei einen Platz auf Ihrer Prioritätenliste einnimmt. Wer die Stunde investiert hat, hat nichts verloren. Wer deswegen die wirksamen Arbeiten aufschiebt, verliert.

Und wenn Sie es selbst wissen wollen: Der einzige Aufwand, der sich in unseren Augen rechnet, ist ein eigener Vergleich. Nehmen Sie zwei gleichwertige Seiten, geben Sie einer davon einen Eintrag in der llms.txt und der anderen nicht, und messen Sie über mehrere Wochen, welche in KI-Antworten häufiger auftaucht. Parallel dazu filtern Sie Ihre Server-Logs nach /llms.txt und nach KI-User-Agents. Sehen Sie über einen Monat keine einzige Anfrage eines KI-Retrieval-Bots, ist die Frage für Ihren Betrieb beantwortet.

In beiden Fällen, ja wie nein, ist die nächste Handlung dieselbe: Prüfen Sie zuerst, ob die KI-Crawler Ihre Website erreichen und ob Ihre Inhalte im ausgelieferten HTML stehen.

Häufige Fragen zur llms.txt

Was ist der Unterschied zwischen llms.txt und robots.txt?

Die robots.txt steuert den Zugriff, die llms.txt beschreibt Inhalte. Die robots.txt ist ein etablierter Standard (RFC 9309), an den sich seriöse Crawler halten, und regelt, welche Bereiche besucht werden dürfen. Die llms.txt ist ein informeller Vorschlag ohne Zugriffsregeln: Sie erlaubt nichts, blockiert nichts und drosselt nichts. Der ähnliche Dateiname ist die Ursache der Verwechslung.

Mein PageSpeed-Bericht führt die llms.txt auf. Muss ich handeln?

Nein, solange dort ein erfüllter Prüfpunkt oder «Not Applicable» steht. Googles PageSpeed Insights prüft in der Kategorie «Agentic Browsing», ob eine vorhandene llms.txt der Empfehlung entspricht, also eine Markdown-Datei mit mindestens einer H1 ist. Fehlt die Datei ganz, wertet der Bericht den Punkt laut Googles Dokumentation als nicht anwendbar, weil die Datei «optional at the moment» ist. Handlungsbedarf entsteht nur, wenn Sie eine Datei führen und der Prüfpunkt fehlschlägt. Dann ist die Form kaputt, und die Korrektur dauert Minuten.

Schadet eine llms.txt?

Nein, solange sie korrekt gepflegt wird. Google hält ausdrücklich fest, dass solche Dateien der Sichtbarkeit in der Suche weder schaden noch nützen. Zwei Punkte lohnen trotzdem die Aufmerksamkeit: Verlinken Sie keine internen oder vertraulichen URLs, und schreiben Sie keine anweisungsartigen Sätze hinein, die ein Modell als Instruktion lesen könnte.

Brauche ich auch eine llms-full.txt?

Nein, für die allermeisten Websites nicht. Die llms-full.txt bettet den gesamten Text aller verlinkten Dokumente in eine einzige Datei ein und ist für umfangreiche Dokumentationen gedacht, die ein Modell am Stück laden soll. Für eine Firmenwebsite mit einigen Dutzend Seiten bringt sie nichts, was die normale Website nicht schon liefert. Wir führen selbst keine.

Wie prüfe ich, ob meine llms.txt je abgerufen wurde?

Filtern Sie Ihre Server-Logs oder Ihr Bot-Analytics-Werkzeug auf Anfragen, deren Pfad llms.txt enthält, und sehen Sie sich die User-Agents an: GPTBot, OAI-SearchBot, ClaudeBot, Claude-User und PerplexityBot sind die relevanten. Drei Dinge verzerren das Bild. Ein Abruf beweist nicht, dass der Inhalt gelesen wurde. Sperren auf CDN- oder WAF-Ebene können Crawler abweisen, bevor sie im Log erscheinen. Und Link-Vorschau-Bots aus Messengern rufen die Datei ebenfalls ab, ohne dass ein KI-System beteiligt wäre.

Sollte ich für die Erstellung einer llms.txt bezahlen?

Nein. Die Datei entsteht in wenigen Minuten oder wird von der Plattform automatisch erzeugt. Wir sehen sie regelmässig in technischen GEO-Audits als Mangel aufgeführt, verbunden mit der Aufforderung, eine solche Datei zu erstellen. Das ist ein brauchbarer Prüfstein für den Anbieter dahinter: Wer eine llms.txt als Sichtbarkeitsmassnahme in eine Offerte schreibt, sollte erklären können, welcher Anbieter sie auswertet. Welche Fragen im Erstgespräch sonst noch weiterhelfen, steht hier: acht Prüfkriterien für die Anbieterauswahl.

Wo Sie heute stehen

Die llms.txt ist eine kleine Frage. Die grosse dahinter lautet: Werden Sie überhaupt genannt, wenn jemand ein KI-System nach einem Anbieter Ihrer Art fragt, und welche Quellen zitiert die Antwort dabei?

Diese Frage lässt sich beantworten, und zwar mit Zahlen statt mit Vermutungen. Unsere kostenlose KI-Sichtbarkeitsanalyse zeigt Ihnen, wo Sie in den gängigen KI-Systemen heute stehen. Wenn Sie die Auswertung lieber mit jemandem durchgehen, buchen Sie ein 15-minütiges Erstgespräch. Kein Verkaufsgespräch, keine Folien, und am Ende wissen Sie, ob sich der Aufwand für Sie lohnt.