llms.txt klingt nach „robots.txt für das KI-Zeitalter“, und deshalb hat das halbe Internet sie 2024 an einem Wochenende ausgerollt. Die Realität ist interessanter: für manches nützlich, für anderes irrelevant — und Google hat schon öffentlich gesagt, dass es sie nicht nutzen wird. Hier steht, was sie wirklich ist, wie man sie gut schreibt und wer sie heute liest — damit du nach Daten entscheidest, nicht nach FOMO.
Was llms.txt ist (und was nicht)
llms.txt ist eine Markdown-Textdatei, die du im Root deiner Domain ablegst (deinedomain.de/llms.txt), um einem Sprachmodell zu sagen, welche Seiten deiner Website wichtig sind und worum es bei jeder geht. Jeremy Howard — Mitgründer von Answer.AI und fast.ai — hat sie im September 2024 vorgeschlagen, und die Spezifikation liegt auf llmstxt.org.
Die Idee ist einfach. Das Web ist für Menschen und Browser gebaut: Menüs, Banner und JavaScript, die ein LLM mühsam verdauen muss. llms.txt gibt ihm eine saubere Markdown-Karte — das Format, das jedes Modell ohne Übersetzung liest — mit deinen Kernseiten und einem Satz Kontext pro Seite.
Wie man sie schreibt: das exakte Format
Die Spezifikation ist bewusst minimal. Eine gültige llms.txt enthält, in dieser Reihenfolge:
- Ein H1 mit dem Projekt- oder Site-Namen. Der einzige Pflichtabschnitt.
- Ein Blockquote (eine Zeile, die mit
>beginnt) mit einer kurzen Zusammenfassung, was die Site ist. - Optionaler Fließtext mit zusätzlichem Kontext, ohne Überschriften.
- H2-Abschnitte mit Linklisten, wobei jeder Link nach einem Doppelpunkt eine kurze Beschreibung trägt.
- Ein spezieller H2-Abschnitt namens „Optional“: was darunter steht, kann übersprungen werden, wenn ein kürzerer Kontext nötig ist.
Es gibt einen optionalen Begleiter, /llms-full.txt, der den kompletten Site-Inhalt in ein einziges Markdown-Dokument packt, für Modelle, die alles auf einmal schlucken wollen. Faustregel: ziele auf 10-20 hochwertige Evergreen-Seiten, nicht auf deine ganze Sitemap. Eine llms.txt mit 400 Links ist keine Karte, sondern ein weiteres Labyrinth.
llms.txt vs robots.txt vs Schema: nicht dasselbe
| Datei | Wofür | Wer bestimmt |
|---|---|---|
| robots.txt | Zugriff jedes Crawlers erlauben oder blockieren | Zugriffskontrolle |
| llms.txt | Sagen, welche Seiten zählen und worum es geht | Kontext und Priorität |
| Schema (JSON-LD) | Erklären, welche Entität du bist und wie deine Daten zusammenhängen | Entitäts-Identität |
Die drei ergänzen sich, sie konkurrieren nicht. robots.txt lässt den Crawler rein — ohne das existierst du nicht; das Schema sagt ihm, wer du bist; und llms.txt gibt ihm den Index, wo er anfangen soll. llms.txt mit geschlossener robots.txt auszurollen heißt, ein „Lies das“-Schild an eine verschlossene Tür zu hängen.
Wer sie heute wirklich nutzt
Hier muss man ehrlich sein, denn die Hälfte der Guides verkauft llms.txt wie Gold und die andere Hälfte wie Nebelkerzen. Das echte Bild Mitte 2026:
- Perplexity: ruft sie ab und nutzt sie, um zu priorisieren, welche Seiten es ansieht. Achtet von den KI-Suchmaschinen am meisten darauf.
- Anthropic (Claude), Cursor, Mintlify und mehrere Dev-Tools unterstützen sie seit Januar 2026 offiziell.
- OpenAI / ChatGPT: keine offizielle Bestätigung, aber man beobachtet, dass Teams, die eine llms.txt veröffentlichen, korrelierte Veränderungen in ihren SearchGPT-Zitiermustern sehen.
- Google: NEIN. Im Juli 2025 bestätigte Gary Illyes, dass es sie nicht unterstützt und nicht wird, und John Mueller verglich sie mit dem alten meta-keywords-Tag — dem, das ignoriert wurde, bis es starb.
Und eine Zahl, die die Euphorie dämpft: in einer SE-Ranking-Studie über 300.000 Domains lag die Adoption bei rund 10 % — jede zehnte Site — nach anderthalb Jahren Diskussion. In einer anderen Zählung von über 500 Millionen KI-Bot-Besuchen in 90 Tagen gingen nur 408 direkt zur llms.txt. Heute lesen sie vor allem Dev-Tools und Agenten (Cursor, Claude Code, Copilot, MCP-Server), weniger die Consumer-KI-Suche.
Wann sie sich lohnt (und wann sie Zeitverschwendung ist)
Es ist keine Modefrage, sondern Kosten-Nutzen. Eine ordentliche llms.txt auszurollen kostet wenig — einen Nachmittag, kein Projekt — und schadet nicht. Die Frage ist die Priorität.
- Ja, sofort: wenn du technische Doku, eine Library, eine API oder ein Produkt hast, das Devs und Agenten abfragen. Da zahlt sich llms.txt heute aus, nicht in der Zukunft.
- Ja, aber ohne Eile: wenn du Perplexity-first verkaufst oder die günstige Flanke der KI-Sichtbarkeit abdecken willst. Geringe Kosten, echter, wenn auch bescheidener Vorteil.
- Nicht deine Priorität: wenn dein Traffic von Google abhängt. Bevor du llms.txt anfasst, lass den Crawler rein, bring dein Schema in Ordnung und stell die Antworten nach vorn. Das bewegt die Nadel; llms.txt ist die Kirsche.
Wie du sie ohne Fehler aufsetzt
- Wähle 10-20 Evergreen-URLs, die wirklich repräsentieren, was du tust. Qualität vor Inventar.
- Schreibe das H1 mit deinem Namen, das Blockquote mit einem Satz, was du löst, und gruppiere die Links unter thematischen H2 mit einer ehrlichen Beschreibung pro Link.
- Leg sie ins Root:
deinedomain.de/llms.txt. Prüf sie, indem du sie im Browser öffnest. - Prüf vorher, ob deine robots.txt die KI-Crawler durchlässt. Ohne das liest niemand die Karte.
- Pflege sie: ändern sich deine Kernseiten, aktualisiere sie. Eine veraltete Karte ist schlimmer als keine.
Und miss sie wie alles in GEO: wenn du eine llms.txt veröffentlichst, beobachte, ob sich deine Zitate in Perplexity und ChatGPT in den folgenden Wochen ändern. Wenn du nicht misst, weißt du nicht, ob es half — und in GEO gibt es kein offizielles Dashboard, das baust du dir selbst.