llms.txt ist eine einfache Textdatei im Markdown-Format, die Unternehmen im Stammverzeichnis ihrer Website ablegen, um KI-Systemen eine strukturierte Übersicht ihrer wichtigsten Inhalte zu geben. Sie funktioniert wie eine Art Inhaltsverzeichnis für Sprachmodelle, dient aber Stand heute in der Praxis kaum als tatsächliche Steuerungsdatei. Dieser Artikel erklärt, wie eine llms.txt korrekt aufgebaut ist, und ordnet ehrlich ein, was die aktuelle Datenlage wirklich über ihren Nutzen sagt.
Das Wichtigste in Kürze
- llms.txt ist eine Markdown-Datei unter domain.de/llms.txt mit einer strukturierten Linkliste zu den wichtigsten Inhalten einer Website.
- Der Standard wurde im September 2024 von Jeremy Howard (Answer.AI) vorgeschlagen und folgt einer festen, offiziellen Spezifikation.
- Ehrliche Datenlage: Google bestätigt, dass aktuell kein KI-System llms.txt aktiv nutzt, und nur 0,1% aller KI-Bot-Anfragen entfallen überhaupt auf die Datei.
- Der Aufwand zur Erstellung ist minimal, eine einzelne Textdatei ohne technische Infrastruktur oder laufende Kosten.
- llms.txt ersetzt keine wirksamen Maßnahmen wie strukturierten, gut belegten Content für KI-Sichtbarkeit.
Was ist llms.txt?
llms.txt ist eine öffentlich zugängliche Markdown-Datei unter der Adresse domain.de/llms.txt. Sie listet die wichtigsten Seiten, Dokumentationen oder Ressourcen einer Website in fester Struktur auf, damit KI-Systeme schnell erfassen können, welche Inhalte relevant sind.
Der Vergleich aus dem Alltag: Ein Inhaltsverzeichnis in einem Buch zeigt keine vollständigen Kapitel, sondern verweist auf die wichtigsten Abschnitte. llms.txt funktioniert nach demselben Prinzip, nur für KI-Systeme statt für einen Leser mit einem Buch in der Hand.
Vorgeschlagen wurde der Standard im September 2024 von Jeremy Howard, Gründer von Answer.AI[2]. Die offizielle Spezifikation liegt unter llmstxt.org[1].
llms.txt und robots.txt: der Unterschied
robots.txt und llms.txt werden häufig verwechselt, weil beide als einfache Textdatei im Stammverzeichnis einer Website liegen. Ihre Funktion unterscheidet sich aber grundlegend.
robots.txt ist eine Anweisung an Suchmaschinen-Crawler, welche Bereiche einer Website sie durchsuchen dürfen. Sie ist seit Jahrzehnten etabliert, Suchmaschinen wie Google halten sich verbindlich daran. llms.txt dagegen ist eine freiwillige Empfehlung an KI-Systeme, welche Inhalte relevant sind. Ein KI-System kann sie befolgen, ignorieren oder schlicht nie abrufen.
| Dimension | robots.txt | llms.txt |
|---|---|---|
| Zweck | Zugriffsregeln für Crawler festlegen | Wichtige Inhalte für KI-Systeme zusammenfassen |
| Adressat | Suchmaschinen-Crawler | KI-Systeme und Sprachmodelle |
| Format | Einfache Regelsyntax (Allow/Disallow) | Reines Markdown mit fester Struktur |
| Wirkung | Verbindlich für seriöse Crawler | Optional, wird aktuell kaum ausgelesen |
| Verbindlichkeit | Etablierter Web-Standard seit 1994 | Freiwilliger Vorschlag ohne Durchsetzung |
Wie eine llms.txt aufgebaut ist
Die offizielle Spezifikation von llmstxt.org gibt eine feste Struktur vor[1]. Eine llms.txt gehört exakt unter domain.de/llms.txt, direkt im Stammverzeichnis, genau wie robots.txt. Die Datei selbst ist reines Markdown, keine HTML-Datei und kein PDF.
Der Aufbau folgt dieser Reihenfolge:
1. Eine H1-Überschrift mit dem Projekt- oder Firmennamen. Das einzige Pflichtelement der gesamten Datei. 2. Ein Blockzitat direkt darunter mit einer Kurzzusammenfassung, was das Unternehmen tut. 3. Optionale Absätze ohne eigene Überschriften mit zusätzlichem Kontext. 4. Ein oder mehrere H2-Abschnitte als reine Linklisten, im Format [Linktext](URL): optionale Notiz.
Zusätzlich erlaubt die Spezifikation eine H2-Sektion namens Optional, in der weniger wichtige Zusatzinformationen gesammelt werden, etwa ältere Dokumentationen[1].
Neben llms.txt existiert die Variante llms-full.txt. Während llms.txt nur Links auflistet, enthält llms-full.txt die vollständigen Texte der referenzierten Inhalte in einer Datei. Das spart einem KI-System den zusätzlichen Abruf jeder Unterseite, macht die Datei aber deutlich größer.
Für die Praxis empfiehlt sich eine Dateigröße unter 50 KB, besser unter 15 KB. Größere Dateien werden von vielen Systemen ohnehin nur teilweise verarbeitet.
Ein kurzes Beispiel für eine llms.txt:
# Beispielfirma GmbH
> Beispielfirma entwickelt KI-Software für Marketing-Teams in Europa.
Beispielfirma bietet Tools für Content-Erstellung, Marktforschung und KI-Sichtbarkeit.
## Docs
- [Produktübersicht](https://beispielfirma.de/produkte): Zentrale Übersicht aller Module
- [Preise](https://beispielfirma.de/preise): Aktuelle Preisstruktur
## Optional
- [Blog](https://beispielfirma.de/blog): Fachartikel zu KI-MarketingWas bedeutet das für dein Team? Die IT kann diese Datei innerhalb einer Stunde anlegen, wenn Reihenfolge und Markdown-Format eingehalten werden.
Was gehört rein, was nicht
In eine llms.txt gehören die Inhalte, die den Kern eines Unternehmens beschreiben: Produktseiten, zentrale Dokumentationen, Preisübersichten, wichtige Leitfäden. Eine Handvoll wirklich zentraler Links wirkt stärker als eine lange, unsortierte Liste.
Nicht hinein gehören einzelne Blogartikel, rechtliche Seiten wie Datenschutz oder Impressum sowie Inhalte, die sich häufig ändern, etwa aktuelle Angebote. Diese Inhalte veralten schneller, als sie gepflegt werden.
Wichtig auch: llms.txt ersetzt keine sauberen Meta-Daten, keine strukturierten Daten nach Schema.org und keine gut geschriebenen Inhalte auf der Seite selbst. Sie ist eine Ergänzung, kein Ersatz.
Was llms.txt heute wirklich bringt
Hier wird es unbequem, aber das gehört zu einem ehrlichen Guide dazu: Die Datenlage zu llms.txt ist ernüchternd.
John Mueller von Google hat öffentlich bestätigt, dass aktuell kein KI-System llms.txt tatsächlich nutzt[5]. Manche deutschsprachigen Anbieter behaupten trotzdem, ChatGPT und Claude würden die Datei aktiv auslesen. Nach aktuellem Stand ist das schlicht falsch.
Die Zahlen bestätigen das Bild. Von 62.100 ausgewerteten KI-Bot-Anfragen gingen laut Kai Spriestersbach genau 84 an die llms.txt, das sind 0,1%[5]. Laut ppc.land stieg die Zahl veröffentlichter llms.txt-Dateien von 4.088 im Juni 2025 auf 36.120 im Mai 2026. Doch 97% davon erhielten im Mai 2026 keine einzige KI-Anfrage[4]. Rankability beziffert die Verbreitung unter den Top-1.000-Websites auf 8,7%[3]. Die Adoption wächst, ohne dass die Datei tatsächlich abgerufen wird.
Gleichzeitig wächst der Druck, für KI-Sichtbarkeit etwas zu tun. Rund 20% aller Keywords in Deutschland lösen inzwischen ein AI Overview aus, die Klickrate auf Position 1 sinkt dabei von 27% auf 11%[6]. Und 50% der Internetnutzenden verwenden zumindest gelegentlich KI-Chats statt klassischer Suchmaschinen[7]. Dieser Wunsch ist berechtigt, llms.txt trifft aber aktuell nicht den Hebel, der diesen Wandel beeinflusst.
Hinzu kommt: Selbst wenn KI-Systeme llms.txt künftig stärker nutzen würden, zeigen Daten von BrightEdge, dass sich die Top-100-Zitierquellen zwischen einzelnen KI-Engines nur zu 16 bis 59% überschneiden[8]. Jedes System wählt Quellen nach eigenen Kriterien aus.
Lohnt sich der Aufwand trotzdem?
Ja, mit einer klaren Einschränkung. Der Aufwand für eine llms.txt liegt bei wenigen Stunden, ohne Serveraufwand, ohne Entwicklungsprojekt, ohne laufende Kosten. Diese Investition lässt sich rechtfertigen, selbst wenn der aktuelle Effekt gering ist.
Zwei Gründe sprechen für die Umsetzung. Erstens: Der Standard ist noch jung, im September 2024 vorgeschlagen[2], und könnte sich mit wachsender Verbreitung noch stärker durchsetzen. Zweitens: Die Arbeit, die eine gute llms.txt erzwingt, nämlich die eigenen wichtigsten Inhalte klar zu benennen, zahlt unabhängig vom Standard selbst auf strukturierten Content ein.
Was nicht passieren sollte: Budget von wirksameren Maßnahmen abzuziehen. Was heute nachweislich funktioniert, beschreibt der Artikel zur GEO Optimierung, von belegten Inhalten bis zur richtigen Struktur für Zitierfähigkeit. llms.txt gehört als günstige Absicherung mit auf die Liste, aber als letzter Punkt.
Warum eine llms.txt allein noch keine KI-Sichtbarkeit bringt
Eine llms.txt listet auf, was ein Unternehmen für wichtig hält. Ob diese Inhalte tatsächlich die Fragen beantworten, die die Zielgruppe in einer KI stellt, sagt die Datei nicht. Klassische Keyword-Tools helfen dabei kaum, weil Menschen in KI-Systemen keine Zwei-Wort-Suchanfragen eingeben, sondern ganze Situationen mit Kontext: Branche, Budget, Ausschlusskriterien, konkrete Rückfragen.
neuroflash Digital Twins schließen genau diese Lücke. Über 1.000.000 reale Menschenprofile lassen sich direkt befragen: Wie recherchierst du dieses Thema, welche Prompts gibst du ein, welche Rückfragen stellst du danach, welche Kriterien entscheiden am Ende? Die Vorhersagegenauigkeit liegt bei 85 bis 98%, gegenüber rund 55% bei generischen KI-Tools, validiert durch über 80 akademische Studien, mit Ergebnissen in Minuten statt in 4 bis 8 Wochen.
Auf dieser Grundlage entstehen automatisierte Workflows, die Artikel KI-optimiert schreiben und bestehende Artikel so überarbeiten, dass Antwortmaschinen sie zuverlässig erfassen und zitieren.
Der KI-Sichtbarkeits-Report ergänzt das Bild: Er misst über ChatGPT, Google AI, Perplexity und Claude auf Basis hunderter bis tausender validierter Anfragen und liefert einen priorisierten Aktionsplan mit Live-Dashboard.
- Digital Twins: über 1.000.000 reale Profile, 85 bis 98% Vorhersagegenauigkeit gegenüber rund 55% bei generischen KI-Tools
- Validiert durch über 80 akademische Studien, Ergebnisse in Minuten statt 4 bis 8 Wochen
- Automatisierte Workflows für neue und bestehende Artikel
- KI-Sichtbarkeits-Report über ChatGPT, Google AI, Perplexity und Claude mit priorisiertem Aktionsplan und Live-Dashboard
FAQ
Was ist llms.txt einfach erklärt?
llms.txt ist eine Markdown-Datei unter domain.de/llms.txt, die Unternehmen mit den wichtigsten Links zu ihren zentralen Inhalten füllen, damit KI-Systeme diese Übersicht theoretisch nutzen können.
Lesen ChatGPT und Claude die llms.txt-Datei?
Nach aktuellem Stand nicht zuverlässig. Google hat über John Mueller bestätigt, dass kein KI-System llms.txt derzeit aktiv nutzt, und nur 0,1% aller KI-Bot-Anfragen entfallen überhaupt auf die Datei.
Wie erstelle ich eine llms.txt Datei?
Eine Markdown-Datei anlegen mit H1 für den Firmennamen, einem Blockzitat als Kurzbeschreibung, optionalen Absätzen und H2-Linklisten zu den wichtigsten Inhalten. Anschließend unter domain.de/llms.txt veröffentlichen.
Was ist der Unterschied zwischen llms.txt und llms-full.txt?
llms.txt enthält nur Links mit kurzen Notizen. llms-full.txt enthält zusätzlich die vollständigen Texte der referenzierten Seiten in einer einzigen Datei.
Sollte jedes Unternehmen eine llms.txt erstellen?
Der Aufwand ist so gering, dass sich die Erstellung fast immer lohnt. Wichtig ist nur, keine Ressourcen von wirksameren Maßnahmen wie strukturiertem, gut belegtem Content abzuziehen.
Mein Fazit
llms.txt ist ehrlich betrachtet keine Datei, die heute KI-Sichtbarkeit entscheidet. Die Zahlen sind eindeutig: 0,1% der KI-Bot-Anfragen, 97% der Dateien ohne jede Anfrage, dazu eine Bestätigung von Google, dass derzeit kein System die Datei aktiv nutzt.
Trotzdem lege ich sie an, wenn ich mit einem Team spreche, weil der Aufwand minimal ist und der Standard sich noch entwickeln kann. Was ich niemandem empfehle: llms.txt als zentrale KI-Sichtbarkeits-Strategie zu verkaufen. Dafür braucht es echte Inhalte, echte Struktur und echtes Wissen darüber, wie die eigene Zielgruppe in KI-Systemen sucht, wie es der Generative Engine Optimization Guide beschreibt.
Quellenverzeichnis
[1] Answer.AI / llmstxt.org: „Offizielle Spezifikation der llms.txt, vorgeschlagen von Jeremy Howard.“ https://llmstxt.org/
[2] Search Engine Land (2025): „Jeremy Howard von Answer.AI schlug llms.txt im September 2024 als Standard vor.“ https://searchengineland.com/llms-txt-proposed-standard-453676
[3] Rankability (2026): „8,7% der Top-1.000-Websites veröffentlichen eine llms.txt-Datei.“ https://www.rankability.com/data/llms-txt-adoption/
[4] ppc.land (2026): „Die Zahl der llms.txt-Dateien stieg von 4.088 im Juni 2025 auf 36.120 im Mai 2026. 97% dieser Dateien erhielten im Mai 2026 null KI-Anfragen.“ https://ppc.land/llms-txt-adoption-rises-8-8x-but-97-of-files-get-zero-ai-requests/
[5] Kai Spriestersbach (2026): „Von 62.100 KI-Bot-Anfragen gingen genau 84 an die llms.txt, das sind 0,1%. Google bestätigte über John Mueller, dass derzeit kein KI-System llms.txt nutzt.“ https://medium.com/@kaispriestersbach/the-llms-txt-is-dead-more-precisely-a-dud-ab7bee4f469c
[6] Sistrix (2026): „Rund 20% aller Keywords in Deutschland lösen ein AI Overview aus. Die Klickrate auf Position 1 sinkt von 27% auf 11%.“ https://www.sistrix.de/news/ai-overviews-in-deutschland-so-stark-sinken-die-klickraten-wirklich/
[7] Bitkom (2025): „50% der Internetnutzenden verwenden zumindest gelegentlich KI-Chats statt klassischer Suchmaschinen.“ https://www.bitkom.org/Presse/Presseinformation/Internet-Suche-Wandel-Haelfte-nutzt-KI-Chats
[8] BrightEdge (2026): „Die Überschneidung der Top-100-Zitierquellen zwischen den KI-Engines liegt bei 16 bis 59%.“ https://www.brightedge.com/resources/weekly-ai-search-insights/ai-search-same-brands-different-sources
