llms.txt ist eine vorgeschlagene Markdown-Datei im Root-Verzeichnis Ihrer Website, die KI-Systemen eine kurze, kuratierte Zusammenfassung Ihrer wichtigsten Inhalte gibt, im Geiste ähnlich wie robots.txt oder sitemap.xml, nur für Sprachmodelle.
Vorgeschlagen von Jeremy Howard (Answer.AI) im September 2024, hat llms.txt heute eine echte, aber begrenzte Verbreitung: Tausende Websites veröffentlichen eins, und OpenAI, Anthropic und Google veröffentlichen Dateien für ihre eigene Entwicklerdokumentation, aber es ist noch keine Anforderung, der ein großer KI-Crawler nachweislich folgt.
Seite bewertenllms.txt ist ein vorgeschlagener Standard für eine einfache Markdown-Datei, platziert unter /llms.txt im Root-Verzeichnis einer Website (oder auf einem beliebigen Unterpfad), die einem KI-Agenten einen kurzen, strukturierten Überblick über eine Website oder einen Teil davon gibt: was die Website ist, und eine kuratierte Liste von Links zu den lesenswerten Seiten. Die Idee löst ein echtes Problem: Eine normale HTML-Seite ist für Menschen gebaut, umhüllt von Navigation, Werbung und JavaScript, und sie zurück in sauberen Text umzuwandeln, den ein KI-Modell effizient nutzen kann, ist aufwendig und ungenau.
Es folgt der Namenskonvention von robots.txt und sitemap.xml, ein fester Dateiname an einem vorhersehbaren Ort, erfüllt aber eine andere Aufgabe als beide. robots.txt sagt automatisierten Tools, worauf sie zugreifen dürfen. sitemap.xml listet jede indexierbare Seite für Suchmaschinen. llms.txt bietet stattdessen eine kurze, kuratierte, für Mensch und Maschine lesbare Zusammenfassung, die bei Bedarf gelesen werden soll, wenn ein KI-Agent eine Website verstehen oder etwas Bestimmtes darin finden muss, nicht vollständig gecrawlt werden soll.
Die Verbreitung ist real, aber nicht universell, und es ist wichtig, präzise zu sein, welche Art von Verbreitung tatsächlich existiert. Tausende Websites veröffentlichen inzwischen eine llms.txt-Datei, manche Dokumentationsplattformen erstellen automatisch eine, und Chromes Lighthouse-Tool prüft im Rahmen seiner Checks für agentisches Browsen darauf. OpenAI, Anthropic und Google Gemini veröffentlichen alle llms.txt-Dateien für ihre eigene Entwicklerdokumentation. Was noch nicht bestätigt ist: dass die allgemeinen KI-Crawler, die für alltägliches Web-Browsing und Training genutzt werden, GPTBot, ClaudeBot, PerplexityBot und ähnliche, llms.txt-Inhalte tatsächlich abrufen und priorisieren, so wie Suchmaschinen robots.txt zuverlässig respektieren. Der klarste bestätigte Anwendungsfall heute sind Coding-Agenten und Dokumentationstools, die llms.txt-Dateien tatsächlich befolgen, um API-Referenzen und Tutorials zu finden.
Anders als sitemap.xml, das alles auflistet, soll llms.txt nur enthalten, was ein KI-Agent tatsächlich braucht: eine kurze Beschreibung plus Links zu den wichtigsten Seiten.
Kein großes KI-Unternehmen hat bestätigt, dass das Veröffentlichen einer llms.txt-Datei verbessert, ob Ihr Content zitiert wird. Betrachten Sie es als Komfortdatei für Agenten, die sich entscheiden, sie zu lesen, nicht als eigenständigen Wachstumshebel.
llms.txt ersetzt keine der beiden Dateien. robots.txt kontrolliert weiterhin den Crawler-Zugriff, und sitemap.xml listet weiterhin jede Seite für Suchmaschinen. llms.txt fügt eine kuratierte, KI-lesbare Schicht darüber hinzu.
Eine minimale llms.txt ist eine kurze Markdown-Datei: ein Titel, eine einzeilige Zusammenfassung, und eine Liste mit Links zu Ihren wichtigsten Seiten. Das dauert weit weniger Zeit als die meiste andere GEO-Arbeit.
Die Verbreitung ist von einem Vorschlag 2024 auf Tausende veröffentlichende Websites und Unterstützung durch Chromes Lighthouse in unter zwei Jahren gewachsen. Jetzt eine zu veröffentlichen kostet wenig und positioniert Sie vor jeder zukünftigen Crawler-Unterstützung.
Der klarste, bestätigte Anwendungsfall heute sind Coding-Agenten, die Entwicklerdokumentation lesen. Wenn Sie Docs, eine API-Referenz oder ein Entwicklerportal betreiben, hat llms.txt gerade jetzt den am besten belegten Nutzen.
Wählen Sie die Seiten, die ein KI-Agent zuerst lesen sollte: Ihre Startseite, wichtige Produkt- oder Doku-Seiten, und alles, was erklärt, was Sie tun.
Beginnen Sie mit einem H1-Titel und einer einzeiligen Blockquote-Zusammenfassung, fügen Sie dann eine Markdown-Liste mit Links unter einem oder mehreren H2-Abschnitten hinzu. Halten Sie es kurz. Der ganze Sinn ist, dass es leicht in den Kontext eines Modells passt.
Platzieren Sie die Datei im Root-Verzeichnis Ihrer Website. Stellen Sie dann sicher, dass die verlinkten Seiten selbst crawlbar, gut strukturiert und zitierfähig sind. llms.txt weist einen Agenten nur auf Ihren Content hin, es behebt nicht, was dem Content fehlt.
llms.txt ist eine vorgeschlagene Markdown-Datei im Root-Verzeichnis einer Website (/llms.txt), die KI-Agenten eine kurze, kuratierte Zusammenfassung der Website plus Links zu den wichtigsten Seiten gibt. Sie wurde im September 2024 von Jeremy Howard von Answer.AI vorgeschlagen.
Nicht als allgemeine Regel bestätigt. OpenAI, Anthropic und Google veröffentlichen llms.txt-Dateien für ihre eigene Entwicklerdokumentation, und Coding-Agenten befolgen llms.txt-Dateien zuverlässig, um API-Referenzen zu finden. Aber kein großes KI-Unternehmen hat bestätigt, dass sein allgemeiner Crawler (GPTBot, ClaudeBot, PerplexityBot) die llms.txt-Datei einer beliebigen Website beim normalen Browsen oder Training abruft und priorisiert. Betrachten Sie es als aufkommend und optional, nicht als bestätigte Anforderung.
robots.txt sagt Crawlern, worauf sie zugreifen dürfen, und ist ein etablierter, weithin respektierter Standard. llms.txt bietet stattdessen eine kuratierte, für Mensch und KI lesbare Zusammenfassung der wichtigsten Inhalte einer Website, die bei Bedarf gelesen statt gecrawlt werden soll. Sie erfüllen unterschiedliche Zwecke und sollen nebeneinander bestehen.
Nein. Ein Sitemap listet jede indexierbare Seite auf, vor allem für Suchmaschinen, und enthält selten KI-freundliche Markdown-Versionen von Seiten. llms.txt ist bewusst kurz und kuratiert, eine Handvoll der wichtigsten Seiten, keine erschöpfende Liste.
Es ist eine Ergänzung mit geringem Aufwand und geringem Risiko, besonders wenn Sie Dokumentation oder eine API-Referenz betreiben, wo der bestätigte Anwendungsfall (Coding-Agenten) bereits existiert. Für eine allgemeine Marketing-Website behandeln Sie es besser als kleine, zukunftsorientierte Ergänzung statt als Priorität vor Crawlbarkeit, strukturierten Daten und inhaltlicher Klarheit, die heute nachweislich Wirkung auf die KI-Sichtbarkeit haben.
Eine H1 mit dem Namen der Website oder des Projekts ist der einzige erforderliche Abschnitt. Typischerweise folgt darauf eine einzeilige Blockquote-Zusammenfassung, optionale Kontextabsätze, und ein oder mehrere mit H2 überschriebene Abschnitte mit einer Markdown-Liste von Links, jeweils mit kurzer Beschreibung.
Eine llms.txt-Datei hilft nur, wenn die dahinterliegenden Seiten tatsächlich crawlbar und zitierfähig sind. Bewerten Sie Ihre Seite zuerst auf 22 Metriken. Fünf Checks pro Domain sind alle 30 Tage kostenlos.
Seite bewerten