Stell dir vor, ChatGPT soll deinen Kunden über dein Unternehmen informieren. Die KI öffnet deine Website und findet: JavaScript-Frameworks, Cookie-Banner, Navigationsmenüs, Slider, Consent-Platzhalter. Irgendwo dazwischen steht dein Angebot – vergraben in HTML-Markup, das für Menschen gedacht ist, nicht für Maschinen.
Das ist der Alltag für jede KI, die eine Website verstehen will. Und genau hier setzt die llms.txt an.
Als Münchner SEO Freelancer habe ich die llms.txt bei mir selbst und bei mehreren Kunden implementiert – inklusive eines WordPress-Plugin-Konflikts, der mich eine halbe Stunde Debugging gekostet hat. In diesem Artikel zeige ich dir, was die Datei bringt, wie du sie erstellst und welche Fehler du vermeiden solltest.
Auf den Punkt: Die llms.txt ist eine standardisierte Textdatei im Wurzelverzeichnis einer Website, die KI-Systemen strukturiert die wichtigsten Inhalte und deren Bedeutung erklärt – ähnlich wie die robots.txt für Suchmaschinen. Sie hilft großen Sprachmodellen, eine Website effizienter zu erfassen und korrekt einzuordnen. Erstellt wird sie als einfache Markdown-Datei mit Titel, Kurzbeschreibung und Links zu den zentralen Seiten.
Tool-Tipp: Erstelle deine Datei in Sekunden mit dem kostenlosen llms.txt-Generator.
Was ist llms.txt?
Die llms.txt ist eine Markdown-Datei, die im Root-Verzeichnis deiner Website liegt – also unter deinedomain.de/llms.txt. Sie wurde von Jeremy Howard (Mitgründer von Answer.AI) vorgeschlagen, um Large Language Models eine kuratierte, maschinenlesbare Übersicht über die wichtigsten Inhalte einer Website zu geben.
Der Kerngedanke: Statt dass ein KI-System deine gesamte Website crawlen und durch HTML, JavaScript und Consent-Banner parsen muss, gibst du ihm die relevanten Informationen direkt – in Markdown, ohne Overhead, tokeneffizient.
Es gibt keine offizielle Bestätigung von OpenAI, Anthropic oder Google, dass ihre Systeme die llms.txt systematisch auswerten. Was nachweisbar ist: GPTBot und andere KI-Crawler rufen die Datei in Server-Logs auf. Ob und wie stark sie den Inhalt gewichten, ist unklar. Der pragmatische Ansatz: 20 Minuten Aufwand für ein potenzielles Signal, das 99 % der Konkurrenz nicht hat.
llms.txt vs. robots.txt vs. sitemap.xml
Die llms.txt ergänzt bestehende Web-Standards. Sie ersetzt weder die robots.txt noch die sitemap.xml – sie bedient eine andere Zielgruppe.
| Merkmal | robots.txt | sitemap.xml | llms.txt |
|---|---|---|---|
| Zielgruppe | Suchmaschinen-Crawler | Suchmaschinen-Crawler | KI-Sprachmodelle (LLMs) |
| Funktion | Steuert Zugriff | Listet alle URLs | Kuratierte Übersicht |
| Format | Plaintext | XML | Markdown |
| Kuratierung | Nein – nur Regeln | Nein – alle Seiten | Ja – bewusste Auswahl |
| Standard | Offiziell (RFC 9309) | Offiziell | Inoffiziell (llmstxt.org) |
Der entscheidende Unterschied: Die sitemap.xml sagt „Hier sind alle meine Seiten.“ Die llms.txt sagt „Hier sind meine wichtigsten Seiten – und das ist der Kontext dazu.“ Für ein KI-System, das in Sekunden entscheiden muss ob es dich als Quelle heranzieht, ist diese Kuratierung Gold wert.
Schema-Markup definiert deine Identität maschinenlesbar innerhalb deiner HTML-Seiten. Die llms.txt liefert eine separate, tokeneffiziente Übersicht außerhalb deiner Seiten. Beides ergänzt sich – Schema für Google und KI-Systeme gleichermaßen, die llms.txt als zusätzlicher Einstiegspunkt speziell für LLMs. Mehr dazu in meiner Schema-Markup Anleitung.
Was die Zahlen zeigen
Ich will ehrlich sein: Die Datenlage zur llms.txt ist dünn. Es gibt keine Studie, die einen direkten Kausalzusammenhang zwischen llms.txt und KI-Zitierungen nachweist. Was es gibt, sind indirekte Signale: KI-Crawler rufen die Datei ab, das Suchvolumen steigt, und die Datei löst ein reales Problem – die Unlesbarkeit moderner Websites für KI-Systeme.
Die ehrliche Einschätzung: Die llms.txt allein wird deine KI-Sichtbarkeit nicht revolutionieren. In Kombination mit Schema-Markup, konsistenten Entitäts-Signalen und KI-optimierten Inhalten ist sie aber ein sinnvoller Baustein – und einer, den du in 20 Minuten umsetzen kannst.
Nein – nicht direkt. Die llms.txt ist kein Google-Ranking-Faktor. Sie verbessert die Lesbarkeit deiner Website für KI-Systeme wie ChatGPT, Claude und Perplexity. Indirekt kann das zu mehr Erwähnungen in KI-Antworten führen, was wiederum Traffic und Markenbekanntheit steigert. Aber ein direkter Ranking-Boost bei Google? Den gibt es nicht.
Die offizielle Struktur
Die Spezifikation auf llmstxt.org definiert eine klare Struktur:
# Firmenname oder Website > Ein bis zwei Sätze, die beschreiben, wer du bist > und was du anbietest. Optionaler Absatz mit weiteren Details zu deinem Angebot, deiner Arbeitsweise oder Positionierung. ## Leistungen - [Leistung 1](URL): Kurzbeschreibung - [Leistung 2](URL): Kurzbeschreibung ## Wissen - [Artikel 1](URL): Kurzbeschreibung - [Artikel 2](URL): Kurzbeschreibung ## Optional - [Impressum](URL) - [Datenschutz](URL)
Pflicht: Eine H1-Überschrift mit dem Namen deiner Website oder deines Unternehmens. Alles andere ist optional – aber je mehr Kontext du lieferst, desto besser kann ein KI-System dich einordnen.
Empfohlen: Ein Blockquote (>) mit einem Zwei-Satz-Pitch. Danach H2-Abschnitte mit Links zu deinen wichtigsten Seiten, jeweils mit einer kurzen Beschreibung nach dem Doppelpunkt.
Format: Reines Markdown. Keine HTML-Tags, kein JavaScript, keine Bilder. Maschinenlesbar, tokeneffizient, sauber.
Schritt für Schritt: So erstellst du deine llms.txt
Schritt 1: Kernentität formulieren
Bevor du die Datei anlegst, beantworte vier Fragen: Wer bist du? Was bietest du an? Für wen? Wo? Die Antwort wird dein Blockquote – der wichtigste Teil der Datei, weil KI-Systeme ihn als Zusammenfassung deiner Identität lesen.
Schritt 2: Seiten auswählen
Nicht jede Seite gehört in die llms.txt. Wähle die fünf bis fünfzehn wichtigsten Seiten aus – die Seiten, die dein Angebot, deine Expertise und deine Identität am klarsten vermitteln. Faustregel: Wenn ein KI-System nur diese Datei liest und sonst nichts – versteht es dann, wer du bist? Falls ja, ist die Auswahl gut.
Schritt 3: Beschreibungen schreiben
Jeder Link braucht eine Kurzbeschreibung nach dem Doppelpunkt. Nicht „Hauptseite“ – sondern „Leistungsübersicht mit Prozess, Kundenstimmen und Preismodell für Suchmaschinenoptimierung.“ Je konkreter die Beschreibung, desto besser kann die KI den Inhalt einordnen, ohne der URL folgen zu müssen.
Schritt 4: Datei anlegen und hochladen
Erstelle eine Textdatei mit dem Namen llms.txt. Öffne einen Texteditor (Notepad, VS Code, oder den Texteditor deines Hosters). Kopiere deinen Inhalt hinein. Lade die Datei per FTP, WebFTP oder über den Dateimanager deines Hosters ins Root-Verzeichnis hoch – also dorthin, wo auch die robots.txt liegt.
Schritt 5: Testen
Ruf deinedomain.de/llms.txt im Browser auf. Siehst du deinen Markdown-Text? Fertig. Falls eine 404-Seite kommt oder WordPress-Content erscheint, lies den nächsten Abschnitt.
Nein. Die Datei ist reines Markdown – einfacher als HTML. Du brauchst einen Texteditor und FTP-Zugang (oder den Dateimanager deines Hosters, z. B. bei All-Inkl, IONOS oder Strato). Programmierkenntnisse sind nicht nötig. Wenn du eine E-Mail schreiben kannst, kannst du eine llms.txt erstellen.
Das WordPress-Problem – und wie ich es gelöst habe
Bei meiner eigenen Website bin ich auf ein Problem gestoßen, das in keinem anderen llms.txt-Guide erwähnt wird: WordPress überschreibt die statische Datei.
Ich hatte die llms.txt manuell ins Root-Verzeichnis hochgeladen. Beim Aufrufen kam trotzdem die auto-generierte Version eines Plugins – nicht meine handgeschriebene Datei. Der Grund: WordPress fängt alle Anfragen über seine Rewrite-Regeln ab und leitet sie an PHP weiter. Das Plugin „Website LLMs“ registrierte eine eigene Route für /llms.txt, die Priorität vor der statischen Datei hatte.
Die Lösung in drei Schritten:
1. Plugin deaktivieren und löschen.
2. In der .htaccess diese Zeile vor dem # BEGIN WordPress-Block einfügen:
RewriteRule ^llms.txt$ - [L]
3. WordPress Permalinks neu speichern (Einstellungen → Permalinks → Speichern).
Das [L]-Flag sagt Apache: „Wenn jemand llms.txt aufruft, lass die Datei direkt ausliefern – leite nicht an WordPress weiter.“ Dieses Pattern gilt für alle statischen Dateien im Root, die WordPress „verschluckt“.
Yoast SEO (ab Version 25.5) generiert automatisch eine llms.txt. RankMath bietet aktuell keine native llms.txt-Funktion. Das Problem bei auto-generierten Versionen: Sie sind reine URL-Listen ohne Kontext – kein Blockquote, keine Beschreibungen, keine Kuratierung. Für maximale Wirkung empfehle ich eine handgeschriebene Version mit der .htaccess-Regel oben.
Als Starthilfe ja, als Endprodukt nein. Generatoren wie Writesonic, SiteSpeak oder Firecrawl liefern einen Entwurf, aber keine strategische Kuratierung. Für maximale Wirkung solltest du die Datei manuell überarbeiten – Blockquote ergänzen, Beschreibungen schreiben, irrelevante Seiten entfernen. Eine optimale llms.txt ist eine bewusst kuratierte Auswahl, keine automatisch generierte Sitemap 2.0.
llms.txt vs. llms-full.txt
Die Spezifikation kennt zwei Varianten:
| Merkmal | llms.txt | llms-full.txt |
|---|---|---|
| Inhalt | Links + Kurzbeschreibungen | Gesamter Content in Markdown |
| Umfang | 1–3 KB | 50–500+ KB |
| Funktion | Inhaltsverzeichnis / Landkarte | Komplett-Paket zum Einlesen |
| KI muss crawlen? | Ja – Links folgen | Nein – alles in einer Datei |
| Ideal für | Die meisten Websites | Dokumentationen, Wissensdatenbanken |
Für die meisten Unternehmen reicht die llms.txt. Die llms-full.txt lohnt sich, wenn du eine umfangreiche Dokumentation hast, die KI-Systeme komplett einlesen sollen – etwa als Basis für RAG-Systeme. Für eine Unternehmenswebsite mit 10–30 Seiten ist die kompakte Variante die richtige Wahl.
Gerade dann. Bei kleinen Websites ist die Kuratierung trivial – fünf Links mit Beschreibungen, ein Blockquote, fertig in 15 Minuten. Große Websites haben es schwerer, weil die Auswahl der wichtigsten Seiten echte strategische Arbeit erfordert.
Mein Beispiel: So sieht meine eigene llms.txt aus
Ich zeige dir meine eigene llms.txt als Referenz – du kannst sie dir live anschauen unter dominikkienzle.de/llms.txt. Nicht weil sie perfekt ist – sondern weil sie illustriert, wie eine handgeschriebene, kuratierte Version aussieht:
# dominikkienzle.de > Dominik Kienzle ist SEO & GEO Freelancer aus > München-Schwabing. Seit 2017 hilft er mittel- > ständischen Unternehmen, in Google, Google AI > Mode, ChatGPT, Perplexity, Claude AI und Gemini > sichtbar zu werden. Dominik Kienzle ist spezialisiert auf Generative Engine Optimization (GEO) und lokales SEO für den deutschen Mittelstand. Er hat über 100 Projekte betreut, mehr als 1100 Seiten optimiert und verfügt über 9+ Jahre Praxiserfahrung. Google-Bewertung: 5,0 von 5 Sternen bei 35+ Rezensionen. ## Leistungen - [SEO Freelancer München](...): Lokale Suchmaschinen- optimierung mit KI-Expertise - [GEO Freelancer](...): Sichtbarkeit in ChatGPT, Gemini, Perplexity und Google AI Mode ## Wissen - [Google AI Mode](...): 75% der Nutzer klicken im AI Mode keine externe Website mehr an - [Generative Engine Optimization](...): GEO-Strategie, Unterschied zu SEO, konkrete Maßnahmen - [Wie KI-Systeme Inhalte verstehen](...): 44% aller KI-Zitierungen kommen aus den ersten 200 Wörtern ## Referenzen - [Fallstudien](...): Cubepools, Schuler Immobilien - [KI-Sichtbarkeitsanalyse](...): Kostenloses Tool ## Kontakt - E-Mail: dominik@dominikkienzle.de - Telefon: +49 173 170 5898
Was diese Datei anders macht als eine Plugin-Version:
Erstens: Das Blockquote definiert meine Kernentität in drei Sätzen – Name, Rolle, Standort, Zielgruppe, Positionierung. Zweitens: Der einleitende Absatz enthält konkrete Fakten (100+ Projekte, 9+ Jahre, 5,0 Sterne, Adresse), die ein KI-System direkt zitieren kann. Drittens: Jeder Wissensartikel hat nicht nur eine Beschreibung, sondern eine zitierfähige Zahl – „75 % der Nutzer klicken im AI Mode keine externe Website an“, „44 % aller KI-Zitierungen kommen aus den ersten 200 Wörtern“. Das sind die Fakten, die ChatGPT extrahiert.
Ein Plugin hätte stattdessen eine flache URL-Liste generiert – ohne Blockquote, ohne Zahlen, ohne die strategische Kuratierung, die den Unterschied macht.
Die 5 häufigsten Fehler
1. Plugin-generiert und nie angeschaut
Auto-generierte Versionen sind besser als nichts – aber sie verschenken das Potenzial. Plugins listen alle Seiten auf, ohne zu kuratieren. Die llms.txt soll aber eine bewusste Auswahl sein, nicht eine zweite sitemap.xml.
2. Kein Blockquote
Die ersten zwei Sätze nach der H1 sind der wichtigste Teil. Ohne Blockquote fehlt die Identitäts-Definition – und damit genau das, was ein KI-System braucht, um dich einzuordnen.
3. Beschreibungen fehlen
Links ohne Doppelpunkt-Beschreibung sind für KI nutzlos. [SEO Kosten](/seo-kosten/) sagt nichts. [SEO Kosten](/seo-kosten/): Preismodelle, Stundensätze und Budgetplanung sagt alles.
4. Datei nie aktualisiert
Die llms.txt lebt. Neuer Blogartikel? Neuer Gastbeitrag? Neue Leistung? Kurz die Datei updaten. Ich pflege meine bei jedem neuen Wissensartikel – Aufwand: 2 Minuten.
Bei jeder wesentlichen Änderung: neuer Blogartikel, neue Leistungsseite, neuer Gastbeitrag. Mindestens alle zwei bis drei Monate drüberschauen. Der Aufwand pro Update liegt bei 2–5 Minuten – du fügst einen Link mit Beschreibung hinzu oder aktualisierst das Blockquote.
5. WordPress-Rewrite nicht bedacht
Die häufigste technische Falle. Ohne die .htaccess-Regel liefert WordPress die Plugin-Version statt deiner manuellen Datei. Immer testen: URL im Inkognito-Fenster aufrufen und prüfen, ob dein Inhalt angezeigt wird.
Münchner Handwerker – von unsichtbar in ChatGPT zu einer klaren Entität
Ausgangssituation: Ein Sanitärbetrieb aus München hatte gute Google-Rankings, aber ChatGPT kannte ihn nicht. Die Analyse zeigte: keine llms.txt, kein Schema-Markup, und die Website war hinter einem JavaScript-Framework versteckt, das KI-Crawler nicht rendern konnten.
Lösung: Handgeschriebene llms.txt mit Kernentität und drei Leistungsseiten, LocalBusiness-Schema mit sameAs-Array, und drei eigenständige Leistungsseiten statt einer Alles-auf-einer-Seite-Struktur.
Die llms.txt ist ein Baustein in einer GEO-Strategie, nicht die Strategie selbst. In Kombination mit Schema-Markup, konsistenten Entitäts-Signalen und faktenreichen Inhalten wird sie zu einem echten Hebel. Als Berater für Generative Engine Optimization setze ich sie bei jedem Kundenprojekt als ersten Schritt ein – weil sie schnell umsetzbar ist und sofort Klarheit schafft.
Fazit
Die llms.txt ist kein Wundermittel. Sie ist auch kein offizieller Standard. Aber sie löst ein reales Problem: KI-Systeme können moderne Websites schlecht lesen – und die llms.txt gibt ihnen eine saubere Alternative.
Der Aufwand ist minimal. 20–30 Minuten für die Erstversion, 2 Minuten für jedes Update. Kein Plugin, kein Entwickler, kein Budget. Und du bist damit 99 % der Konkurrenz voraus – nicht weil die Datei magische Kräfte hat, sondern weil fast niemand sie implementiert.
Wer seine KI-Sichtbarkeit systematisch aufbauen will, fängt mit Schema-Markup und einer handgeschriebenen llms.txt an. Beides zusammen dauert einen Nachmittag. Der Vorsprung, der daraus entsteht, wächst mit jedem Monat.