Eine llms.txt ist eine Markdown-Datei im Stammverzeichnis deiner Website, die Sprachmodellen in wenigen Zeilen sagt, worum es auf deiner Website geht und welche Seiten wichtig sind. Du erstellst sie in einer Viertelstunde: ein Titel, eine kurze Zusammenfassung und ein paar Linklisten. Ob KI-Systeme die Datei auch wirklich lesen, ist weniger sicher. Darauf gehen wir weiter unten ehrlich ein.
Dieser Artikel gehört zu unserem vollständigen Leitfaden zu GEO, in dem GEO (Generative Engine Optimization) umfassender erklärt wird. Hier geht es nur um die llms.txt: was sie ist, wie du sie nach der Spezifikation aufbaust, wie du sie veröffentlichst und was du von ihr erwarten kannst.
Du bekommst ein vollständiges Beispiel für eine fiktive deutsche Beratungsfirma, das du direkt anpassen kannst. Danach folgen die Fehler, die wir am häufigsten sehen. Die größte Falle ist eine HTML-Fehlerseite, die sich als llms.txt ausgibt.
Was ist eine llms.txt?
Die llms.txt ist ein Vorschlag für eine Textdatei unter /llms.txt, die einem LLM (Large Language Model, dem Sprachmodell hinter Tools wie ChatGPT) einen knappen, gut lesbaren Einstieg in deine Website gibt. Der Vorschlag stammt von Jeremy Howard, Mitgründer von Answer.AI und fast.ai, und steht seit September 2024 auf llmstxt.org. Die aktuelle Version ist v2, die laut der Seite auf Grundlage von zwei Jahren Praxiserfahrung überarbeitet wurde.
Die Idee ist einfach. Eine Webseite steckt voller Navigation, Cookie-Banner, Skripte und Layout. Ein Sprachmodell hat nur begrenzt Platz in seinem Kontext und muss den Inhalt daraus herausfischen. Eine llms.txt bringt den Kern in einfachem Markdown an einer Stelle zusammen: wer du bist, was du machst und wo die wichtigsten Informationen stehen.
Wichtig zu wissen: Die llms.txt ist kein offizieller Webstandard wie die robots.txt, die in RFC 9309 festgelegt ist. Sie ist ein Vorschlag, den jeder befolgen oder ignorieren kann, auch die KI-Unternehmen selbst.
| robots.txt | llms.txt | |
|---|---|---|
| Zweck | Zugriff für Crawler regeln | Inhalte für Sprachmodelle zusammenfassen |
| Status | Internetstandard (RFC 9309) | Vorschlag auf llmstxt.org |
| Format | Eigene Regelsyntax | Markdown |
| Folge, wenn sie fehlt | Crawler dürfen alles abrufen | Keine, das Modell liest deine Seiten selbst |
Willst du dagegen regeln, welche Bots deine Website lesen dürfen, brauchst du die robots.txt. Das behandeln wir in KI-Crawler in der robots.txt.
Wie ist eine llms.txt aufgebaut?
Eine llms.txt folgt einer festen Reihenfolge von Markdown-Bausteinen, von denen nur die H1 mit dem Namen deiner Website oder deines Projekts Pflicht ist. Die Spezifikation auf llmstxt.org beschreibt diesen Aufbau:
- H1 mit dem Namen deiner Website oder deines Projekts. Das ist der einzige Pflichtbestandteil.
- Ein Blockzitat mit einer kurzen Zusammenfassung deiner Website oder deines Projekts.
- Null oder mehr Blöcke Freitext, etwa Absätze oder Listen, aber ohne Überschriften. Hier steht ergänzende Erklärung, zum Beispiel für wen du arbeitest oder was du nicht machst.
- Null oder mehr H2-Abschnitte mit einer Linkliste. Jeder Eintrag ist ein Markdown-Link
[Name](URL), optional gefolgt von einem Doppelpunkt und einer kurzen Erläuterung.
Eine H2 mit dem Namen „Optional“ hat eine besondere Rolle. Laut Spezifikation ist das eine Konvention für zweitrangige Informationen: Links, die ein Agent überspringen kann, wenn weniger Platz ist. In v1 mussten Hilfsprogramme diesen Abschnitt automatisch weglassen. In v2 ist es nur noch eine Vereinbarung, wie auf der Seite mit den Änderungen steht.
Die Datei muss nicht im Stammverzeichnis liegen. v2 erlaubt auch Dateien in einem Unterordner, etwa /docs/llms.txt. Eine solche Datei gilt für alle URLs unter diesem Pfad, und wenn mehrere Dateien zutreffen, soll ein Agent die spezifischste verwenden.
Markdown-Versionen deiner Seiten
Die Spezifikation schlägt außerdem vor, von wichtigen Seiten eine saubere Markdown-Version unter derselben URL mit angehängtem .md anzubieten, zum Beispiel /leistungen.html.md oder /leistungen.md. Seit v2 kannst du diese Versionen mit einem <link>-Element oder einem HTTP-Link:-Header auffindbar machen: rel="alternate" type="text/markdown" verweist auf die Markdown-Version, rel="describedby" auf die llms.txt, die die Seite beschreibt. Das ist ein zusätzlicher Schritt. Für eine normale Unternehmenswebsite ist die llms.txt selbst der Ausgangspunkt.
Und die llms-full.txt?
Die llms-full.txt ist eine Variante, die nicht nur auf deine Seiten verlinkt, sondern deren vollständigen Text in einer Datei bündelt. Sie steht nicht in der Spezifikation auf llmstxt.org. Sie kommt vor allem bei Dokumentationsplattformen vor: Mintlify erzeugt sie zum Beispiel automatisch und schreibt pro Seite Titel, URL, Beschreibung und den vollständigen Markdown-Inhalt hinein.
Für eine Dokumentationsseite mit Hunderten Seiten kann das nützlich sein, weil ein Entwickler die ganze Datei auf einmal einem KI-Assistenten geben kann. Für einen Dienstleister mit zwanzig Seiten bringt sie wenig und ist vor allem eine zusätzliche Datei, die gepflegt werden muss.
Beispiel: eine llms.txt für eine deutsche Beratungsfirma
Unten findest du ein vollständiges Beispiel für ein fiktives Unternehmen. Das Beispiel ist erfunden: Firmenname, Domain und alle Angaben existieren nicht. Nutze es als Vorlage und ersetze alles durch deine eigenen Inhalte.
# Lindenhof Personalberatung
> Lindenhof Personalberatung ist eine fiktive HR-Beratung aus Leipzig, die
> KMU mit 10 bis 250 Mitarbeitenden bei Fehlzeitenmanagement, Arbeitsrecht
> und Organisationsentwicklung unterstützt. Einsatzgebiet: Deutschland.
> Sprache: Deutsch.
Wir arbeiten ausschließlich für Arbeitgeber, nicht für einzelne Arbeitnehmer.
Ein erstes Beratungsgespräch von 30 Minuten ist kostenlos. Die Preise stehen
auf der Seite Preise.
## Leistungen
- [Fehlzeitenmanagement](https://www.lindenhof-personal.example/leistungen/fehlzeiten): Begleitung von der Krankmeldung bis zur Wiedereingliederung im Rahmen des BEM
- [Arbeitsrechtliche Beratung](https://www.lindenhof-personal.example/leistungen/arbeitsrecht): Beratung zu Verträgen, Kündigungen und Aufhebungsverträgen
- [Organisationsentwicklung](https://www.lindenhof-personal.example/leistungen/organisation): Neuaufstellung von Teams, Stellenarchitektur und Beurteilungszyklus
## Über das Unternehmen
- [Über uns](https://www.lindenhof-personal.example/ueber-uns): Team, Hintergrund und Arbeitsweise
- [Preise](https://www.lindenhof-personal.example/preise): Stundensätze und Festpreise pro Leistung
- [Kontakt](https://www.lindenhof-personal.example/kontakt): Adresse, Telefonnummer und Öffnungszeiten
## Wissen
- [Fehlzeitenrichtlinie erstellen](https://www.lindenhof-personal.example/wissen/fehlzeitenrichtlinie): Schritt-für-Schritt-Plan mit Pflichtbestandteilen
- [Probezeit und Kündigung](https://www.lindenhof-personal.example/wissen/probezeit): Was in der Probezeit erlaubt ist und was nicht
## Optional
- [Stellenangebote](https://www.lindenhof-personal.example/jobs): Offene Stellen bei der Beratung
- [Neuigkeiten](https://www.lindenhof-personal.example/news): Ankündigungen und Veranstaltungen
Achte auf ein paar Entscheidungen in diesem Beispiel. Die Zusammenfassung nennt Zielgruppe, Ort und Einsatzgebiet in normalen Sätzen, damit ein Modell die Beratung richtig als Entität einordnen kann. Der Freitext grenzt ab („nicht für Arbeitnehmer“) und verhindert so, dass eine KI-Antwort die Beratung für die falsche Frage empfiehlt. Und die unwichtigsten Seiten stehen unter „Optional“.
Verwende in deiner eigenen Datei absolute URLs und verlinke nur auf Seiten, die existieren und ohne Login erreichbar sind.
Wie veröffentlichst du eine llms.txt?
Du veröffentlichst eine llms.txt als reinen Text unter https://www.deinefirma.de/llms.txt, sodass die Datei ohne Umwege mit dem Statuscode 200 ausgeliefert wird. So gehst du vor:
- Schreib die Datei in einem Texteditor und speichere sie als
llms.txtin UTF-8. - Leg sie ins Stammverzeichnis deiner Website, neben die
robots.txt. In WordPress geht das per FTP, über dein Hosting-Panel oder mit einem SEO-Plug-in. Die Spezifikation nennt Yoast SEO und AIOSEO bei den Integrationen, ebenso Wix, Mintlify und GitBook. - Prüfe den Content-Type. Die Spezifikation schreibt keinen MIME-Typ vor.
text/plainodertext/markdown, jeweils mitcharset=utf-8, sind die naheliegenden Optionen. Die Dateien von llmstxt.org und aus der Entwicklerdokumentation von Anthropic und OpenAI wurden bei unserer Prüfung im Oktober 2026 alstext/plain; charset=utf-8ausgeliefert. - Öffne die URL in deinem Browser und prüfe, ob du genau dein Markdown siehst, ohne Layout, Menü oder Fehlermeldung drumherum.
Was geht oft schief?
Der häufigste Fehler ist, dass /llms.txt eine HTML-Seite statt der Datei zurückgibt. Viele Websites, vor allem solche mit einem JavaScript-Framework oder einem CMS mit „schönen“ Fehlerseiten, fangen jede unbekannte URL ab und zeigen dann eine gestaltete 404-Seite. Manchmal sogar mit Statuscode 200. Ein Tool, das prüft, ob die Datei „existiert“, sieht dann eine erfolgreiche Antwort, obwohl der Inhalt einfach HTML ist.
Das erkennst du mit einem einzigen Befehl im Terminal:
curl -I https://www.deinefirma.de/llms.txt
Steht bei content-type etwas wie text/html, bekommst du eine Webseite zurück und keine llms.txt. Weitere Fehler, die uns regelmäßig begegnen:
- Keine H1 in der ersten Zeile, zum Beispiel weil dort ein Titel ohne
#oder eine leere Einleitung steht. - Links ohne Markdown-Formatierung, etwa lose URLs in einer Liste. Dann fehlt der Name, der dem Modell sagt, was sich hinter dem Link verbirgt.
- Eine Weiterleitung auf die Startseite statt auf die Datei.
- Veraltete Links auf Seiten, die inzwischen einen 404 liefern oder umgezogen sind.
- Marketingsprache in der Zusammenfassung. „Der beste Partner für all Ihre HR-Fragen“ hilft einem Modell nicht. Fakten zu Zielgruppe, Angebot und Einsatzgebiet schon.
- Eine llms.txt hinter einer Firewall, die KI-Bots blockiert. Dann kann kein einziger Crawler sie lesen, siehe KI-Crawler in der robots.txt.
Nutzen KI-Systeme die llms.txt wirklich?
Es gibt keinen öffentlichen Beleg dafür, dass die großen KI-Suchmaschinen die llms.txt nutzen, um zu entscheiden, welche Quellen sie zitieren. Wer die Datei veröffentlicht und wer sie liest, sind zwei verschiedene Fragen.
Auf der Veröffentlichungsseite wächst die Nutzung. Laut llmstxt.org veröffentlichen Tausende Websites eine llms.txt, darunter OpenAI, Anthropic und Gemini für ihre Entwicklerdokumentation. Plattformen wie Mintlify, GitBook, Wix und die WordPress-Plug-ins Yoast SEO und AIOSEO können die Datei erzeugen. Außerdem gibt die Seite an, dass Lighthouse, das Audit-Tool in Chrome, prüft, ob eine Website eine llms.txt hat.
Auf der Leseseite ist Google ausdrücklich zurückhaltend. John Mueller, Search Advocate bei Google, schrieb im Juni 2025 auf Bluesky, dass seiner Ansicht nach kein einziges KI-System die llms.txt nutzt. Und in der Dokumentation zu KI-Funktionen in der Google-Suche steht, dass du keine neuen maschinenlesbaren Dateien oder KI-Textdateien erstellen musst, um in AI Overviews oder im AI Mode zu erscheinen.
OpenAI, Anthropic und Perplexity haben, soweit wir das nachvollziehen können, nicht dokumentiert, dass ihre Suchbots die llms.txt bei der Quellenauswahl nutzen. Sie veröffentlichen die Datei aber für ihre eigene Dokumentation. Das ist etwas anderes, als sie bei anderen Websites zu lesen.
Nachweislich genutzt wird die llms.txt dagegen manuell: von Entwicklern, die eine llms.txt oder llms-full.txt einem Programmierassistenten geben, und von KI-Agents, die schon auf einer Website sind und sich orientieren wollen. Dafür war der Vorschlag ursprünglich auch gedacht.
Lohnt sich eine llms.txt?
Eine llms.txt ist wenig Arbeit mit ungewisser Wirkung und deshalb einen Versuch wert, solange deine Grundlagen schon stimmen. Eine gute Datei kostet dich eine Viertelstunde bis eine Stunde. Sie schadet nicht, aber sie ersetzt nichts.
Die Grundlagen, die nachweislich zählen, sehen so aus:
- KI-Crawler zulassen, etwa GPTBot und OAI-SearchBot, in der robots.txt und in deiner Firewall.
- Inhalte im HTML selbst, per Server-Side Rendering, damit Crawler, die kein JavaScript ausführen, deinen Text lesen können.
- Strukturierte Daten, die klar machen, wer du bist, siehe Schema-Markup für KI.
- Seiten, die Fragen klar beantworten, mit Quellen, Autor und Datum.
Ein nützlicher Nebeneffekt beim Erstellen einer llms.txt: Du musst in ein paar Sätzen aufschreiben, was dein Unternehmen macht und welche Seiten am wichtigsten sind. Diese Zusammenfassung kannst du direkt auf deiner Über-uns-Seite und in deinem Organization-Schema wiederverwenden.
So prüfst du das auf deiner eigenen Website
Mit fünf Schritten weißt du, ob deine llms.txt wie gedacht funktioniert:
- Öffne
https://www.deinefirma.de/llms.txtund prüfe, ob du reines Markdown siehst. - Prüfe mit
curl -I, ob der Statuscode 200 ist und der Content-Typetext/plainodertext/markdown. - Prüfe, ob die erste Zeile eine H1 ist (
# Name) und direkt danach ein Blockzitat mit einer Zusammenfassung folgt. - Geh jeden Link durch: keine 404-Fehler, keine Weiterleitungen auf die Startseite und keine Seiten hinter einem Login.
- Plane eine feste Prüfung ein, zum Beispiel jedes Quartal, damit neue und umgezogene Seiten aufgenommen werden.
Der kostenlose Scan von Flowproof prüft den Aufbau deiner llms.txt (H1, Zusammenfassung im Blockzitat, H2-Abschnitte, Markdown-Links und Content-Type), zusammen mit deinen KI-Crawlern in der robots.txt, deinen strukturierten Daten und der Frage, ob deine Inhalte im rohen HTML stehen.