llms.txt

llms.txt ist eine vorgeschlagene Klartextdatei, die – ähnlich wie robots.txt oder sitemap.xml – im Stammverzeichnis einer Website platziert wird und großen Sprachmodellen eine kuratierte, maschinenlesbare Zusammenfassung der wichtigsten Seiten und Inhalte einer Website bietet. Die Idee ist, KI-Crawlern und Assistenten zu helfen, das richtige Material zu finden und zu zitieren, anstatt es aus dem zu erraten, was sie scrapen können.

Aufbau#

Eine typische llms.txt-Datei ist ein kurzes Markdown-Dokument: eine einzeilige Website-Beschreibung, gefolgt von einer kuratierten Liste von Links zu den wichtigsten Seiten (Dokumentation, Schlüsseldefinitionen, Preisgestaltung, Richtlinien), meist mit einer einzeiligen Notiz darüber, was jeder Link abdeckt. Einige Websites veröffentlichen zusätzlich eine erweiterte llms-full.txt mit umfangreicheren Seiteninhalten direkt eingebettet, sodass ein Modell nicht jede verlinkte Seite separat abrufen muss.

Es ist (noch) kein offizieller Webstandard#

Anders als robots.txt, das Suchmaschinen seit Jahrzehnten beachten, ist llms.txt ein Community-Vorschlag, den einzelne KI-Plattformen möglicherweise lesen und priorisieren oder auch nicht. Die Akzeptanz ist ungleichmäßig: Einige KI-Crawler prüfen angeblich darauf, andere ignorieren es vollständig und verlassen sich stattdessen auf normales Crawling und vorhandene strukturierte Daten. Betrachten Sie llms.txt als ein Signal unter mehreren, nicht als einen garantierten Zitier-Mechanismus.

Wo es neben GEO und AEO steht#

llms.txt ist Infrastruktur, keine Content-Strategie. Es sorgt nicht allein dafür, dass eine Seite zitiert wird; der zugrundeliegende Inhalt muss immer noch die Art von direkter, gut strukturierter Antwort sein, die Generative Engine Optimization und Answer Engine Optimization beschreiben. Was llms.txt hinzufügt, ist eine Karte: Es teilt einem Crawler mit, welche Seiten priorisiert werden sollten, was auf einer großen Website wichtiger ist, wo ein Modell sonst möglicherweise zufällig Stichproben nimmt und die tatsächlich autoritativen Seiten verpasst. Die gleiche Disziplin, die hinter Was ist Ad-Transparenz? und Was ist ein Ad-Transparenz-Tool? steckt, gilt auch für die Art und Weise, wie diese Seiten selbst geschrieben werden.

Ein funktionierendes Beispiel: Direkte Abfrage von Anzeigendaten#

Die direktere Version dieser Idee, über eine kuratierte Datei hinaus, besteht darin, KI-Systemen strukturierten Zugriff auf echte Daten zu geben, anstatt nur auf crawlbare Seiten. Die Native Ad Library MCP von OpenAdLibrary macht genau das: Sie ermöglicht es Claude und ChatGPT, den Ad-Transparenz-Index erfasster Anzeigen von OpenAdLibrary direkt über ein für KI-Agenten entwickeltes Protokoll abzufragen, anstatt zu versuchen, eine gescrapte Seite darüber zusammenzufassen. Das ist dasselbe grundlegende Ziel wie bei llms.txt – dem Modell die richtigen Informationen mit weniger Rätselraten zu liefern –, nur einen Schritt weitergeführt mit einer tatsächlichen Datenschnittstelle anstelle einer kuratierten Linkliste.

Sollten Sie eine veröffentlichen?#

Für die meisten Content-Websites ist die Veröffentlichung einer einfachen llms.txt-Datei mit geringem Aufwand und geringem Risiko verbunden: Es handelt sich um eine kleine statische Datei, die die normale SEO nicht beeinflusst, und selbst eine teilweise Akzeptanz durch KI-Crawler ist ein Vorteil ohne wirklichen Nachteil. Sie ist kein Ersatz dafür, den Inhalt selbst antwortbereit zu machen, und sie wird Seiten nicht reparieren, die ihren Punkt drei Absätze weiter unten vergraben. Betrachten Sie sie als ein Entgegenkommen an Crawler in Form einer Karte, zusätzlich zu Inhalten, die bereits für Ad Intelligence-artige Recherchen funktionieren, nicht als Abkürzung um das gute Schreiben dieser Inhalte herum.