llms.txt
llms.txt ist eine vorgeschlagene Markdown-Datei, die im Stammverzeichnis einer Website unter /llms.txt bereitgestellt wird und LLM-basierten Tools eine kuratierte, komprimierte Übersicht der wichtigsten Inhalte einer Website bietet. Von Jeremy Howard im Jahr 2024 vorgeschlagen, zielt sie darauf ab, für KI das zu leisten, was sitemap.xml für die Suche getan hat: die besten Teile Ihrer Website auffindbar und in Maschinengeschwindigkeit verarbeitbar zu machen.
llms.txt ist eine vorgeschlagene Markdown-Datei, die im Stammverzeichnis einer Website unter /llms.txt bereitgestellt wird und LLM-basierten Tools eine kuratierte, komprimierte Übersicht der wichtigsten Inhalte einer Website bietet. Von Jeremy Howard im Jahr 2024 vorgeschlagen, zielt sie darauf ab, für KI das zu leisten, was sitemap.xml für die Suche getan hat: die besten Teile Ihrer Website auffindbar und in Maschinengeschwindigkeit verarbeitbar zu machen.
Warum es wichtig ist
LLMs, die das Web lesen, stehen vor einem Kontextfenster-Problem: Eine einzige Marketing-Website kann 200.000 Tokens an HTML, CSS und Navigations-Boilerplate überschreiten, bevor das Modell den eigentlichen Inhalt erreicht. llms.txt löst dies, indem es eine kurze, kuratierte Liste der Seiten bereitstellt, die der Website-Betreiber von einem LLM gelesen haben möchte, geschrieben in sauberem Markdown ohne Ballast. Anthropic, Cloudflare, Mintlify, Zapier und Stripe veröffentlichten 2024 alle llms.txt-Dateien. Für Marken, die von KI korrekt verstanden und zitiert werden möchten, wird sie zum günstigsten GEO-Schritt mit großer Hebelwirkung.
Wie sie aussieht
Eine einfache Datei:
# inblog
> inblog is an AI-powered blogging platform for SEO-optimized content.
## Docs
- [Getting started](https://inblog.ai/docs/getting-started): Create your first blog
- [SEO features](https://inblog.ai/docs/seo): Built-in SEO optimization
- [AI drafting](https://inblog.ai/docs/ai-drafts): How AI drafts work
## Optional
- [Changelog](https://inblog.ai/changelog): Product updates
Zwei Abschnitte: eine Überschrift + Zusammenfassung, dann kuratierte, nach Zweck gruppierte Links. Der Abschnitt Optional listet Inhalte auf, die ein LLM nur lesen sollte, wenn Tiefe benötigt wird.
llms.txt vs. robots.txt vs. sitemap.xml
| Datei | Zielgruppe | Zweck |
|---|---|---|
robots.txt | Crawler | Was nicht gecrawlt werden soll |
sitemap.xml | Suchmaschinen | Vollständige Liste der zu indexierenden Seiten |
llms.txt | LLM-basierte Tools | Kuratierte, priorisierte Inhalte zum Einlesen |
robots.txt ist ein Zaun. sitemap.xml ist ein Telefonbuch. llms.txt ist das Empfehlungsregal eines Kurators. Sie ergänzen einander, sie ersetzen sich nicht.
Zwei Varianten
llms.txt: Die kurze kuratierte Übersicht, das Inhaltsverzeichnis.
llms-full.txt: Eine erweiterte Version, in der der Markdown-Inhalt jeder verlinkten Seite eingebettet ist und einem LLM den gesamten einlesbaren Korpus in einer einzigen Datei liefert. Verwendet von Doku-Websites wie denen von Anthropic und den Kunden von Mintlify.
So verfassen Sie eine gute llms.txt
1. Beginnen Sie mit einer einzeiligen Positionierungsaussage: Das Blockzitat nach der H1. Das ist es, was das LLM über die Identität Ihrer Marke lernt.
2. Gruppieren Sie nach Zweck, nicht nach Struktur: "Docs", "Guides", "API Reference", "Case Studies", nicht "Kategorie A", "Kategorie B".
3. Schreiben Sie Linkbeschreibungen als Fakten, nicht als Marketing: "Built-in SEO optimization" schlägt "Supercharge your content".
4. Stellen Sie die wichtigsten Seiten an den Anfang: LLMs lesen unter Kontextdruck von oben nach unten.
5. Verwenden Sie Optional für tiefergehende Inhalte: Dinge, die das LLM überspringen sollte, sofern der Nutzer keine Details wünscht.
6. Aktualisieren Sie sie, wenn sich die Website ändert: Eine veraltete llms.txt ist schlimmer als keine.
Einschränkungen
Noch kein weithin durchgesetzter Standard: Google, OpenAI und Anthropic haben sich nicht dazu verpflichtet, sie automatisch zu lesen. Die Verbreitung wird von LLM-Tools (Cursor, Perplexity, Claudes Doku) vorangetrieben, nicht von Suchmaschinen.
Kein Ranking-Signal (noch nicht): Sie beeinflusst die Qualität des LLM-Einlesens, nicht die SERP-Position.
Erfordert Disziplin: Eine veraltete llms.txt führt genau die Modelle in die Irre, die Sie erreichen möchten.
Kann schlechte Inhalte nicht beheben: Wenn Ihre Doku schwach ist, bringt llms.txt sie nur schneller ans Licht.
Warum inblog-Websites sie in Betracht ziehen sollten
Jeder Blog auf inblog ist eine Inhaltsfläche, die KI-Tools einlesen könnten. Eine kleine llms.txt im Stammverzeichnis des Blogs, die auf Pillar-Beiträge, Glossareinträge und die Markenvorstellung verweist, teilt LLMs genau mit, was sie lesen sollen, wenn ein Nutzer nach Ihrer Marke oder Ihrem Thema fragt. Sie ist ein direkter Hebel für die Qualität der KI-Zitierung bei minimalem Aufwand.
Sources: