Was ist eine llms.txt-Datei?

Eine llms.txt ist eine strukturierte Textdatei im Stammverzeichnis einer Website, die KI-Systemen und Large Language Models gezielt mitteilt, welche Inhalte für maschinelle Verarbeitung relevant sind. Sie ist das GEO-Äquivalent zur robots.txt für klassische Suchmaschinen.

Wo muss die llms.txt gespeichert werden?

Die llms.txt gehört zwingend in das Stammverzeichnis Ihrer Domain, also erreichbar unter https://ihredomain.de/llms.txt. Nur dort lesen KI-Crawler die Datei zuverlässig aus.

Welches Format hat eine llms.txt?

llms.txt ist eine einfache Markdown-Datei. Sie beginnt mit einem H1-Titel, gefolgt von einem Blockquote mit einer Kurzbeschreibung des Unternehmens, und enthält dann strukturierte Abschnitte mit Linklisten zu den wichtigsten Inhalten.

Ist eine llms.txt ein offizieller Standard?

Nein, llms.txt ist kein W3C- oder IETF-Standard. Die Spezifikation wurde 2024 von Jeremy Howard vorgeschlagen und wird von einer wachsenden Zahl von KI-Systemen und Crawlern freiwillig berücksichtigt.

Verbessert eine llms.txt sofort meine KI-Sichtbarkeit?

Nicht automatisch. Die llms.txt verbessert die Maschinenlesbarkeit Ihrer Inhalte, ist aber nur eine von mehreren Maßnahmen im Rahmen einer vollständigen GEO-Strategie. Entscheidend bleibt die inhaltliche Qualität der verlinkten Seiten.

llms.txt erstellen: Schritt-für-Schritt-Anleitung

Eine llms.txt erstellen Sie, indem Sie eine Markdown-formatierte Textdatei unter https://ihredomain.de/llms.txt ablegen, die Ihr Unternehmen beschreibt und strukturierte Links zu Ihren wichtigsten Inhalten enthält. Die Datei folgt einer definierten Syntax und teilt KI-Systemen mit, welche Seiten für maschinelle Auswertung relevant sind.

Was ist eine llms.txt - und warum brauchen Sie sie?

Wer verstehen möchte, warum llms.txt überhaupt existiert, muss kurz die Funktionsweise moderner KI-Systeme betrachten. Large Language Models wie GPT, Claude oder Gemini beziehen ihr Wissen aus zwei Quellen: aus dem Trainingskorpus, der beim Modelltraining eingearbeitet wurde, und aus Echtzeit-Retrieval, also dem aktiven Abruf von Webinhalten zum Zeitpunkt einer Anfrage.

Beim Retrieval-Prozess besuchen KI-Crawler und RAG-Systeme Websites und versuchen, deren Inhalte maschinell auszuwerten. Dabei stoßen sie auf ein strukturelles Problem: Webseiten sind für menschliche Lesbarkeit gebaut. Sie enthalten Navigation, Werbung, Footers, Cookie-Banner und JavaScript-Komponenten, die für KI-Systeme irrelevantes Rauschen erzeugen.

Die llms.txt löst dieses Problem durch einen schlichten Ansatz: eine maschinenlesbare Zusammenfassung, die KI-Systemen genau sagt, welche Inhalte existieren und wo sie zu finden sind. Ähnlich wie die robots.txt der klassischen Suchmaschinen-Optimierung als Protokolldatei dient, fungiert llms.txt als strukturierter Wegweiser für KI-Crawler.

Der Standard wurde 2024 von Jeremy Howard, dem Mitgründer von fast.ai, vorgeschlagen und hat seitdem breite Aufmerksamkeit erhalten. Für Unternehmen, die verstehen wollen, wie sie in KI-Antworten zitiert werden, ist die llms.txt ein konkreter, technisch umsetzbarer erster Schritt.

Welche Bestandteile hat eine llms.txt?

Eine valide llms.txt besteht aus vier strukturellen Pflichtbereichen und einem optionalen Ergänzungsbereich. Die Datei ist reines Markdown - kein HTML, kein JSON, kein proprietäres Format.

1. H1-Titel (Pflicht)

Der H1-Titel enthält den Namen Ihres Unternehmens oder Ihrer Website. Er steht ganz oben und wird von KI-Systemen als primäre Identifikation der Quelle genutzt.

# Unternehmensname

2. Blockquote mit Kurzbeschreibung (Pflicht)

Direkt unter dem Titel folgt ein Blockquote mit einer präzisen, faktendichten Beschreibung Ihrer Organisation. Diese Beschreibung sollte maximal drei bis vier Sätze umfassen und die Kernkompetenz sowie den Tätigkeitsbereich klar benennen. Vermeiden Sie Marketingsprache - KI-Systeme bevorzugen deskriptive, sachliche Formulierungen.

> CITEWERK ist eine deutsche Agentur für Generative Engine Optimization (GEO).
> Wir helfen Unternehmen dabei, in KI-generierten Antworten sichtbar zu werden
> und als zitierfähige Quelle für Large Language Models wahrgenommen zu werden.

3. Strukturierte Abschnitte mit Linklisten (Pflicht)

Der Hauptteil der Datei besteht aus H2-Abschnitten, die thematisch gruppierte Links enthalten. Jeder Link folgt dem Markdown-Format [Seitentitel](URL), ergänzt durch eine optionale Kurzbeschreibung nach dem Bindestrich.

4. Optionaler Abschnitt “Optional”

Inhalte, die weniger relevant sind oder nur bei Bedarf konsultiert werden sollen, können in einem Abschnitt mit dem H2-Titel ## Optional zusammengefasst werden. KI-Systeme, die Bandbreite sparen oder priorisieren müssen, können diesen Bereich überspringen.

Wie sieht eine vollständige llms.txt in der Praxis aus?

Das folgende Beispiel zeigt eine vollständige, valide llms.txt für eine fiktive B2B-Beratungsagentur:

# Musteragentur GmbH

> Musteragentur ist eine B2B-Unternehmensberatung mit Sitz in München,
> spezialisiert auf digitale Transformation und KI-Integration für
> mittelständische Unternehmen im DACH-Raum. Gegründet 2018.

## Leistungen

- [KI-Beratung für den Mittelstand](/leistungen/ki-beratung/) - Strategische Einführung von KI-Systemen in bestehende Geschäftsprozesse
- [Digitalisierungsberatung](/leistungen/digitalisierung/) - Analyse und Optimierung digitaler Wertschöpfungsketten
- [Change Management](/leistungen/change-management/) - Begleitung von Transformationsprozessen

## Wissen & Ressourcen

- [Leitfaden: KI im Mittelstand](/blog/ki-im-mittelstand/) - Praxisnaher Einstieg für Unternehmen ohne eigene IT-Abteilung
- [Studie: Digitalisierungsindex 2024](/ressourcen/digitalisierungsindex/) - Eigene Erhebung zum Stand der Digitalisierung im DACH-Mittelstand
- [FAQ: KI-Einführung](/faq/ki-einfuehrung/) - Häufige Fragen zur KI-Integration

## Unternehmen

- [Über uns](/ueber-uns/) - Geschichte, Team und Werte der Musteragentur
- [Referenzen](/referenzen/) - Abgeschlossene Projekte und Kundenstimmen
- [Kontakt](/kontakt/)

## Optional

- [Archiv: Ältere Blogartikel](/blog/archiv/)
- [Impressum](/impressum/)
- [Datenschutz](/datenschutz/)

Welche technischen Anforderungen gelten?

Kriterium	Anforderung	Hinweis
Dateiname	`llms.txt` (Kleinschreibung)	Groß-/Kleinschreibung je nach Server relevant
Speicherort	Stammverzeichnis der Domain	`/llms.txt`, nicht `/unterordner/llms.txt`
Zeichenkodierung	UTF-8	Umlaute und Sonderzeichen korrekt darstellen
Format	Reines Markdown	Kein HTML, kein Front Matter
HTTP-Status	200 OK	Weiterleitungen (301/302) vermeiden
Content-Type	`text/plain` oder `text/markdown`	Vom Webserver korrekt ausliefern
Dateigröße	Unter 100 KB empfohlen	Zu große Dateien werden ggf. nicht vollständig gelesen
Aktualisierung	Bei Inhaltserweiterungen	Keine starre Aktualisierungspflicht

Ein häufiger technischer Fehler ist das Ausliefern der Datei mit einem falschen Content-Type-Header. Überprüfen Sie nach dem Hochladen mit einem HTTP-Header-Analysetool, ob Ihr Webserver die Datei korrekt ausliefert.

Wie unterscheidet sich llms.txt von llms-full.txt?

Der Standard sieht eine optionale Ergänzungsdatei vor: llms-full.txt. Diese Variante enthält nicht nur Links zu Inhalten, sondern den vollständigen Fließtext der wichtigsten Seiten - direkt eingebettet in die Datei. Das ermöglicht KI-Systemen, ohne weitere HTTP-Anfragen auf die Kerninhalte zuzugreifen.

Der Vorteil liegt in der Geschwindigkeit und Vollständigkeit des Datenzugriffs. Der Nachteil ist die Dateigröße: Bei umfangreichen Websites kann llms-full.txt schnell mehrere Megabyte groß werden, was die Verarbeitung erschwert. Für die meisten Unternehmen ist der Start mit einer gut strukturierten llms.txt ausreichend. Die llms-full.txt ist ein fortgeschrittener Schritt, der sich dann lohnt, wenn die Basisversion etabliert ist.

Was sind häufige Fehler beim Erstellen einer llms.txt?

Zu allgemeine Beschreibungen: Die Kurzbeschreibung im Blockquote sollte präzise sein. Phrasen wie “Wir bieten innovative Lösungen für Ihre Herausforderungen” sind für KI-Systeme wertlos. Besser: Nennen Sie konkrete Branchen, Zielgruppen, Leistungen und geographische Märkte.

Fehlende oder falsche URLs: Alle Links in der llms.txt müssen auf tatsächlich existierende, öffentlich zugängliche Seiten verweisen. Links auf Seiten hinter Login-Schranken oder auf 404-Fehlerseiten schaden der Glaubwürdigkeit der Datei.

Unstrukturierte Linksammlungen ohne Kontext: Jeder Link sollte eine kurze Beschreibung enthalten, die erklärt, was auf der verlinkten Seite zu finden ist. Ohne diese Beschreibungen ist die llms.txt zwar valide, aber weniger nützlich für KI-Systeme.

Die Datei als einzige GEO-Maßnahme betrachten: Die llms.txt ist eine technische Grundlage, kein Allheilmittel. Sie verbessert die Maschinenlesbarkeit Ihrer Site, ersetzt aber keine inhaltliche Arbeit an Ihrer Entität und an der zitierfähigen Aufbereitung Ihrer Fachkompetenz. Eine umfassende Strategie finden Sie im GEO-Leitfaden.

Wie testen Sie Ihre llms.txt nach dem Hochladen?

Nach dem Hochladen sollten Sie vier Dinge prüfen:

Erstens die Erreichbarkeit: Rufen Sie https://ihredomain.de/llms.txt direkt im Browser auf. Die Datei muss ohne Weiterleitung und ohne Fehlermeldung laden.

Zweitens den HTTP-Status: Nutzen Sie ein Tool wie curl oder einen Online-Header-Checker, um sicherzustellen, dass der Server den HTTP-Status 200 zurückgibt.

Drittens die Zeichendarstellung: Prüfen Sie, ob Umlaute (ä, ö, ü, ß) korrekt angezeigt werden. Fehlerhaft kodierte Sonderzeichen deuten auf ein UTF-8-Problem hin.

Viertens die Markdown-Validierung: Überprüfen Sie, ob die Markdown-Syntax korrekt ist. Ein einfacher Markdown-Validator zeigt Ihnen, ob Ihre Überschriften, Blockquotes und Links syntaktisch korrekt sind.

Wie passt llms.txt in eine vollständige GEO-Strategie?

Die llms.txt ist ein technischer Baustein in einem größeren Gefüge. Sie teilt KI-Systemen mit, wo relevante Inhalte zu finden sind - aber sie kann keine inhaltliche Stärke ersetzen. Wenn die verlinkten Seiten keine klaren, faktendichten, zitierfähigen Inhalte enthalten, hilft auch die beste llms.txt wenig.

Wer den Unterschied zwischen klassischer Suchoptimierung und dem neuen Ansatz besser verstehen möchte, findet im Beitrag Was ist GEO (Generative Engine Optimization)? eine strukturierte Einführung in die Grundprinzipien.

Parallel zur llms.txt sollten Sie Schema.org-Markup einsetzen, um Entitäten maschinenlesbar zu beschreiben, Ihre Inhalte konsequent in Frage-Antwort-Strukturen aufbereiten und darauf achten, dass Ihre Marke als klare Entität erkennbar ist - mit konsistentem Namen, Standort, Tätigkeitsbereich und verlinkten Quellen.

Wenn Sie wissen möchten, wo Ihre Website technisch und inhaltlich im Hinblick auf KI-Sichtbarkeit steht, bietet CITEWERK einen strukturierten GEO-Audit an - inklusive Bewertung Ihrer llms.txt, Ihrer Schema-Implementierung und Ihrer inhaltlichen Zitierfähigkeit.