llms.txt im Faktencheck: Brauchst du diese Datei wirklich?
llms.txt wird derzeit als Pflichtübung für KI-Sichtbarkeit verkauft. Dieser Beitrag prüft, was belegt ist, was nicht und wo die Datei tatsächlich einen Nutzen hat.
In den letzten Monaten ist llms.txt zum Standardargument in Verkaufsgesprächen geworden. Ich lese Angebote, in denen das Anlegen einer Textdatei als eigener Leistungsposten steht, teils dreistellig bepreist. Der Nutzen wird dabei als selbstverständlich vorausgesetzt.
Das Muster kenne ich. Es ist dasselbe wie damals beim Keywords-Meta-Tag: eine Datei, die niemand widerlegen kann, weil ihre Wirkung nie behauptet, sondern immer nur angedeutet wird. Wer sie nicht hat, ist angeblich im Rückstand.
Also habe ich die Belege gesucht statt die Behauptung zu wiederholen. Das Ergebnis ist unangenehm eindeutig und es heißt trotzdem nicht, dass die Datei wertlos ist. Sie ist nur für etwas anderes gut, als sie verkauft wird.
Was ist llms.txt überhaupt?
llms.txt ist eine Markdown-Datei im Wurzelverzeichnis einer Website, die Sprachmodellen eine geordnete Übersicht über die wichtigsten Inhalte geben soll. Jeremy Howard hat den Vorschlag am 3. September 2024 veröffentlicht, die zweite Fassung der Spezifikation stammt vom 10. August 2026.
Wichtig für die Einordnung: Es handelt sich um einen offenen Gemeinschaftsvorschlag auf GitHub, nicht um einen Standard einer Normungsorganisation. Es gibt kein Gremium, das über die Umsetzung wacht, und keine Verpflichtung für irgendeinen Anbieter, die Datei zu lesen.
Der Aufbau ist simpel. Eine H1 mit dem Namen der Website, ein Blockzitat mit einer Zusammenfassung, darunter thematisch gruppierte Linklisten. Technisch ist das in einer halben Stunde erledigt.
Beeinflusst llms.txt dein Google-Ranking?
Nein. Google hat mehrfach öffentlich klargestellt, dass llms.txt für Google Search und die KI-Funktionen innerhalb der Suche keine Rolle spielt. Es gibt keine Dokumentation in der Google Search Central, die der Datei eine Funktion zuweist.
John Mueller aus dem Search-Relations-Team von Google hat das im hauseigenen Podcast Search Off the Record noch deutlicher formuliert. Nach seiner Einordnung hilft die Datei Sprachmodellen nicht dabei, Websites voneinander zu unterscheiden, weil jede Website darin über sich selbst dasselbe behauptet.
Mueller hat den Vergleich mit dem Keywords-Meta-Tag selbst gezogen. Auch dort trug jede Seite ein, was sie für wichtig hielt, und genau deshalb wurde das Signal wertlos.
Dass Google so klar Stellung bezieht, ist ungewöhnlich und sollte dir zu denken geben. Bei tatsächlich wirksamen Maßnahmen bleibt das Unternehmen meist vage. Ähnliche Muster habe ich im Fakten-Check zu Marketing-Mythen und SEO-Hacks auseinandergenommen.
Eine Selbstauskunft ohne externe Bestätigung ist kein Qualitätssignal.
Werten die KI-Anbieter die Datei aus?
Für keinen der großen Anbieter liegt eine offizielle Bestätigung vor, dass llms.txt ausgewertet wird. Weder OpenAI noch Anthropic noch Perplexity dokumentieren die Datei als Teil ihrer Crawling- oder Antwortlogik.
Das ist eine Aussage über den Stand der Belege, nicht über die technische Unmöglichkeit. Ein Anbieter könnte die Datei morgen auswerten und das ankündigen. Solange das nicht passiert, bleibt jede Wirkungsbehauptung eine Vermutung.
Wer dir etwas anderes erzählt, sollte den Beleg mitliefern können. Eine Blogaussage einer Agentur, ein LinkedIn-Beitrag oder ein Screenshot aus einem Tool sind kein Beleg für das Verhalten eines Sprachmodells.
Was sagen die Daten?
Die bislang größte öffentlich verfügbare Auswertung stammt von SE Ranking und umfasst rund 300.000 Domains. Sie fand keinen messbaren Zusammenhang zwischen dem Vorhandensein einer llms.txt und der Häufigkeit, mit der eine Domain in KI-Antworten zitiert wird.
Zwei Zahlen aus dieser Auswertung sind aufschlussreich. Etwa 10 Prozent der untersuchten Domains hatten eine llms.txt, konkret 10,13 Prozent. Die Datei ist also längst kein Geheimtipp mehr und trotzdem lässt sich kein Effekt nachweisen.
Ich halte diese Datenlage für belastbar genug, um eine Kaufempfehlung abzulehnen, aber nicht für stark genug, um die Idee endgültig zu begraben. Korrelationsstudien über Domains hinweg sind grobe Instrumente. Sie zeigen, dass kein starker Effekt existiert, nicht dass gar keiner existiert.
Wer eine Datei anlegt, tut es also auf eigene Erwartung und nicht auf Basis eines belegten Effekts. Das ist völlig in Ordnung, solange die Erwartung ehrlich benannt wird und niemand dafür Geld verlangt.
Genau diese Unterscheidung fehlt in fast allen Beiträgen zum Thema. Wie Sprachmodelle Websites tatsächlich erfassen, habe ich unter AI Indexing und wie LLMs Websites lesen ausführlich beschrieben.
Was llms.txt von robots.txt unterscheidet
Die robots.txt ist ein etabliertes Verfahren, an das sich alle seriösen Crawler halten, weil es seit Jahrzehnten Teil der Infrastruktur des Webs ist. Sie steuert Zugriff, nicht Inhalt und sie wirkt, weil die Gegenseite sie liest.
Die llms.txt versucht das Gegenteil. Sie beschreibt Inhalte und hofft darauf, dass jemand zuhört. Diese Richtung funktioniert nur, wenn ein Empfänger sich verpflichtet, und genau diese Verpflichtung fehlt bislang.
Der Namensanklang verwischt diesen Unterschied und ist wahrscheinlich ein Teil des Erfolgs. Wer robots.txt kennt, hält llms.txt intuitiv für dieselbe Art von Mechanismus. Das ist sie nicht.
Praktisch heißt das für dich: Die Steuerung von KI-Crawlern läuft über die robots.txt und über die Einstellungen der jeweiligen Anbieter, nicht über eine zusätzliche Markdown-Datei. Wer beides vermischt, verliert Zeit an der falschen Stelle.
Warum wird llms.txt trotzdem als Pflicht verkauft?
Weil sie sich hervorragend verkaufen lässt. Die Datei ist billig herzustellen, sie klingt technisch und ihr Fehlen lässt sich im Audit als Mangel darstellen. Damit erfüllt sie alle Bedingungen eines guten Verkaufsarguments.
Dazu kommt die Beweislastumkehr, die in diesem Markt üblich geworden ist. Der Anbieter muss nicht belegen, dass die Maßnahme wirkt. Der Kunde soll belegen, dass sie nicht wirkt, und das kann er naturgemäß nicht.
Als SEO- und Branding-Agentur sehe ich diesen Mechanismus in jedem Zyklus neu. Vor zwei Jahren war es der eine Prompt, der angeblich auf Platz 1 bringt, wie ich unter Mit einem ChatGPT-Prompt auf Platz 1 gezeigt habe. Die Verpackung wechselt, das Muster bleibt.
Wo llms.txt tatsächlich sinnvoll ist
Ihren echten Nutzen entfaltet die Datei bei Dokumentation und Entwicklerwerkzeugen. Wer eine umfangreiche technische Doku betreibt, kann Agenten damit eine kuratierte Einstiegskarte geben, die ihnen das Zusammensuchen erspart.
Dieser Nutzen entsteht in einem konkreten Anwendungsfall, nicht in einer Suchmaschine. Er greift, wenn ein Werkzeug die Datei gezielt abruft, weil ein Mensch es so eingerichtet hat, und nicht weil ein Sprachmodell sie beim Crawlen zufällig findet.
Für eine typische KMU-Website mit zwanzig Seiten und einem Blog ist dieser Fall praktisch nie gegeben. Wenn du trotzdem eine anlegen willst, ist dagegen nichts einzuwenden. Sie kostet dich eine halbe Stunde und richtet keinen Schaden an.
Was stattdessen nachweislich wirkt
Sprachmodelle zitieren Inhalte, die sie eindeutig zuordnen können. Das entsteht durch saubere Seitenstruktur, klare Aussagen, konsistente Begriffe und durch strukturierte Daten, die eine Website selbst erklären, statt sie zu bewerben.
Der Unterschied zur llms.txt ist grundsätzlich. Eine Zusatzdatei behauptet etwas über eine Website. Eine gut gebaute Seite beweist es an jedem einzelnen Inhalt und genau darauf greifen die Systeme zu. Was das im Alltag bedeutet, steht im Beitrag GEO statt SEO.
Mein Rat ist deshalb unspektakulär: Lass die Datei weg oder leg sie in einer halben Stunde selbst an, aber bezahle niemanden dafür. Steck die Zeit lieber in die Inhalte, die tatsächlich zitiert werden sollen.
Wenn du wissen willst, welche Maßnahmen bei deiner Website wirklich etwas bewegen, schau dir an, wie die creativecouch SEO und GEO als eine Aufgabe behandelt. Im kostenlosen Erstgespräch von dreißig Minuten sortieren wir gemeinsam, was bei dir Substanz hat und was nur gut klingt.
Hinweis zur Erstellung des Beitrags
Dieser Beitrag wurde mit Unterstützung einer KI erstellt, um effiziente und präzise Inhalte zu liefern. Im Anschluss wurde er sorgfältig von einem Experten überprüft und überarbeitet, um sicherzustellen, dass er den höchsten Qualitätsstandards entspricht und den Anforderungen der Leser gerecht wird.