Domains

llms.txt erstellen: Aufbau, Nutzen & Anleitung 2026


Veröffentlicht am 16.11.2026 von DomainFactory

Titelmotiv des Blogartikels zum Thema: llms.txt erstellen: Aufbau, Nutzen & Anleitung 2026

llms.txt ist eine Markdown-Datei im Hauptverzeichnis einer Domain, die KI-Systemen, also Sprachmodellen wie ChatGPT, Claude oder Perplexity, eine kuratierte Übersicht der wichtigsten Seiten einer Website liefert. Wer gerade die eigene Homepage aufbaut, denkt bei „noch eine Datei im Stammverzeichnis" vermutlich an technischen Aufwand. Tatsächlich ist llms.txt in einer halben Stunde angelegt, kostet nichts und erfordert keine Programmierkenntnisse. Die Datei ersetzt weder eine XML-Sitemap noch die robots.txt, sondern ergänzt beide um eine maschinenlesbare Inhaltsübersicht, die speziell auf Sprachmodelle zugeschnitten ist. Die folgenden Abschnitte erklären Schritt für Schritt, was llms.txt ist, wie die Datei aufgebaut wird, wie sie ins Hauptverzeichnis kommt und was sie heute tatsächlich bewirkt.

Warum KI-Systeme eine eigene Datei brauchen und was Retrieval-Augmented Generation damit zu tun hat

KI-Suchsysteme nutzen ein Verfahren namens Retrieval-Augmented Generation (RAG). Das Sprachmodell durchsucht vor jeder Antwort externe Quellen und bezieht relevante Passagen ein, statt sich ausschließlich auf sein Trainingswissen zu verlassen. Das Problem: Herkömmliche HTML-Seiten enthalten Navigation, JavaScript, Tracking-Code und Cookie-Banner. All das belastet das Kontextfenster, also den begrenzten Textausschnitt, den ein Sprachmodell pro Anfrage verarbeiten kann, bevor der eigentliche Inhalt überhaupt erreicht wird. llms.txt liefert stattdessen eine aufgeräumte Markdown-Übersicht, die ein KI-System in einem einzigen Abruf erfassen kann, ohne überflüssigen Code mitzulesen.

Für Website-Betreibende bedeutet das: Wer seine Inhalte so aufbereitet, dass ein Sprachmodell sie effizient lesen kann, verbessert die Grundlage dafür, in KI-generierten Antworten berücksichtigt zu werden. Das ist kein Automatismus, aber eine sinnvolle Vorbereitung. Vergleichbar mit einer gut gepflegten Sitemap, die auch keine Platzierung garantiert, aber die Voraussetzung dafür schafft.

Was Retrieval-Augmented Generation bedeutet:

  • Externe Quellensuche: Das Sprachmodell durchsucht vor der Antwort einen Index externer Dokumente und wählt die relevantesten Passagen aus.
  • Kontextfenster: Jedes Sprachmodell hat ein begrenztes Textfenster. Überflüssiger HTML-Code verbraucht Platz, der für den eigentlichen Inhalt fehlt.
  • Markdown statt HTML: Berichte zeigen bis zu zehnfach geringeren Token-Verbrauch bei Markdown gegenüber HTML. Das Sprachmodell erhält mehr Inhalt pro Abruf.
  • Ergänzung, kein Ersatz: llms.txt ersetzt weder Sitemap noch robots.txt, sondern adressiert gezielt die Anforderungen von Sprachmodellen.

Was genau ist llms.txt: Definition, Aufbau und Abgrenzung

llms.txt ist ein Vorschlag von Jeremy Howard (Answer.AI) für eine Markdown-Datei unter example.com/llms.txt. Die Datei enthält den Namen der Website, eine Kurzbeschreibung und eine nach Themen gegliederte Linkliste mit Einzeilern zu jeder Seite. Ergänzend gibt es llms-full.txt, eine erweiterte Variante, die den vollständigen Inhalt aller verlinkten Seiten in einem einzigen Dokument bündelt. Inzwischen verzeichnet ein öffentliches Verzeichnis über 780 verifizierte Implementierungen, wobei die Adoption stark auf technische Organisationen und Dokumentationsplattformen konzentriert ist.

Aufbau der Datei im Detail

Die Struktur von llms.txt folgt vier einfachen Regeln. Erstens: Eine H1-Überschrift mit dem tatsächlichen Namen der Website, kein Slogan, kein SEO-Titel. Zweitens: Ein Blockquote direkt darunter, das in ein bis zwei Sätzen beschreibt, was die Website bietet. Drittens: H2-Abschnitte für thematische Gruppen, die zur Informationsarchitektur der Website passen. Viertens: Linkzeilen im Format - [Titel](URL): Beschreibung, wobei jede Beschreibung erklärt, was auf der verlinkten Seite steht. Wer diese vier Regeln einhält, hat eine vollständige llms.txt.

Vergleich: llms.txt vs. robots.txt vs. XML-Sitemap

Merkmalrobots.txtXML-Sitemapllms.txt
ZweckZugriffskontrolle für CrawlerVollständige URL-Liste für SuchmaschinenKuratierte Inhaltsübersicht für Sprachmodelle
FormatPlaintext mit DirektivenXMLMarkdown
ZielgruppeSuchmaschinen-BotsSuchmaschinen-BotsKI-Agenten und Sprachmodelle

Worauf beim Aufbau achten:

  • H1 = Domainname: Der tatsächliche Name der Website, ohne Marketing-Zusätze. Das Sprachmodell braucht eine eindeutige Zuordnung.
  • Blockquote-Zusammenfassung: Ein bis zwei Sätze in der dritten Person, die beschreiben, was die Website bietet. Das ist das Routing-Signal für das KI-System.
  • Thematische Abschnitte: Vier bis sieben H2-Gruppen, die zur Informationsarchitektur der Website passen, damit das Sprachmodell gezielt die richtigen Seiten ansteuern kann.
  • Beschreibungen mit Substanz: Jede Linkzeile erklärt, was auf der Seite steht, nicht in Marketing-Sprache, sondern als inhaltliche Orientierung.
  • Optional-Abschnitt: Seiten mit geringer Priorität, die ein Agent bei knappem Kontextfenster überspringen kann.

Wer seine Website um einen Shop, ein Blog oder eine Testumgebung erweitern möchte, muss dafür keine zweite Domain registrieren. Eine Subdomain wie shop.ihrname.de genügt und lässt sich im Kundenmenü in wenigen Minuten anlegen. Wann sich diese Variante lohnt, wann ein Unterverzeichnis die bessere Wahl ist und worauf es dabei für die Suchmaschinenoptimierung ankommt, zeigt ein verständlicher Vergleich von Subdomain und Unterverzeichnis. So fällt die Entscheidung für die passende Struktur leichter, bevor der neue Bereich an den Start geht.

Wie llms.txt ins Hauptverzeichnis der eigenen Domain kommt

Die Datei wird im Stammverzeichnis der Website abgelegt, also unter meinedomain.de/llms.txt. Der technische Aufwand ist gering: Ein Texteditor, ein FTP-Zugang oder das Dateimanagement des Hosting-Anbieters reichen aus. Wer eine Datei umbenennen und hochladen kann, hat alles, was nötig ist. Und wer WordPress nutzt, kann die Datei über Plugins automatisch erzeugen lassen.

Schritt-für-Schritt-Anleitung für Einsteiger

Der Weg zur fertigen llms.txt besteht aus vier überschaubaren Schritten. Erstens: Einen Texteditor öffnen und die Markdown-Struktur anlegen. H1 mit dem Website-Namen, Blockquote mit der Beschreibung, H2-Abschnitte für die Themenbereiche. Zweitens: Die 10 bis 30 wichtigsten Seiten auswählen und jeweils in einer Zeile mit Titel, URL und Kurzbeschreibung erfassen. Drittens: Die Datei als llms.txt speichern und ins Stammverzeichnis hochladen, über den Dateimanager im Kundenbereich des Hosting-Anbieters oder per FTP. Viertens: Im Browser meinedomain.de/llms.txt aufrufen und prüfen, ob die Datei erreichbar ist. Mehr braucht es fürs Erste nicht.

Ob Google Search Console, Microsoft 365 oder Google Workspace: Bevor ein Dienst E-Mail-Adressen unter Ihrer Domain oder vollständige Suchdaten freischaltet, will er wissen, ob die Domain wirklich Ihnen gehört. Der übliche Nachweis läuft über einen TXT Record, einen kurzen Code, den Sie in die DNS-Einstellungen Ihrer Domain eintragen. Im Grunde ist es Kopieren, Einfügen, Speichern. Wie Sie die Domain per TXT Record bestätigen und was zu tun ist, wenn die Prüfung nicht sofort klappt, lässt sich Schritt für Schritt nachvollziehen, auch ohne Vorkenntnisse.

WordPress-Plugins und Dokumentationsplattformen

Wer WordPress nutzt, kann llms.txt über SEO-Plugins automatisch aus den vorhandenen Sitemap-Daten erzeugen lassen. Die Einrichtung beschränkt sich auf eine Plugin-Einstellung. Die Datei wird dann bei jeder Sitemap-Aktualisierung mitgepflegt. Dokumentationsplattformen wie Mintlify, GitBook oder Wix generieren die Datei standardmäßig für gehostete Seiten, ohne dass manuell eingegriffen werden muss. Der Nachteil der automatischen Varianten: Die Kontrolle über die Inhaltsauswahl ist eingeschränkt, weil die Datei auf der Sitemap basiert statt auf einer kuratierten Auswahl.

WordPress ist schnell installiert, der eigentliche Aufwand beginnt danach: Updates einspielen, Backups anlegen, Sicherheitslücken schließen. Beim Managed WordPress-Hosting übernimmt DomainFactory diese Pflege mit automatischen Updates, täglichen Backups, die sich per Klick wiederherstellen lassen, und einem täglichen Malware-Scan. Bestehende WordPress-Seiten werden dabei automatisch übernommen.

Hinweis: Die robots.txt sollte parallel geprüft werden. KI-Bots wie GPTBot oder ClaudeBot dürfen nicht versehentlich blockiert sein. Sonst bleibt auch die llms.txt unerreichbar, selbst wenn sie korrekt im Stammverzeichnis liegt.

Was llms.txt heute tatsächlich bewirkt und was nicht

Die ehrliche Antwort: Aktuell gibt es keinen messbaren Zusammenhang zwischen dem Vorhandensein einer llms.txt und der Häufigkeit, mit der eine Website von KI-Systemen zitiert wird. Eine Analyse von rund 300.000 Domains zeigt eine Adoptionsrate von 10,13 Prozent und kein statistisch signifikantes Signal für mehr KI-Sichtbarkeit. Eine separate Auswertung von über 500 Millionen KI-Bot-Zugriffen bestätigt: Innerhalb eines 90-Tage-Fensters griffen gerade einmal 408 von 515 Millionen Bot-Events auf llms.txt zu. Google hat öffentlich erklärt, die Datei nicht zu unterstützen.

Die Datei ist aktuell kein Mittel für mehr KI-Zitationen. Wer llms.txt anlegt, sollte das mit realistischen Erwartungen tun: als vorausschauende Maßnahme, nicht als Ranking-Faktor.

Zahlen zur aktuellen Wirkung von llms.txt

KennzahlWertQuelle
Adoptionsrate (gemessene Domains)10,13 Prozent von ca. 300.000SE Ranking
KI-Bot-Zugriffe auf llms.txt (90-Tage-Fenster)408 von 515 Mio. Bot-EventsLimy
Korrelation mit KI-ZitationshäufigkeitNicht nachweisbarSE Ranking (XGBoost-Modell)

Was llms.txt aktuell nicht leistet:

  • Kein Ranking-Faktor: Weder Google noch OpenAI oder Anthropic haben llms.txt als Signal in ihre Suchoberflächen integriert.
  • Keine Garantie für Zitationen: KI-Suchbots crawlen HTML direkt und überspringen die Datei nahezu vollständig.
  • Kein Ersatz für technisches SEO: Crawlbarkeit, strukturierte Daten und hochwertiger Inhalt bleiben die entscheidenden Faktoren für KI-Sichtbarkeit.

Wo llms.txt bereits funktioniert: das agentische Web

Die Datei entfaltet ihren Nutzen nicht bei KI-Suchmaschinen, sondern im sogenannten agentischen Web. Das ist die Schicht, in der KI-Agenten eigenständig Aufgaben ausführen, Kontext abrufen und Werkzeuge auswählen. IDE-Agenten, also KI-Assistenten in Entwicklungsumgebungen, wie Cursor, Claude Code oder GitHub Copilot suchen gezielt nach /llms.txt, wenn sie Dokumentationen einlesen. MCP-Server (Model Context Protocol) nutzen die Datei als Routing-Schicht, um KI-Anwendungen gezielt zu den richtigen Dokumentationsseiten zu leiten.

Für Website-Betreibende mit technischer Dokumentation ist das ein konkreter Nutzen: Entwicklerinnen und Entwickler, die mit KI-gestützten Editoren arbeiten, greifen über llms.txt direkt auf die relevanten Seiten zu. Wer eine API dokumentiert oder ein Software-Produkt betreibt, erreicht über die Datei eine Zielgruppe, die aktiv nach maschinenlesbaren Inhaltsübersichten sucht.

Wo llms.txt heute Wirkung zeigt:

  • IDE-Agenten: Cursor, Windsurf, Claude Code und Copilot lesen llms.txt, um relevante Dokumentationsseiten gezielt abzurufen. Das spart Entwicklungszeit.
  • MCP-Server: LangChain bietet mit mcpdoc einen Open-Source-Server, der llms.txt als Routing-Schicht für KI-Anwendungen nutzt.
  • Dokumentationsplattformen: Mintlify, GitBook und Vercel Docs generieren die Datei standardmäßig. Tausende Websites sind dadurch automatisch ausgestattet.

Sobald mehrere Websites, eigene Datenbanken oder mehr Speicher gebraucht werden, kommt klassisches Webhosting mit eigener Verwaltungsoberfläche ins Spiel. Die Webhosting-Tarife von DomainFactory reichen von einer bis zu 50 Websites und enthalten cPanel, tägliche Backups, eine Traffic-Flatrate sowie SSL-Zertifikate, je nach Tarif für alle verbundenen Domains.

Für wen sich llms.txt lohnt: Einordnung nach Website-Typ

Nicht jede Website profitiert gleich stark von llms.txt. Für Dokumentationsseiten und API-Anbieter ist die Datei inzwischen ein Standard, weil IDE-Agenten sie aktiv auslesen. Für eine lokale Unternehmenswebsite mit zehn Seiten ist der direkte Nutzen geringer, der Aufwand allerdings auch. Die Datei schadet in keinem Szenario, kostet nichts und bereitet die Website darauf vor, dass KI-Anbieter die Datei künftig als Signal auswerten könnten.

Nutzen von llms.txt nach Website-Typ:

  • API-Dokumentation / SaaS: Hoher direkter Nutzen heute, weil IDE-Agenten die Datei aktiv lesen. Aufwand ein bis zwei Stunden. Empfehlung: Pflicht.
  • Unternehmenswebsite / Selbstständige: Geringer direkter Nutzen, weil KI-Suchbots die Datei aktuell ignorieren. Aufwand 30 Minuten. Empfehlung: Sinnvolle Vorbereitung.
  • Blog / Content-Seite: Geringer bis mittlerer Nutzen. Aufwand 30 bis 60 Minuten. Empfehlung: Optional, schadet nicht.

Gut zu wissen: Wer die eigene Website bei einem deutschen Hosting-Anbieter betreibt, kann die Datei über den Dateimanager im Kundenbereich hochladen, ohne FTP-Programm und ohne Programmierkenntnisse. Datei erstellen, hochladen, im Browser prüfen.

Wer den Firmennamen ändert oder die Marke neu ausrichtet, steht schnell vor der Frage, ob dabei die mühsam aufgebauten Google-Positionen verloren gehen. Tatsächlich hängt die Sichtbarkeit nicht an der Adresse selbst, sondern an sauberen 301-Weiterleitungen, einem vollständigen Redirect-Mapping und der richtigen Meldung in der Search Console. Oft übersehen wird dabei, dass auch die alte Domain nicht einfach auslaufen darf, sonst wandern E-Mails und Besucherströme zu Dritten. Wie sich eine Website umziehen lässt, ohne Rankings zu verlieren, zeigt der Weg vom Mapping bis zur E-Mail-Umstellung Schritt für Schritt.

llms.txt und die Zukunft der KI-Sichtbarkeit: Trends und Entwicklungen

Kein großer KI-Anbieter hat sich bislang öffentlich zur Nutzung von llms.txt als Ranking-Signal verpflichtet. Gleichzeitig wächst das agentische Web: KI-Agenten, die eigenständig recherchieren oder vergleichen, brauchen maschinenlesbare Oberflächen. Die Datei ist die erste breit diskutierte Konvention für diese Schicht und damit eine vorausschauende Maßnahme mit geringem Aufwand und potenziell wachsendem Ertrag.

Was RAG für llms.txt bedeutet

RAG-basierte Systeme werden leistungsfähiger, und der Anteil von KI-Antworten, die auf externen Quellen basieren, wächst. Je stärker KI-Systeme auf externe Inhalte zugreifen, desto relevanter wird die Frage, wie Websites ihre Inhalte für diesen Abruf aufbereiten. llms.txt ist ein Teil dieser Entwicklung, und zwar der mit dem geringsten Einstiegsaufwand. Strukturierte Daten, sauberes HTML und hochwertiger Inhalt bleiben die Basis. llms.txt ergänzt diese Basis um eine Schicht, die speziell auf Sprachmodelle zugeschnitten ist.

Was passiert, wenn ein großer Anbieter llms.txt unterstützt

Sollte OpenAI, Google oder Anthropic die Datei künftig als Signal integrieren, wären Websites mit bestehender llms.txt sofort im Vorteil. Der Aufwand für die nachträgliche Erstellung ist zwar gering, aber wer die Datei bereits pflegt, hat die Inhaltsauswahl und Beschreibungen bereits durchdacht. Das ist vergleichbar mit strukturierten Daten, die auch erst dann ihren vollen Wert entfalteten, als Google sie in Rich Snippets übernahm. Wer sie vorher implementiert hatte, war schneller sichtbar.

llms.txt anlegen: eine Investition von 30 Minuten mit offenem Ausgang

llms.txt ist aktuell kein Mittel für mehr KI-Zitationen, sondern eine vorausschauende Maßnahme. Die Datei kostet nichts, ist in einer halben Stunde erstellt und schadet der Website in keinem Szenario. Wer die eigene Domain im Hauptverzeichnis verwaltet, etwa über den Dateimanager des Hosting-Anbieters, legt die Datei mit minimalem Aufwand an. Wer die Datei bereits pflegt, hat Auswahl und Beschreibungen durchdacht, bevor ein Anbieter sie als Signal auswertet.

Quellen

SE Ranking (Yulia Deda / Svitlana Tomko) (2026): Does LLMs.txt impact your AI visibility and citations? No, according to research. URL: seranking.com/blog/llms-txt/ (Zugriff am 04.11.2026).

Limy (Yahel Oren) (2026): LLMs.txt in 2026: The Full Guide. URL: limy.ai/blog/llms-txt-in-2026-the-full-guide (Zugriff am 04.11.2026).

llms-text.com (Michael Vereb) (2025): Websites Using llms.txt (2026 Directory & Real Examples). URL: www.llms-text.com/blog/sites-using-llms-txt (Zugriff am 04.11.2026).

Search Engine Journal (2026): LLMs.txt Does Not Boost AI Citations, New Analysis Finds. URL: www.searchenginejournal.com/llms-txt-shows-no-clear-effect-on-ai-citations-based-on-300k-domains/561542/ (Zugriff am 04.11.2026).

Google (2026): Google's Guide to Optimizing for Generative AI Features on Search. URL: developers.google.com/search/docs/fundamentals/ai-optimization-guide (Zugriff am 04.11.2026).

Der Autor:


DomainFactory

Als Qualitätsanbieter überzeugen wir mit HighEnd-Technologie und umfassenden Serviceleistungen. Mit mehr als 1,3 Millionen verwalteten Domainnamen gehören wir zu den größten Webhosting-Unternehmen im deutschsprachigen Raum.