llms.txt: Standard, Aufbau und ein echtes Beispiel

Was ist llms.txt?

llms.txt ist eine Textdatei im Markdown-Format, die unter https://domain.tld/llms.txt liegt und KI-Systemen eine kompakte, kuratierte Übersicht der Website gibt: Wer wir sind, was es hier gibt, wo die wichtigsten Inhalte liegen. Der Vorschlag stammt von Jeremy Howard (Answer.AI) aus dem September 2024 und ist auf llmstxt.org dokumentiert.

Die Idee dahinter: Sprachmodelle arbeiten mit begrenzten Kontextfenstern und können nicht bei jeder Anfrage eine ganze Website crawlen und parsen. HTML-Seiten sind voller Navigation, Skripte und Werbung — eine llms.txt liefert dieselbe Information als sauberes, dichtes Markdown, das ein Modell direkt verarbeiten kann.

llms.txt vs. robots.txt vs. Sitemap

Die drei Dateien werden oft verwechselt, lösen aber verschiedene Probleme:

Datei	Zweck	Zielgruppe
robots.txt	Zugriffssteuerung: was darf gecrawlt werden	Crawler (Googlebot, GPTBot, …)
XML-Sitemap	Vollständige URL-Liste für die Indexierung	Suchmaschinen-Crawler
llms.txt	Kuratierte inhaltliche Übersicht mit Kontext	Sprachmodelle / KI-Assistenten

Kurz: robots.txt sagt „das darfst du", die Sitemap sagt „das existiert alles", llms.txt sagt „das ist wichtig, und darum geht es hier".

Aufbau: die vier Bausteine

Der Vorschlag definiert eine einfache Markdown-Struktur:

1. H1 mit dem Namen des Projekts/der Website — der einzige Pflichtbestandteil.
2. Blockquote direkt darunter mit einer knappen Zusammenfassung: Was ist das hier, für wen, was macht es besonders.
3. Sektionen (H2) mit Linklisten im Format - [Titel](URL): Beschreibung — thematisch gruppiert, jede Zeile mit erklärendem Zusatz.
4. Optional-Sektion (## Optional) für nachrangige Links, die ein Modell bei knappem Kontext weglassen kann.

Daneben existiert die Variante llms-full.txt, in der ganze Inhalte (nicht nur Links) als Markdown ausgeliefert werden — sinnvoll vor allem für Dokumentationen.

Echtes Beispiel: die llms.txt von omki.com

Diese Website liefert selbst eine produktive llms.txt aus: omki.com/llms.txt. Sie wird beim Build automatisch aus den echten Katalog- und Verzeichnisdaten generiert — Software-Kategorien, Vergleichsseiten und Lexikon-Einträge sind also nie veraltet. Der Anfang sieht so aus (gekürzt):

# OMKI — Online Marketing & Künstliche Intelligenz

> Deutschsprachige Plattform (DACH) für Online-Marketing und KI:
> Software-Verzeichnis mit echten Nutzerbewertungen, Agentur-Verzeichnis
> mit mechanisch aggregiertem OMKI-Score, Fachkonferenz, Magazin,
> Videos und Lexikon.

## Kernbereiche

- [Software-Verzeichnis](https://omki.com/software/): 500+ Marketing- und
  KI-Tools mit Erfahrungsberichten, Preisen und Alternativen
- [Lexikon](https://omki.com/lexikon/): Online-Marketing-Fachbegriffe erklärt

Drei Entscheidungen daraus lassen sich übertragen: Erstens nur stabile, kuratierte URLs aufnehmen (keine Pagination, keine Session-URLs). Zweitens jede Zeile mit einer echten Beschreibung versehen — das ist der Kontext, den ein Modell zitieren kann. Drittens die Datei automatisiert aus den Quelldaten erzeugen statt sie manuell zu pflegen.

Ehrliche Einordnung: Was bringt llms.txt wirklich?

Hier ist Transparenz wichtig: Kein großer Anbieter hat bislang verbindlich zugesagt, llms.txt auszuwerten. Google, OpenAI und Anthropic dokumentieren ihre Crawler (Googlebot, GPTBot/OAI-SearchBot, ClaudeBot), aber keine offizielle llms.txt-Unterstützung; Google-Vertreter haben sich öffentlich skeptisch geäußert. llms.txt ist damit eine Wette mit sehr geringem Einsatz:

• Aufwand: gering — eine Textdatei, idealerweise automatisch generiert.
• Risiko: praktisch null — die Datei stört weder Nutzer noch Suchmaschinen.
• Möglicher Nutzen: Werkzeuge und Agenten, die llms.txt bereits lesen (verbreitet vor allem im Entwickler-Umfeld, etwa bei Dokumentations-Tools), bekommen sauberen Kontext; falls sich der Standard durchsetzt, ist man früh dabei.

Wer llms.txt einführt, sollte sie deshalb als Ergänzung zu den belegten GEO-Hebeln verstehen — Struktur, Zitierbarkeit, Entitäten-Pflege — und nicht als deren Ersatz. Die Prioritäten ordnet der GEO-Praxis-Guide ein.

llms.txt in vier Schritten erstellen

1. Inventur: Die 20–50 wichtigsten, stabilen URLs der Website identifizieren und thematisch gruppieren (Kernbereiche, Produkt/Leistung, Wissen, Rechtliches).
2. Beschreiben: Für die Website eine 2–3-Satz-Zusammenfassung (Blockquote) und für jeden Link eine Ein-Satz-Beschreibung schreiben — konkret statt werblich.
3. Ausliefern: Die Datei als text/plain (UTF-8) unter /llms.txt bereitstellen und in der robots.txt nicht blockieren.
4. Aktuell halten: Generierung an den Build- oder Publishing-Prozess koppeln, damit neue Inhalte automatisch einfließen — und tote Links gar nicht erst entstehen.