Wer im DACH-Raum nach llms.txt sucht, will meist wissen, ob sich der Aufwand für den eigenen Shop oder die eigene Marke lohnt. Die kurze Antwort vorweg: Die Datei ist in einer halben Stunde angelegt, kostet nichts, und verändert nach heutigem Kenntnisstand kaum, ob ChatGPT, Perplexity, Claude oder Gemini eine Marke in einer Antwort nennen. Der Rest dieses Beitrags erklärt, was die Datei laut ihrer eigenen Spezifikation leisten soll, wie sie aufgebaut ist, was Google und unabhängige Untersuchungen dazu sagen, und was für die KI-Sichtbarkeit eines Shops tatsächlich mehr zählt. Als Beispiel dient die llms.txt von rivly.de selbst, live und öffentlich abrufbar.
Was llms.txt ist: der Vorschlag von llmstxt.org
Der Vorschlag stammt von Jeremy Howard, Mitgründer von Fast.ai und später von Answer.AI, veröffentlicht am 3. September 2024 auf der Seite llmstxt.org. Die Begründung dort: Webseiten sind für Menschen gebaut, mit Navigation, Werbung und Skripten drumherum. Das macht es für ein KI-System aufwendig und ungenau, den eigentlichen Inhalt herauszufiltern, zumal der Kontext, den ein System auf einmal verarbeiten kann, begrenzt bleibt. Eine llms.txt soll stattdessen eine kurze, saubere Übersicht liefern: was die Website ist und welche Seiten zählen.
Formal folgt die Datei einem festen Aufbau. Pflicht ist nur eine H1-Überschrift mit dem Namen des Projekts oder der Marke. Danach folgt ein Blockzitat mit einer kurzen Zusammenfassung. Optional folgen freie Absätze mit weiterem Kontext, danach optionale Abschnitte mit H2-Überschrift, die jeweils eine Liste von Links enthalten: ein Titel, eine URL, dahinter wahlweise eine kurze Notiz. Ein Abschnitt mit dem Titel „Optional“ ist laut Spezifikation eine eigene Konvention dafür, Links zu sammeln, die ein System bei kurzem Kontext überspringen kann. Verbreitet ist außerdem eine zweite Datei, llms-full.txt, mit dem vollständigen Text. Sie steht nicht in der Spezifikation selbst, sondern hat sich als Konvention über Dokumentationswerkzeuge durchgesetzt.
Am 10. August 2026 hat Jeremy Howard auf llmstxt.org eine überarbeitete Version 2 veröffentlicht, nach eigenen Angaben auf Basis von zwei Jahren Verbreitung. Laut llmstxt.org veröffentlichen inzwischen tausende Websites eine solche Datei, darunter OpenAI, Anthropic und Google für ihre Entwickler-Dokumentation. Am grundsätzlichen Format hat sich wenig geändert.
Auffällig an der Verbreitung: Sie kommt heute vor allem über Werkzeuge, nicht durch einzelne Website-Betreiber von Hand. Anbieter wie Mintlify, GitBook, Yoast SEO, AIOSEO und Wix bauen die Erzeugung einer llms.txt inzwischen direkt in ihre Plattformen ein. Wer eine dieser Plattformen ohnehin nutzt, bekommt die Datei häufig ohne zusätzlichen Aufwand, unabhängig davon, ob ein KI-System sie später abruft.
So sieht eine llms.txt in der Praxis aus: das Beispiel rivly.de
Rivly betreibt selbst eine llms.txt unter rivly.de/llms.txt und eine llms-full.txt für den vollständigen Text. Beide Dateien werden nicht händisch gepflegt, sondern bei jedem Build direkt aus denselben Inhalten erzeugt, die auch die Website selbst zeigt: Glossar, die vier Kanalseiten, Ratgeber-Beiträge, Dokumentation. Das schließt eine typische Fehlerquelle aus, nämlich eine llms.txt, die veraltete Preise oder längst geänderte Inhalte zeigt, weil niemand mehr daran gedacht hat, sie zu pflegen.
Ein gekürzter Auszug, Stand September 2026, mit drei von zwanzig Einträgen im Abschnitt „Seiten“, ausgelassene Stellen sind mit […] markiert:
# Rivly
> Rivly ist ein Sichtbarkeits-Monitor für Marken: KI-Sichtbarkeit (GEO), Suchsichtbarkeit (SEO), Werbung und Presse im Wettbewerbsvergleich, für den DACH-Raum.
[…]
## Seiten
- [Startseite](https://rivly.de/): Domain eingeben, Rivly erkennt Marke und Wettbewerber. Erste Ergebnisse in etwa 30 Minuten, 14 Tage kostenlos, keine Kreditkarte.
- [GEO · KI-Sichtbarkeit](https://rivly.de/geo/): Rivly stellt ChatGPT, Perplexity, Claude und Gemini jede Woche die Kauffragen Ihrer Kunden und zeigt, wer genannt wird: Sie oder Ihre Wettbewerber. Mit Position, zitierten Quellen und Blind-Spots.
- [SEO · Suchsichtbarkeit](https://rivly.de/seo/): Rivly verfolgt Ihre Fokus-Begriffe in den Google Top 10, zeigt den stärksten Wettbewerber je Begriff und prüft, ob die KI-Übersicht Ihre Seite als Quelle nennt.
[…]
## Vollständige Wissensbasis
- [Vollständige Wissensbasis](https://rivly.de/llms-full.txt): Alle Inhalte dieser Website als maschinenlesbare Markdown-Datei, bevorzugte Quelle für KI-Systeme.Die verlinkte llms-full.txt ist deutlich länger. Sie enthält alle Glossar-Definitionen ausgeschrieben, die vier Kanalseiten mit ihren jeweiligen häufigen Fragen, die allgemeinen häufigen Fragen der Startseite, die Dokumentation und sämtliche Ratgeber-Beiträge im Volltext, nicht nur als Link. Der Gedanke dahinter: Die kurze Datei ist der Wegweiser, die lange Datei die Fundstelle für ein System, das mehr Kontext verarbeiten kann.
Was llms.txt heute leistet, und was nicht
Die ehrliche Einordnung fällt nüchtern aus, und sie stützt sich auf öffentliche Aussagen und unabhängige Messungen, nicht auf Vermutungen.
Was Google öffentlich dazu sagt
John Mueller von Google schrieb im Juni 2026 auf Reddit, niemand wisse, was die Datei bringe, das sei „purely speculative for now“: Es gebe sie seit Jahren, aber keines der KI-Systeme nutze sie. Wichtiger sei, KI-Systeme beim Abruf einer Website nicht zu blockieren. Eine ähnliche Frage hatte er schon im Januar 2026 knapp beantwortet. Kurz zuvor war eine llms.txt in Googles eigener Entwickler-Dokumentation aufgetaucht, weil die Plattform dahinter die Datei unterstützte, und das Such-Team hatte sie aus seiner Dokumentation schnell wieder entfernt. Auf die Frage, ob das eine Empfehlung Googles sei, antwortete Mueller laut Search Engine Roundtable: „to be direct, no“.
Was die Zugriffszahlen zeigen
Zwei unabhängige Untersuchungen aus dem Jahr 2026 zeigen, wie selten KI-Systeme die Datei tatsächlich abrufen. Ahrefs hat im Juni 2026 die Daten von 137.210 Domains ausgewertet, die das hauseigene Analysewerkzeug Ahrefs Web Analytics nutzen: 28 Prozent davon veröffentlichen eine llms.txt, doch 97 Prozent dieser Dateien wurden im Mai 2026 kein einziges Mal abgerufen. Von den Abrufen, die tatsächlich stattfanden, kamen nur 19,5 Prozent von benannten KI-Systemen, während SEO-Prüfwerkzeuge mit 21,7 Prozent die größte einzelne Gruppe stellten. Systeme, die für eine einzelne Anfrage tatsächlich Inhalte live nachladen, kamen auf 1,1 Prozent aller Zugriffe. Otterly.AI kam im Februar 2026 in einem eigenen Test zu einem ähnlichen Bild: Über 90 Tage zählte die Untersuchung mehr als 62.000 Besuche von KI-Systemen auf einer einzelnen Website, aber nur 84 davon riefen die llms.txt ab, ein Anteil von 0,1 Prozent. Eine gewöhnliche Inhaltsseite derselben Website kam im selben Zeitraum im Schnitt auf rund 265 Aufrufe durch KI-Systeme, nach Angaben von Otterly.AI etwa das Dreifache der gesamten Aufrufe der llms.txt über die volle Laufzeit der Untersuchung.
Zusammengenommen: llms.txt ist ein Vorschlag, kein ratifizierter Standard, kein großer KI-Anbieter hat öffentlich bestätigt, sie als Quelle zu nutzen, und die verfügbaren Zugriffsdaten zeigen bislang kaum Nutzung durch KI-Systeme selbst. Das ist kein Grund, die Datei wegzulassen, sie kostet fast nichts. Es ist aber ein Grund, sie nicht als Wachstumshebel für KI-Sichtbarkeit zu planen.
llms.txt, robots.txt und sitemap.xml im Unterschied
Alle drei Dateien liegen im Root einer Website, alle drei sind reine Textformate. Ihr Zweck, ihr Status und wer sie heute tatsächlich liest, unterscheiden sich deutlich.
| Merkmal | llms.txt | robots.txt | sitemap.xml |
|---|---|---|---|
| Zweck | kuratierte Übersicht wichtiger Seiten für KI-Systeme | erlaubt oder sperrt Zugriff für bestimmte Pfade, je System | listet alle indexierbaren URLs für Suchmaschinen |
| Format | Markdown mit Überschrift, Zusammenfassung, Linklisten | einfache Textdirektiven je System | XML mit URL, Änderungsdatum, Priorität |
| Offizieller Status | Vorschlag auf llmstxt.org, seit September 2024, kein ratifizierter Standard | IETF-Standard RFC 9309, seit September 2022 | gemeinsames Protokoll von Google, Yahoo und Microsoft, seit November 2006 |
| Wer liest es heute nachweislich | laut Untersuchungen kaum ein KI-System, vor allem SEO-Werkzeuge | dokumentierte Systeme wie GPTBot oder ClaudeBot geben an, die Regeln zu befolgen | Google und andere Suchmaschinen, einreichbar über die Search Console |
| Durchsetzung | reine Empfehlung, keine technische Wirkung | Bitte an kooperative Systeme, kein Zugriffsschutz | reiner Hinweis zur Entdeckung, keine Rangfaktor-Garantie |
Der praktische Unterschied für einen Shop: Eine sitemap.xml sorgt dafür, dass Google neue Produktseiten überhaupt findet. Eine robots.txt entscheidet, welche Systeme dabei ausdrücklich willkommen sind, dazu gehören inzwischen auch KI-spezifische Systeme mit eigenem User-Agent. Eine llms.txt beschreibt zusätzlich, in eigenen Worten, welche der gefundenen Seiten am wichtigsten sind, allerdings ohne die Gewissheit, dass diese Beschreibung heute schon gelesen wird.
Auch bei der Veröffentlichung selbst gibt es einen Unterschied: Eine sitemap.xml wird üblicherweise zusätzlich aktiv bei einer Suchmaschine eingereicht, etwa über die Google Search Console. Eine robots.txt und eine llms.txt dagegen liegen einfach im Root der Website und werden von niemandem entgegengenommen, es reicht, dass sie unter ihrer festen Adresse abrufbar sind.
In 5 Schritten zur eigenen llms.txt
Wer trotzdem eine llms.txt anlegen möchte, etwa weil die eigene Website-Plattform sie automatisch mitbringt oder weil Entwicklerinnen und Entwickler mit KI-gestützten Werkzeugen auf die Dokumentation zugreifen sollen, kommt in wenigen Schritten zu einer sauberen Version.
- Wichtige Seiten sammeln. Kategorien, Bestseller, Versand- und Rückgabebedingungen, Über-uns-Seite, Kontakt, gegebenenfalls eine Dokumentation für Partner. Fünf bis fünfzehn Links reichen für die kurze Fassung.
- Datei anlegen. Eine reine Textdatei namens llms.txt im Root der Website, also unter ihre-domain.de/llms.txt erreichbar. Kein HTML, keine Formatierung außerhalb von Markdown.
- Aufbau befüllen. Eine H1 mit dem Markennamen, darunter ein Blockzitat mit ein bis zwei Sätzen, was die Marke oder der Shop ist. Danach, wenn gewünscht, H2-Abschnitte mit Linklisten nach demselben Muster wie im Beispiel oben.
- Ablegen und veröffentlichen. Kein zusätzlicher Eintrag in robots.txt oder sitemap.xml ist nötig, die Datei muss lediglich unter ihrer festen Adresse abrufbar sein. Bei Shopware 6 liegt sie im
public-Verzeichnis der Installation, ein Plugin brauchen Sie dafür nicht, wie der Beitrag KI-Sichtbarkeit für Shopware zeigt. - Aktuell halten. Bei jeder wichtigen Änderung, etwa einer neuen Kategorie oder einer geänderten Rückgabefrist, mitpflegen. Wer eine Website mit eigener Inhaltsverwaltung betreibt, kann die Datei wie im Rivly-Beispiel oben aus denselben Daten erzeugen, die auch die übrige Website zeigt, statt sie getrennt zu pflegen. Das nimmt das Risiko einer veralteten Datei.
Einen Entwurf aus Ihrer Startseite und Sitemap, zusammen mit einer Prüfung, welche KI-Crawler Ihre robots.txt zulässt, erstellt der kostenlose llms.txt Generator und KI-Crawler-Check ohne Konto. Ein kurzes Gerüst für Schritt 3, als Vorlage:
# [Ihre Marke]
> [Ihre Marke] ist ein Online-Shop für [Kategorie] im DACH-Raum, mit Sitz in [Ort].
## Seiten
- [Kategorien](https://ihre-domain.de/kategorien/): Übersicht aller Produktkategorien.
- [Versand und Rückgabe](https://ihre-domain.de/versand-rueckgabe/): Lieferzeiten, Kosten, Rückgabefrist.
- [Über uns](https://ihre-domain.de/ueber-uns/): Gründung, Standort, Ansprechpartner.
## Rechtliches
- [Impressum](https://ihre-domain.de/impressum/): Anbieterkennzeichnung.Was für KI-Sichtbarkeit mehr zählt als eine llms.txt
Drei Punkte wiegen nach heutigem Kenntnisstand deutlich schwerer als eine einzelne Wegweiser-Datei.
Erstens: wer in den Quellen steht, die eine KI-Antwort tatsächlich zitiert. Ein Beispiel aus eigener Messung vom 27. September 2026: Rivly hat 20 eigene Kauffragen an ChatGPT, Perplexity, Claude und Gemini gestellt, insgesamt 80 Antworten. Die eigene Marke kam darin einmal vor. Genannt wurden dagegen Profound in 43 der 80 Antworten, Peec AI in 42, Otterly.AI in 40, Semrush in 38 und Sistrix in 31. Die Quellen, die die vier Systeme dabei am häufigsten zitierten, waren blog.hubspot.de mit 10 Nennungen, seranking.com mit 10, omr.com mit 9, drweb.de mit 9, omt.de mit 7 und handelsblatt.com mit 6. Keine dieser Domains ist eine llms.txt, es sind Fachartikel, Vergleichsseiten und ein Wirtschaftsmedium, in denen die jeweilige Marke tatsächlich vorkommt. Wie Rivly solche Nennungen jede Woche für eine eigene Marke im Vergleich zu Wettbewerbern misst, beschreibt die Seite KI-Sichtbarkeit.
Zweitens: Inhalte, die tatsächlich Kauffragen beantworten, nicht nur Produkttexte. Was das konkret bedeutet, ordnen KI-Sichtbarkeit erhöhen: 7 konkrete Maßnahmen und Empfiehlt ChatGPT Ihre Marke? ein, inklusive einer Anleitung, wie sich das selbst mit wenigen Kauffragen testen lässt.
Drittens: eine robots.txt, die KI-spezifische Systeme nicht versehentlich aussperrt. Viele Websites haben eine funktionierende robots.txt für klassische Suchmaschinen, aber keine ausdrückliche Erlaubnis für neuere Systeme mit eigenem User-Agent. Das ist in der Regel eine Sache von Minuten und unabhängig davon, ob eine llms.txt existiert. Was GEO und die verwandte Answer Engine Optimization insgesamt umfassen, erklärt Was ist GEO und AEO?.
Wie es um die eigene Marke bei ChatGPT, Perplexity, Claude und Gemini steht, und welche Wettbewerber davorstehen, zeigt eine eigene Messung zuverlässiger als jede einzelne technische Maßnahme. Auf Wie wir messen steht offen, wie Rivly das jede Woche für eine Marke und ihre Wettbewerber macht.
Kurz gesagt: Eine llms.txt schadet nicht, sie ersetzt aber keine der drei Maßnahmen oben.