Wer sich mit generativer Sichtbarkeit beschäftigt, stößt schnell auf die Empfehlung, eine llms.txt anzulegen. Der Vorschlag ist charmant einfach: eine Markdown-Datei unter domain.de/llms.txt, die KI-Systemen eine kuratierte Übersicht der wichtigsten Inhalte liefert. Die Umsetzung dauert eine halbe Stunde. Die Frage ist, was sie bringt.

Herkunft und Zweck

Vorgeschlagen wurde llms.txt am 3. September 2024 von Jeremy Howard, Mitgründer des Forschungslabors fast.ai und des Unternehmens Answer.AI. Die Spezifikation liegt unter llmstxt.org.

Das Problem, das Howard adressieren wollte, war klar umrissen und hatte mit Marketing wenig zu tun: Kontextfenster von Sprachmodellen sind zu klein für vollständige Websites, und HTML mit Navigation, Werbung und JavaScript ist mühsam in brauchbaren Text zu überführen. Besonders relevant war das für Entwicklungsumgebungen, in denen Assistenzsysteme schnell auf Programmierdokumentation zugreifen müssen. Howards eigenes Projekt FastHTML diente als Referenzimplementierung.

Das ist der Ursprung: ein Zugänglichkeitsproblem für Werkzeuge, die Dokumentation lesen. Nicht ein Sichtbarkeitsproblem für Marken.

Was in der Datei steht

Der Aufbau ist bewusst schlank: eine Überschrift mit dem Projektnamen, ein kurzer beschreibender Absatz als Blockzitat, danach thematisch gegliederte Abschnitte mit Links und knappen Erläuterungen.

# Projektname

> Ein bis drei Sätze, worum es geht.

## Kernseiten

- [Startseite](https://beispiel.de/): Wozu die Seite dient
- [Dokumentation](https://beispiel.de/docs): Was dort zu finden ist

## Optional

- [Archiv](https://beispiel.de/archiv): Ergänzendes Material

Abgrenzung zu bekannten Dateien: robots.txt regelt, wer was abrufen darf. sitemap.xml listet alle URLs auf. llms.txt soll eine dritte Ebene ergänzen – eine kuratierte Auswahl mit Kontext.

Der unbequeme Teil

llms.txt ist kein verabschiedeter Standard. Es gibt keinen W3C-Beschluss, kein IETF-RFC und keine Selbstverpflichtung der Plattformbetreiber. Der Vorschlag hat viel Aufmerksamkeit bekommen, was nicht dasselbe ist wie Verbindlichkeit.

Schwerer wiegt: Bislang hat kein großer Anbieter öffentlich bestätigt, die Datei für die Auswahl von Quellen in generierten Antworten auszuwerten. Auswertungen von Serverprotokollen, die in der Fachöffentlichkeit kursieren, deuten darauf hin, dass Abrufe von /llms.txt überwiegend von klassischen Suchmaschinen-Crawlern und SEO-Werkzeugen stammen – nicht von den Systemen, die Antworten erzeugen.

Auch Howards eigener Anwendungsfall spricht dafür, die Erwartungen zu justieren: Für API-Dokumentation, die von Coding-Assistenten gelesen wird, ergibt die Datei erkennbar Sinn. Für ein Branchenverzeichnis oder eine Unternehmensseite ist der Wirkungspfad deutlich unklarer.

Also weglassen?

Nein – aber mit realistischen Erwartungen. Die Abwägung fällt eindeutig aus:

  • Aufwand: eine Textdatei, idealerweise automatisch aus dem Content-System erzeugt. Praktisch keine laufenden Kosten.
  • Risiko: keine nachgewiesenen negativen Effekte auf SEO oder generative Sichtbarkeit.
  • Nutzen: derzeit nicht belegbar für Antwortsysteme, plausibel für Entwicklerwerkzeuge und Agenten, die eine Seite gezielt auslesen.

Das einzige reale Risiko liegt in der Prioritätensetzung. Wer Zeit in llms.txt investiert, bevor strukturierte Daten, eine saubere Crawler-Steuerung und zitierfähige Inhalte stehen, arbeitet an der falschen Stelle.

Wenn, dann richtig

Drei Punkte, die den Unterschied zwischen einer nützlichen und einer nutzlosen Datei ausmachen:

Automatisch erzeugen. Eine handgepflegte Datei ist nach drei Monaten veraltet. Wer sie aus der Datenbank generiert, hält sie ohne Aufwand aktuell.

Kontext mitliefern. Eine reine Linkliste ist eine schlechtere Sitemap. Der Mehrwert entsteht durch die kurzen Erläuterungen, die sagen, was hinter einem Link steht.

Inhalte einbetten, wo es passt. Bei überschaubaren Websites spricht nichts dagegen, zentrale Fakten direkt in die Datei zu schreiben statt nur zu verlinken – dann ist der Inhalt in einem Abruf verfügbar.

Fazit

llms.txt ist eine sinnvolle Ergänzung mit derzeit unbelegtem Nutzen für generative Sichtbarkeit. Wer sie automatisiert erzeugt, hat sie beinahe umsonst. Wer sie als Hebel für Nennungen in ChatGPT verkauft bekommt, sollte nachfragen, worauf sich diese Zusage stützt.