llms.txt & Strukturierte Daten

1–2 Wochen

Implementierung

KI-optimierte Infrastruktur

Wo muss die llms.txt liegen?

Im Wurzelverzeichnis der Domain, erreichbar unter beispiel.de/llms.txt — analog zu robots.txt. Die erweiterte Fassung liegt unter llms-full.txt. Beide werden als text/plain ausgeliefert und sind bewusst in Markdown geschrieben, weil Sprachmodelle das zuverlässiger verarbeiten als HTML.

Was gehört in eine llms.txt und was nicht?

Hinein gehören: Name und ein Satz zur Organisation, Kontaktdaten, die zwanzig bis dreißig wichtigsten Seiten mit je einer kurzen Beschreibung, thematisch gruppiert. Nicht hinein gehören: alle URLs der Website — dafür gibt es die Sitemap —, Marketingtexte ohne Aussage und Angaben, die anderswo auf der Website anders lauten.

Wie unterscheidet sich llms.txt von robots.txt und der Sitemap?

robots.txt steuert, was gecrawlt werden darf. Die Sitemap listet vollständig, was existiert. llms.txt macht etwas Drittes: Sie wählt aus und erklärt. Ihr Zweck ist nicht Vollständigkeit, sondern einem Modell in wenigen Zeilen begreiflich zu machen, worum es auf dieser Website geht und wo die relevanten Inhalte liegen.

Sollte man die Datei von Hand pflegen?

Besser nicht. Von Hand gepflegte Dateien veralten zuverlässig — unsere eigene lag monatelang bei sieben von 176 URLs, bis wir sie aus dem Live-Inhalt generiert haben. Der Aufwand für eine generierte Fassung liegt bei wenigen Stunden und entfällt danach dauerhaft.

Muss man KI-Crawler in der robots.txt zulassen?

Wer in KI-Antworten vorkommen will: ja. GPTBot, ClaudeBot, PerplexityBot und Google-Extended lesen die robots.txt und halten sich daran. Eine llms.txt nützt nichts, wenn die Crawler ausgesperrt sind. Ob man sie zulässt, ist eine geschäftliche Entscheidung — sie sollte nur bewusst getroffen sein und nicht aus einer alten Konfiguration stammen.

Was bringen strukturierte Daten zusätzlich zur llms.txt?

Mehr, und zwar nachweisbar. Schema.org wird von Google seit Jahren ausgewertet, llms.txt von niemandem offiziell bestätigt. Wenn nur Zeit für eines da ist, nehmt strukturierte Daten: FAQPage für Frage-Antwort-Paare, Organization und LocalBusiness für die Zuordnung des Unternehmens, Service für das Angebot. llms.txt ist die günstige Ergänzung, nicht der Ersatz.

Was ist llms.txt?

llms.txt ist ein neuer Standard, vergleichbar mit robots.txt für Suchmaschinen. Es ist eine Markdown-Datei im Root-Verzeichnis eurer Website, die KI-Systemen eine strukturierte, maschinenlesbare Zusammenfassung eurer Inhalte bietet. Statt dass ChatGPT oder Perplexity eure gesamte Website crawlen müssen, können sie llms.txt lesen und sofort verstehen, wer ihr seid, was ihr anbietet und wie man euch erreicht.

Die Datei enthält: Unternehmensbeschreibung, Leistungsübersicht, Kontaktdaten, Team-Informationen und Links zu den wichtigsten Seiten. Sie ist bewusst in Markdown geschrieben, weil LLMs Markdown besser verarbeiten als HTML.

Wie eine llms.txt aufgebaut ist

Das Format ist bewusst einfach: eine Überschrift mit dem Namen der Organisation, ein Zitatblock mit einer Zusammenfassung in einem Satz, danach thematische Abschnitte mit Links und je einer kurzen Beschreibung. Markdown, kein XML — Sprachmodelle verarbeiten es zuverlässiger als HTML, und Menschen können es ebenfalls lesen.

Zwei Dateien haben sich eingebürgert: llms.txt als kuratierter Überblick mit den wichtigsten Einstiegspunkten, und llms-full.txt als erweiterte Fassung mit Zusammenfassungen je Inhalt. Die Kurzfassung soll ein Modell in wenigen Sekunden erfassen können; die lange Fassung hilft, wenn es gezielt nach einem Thema sucht.

Entscheidend ist die Auswahl, nicht die Vollständigkeit. Eine llms.txt, die alle 176 URLs einer Website auflistet, ist eine schlechtere Sitemap. Eine, die die zwanzig Seiten nennt, auf die es ankommt, und je einen Satz dazu sagt, wofür sie gut sind, erfüllt ihren Zweck.

Funktioniert das überhaupt? Eine ehrliche Einordnung

llms.txt ist ein Vorschlag, kein verabschiedeter Standard. Keiner der großen Anbieter hat öffentlich bestätigt, die Datei systematisch auszuwerten — anders als bei robots.txt, deren Beachtung dokumentiert ist. Wer euch llms.txt als sicheren Hebel für Sichtbarkeit in ChatGPT verkauft, geht über das hinaus, was belegbar ist.

Trotzdem raten wir dazu, und zwar aus einem nüchternen Grund: Der Aufwand ist gering, das Risiko null, und die Datei erzwingt eine Übung, die ohnehin nützlich ist — nämlich in zwanzig Zeilen zu formulieren, wer man ist und was man anbietet. Wer das nicht knapp sagen kann, hat ein Problem, das größer ist als eine fehlende Textdatei.

Der zweite Grund ist praktisch: Die Datei kostet einmal eine Stunde, wenn man sie generiert statt von Hand pflegt. Von Hand geschriebene Dateien veralten binnen Wochen — unsere eigene lag monatelang bei sieben von 176 URLs, bis wir sie aus dem Live-Inhalt erzeugt haben.

Warum strukturierte Daten für GEO entscheidend sind

Schema.org und JSON-LD sind keine neue Technologie — Google nutzt sie seit Jahren für Rich Snippets. Für GEO bekommen sie eine zusätzliche Bedeutung: KI-Systeme nutzen strukturierte Daten, um Entitäten auseinanderzuhalten. Wer ist Marcus Smolarek, was ist e-laborat, welche Leistungen gehören dazu — strukturierte Daten beantworten das maschinenlesbar und ohne Interpretationsspielraum.

Am meisten bringt in der Praxis FAQPage-Markup, weil es Frage-Antwort-Paare liefert, die ein Modell direkt übernehmen kann. Danach Organization und LocalBusiness für die Zuordnung des Unternehmens, dann Service für das Angebot und BreadcrumbList für die Einordnung einer Seite in die Struktur.

Wichtig dabei: Das Markup muss dem sichtbaren Inhalt entsprechen. FAQ-Schema ohne sichtbare FAQ auf der Seite ist ein Verstoß gegen Googles Richtlinien und kann zu einer manuellen Maßnahme führen. Wir setzen es deshalb grundsätzlich zusammen um — Text und Markup aus derselben Quelle.

Was zuerst — die Reihenfolge, die wir empfehlen

Aus unseren Projekten hat sich diese Abfolge bewährt, sortiert nach Wirkung pro Aufwand:

• Canonical-URLs auf allen Seiten — ohne eindeutige Quell-URL ist jede weitere Maßnahme unscharf.
• FAQPage-Markup mit sichtbaren Antworten auf den Seiten, die eine kommerzielle Frage beantworten.
• Organization und LocalBusiness einmal sauber, mit denselben Angaben wie im Impressum und in Branchenverzeichnissen.
• llms.txt generiert, nicht von Hand — dann bleibt sie aktuell.
• Belege in den Texten: Zahlen mit Quelle, Aussagen mit Datum. Zitierfähig wird, was überprüfbar ist.
• KI-Crawler in der robots.txt bewusst erlauben oder ausschließen — aber entschieden, nicht per Zufall.