llms.txt ist eine vorgeschlagene, standardisierte Textdatei im Wurzelverzeichnis einer Website, die einer KI in kompakter, maschinenlesbarer Form eine Übersicht der wichtigsten Inhalte der Seite liefern soll – nach dem Vorbild von robots.txt und sitemap.xml, aber ohne deren offizielle Unterstützung durch die großen Suchanbieter.
Zusammenfassung
llms.txt wurde als offener Vorschlag eingeführt, um Sprachmodellen eine knappe, strukturierte Zusammenfassung einer Website zu geben, statt dass diese die gesamte Seite crawlen und interpretieren müssen. Google hat offiziell bestätigt, die Datei nicht zu nutzen: John Mueller verglich sie mit dem längst bedeutungslos gewordenen Keywords-Meta-Tag, und Gary Illyes bestätigte im Juli 2025, dass Google llms.txt weder unterstützt noch eine Unterstützung plant (Illyes 2025). Trotzdem verzeichnet eine 2026 veröffentlichte Untersuchung an rund 300.000 Domains eine Adoptionsrate von rund 10 Prozent – ein erheblicher Anteil an Websites, die eine von Google ausdrücklich ignorierte Datei dennoch pflegen.
Abgrenzung
robots.txt – steuert, welche Crawler eine Website überhaupt besuchen dürfen, mit breiter, offizieller Unterstützung aller großen Suchanbieter. llms.txt liefert dagegen eine inhaltliche Zusammenfassung und wird von den wichtigsten KI-Suchanbietern nicht einheitlich genutzt.
Content-Chunking – die Praxis, Inhalte in kurze Textblöcke zu zerlegen; wie llms.txt ein von Google ausdrücklich als unnötig bezeichneter Ansatz, aber ein technisch anderes Konzept.
Begriffsgeschichte
3. September 2024 – Jeremy Howard (Answer.AI) schlägt das llms.txt-Format öffentlich vor.
2024/2025 – Einzelne KI-Anbieter, darunter Perplexity und Anthropic/Claude, rufen llms.txt-Dateien teilweise ab; Coding-Assistenten wie Cursor und GitHub Copilot nutzen das Format für eigene Zwecke.
Juli 2025 – Google bestätigt über Gary Illyes öffentlich, dass llms.txt für die eigene Suche nicht genutzt und nicht geplant ist (Illyes 2025).
Methodische Grundlagen
Die Adoption von llms.txt lässt sich unmittelbar zählen, indem geprüft wird, wie viele Websites eine solche Datei im Wurzelverzeichnis führen – daraus stammt die Zahl von rund 10 Prozent bei 300.000 untersuchten Domains. Schwerer zu messen ist dagegen der tatsächliche Nutzen: Da die größten KI-Suchanbieter die Datei nicht systematisch auswerten, lässt sich ein direkter Effekt auf die Zitierhäufigkeit einer Seite kaum von anderen Faktoren trennen.
Anwendungsfelder
Für die Sichtbarkeit in Googles KI-Suchsystemen (siehe Google AI Overview und Google AI Mode) ist llms.txt nach offizieller Aussage wirkungslos. Ein begrenzter, plausibler Nutzen bleibt für Coding-Agenten und Werkzeuge, die das Format aktiv auswerten, sowie situativ für einzelne KI-Suchsysteme wie Perplexity.
Kontroversen und Kritik
llms.txt gilt im Fachdiskurs als Beispiel für eine unbelegte, aber dennoch verbreitete GEO-Praxis: Trotz expliziter Absage durch den größten Suchanbieter pflegen viele Websites die Datei weiter, vermutlich aus Vorsicht oder weil sie in vielen GEO-Ratgebern unkritisch empfohlen wird. Die belegten Wirkfaktoren für generative Suche liegen stattdessen in Statistiken, Zitaten und autoritativen Quellen im eigentlichen Content, nicht in llms.txt oder Content-Chunking (siehe Generative Engine Optimization).
Verwandte Begriffe
- KI-Crawler – tatsächlich wirksamer technischer Hebel für KI-Sichtbarkeit, im Unterschied zu llms.txt
- Strukturierte Daten und Schema.org – weiterer, ähnlich unklar belegter technischer Ansatz
- Generative Engine Optimization – Praxisfeld, das llms.txt fälschlich oft als zentralen Hebel behandelt
- Google AI Overview – System, für das llms.txt nach offizieller Aussage keine Wirkung entfaltet
Quellenangaben
- Illyes, Gary / Google. 2025. Bestätigung zur Nichtnutzung von llms.txt. Search Central Live, Juli 2025.
- Studie zur Adoptionsrate von llms.txt bei 300.000 untersuchten Domains, 2026 (genaue Quelle vor Freigabe zu verifizieren).