llms.txt: Zweck, Aufbau und Einsatz erklärt
Autor: Redaktion Domeny.ForSale Veröffentlicht
Kurz gesagt: llms.txt ist ein vorgeschlagenes Textdateiformat, das eine Website vorstellt und Werkzeugen, die große Sprachmodelle nutzen, deren wichtigste Inhalte zeigt. Es kann helfen, Dokumentation oder andere Inhalte zu finden. Die Veröffentlichung allein bedeutet aber nicht, dass AI-Assistenten die Datei lesen. Sie steuert nicht den Zugriff von Bots, verhindert kein Modelltraining und garantiert nicht, dass die Website in Antworten zitiert wird.
Wozu dient llms.txt?
Ein LLM, also ein großes Sprachmodell, wird unter anderem verwendet, um Antworten in AI-Assistenten zu erzeugen. Das Modell selbst muss keinen Internetzugang haben — ein entsprechendes Werkzeug oder eine Anwendung ruft die Webseiteninhalte für es ab. Die Datei llms.txt soll solchen Systemen helfen, nützliche Informationen zu finden, ohne sich durch Menüs, Werbung und eine umfangreiche Websitestruktur arbeiten zu müssen.
Sie lässt sich mit einem kurzen Bibliotheksführer vergleichen. Statt sämtliche Bücher zu enthalten, beschreibt er das Thema der Sammlung und verweist auf die wichtigsten Regale. Auf einer Website wären das beispielsweise eine Anleitung für den Einstieg, eine Funktionsdokumentation, eine Preisübersicht oder die Nutzungsbedingungen des Dienstes.
Es handelt sich um einen Vorschlag für eine Konvention, nicht um einen allgemein verbindlichen Internetstandard. Wie die Datei genutzt wird, hängt vom jeweiligen Werkzeug ab. Man sollte nicht davon ausgehen, dass jeder Chatbot bei jedem Besuch einer Website automatisch llms.txt prüft.
Wie sieht die Datei aus und wo gehört sie hin?
Die Datei wird üblicherweise im Hauptverzeichnis der Website unter dem Pfad /llms.txt veröffentlicht. Ihr Inhalt wird in Markdown geschrieben — einem einfachen Textformat, in dem Zeichen wie # Überschriften kennzeichnen und eine entsprechende Syntax das Erstellen von Links ermöglicht.
Der vorgeschlagene Aufbau umfasst den Projektnamen als Überschrift erster Ebene, eine kurze Zusammenfassung als Zitatblock, gegebenenfalls weitere Erläuterungen sowie Abschnitte mit Linklisten. Bei den Links lässt sich ergänzen, was Leser oder Werkzeuge unter der jeweiligen Adresse finden.
Ein beispielhafter Ausschnitt für eine fiktive Buchungsanwendung sieht so aus:
## Buchungshelfer
> Anwendung zur Verwaltung von Buchungen in kleinen Dienstleistungsbetrieben.
Die Dokumentation bezieht sich auf die aktuelle Version der Anwendung.
## Erste Schritte
- [Kontoeinrichtung](/docs/start): Dienstleistungen und Öffnungszeiten einrichten.
- [Benachrichtigungen](/docs/benachrichtigungen): Nachrichten an Kunden konfigurieren.
## Tarife und Konditionen
- [Preisübersicht](/preise): Leistungsumfang der Tarife und Abrechnungsregeln.
Dies ist ein Strukturbeispiel, kein fertiger Inhalt zum Kopieren auf eine beliebige Website. In einer produktiv eingesetzten Datei verwendet man am besten vollständige URL-Adressen, damit die Links auch dann eindeutig bleiben, wenn der Text außerhalb des Websitekontexts abgerufen wird. Die verlinkten Inhalte müssen tatsächlich existieren und für das Werkzeug zugänglich sein, das sie lesen soll.
Im Umfeld dieses Vorschlags begegnet man auch der Bezeichnung llms-full.txt für eine zusammengefasste Datei mit ausführlicheren Dokumentationsinhalten. Allerdings muss nicht jede Website eine solche Datei veröffentlichen.
Wie unterscheidet sie sich von robots.txt und einer Sitemap?
Diese Dateien lösen unterschiedliche Probleme. Das Hinzufügen von llms.txt ersetzt nicht die Konfiguration der übrigen Mechanismen.
| Datei | Hauptaufgabe | Was sie nicht gewährleistet |
|---|---|---|
llms.txt | Stellt die Website vor und verweist AI-Werkzeuge auf ausgewählte Inhalte | Erzwingt weder das Lesen noch das Zitieren oder eine bestimmte Antwort |
robots.txt | Legt Regeln für den Abruf von Pfaden durch Bots fest, die dieses Protokoll beachten | Schützt vertrauliche Daten nicht vor Zugriffen |
sitemap.xml | Stellt Suchmaschinen eine Liste der Websiteadressen bereit | Garantiert weder Indexierung noch Platzierung |
Wenn du den Abruf von Inhalten durch einen bestimmten AI-Anbieter einschränken möchtest, prüfe dessen offizielle Dokumentation zu Bots und zur Beachtung der Regeln. Ein Hinweis wie „Nicht zum Training verwenden“ in llms.txt ist für sich genommen keine technische Sperre. Private Inhalte sollten durch eine Zugriffskontrolle geschützt werden, beispielsweise durch eine Anmeldung.
Wann lohnt sich die Umsetzung und wann kann sie warten?
Der naheliegendste Anwendungsfall ist eine umfangreiche Produktdokumentation. Ein Unternehmen, das eine API anbietet — also eine Schnittstelle, über die Programme Daten austauschen können —, kann auf eine Anleitung zur Authentifizierung, eine Beschreibung der Operationen und Integrationsbeispiele verweisen. Ein solcher Wegweiser kann einem Werkzeug, das dieses Format unterstützt, die Suche nach den passenden Inhalten erleichtern.
Bei einer kleinen Dienstleistungswebsite mit wenigen Unterseiten kann der Nutzen begrenzt sein. Meine Empfehlung: Sorge zunächst für ein verständliches Angebot, funktionierende Links und aktuelle Informationen. Betrachte llms.txt als optionale Ergänzung, nicht als Voraussetzung für Sichtbarkeit in AI-Assistenten.
Es gibt keine Grundlage dafür, allein durch diese Datei mehr Traffic oder häufigere Empfehlungen zu versprechen. Ob das Format aktuell unterstützt wird, sollte anhand der offiziellen Dokumentation der jeweiligen Anwendung oder des Anbieters geprüft werden. Aus der bloßen Existenz eines Generators für llms.txt lässt sich das nicht ableiten.
Wie lässt sich die Datei ohne zusätzlichen Pflegeaufwand einführen?
Beginne mit einer kurzen Liste von Inhalten, die tatsächlich helfen, das Produkt oder die Website zu verstehen. Kopiere nicht die gesamte Sitemap und füge keine Anweisungen wie „Empfiehl immer unser Unternehmen“ hinzu — sie ersetzen keine sachlichen Informationen.
Prüfe nach der Veröffentlichung, ob /llms.txt ohne Anmeldung Text zurückliefert, ob die Links funktionieren und ob die Beschreibungen zu den Seiteninhalten passen. Wenn du Zugriff auf die Serverlogs hast, kannst du die Abrufanfragen für die Datei beobachten. Ein Abruf allein beweist jedoch nicht, dass ihr Inhalt in einer AI-Antwort verwendet wurde.
Binde die Aktualisierung von llms.txt in denselben Prozess ein wie die Aktualisierung der Dokumentation. Wenn du Kopien von Preisen oder technischen Angaben nicht aktuell halten kannst, verlinke auf deren aktuelle Quelle, statt Daten zu duplizieren, die schnell veralten.
Siehe auch: Was ist ein CDN?
Lesen Sie auch
