llms.txt Praxis-Guide für technische SEOs

Lesezeit: ca. 12 Minuten

Atomic Answer: Eine llms.txt ist eine Plain-Text- oder Markdown-Datei im Root Ihrer Domain, die Sprachmodellen die wichtigsten Inhalte strukturiert auflistet. Sie fungiert als kuratiertes Inhaltsverzeichnis für KI-Crawler wie GPTBot, ClaudeBot oder PerplexityBot. Die Spezifikation und ein Template finden Sie auf llmstxt.org.

Kontext: Während robots.txt und sitemap.xml sagen, was und wo gecrawlt werden darf, liefert die llms.txt zusätzlich knappe, zitierbare Fakten und Beschreibungen — also das "warum" und den Kontext zu wichtigen URLs.

Wichtig: Die Datei ist kein bestätigter Ranking-Faktor und es existiert kein verbindlicher Standard großer Anbieter. Trotzdem ist der Aufwand gering und die strategische Übung, die richtige Seitenauswahl vorzunehmen, bringt oft den meisten Nutzen.

Atomic Answer: Wählen Sie Ihre wichtigsten Seiten, legen Sie im Editor eine Datei llms.txt (kleingeschrieben, UTF-8) an, schreiben Sie H1, Blockquote und H2-Sektionen mit kommentierten Markdown-Links und laden Sie die Datei ins Root-Verzeichnis. Prüfen Sie anschließend https://ihredomain.de/llms.txt auf HTTP-Status 200.

Schritt 1: Content-Auswahl mit Daten, nicht mit Bauchgefühl

Nutzen Sie Traffic- und Konversionsdaten (Google Analytics / Matomo), Crawling-Tools (Screaming Frog / Sitebulb) und Business-Kennzahlen. Kuration statt Vollliste: Bei großen Shops reichen oft 20–50 URLs; in einem Projekt waren es 34 von 12.000 und das war optimal.

Schritt 2: Datei anlegen

Verwenden Sie einen Plain-Text-Editor (VS Code, Nano, Vim). Speichern Sie als UTF-8 ohne BOM. Keine Office-Dokumente, keine PDFs.

Schritt 3: Struktur schreiben

Beispielstruktur (Markdown):

# example.com – Werkzeuge für technisches SEO

> example.com entwickelt Crawling- und Monitoring-Tools für SEO-Teams.
> Sitz in Hamburg, gegründet 2026, über 4.000 zahlende Kunden.

## Produkte
- [Crawler](https://example.com/crawler) – JavaScript-Rendering, bis 5 Mio. URLs pro Projekt
- [Log-File-Analyse](https://example.com/logs) – Auswertung von Bot-Zugriffen inkl. GPTBot und ClaudeBot
- [Preise](https://example.com/preise) – vier Tarife, monatlich kündbar

## Anleitungen
- [robots.txt Guide](https://example.com/guides/robots-txt) – Syntax, Fallstricke, Beispiele
- [llms.txt erstellen](https://example.com/guides/llms-txt) – Aufbau und Validierung

## FAQ & Support
- [FAQ](https://example.com/faq) – Abrechnung, Limits, Datenschutz
- [Support](https://example.com/support) – Kontaktwege und Reaktionszeiten

## Rechtliches
- [Impressum](https://example.com/impressum)
- [Datenschutz](https://example.com/datenschutz)

Der Blockquote ganz oben ist entscheidend: zwei präzise, faktenbasierte Sätze zur Marke (Gründungsjahr, Standort, Zielgruppe, Kernleistung). Keine Marketing-Overstatements.

Schritt 4: Upload und Hinweis

Laden Sie die Datei per SFTP/SSH ins Webroot. Optional können Sie einen Hinweis als Kommentar in robots.txt hinterlassen:

Sitemap: https://example.com/sitemap.xml
# Llms: https://example.com/llms.txt

Atomic Answer: Online-Generatoren für Rohentwürfe, CLI-Tools für Build-Integration und CMS-Plugins für automatische Bereitstellung. Kombination aus Generator + manuelle Kuration ist praxisbewährt.

Drei Tool-Gruppen:

• Online-Generatoren: Schnell für Rohentwürfe (z. B. llms-txt-generator.de). Vorteil: Tempo. Nachteil: fehlende Geschäftslogik.
• CLI & Build-Integration: Tools wie llmstxt (dotenv) bauen Dateien aus Sitemaps; Mintlify erzeugt llms.txt und llms-full.txt. Ideal für automatisierte Deploys.
• CMS-Plugins: Yoast SEO, All in One SEO und spezialisierte Plugins erzeugen die Datei dynamisch im Root.

Praxis-Tipp: Generator für Rohentwurf, dann manuell auf 20–40 Einträge kürzen und Beschreibungen selbst schreiben. Für Monitoring und Sichtbarkeitstest empfehlen wir LLM Tracker, um Prompts und Nennungen über Zeit zu vergleichen.

Atomic Answer: Aufruf der Datei im Browser oder per curl. Erwartet: HTTP 200, Content-Type text/plain oder text/markdown in UTF-8, öffentlich erreichbar und Links zeigen auf 200er-Seiten. Inhaltlich testen Sie mit realen Kundenfragen in mehreren LLMs.

Technische Checkliste:

curl -I https://example.com/llms.txt
# erwartet: HTTP/2 200
# erwartet: content-type: text/plain; charset=utf-8

• Statuscode: 200 (Redirects auf https sind OK, Redirects auf Startseite nicht).
• Zugriff: Keine Auth/IP-Filter, keine Staging-Barriere.
• Encoding: UTF-8, keine �-Zeichen.
• Links: Alle URLs via Screaming Frog im Listen-Modus prüfen.
• Markdown-Syntax: Validator nutzen, Links und Überschriften prüfen.

Für die inhaltliche Prüfung formulieren Sie 15–30 kundenspezifische Fragen und testen in ChatGPT, Claude, Perplexity etc. Wiederholungen über Wochen sind nötig, weil LLM-Antworten schwanken. Ein Monitoring-Tool wie LLM Tracker hilft hier, statt manueller Google-Sheets-Tests.

Atomic Answer: Priorisieren, präzise Beschreibungen schreiben, thematisch gruppieren und die Datei regelmäßig pflegen. Ziel: korrekte, aktuelle Darstellung Ihrer Marke in KI-Antworten — nicht klassisches Ranking.

Priorisierung statt Vollständigkeit

Nur Seiten aufnehmen, die ein neuer Mitarbeiter am ersten Tag sehen sollte. Faustregel: <50 Einträge für normale Firmen, <150 für große Dokus.

Beschreibungen, die Kontext liefern

Vermeiden Sie inhaltsleere Link-Texte. Besser: Fakten, Zahlen, Bedingungen. Beispiel:

❌ - [Preise](https://example.com/preise) – Unsere Preise
✅ - [Preise](https://example.com/preise) – 4 Tarife von 29 bis 299 €/Monat,
     monatlich kündbar, kostenlose 14-Tage-Testphase ohne Kreditkarte

Sektionen thematisch gruppieren

Gruppieren Sie nach „Produkte“, „Anleitungen“, „FAQs“, „Rechtliches“, „Unternehmen“. Für Mehrsprachigkeit eigene Sektionen oder eigene Roots pro Sprache.

Markdown-Versionen bereitstellen

Verlinken Sie zu `.md`-Versionen Ihrer wichtigsten Seiten, damit Modelle sauberen, JS-freien Text erhalten. Besonders für Dokumentation und API-Dokus hilfreich.

Aktualität als Dauerauftrag

Pflegen Sie Updates bei Produkt-/Preisänderungen, Relaunches oder gelöschten Seiten. Legen Sie die Datei ins Git-Repo und hängen Sie den Update-Schritt an die Content-Definition-of-Done. Veraltete Preise (z. B. Preise von 2026) sind schlimmer als keine Datei.

Messen Sie Veränderungen mit definierten Prompts und mehreren Modellen. Tools wie LLM Tracker automatisieren Prompt-Tests und Zeitreihen-Analysen.

Atomic Answer: „Importieren“ bedeutet meist: Datei im Webroot bereitstellen. In WordPress geht das via SEO-Plugins (Yoast, All in One SEO) oder per FTP. In anderen CMS copy in Document Root und sicherstellen, dass Rewrite-Regeln den Zugriff nicht blocken.

WordPress

Plugin: Yoast unter Einstellungen > Website-Funktionen > APIs > llms.txt-Datei aktivieren. Oder per SFTP in das Root der Installation hochladen. Achtung: Manche Plugins liefern eine dynamische Version und überlagern eine statische Datei.

Typo3, Drupal, Joomla, Shopsysteme

Datei ins Document Root legen (z. B. /var/www/html/, public_html/). Bei Rewrite-Regeln müssen Sie Ausnahmen definieren:

# Apache
RewriteCond %{REQUEST_URI} !^/llms\.txt$

# Nginx
location = /llms.txt {
    add_header Content-Type "text/plain; charset=utf-8";
    try_files $uri =404;
}

Jamstack, Static Hosting, CDN

Bei Next.js in public/, bei Hugo in static/. Wenn Sie ein generiertes Artefakt nutzen, bauen Sie die llms.txt im Build aus Ihrer Content-Collection. Nach Deploy auf CDN-Edge (Cloudflare/Fastly) Cache purgen.

Pro Subdomain eine eigene llms.txt (z. B. shop.example.com/llms.txt, docs.example.com/llms.txt).

Atomic Answer: Häufige Fehler: falscher Ablageort, falscher Dateiname/Großschreibung, nicht öffentlich erreichbar, Vollliste ohne Kontext, Marketingprosa, tote Links, falsches Format oder Encoding, und fehlende Pflege nach Relaunch.

• Datei im Unterordner: Nur Root akzeptiert.
• Falscher Name: LLMS.TXT oder llm.txt falsch — exakt llms.txt in Kleinbuchstaben.
• Nicht erreichbar: Basic Auth oder IP-Whitelist killen die Datei.
• Sitemap-Kopie: 3.000 URLs ohne Beschreibung — das verdrängt den Zweck.
• Marketingprosa: Keine Claims, sondern prüfbare Fakten.
• Tote Links / alte Preise: 404s und veraltete Preise sind Vertrauensbruch.
• Falsches Format: Nur Plain Text oder Markdown (keine PDF/DOCX).
• Encoding-Chaos: UTF-8 ohne BOM erforderlich.
• Widerspruch zur robots.txt: Wenn Sie GPTBot sperren, macht die llms.txt keinen Sinn.
• Fehlende Erfolgsmessung: GSC zeigt hier nichts — messen Sie mit Prompt-Tests, Mentions-Tracking und Referral-Analytics aus chatgpt.com, perplexity.ai, claude.ai; oder verwenden Sie LLM Tracker.

Atomic Answer: Eine gepflegte llms.txt erhöht die Chance, dass Sprachmodelle offizielle Quellen nutzen, verbessert die Genauigkeit von Antworten über Ihre Marke, reduziert Halluzinationen zu Preisen und Leistungen und kostet vergleichsweise wenig Aufwand.

Konkrete Nutzen:

• Klarere Quellenlage: Modelle bekommen faktenbasierte Kurz-Beschreibungen Ihrer Marke — hilfreich bei Namensgleichheiten oder Begriffsambiguitäten.
• Weniger Halluzinationen: Preise, Öffnungszeiten oder Lieferzeiten sind Angaben, die Modelle sonst gern erraten.
• Kontrolle über die Auswahl: Sie bestimmen, welche Seiten als Kern-Assets gelten.
• Nebeneffekt Content-Hygiene: Die Auswahl offenbart fehlende Landingpages oder unklare Produktbeschreibungen.

Realistisch bleiben: Wirkung ist nicht garantiert. Kein großer Anbieter hat das Format verbindlich bestätigt. Deshalb: bauen Sie die Datei, pflegen Sie sie und messen Sie die Effekte über Monate mit konkreten Prompts und einem Monitoring-Tool wie LLM Tracker.