KI-Sichtbarkeit der Website und llms.txt - ein neuer Standard neben robots.txt

KI-Sichtbarkeit meint, wie oft und wie korrekt Ihre Website in Antworten von ChatGPT, Claude, Gemini, Perplexity und anderen Assistenten vorkommt - nicht nur in der klassischen Suche von Google und Yandex. Neben SEO entsteht eine praktische Schicht: die Datei llms.txt im Website-Root - ein vorgeschlagener „Karten“-Standard für Sprachmodelle neben dem vertrauten robots.txt. Unten - warum das Geschäft ihn braucht, worin er sich vom Sitemap unterscheidet, wie das Format aussieht und was Sie jetzt tun können, ohne magische Versprechen einer „Garantie im AI Overview“.

• KI-Sichtbarkeit - Markenzitate und Erwähnungen in LLM-Antworten, nicht nur Rankings
• llms.txt - Markdown-Datei im Root (/llms.txt) mit kurzer Site-Zusammenfassung und Links zu Schlüsseleseiten
• Neben robots.txt - unterschiedliche Aufgaben: Bot-Zugang vs. „wo hinschauen“ bei Inference
• Kein SEO-Ersatz - Technik, Content und Faktenchecks entscheiden weiter
• Günstiger Schritt - ein bis zwei Stunden Arbeit; stärkerer Nutzen bei Docs, SaaS und Wissensbasen
• Ehrlicher Status - Community-Standard (llmstxt.org); große KI-Suchen versprechen ihn noch nicht als primäres Ranking-Signal

Warum klassisches SEO allein nicht mehr reicht

Die Suche führt zur Seite. Ein KI-Assistent antwortet oft selbst: fasst zusammen, vergleicht Tarife, empfiehlt einen Anbieter. Findet das Modell Ihren kanonischen Preis, FAQ oder Rückgaberecht nicht - erscheint im Antworttext ein Wettbewerber oder eine plausible, aber fremde Formulierung.

Für den Geschäftsführer heißt das:

KI-Sichtbarkeit ist keine magische Metrik - es ist die Frage: kann das Modell schnell Ihre autoritative Quelle nehmen statt zu raten. Genau dort hilft llms.txt.

Was ist llms.txt

Der Vorschlag von Jeremy Howard / Answer.AI: im Root eine Markdown-Datei /llms.txt ablegen. Das ist kein „weiteres robots“ und kein voller Site-Dump. Es ist eine kuratierte Karte: wer Sie sind, was zählt, wohin das Modell für Details gehen soll - im Rahmen eines realistischen Kontextfensters.

Typische Struktur laut Spezifikation:

1. H1 - Name der Site oder des Produkts (Pflicht).
2. Blockzitat (> ...) - kurze Zusammenfassung: was Sie tun, für wen, Schlüsselakten.
3. Freier Text ohne Überschriften - Nuancen, Grenzen, wie man Ihre Materialien liest.
4. H2-Abschnitte mit Linklisten [Name](url): Hinweis.
5. Abschnitt ## Optional - sekundäre Links; können übersprungen werden, wenn kurzer Kontext reicht.

Im Ökosystem wird oft auch empfohlen, saubere Seitenversionen als seite.md auszuliefern - nützlich für Docs und APIs, weniger kritisch für ein einfaches Shop-Landing.

llms.txt vs robots.txt vs sitemap.xml

Diese drei Dateien zu verwechseln ist ein häufiger Fehler von Dienstleistern. Die Aufgaben unterscheiden sich:

robots.txt bleibt der Haupt-Hebel für GPTBot, ClaudeBot, Google-Extended und andere: ohne Crawl-Erlaubnis rettet kein schönes llms.txt. Eine Sitemap ersetzt llms.txt nicht: tausende URLs, Promo-Landings und Rauschen verraten dem Modell nicht den kanonischen Markenkern.

Praxis 2026: zuerst Bot- und Indexierungspolitik, dann strukturierte Daten und Content, danach llms.txt als günstige Klarheitsschicht - besonders bei Docs, Hilfe, API-Produkt oder B2B mit langem Vertriebszyklus.

Warum Unternehmen das interessiert (ohne Hype)

Ehrliche Antwort: Die Großen haben noch kein Versprechen veröffentlicht, dass die Datei = Zitatgarantie in ChatGPT oder Google AI. Bleiben Sie pragmatisch:

Wo der Nutzen klarer ist:

• Produktdokumentation, SDKs, Integrationen;
• SaaS, das schon in Cursor, Copilot und ähnliche Agenten eingebunden wird;
• Support-Wissensbasen: Richtlinien, SLA, Preise, „so funktioniert es“;
• Sites mit schwerem HTML und Bedeutung hinter Scripts.

Wo Erwartungen senken:

• lokaler Dienst mit kaum Text und ohne Frage-Antwort-Seiten;
• Hoffnung, schwaches SEO mit einer Datei zu „umgehen“;
• Erwartung sofortigen KI-Suchtraffics nur wegen /llms.txt.

Selbst bei ungleicher Adoption ist die Datei günstig: sie setzt eine kanonische Formulierung („wir machen X, nicht Y“), senkt das Halluzinations-Risiko bei Assistenten, denen Sie die Site selbst füttern, und bereitet die Infrastruktur vor, wenn die Nutzung des Standards wächst.

Minimales llms.txt-Beispiel

Passen Sie es an Ihre Marke an - kopieren Sie Landing-Marketing nicht wortwörtlich. Besser faktisch und kurz:

# BeispielFirma
> B2B-Service für Lead-Automatisierung und CRM-Integrationen für KMU.

Wir verkaufen ein Cloud-Produkt, keine schlüsselfertige Individualentwicklung.
Aktuelle Preise und SLA nur auf den Seiten unten; veraltete Blog-Reviews Dritter sind keine Wahrheitsquelle.

## Dokumentation
- [Start in 15 Minuten](https://example.com/docs/quickstart.md): Installation und erstes Szenario
- [API-Referenz](https://example.com/docs/api.md): Methoden, Limits, Fehlercodes

## Fürs Geschäft
- [Preise](https://example.com/pricing): aktuelle Pläne und Leistungsinhalt
- [Rückerstattungsrichtlinie](https://example.com/legal/refund): Bedingungen und Fristen

## Optional
- [Blog](https://example.com/blog): Artikel und Cases; kein Docs-Ersatz

Nach der Veröffentlichung prüfen:

• die Datei öffnet unter https://ihre-domain/llms.txt mit textfreundlichem Content-Type (text/plain oder text/markdown);
• Links leben, ohne Redirect-Ketten und ohne Bot-Sperren;
• kein Konflikt mit robots.txt (wichtige URLs nicht in Disallow);
• Texte entsprechen dem, was Sie Kunden tatsächlich zitieren wollen.

Umsetzung an einem Arbeitstag

1. Inventur. 10-30 URLs, ohne die das Produkt unerklärbar bleibt: Home mit klarem USP, Preise, Docs, Kontakt, Rechtliches, 2-3 „Antworten auf häufige Einwände“.
2. Formulierungen abstimmen. Ein Absatz „wer wir sind“ von Marketing + Produkt freigegeben - damit Chatbot und Manager dasselbe sagen.
3. llms.txt schreiben. H1, Blockquote, 2-4 Link-Abschnitte, Optional für Blog und Nebensächliches.
4. Im Root ausliefern und prüfen, dass CDN/Hosting kein 404 liefern und .txt nicht blockieren.
5. Mit robots.txt abgleichen. Crawl der nötigen Pfade erlauben; KI-Crawler-Politik (Training vs. Suche) bewusst entscheiden, nicht „wie im Hosting-Template“.
6. Smoke-Test. Datei (oder zugehörige .md) in einen Modell-Chat legen und 10 Kundenfragen stellen: Preise, Unterschied zum Wettbewerb, Vertragsbedingungen. Wo das Modell lügt - die Quelle reparieren, nicht nur den Prompt.
7. Update-Prozess. Jede Preis- oder SLA-Änderung - kanonische Seiten und llms.txt im selben Sprint anpassen.

In Teams mit Site-Generator (SSG, Docs-Plattformen) wird die Datei oft aus einem Seiten-Manifest gebaut - so veraltet sie nicht still nach einem Monat.

Was KI-Sichtbarkeit sonst noch stärkt

llms.txt ist ein Baustein. Allein reicht er nicht:

• Klare Antworten auf Fragen. Seiten als „Frage - kurze Antwort - Detail“, nicht nur schönes Landing.
• Strukturierte Daten (Organization, Product, FAQ, Article) - helfen Suche und Zusammenfassungen bei Entitäten.
• Einheitliche Terminologie. Gleiche Produkt- und Tarifnamen auf der Site, im CRM und in der RAG-Basis.
• Aktualität. Update-Daten auf Richtlinien und Preisen; tote Aktionen ins Archiv, nicht als „aktuell“.
• Crawler-Rechte. Wenn Sie alle KI-Bots sperren - erwarten Sie keine Zitate „aus dem Nichts“.
• Quellenqualität. Ist die Site verwirrend, verstärkt das Modell die Verwirrung - siehe Halluzinations-Risiko.

Typische Fehler

• llms.txt als Ersatz für robots.txt oder als Weg „Modelltraining zu verbieten“ zu sehen - ist es nicht.
• Die Datei mit Sowlans füllen, ohne Links zu prüfbaren Seiten.
• Tausend URLs „für alle Fälle“ hineinschreiben - das ist Sitemap, keine kuratierte Karte.
• Links auf Seiten hinter Disallow oder Login.
• Mehrsprachigkeit vergessen: Sprachversionen brauchen oft eigene Dateien oder Prefixe passend zu Ihrem Schema.
• Kunden „Sie werden Erste in ChatGPT“ nach dem File-Upload versprechen - das bricht Verträge und Erwartungen.

Fazit

llms.txt ist ein einfacher Markdown-Standard neben robots.txt und sitemap.xml: er öffnet oder schließt keinen Zugang, sondern sagt dem Sprachmodell, was auf der Site als Kanon gilt. Für Unternehmen 2026 ist das eine günstige Schicht KI-Sichtbarkeit: besonders nützlich für Docs und Produktseiten, aber kein Ersatz für SEO, Content und Faktenkontrolle. Legen Sie Bot-Politik, kanonische Seiten und eine kurze /llms.txt an - und prüfen Sie Assistenten-Antworten ebenso regelmäßig wie Suchrankings.

Häufig gestellte Fragen

Ist llms.txt für jede Website Pflicht?

Nein. Es ist ein optionaler Community-Standard. Fast immer lohnt er sich als „günstige Klarheit“, Priorität ist aber höher bei Docs, SaaS und dichten FAQ-Sites. Einem lokalen Landing mit drei Blöcken nützen ehrlicher Leistungstext und robots.txt mehr als eine perfekte LLM-Datei.

Ersetzt llms.txt die Datei robots.txt?

Nein. robots.txt sagt Crawlern, wohin sie dürfen. llms.txt sagt Modellen und Agenten, was zuerst zu lesen ist. Beides braucht es: Crawl-Erlaubnis für wichtige URLs und eine kuratierte Sinn-Karte. Ohne Bot-Zugang ist die Karte nahezu nutzlos.

Verbessert die Datei Google-Rankings oder ChatGPT-Zitate?

Keine Garantie. Große Systeme haben llms.txt nicht als primären Ranking-Faktor für KI-Antworten erklärt. Die Datei hilft Tools und reduziert Rauschen beim Lesen der Site; Sichtbarkeit hängt weiter von Content, Links, Crawler-Rechten und Faktenkonsistenz ab.

Wie unterscheidet sich llms.txt von sitemap.xml?

Eine Sitemap listet viele Seiten zur Indexierung. llms.txt ist eine kurze Übersicht und eine Auswahl wichtiger URLs mit Notizen für das LLM-Kontextfenster. Die Sitemap antwortet „was existiert“; llms.txt - „woher man den Projektkern versteht“.

Wo anfangen mit Tilda / WordPress / eigenem Stack?

Listen Sie 10-20 kanonische URLs, schreiben Sie H1 + kurze Zusammenfassung + Links, legen Sie die Datei im Root ab (Hosting, nginx, Plugin oder CI). Prüfen Sie die direkte URL und Konflikte mit robots.txt. Aktualisieren Sie die Datei bei Preis- oder Schlüsseleseiten-Änderungen - sonst zitieren Assistenten Veraltetes.