12.000+ Marken verfolgen & gewinnen KI-Suche mit GEOly
Von Anker SOLIX bis xTool — die oben genannten Marken sehen bereits, wie ChatGPT, Gemini und Perplexity sie erwähnen, zitieren und empfehlen. Ihre Marke wird gerade in der KI diskutiert. Sehen Sie es.
Funktioniert llms.txt wirklich? Was die Daten 2026 sagen
Zusammenfassung
Die Beweislage 2026 ist eindeutig: llms.txt ist eine günstige Absicherung für dokumentationslastige Websites — doch Google ignoriert die Datei, AI-Crawler fragen sie kaum ab, und ein Ranking-Hebel ist sie nicht.
2026/08/24
11 Min. Lesezeit
Wer in den vergangenen zwei Jahren Zeit in GEO- oder AI-SEO-Communities verbracht hat, kennt das Versprechen: Legen Sie eine llms.txt-Datei auf Ihrer Website ab, und AI-Engines wie ChatGPT, Perplexity und Gemini verstehen Ihre Inhalte besser, zitieren Sie häufiger und schicken Ihnen mehr Traffic.
Eine verführerische Idee — eine kleine Markdown-Datei als Abkürzung zur AI-Sichtbarkeit. Mitte 2026 liegen endlich genug harte Daten vor, um die Frage ehrlich zu beantworten: Funktioniert llms.txt wirklich?
Die kurze Antwort: Als Discovery- oder Ranking-Mechanismus nein — die Server-Logs sind gnadenlos. Als kostengünstige Komfortschicht für dokumentationslastige Websites und AI-Coding-Assistenten hat sie einen bescheidenen, realen Nutzen. Dieser Artikel geht die Belege beider Seiten durch, mit Quellen, die Sie selbst prüfen können — und endet mit dem, was AI-Sichtbarkeit stattdessen tatsächlich bewegt.
Das Wichtigste in Kürze
Google hat offiziell erklärt, llms.txt zu ignorieren. Die Google-Suche nutzt die Datei weder für Crawling noch Indexierung noch Ranking, und John Mueller hat sie mit dem längst toten Keywords-Meta-Tag verglichen (Search Engine Land).
AI-Crawler fragen die Datei kaum ab. Eine Analyse von 515 Millionen LLM-Bot-Events fand nur 408 Anfragen an /llms.txt (Limy), und Ahrefs stellte fest, dass 97% der llms.txt-Dateien in einem Monat null Anfragen erhielten (Ahrefs).
Keine Studie hat einen Ranking- oder Zitiereffekt durch das Hinzufügen der Datei gemessen. Die Verbreitung ist real, aber flach — je nach Stichprobe etwa 8–10% der Websites.
Fazit: günstige Absicherung, kein Hebel. Veröffentlichen Sie eine, wenn Sie eine dokumentationslastige oder Entwickler-orientierte Website betreiben (es kostet eine Stunde, und Anthropic selbst veröffentlicht eine) — aber stecken Sie Ihre echte Energie in Zitierungen, Entity-Konsistenz und extrahierbare Inhalte.
Was llms.txt ist — und was nicht
Der llms.txt-Vorschlag wurde im September 2024 von Jeremy Howard veröffentlicht, Mitgründer von Answer.AI und Schöpfer von fast.ai. Die Spezifikation lebt auf llmstxt.org, und die Idee ist einfach: Legen Sie eine Markdown-Datei unter /llms.txt auf Ihrer Root-Domain ab, die großen Sprachmodellen eine kuratierte, token-effiziente Karte Ihrer wichtigsten Inhalte gibt — ein Titel, eine kurze Zusammenfassung und geordnete Linklisten zu sauberen Markdown-Versionen zentraler Seiten.
Die Begründung ist stichhaltig. LLMs arbeiten mit begrenzten Kontextfenstern, und das Parsen einer modernen Webseite — Navigation, Cookie-Banner, JavaScript, Werbung — ist teuer und verlustbehaftet. Ein handkuratierter Markdown-Index löst das, theoretisch, so wie eine Sitemap die URL-Discovery löst.
Doch drei Missverständnisse haben die Datei zu etwas aufgeblasen, wofür sie nie konzipiert war:
llms.txt ist nicht robots.txt. Robots.txt ist ein Ausschlussprotokoll mit Jahrzehnten faktischer Durchsetzung — es sagt Crawlern, worauf sie nicht zugreifen dürfen, und die großen Crawler respektieren es. llms.txt ist das Gegenteil: eine Einladung ohne Durchsetzung und ohne Zusage irgendeines großen AI-Labors, sie zu lesen. Wenn Ihr Ziel die Kontrolle über AI-Trainingszugriffe ist, wird diese Schlacht in robots.txt-Direktiven für GPTBot, ClaudeBot und Google-Extended geschlagen — nicht hier.
Sie ist keine Indexierungsgarantie. Eine llms.txt zu veröffentlichen bringt ChatGPT oder Gemini nicht dazu, Ihre Inhalte aufzunehmen, zu bevorzugen oder zu zitieren. Keine dokumentierte Pipeline einer AI-Engine behandelt die Datei als Input.
Sie ist kein Ranking-Signal. Keine öffentliche Studie hat bis heute einen Zusammenhang zwischen dem Vorhandensein der Datei und häufigerem Erscheinen in AI-Antworten gemessen.
Mit geklärten Begriffen: Hier ist, was nach zwei Jahren Evangelisierung tatsächlich passiert ist.
Die Adoptions-Story: reales Wachstum, geringe Durchdringung
Es handelt sich also nicht um eine totgeborene Spezifikation. Echte Teams — überproportional Entwickler-Tools, SaaS und Dokumentationsplattformen — liefern die Datei aus. Die Frage ist, ob auf der Konsumseite überhaupt jemand zugreift. Und genau dort werden die Daten kalt.
Die Belege FÜR llms.txt
Um dem Standard gerecht zu werden: Das Argument dafür ruht auf drei Säulen.
1. Die Kosten sind nahezu null. Eine llms.txt-Datei ist ein statisches Markdown-Dokument. Für eine Website mit geordneter Dokumentation dauert die Erstellung manuell eine Stunde oder mit Tooling Minuten — Mintlify, Docusaurus-Plugins und diverse CMS-Erweiterungen erzeugen sie automatisch.
2. Das Docs-und-Agents-Ökosystem nutzt sie tatsächlich. Das ist der stärkste reale Anwendungsfall. Wenn ein Entwickler in Cursor oder Claude Code die API-Dokumentation eines Produkts in den Kontext laden will, ist eine llms.txt-Datei ein sauberer, token-effizienter Einstiegspunkt. Anthropic bat Mintlify, llms.txt und llms-full.txt für die eigene Dokumentation zu implementieren, und Anthropics Docs liefern bis heute eine vollständige Markdown-Karte aus. Das ist eine bedeutsame Bestätigung des Formats für einen bestimmten Job: Docs auf Abruf an Coding-Assistenten liefern. FastHTML, Zapier, Cloudflare und ein langer Schwanz an Entwicklerplattformen veröffentlichen aus demselben Grund eine.
3. Sie sichert gegen einen möglichen Wandel ab. Wenn agentisches Browsing weiter wächst — AI-Agenten, die Aufgaben auf Websites erledigen, statt dass Menschen klicken —, könnte eine maschinenlesbare Inhaltskarte wertvoller werden. Das ist spekulativ, aber die Option kostet fast nichts. (GEOlys eigene Website liefert eine unter geoly.ai/llms.txt aus, die unsere Dokumentation und unseren Blog kartiert — aus genau dieser "günstige Option"-Logik, nicht weil wir erwarten, dass sie Rankings bewegt.)
Die Belege GEGEN llms.txt
Nun die andere Seite der Bilanz — und die wiegt erheblich schwerer.
Google ignoriert die Datei — ausdrücklich und wiederholt. Googles Gary Illyes bestätigte im Juli 2025 auf der Search Central Live, dass Google llms.txt nicht unterstützt und es auch nicht plant — und dass ein Ranking in AI Overviews nur Standard-SEO erfordert. John Mueller wurde deutlicher und verglich llms.txt mit dem Keywords-Meta-Tag — einem selbstdeklarierten Signal, das Suchmaschinen aufgaben, weil es trivial manipulierbar war. Er merkte an, dass kein AI-Dienst erklärt habe, die Datei zu nutzen, und ergänzte: "you can tell when you look at your server logs that they don't even check for it." Da Googles Ökosystem (Search, AI Overviews, AI Mode, Gemini) den größten Anteil AI-vermittelter Discovery treibt, deckelt allein diese Weigerung das Potenzial der Datei.
Server-Logs bestätigen: Die Crawler fragen nicht danach. Das ist der entscheidende Beleg, repliziert über unabhängige Datensätze:
Limy analysierte 515.382.577 LLM-Bot-Traffic-Events über ein 90-Tage-Fenster, gefiltert auf GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot und Google-Extended. Nur 408 Anfragen galten /llms.txt — statistisch vernachlässigbar.
Ahrefs untersuchte im Mai 2026 137.210 Domains und fand, dass 97% der veröffentlichten llms.txt-Dateien null Anfragen erhielten. Vom eintreffenden Traffic stammte das meiste von SEO-Audit-Tools und generischen Crawlern; AI-Retrieval-Bots — also die, die tatsächlich Inhalte abrufen, um Nutzerfragen zu beantworten — machten nur 1,1% der Anfragen aus. Ahrefs stellte außerdem fest, dass null AI-Bots proaktiv nach llms.txt-Dateien "suchen", die nicht existieren.
OtterlyAIs Drei-Monats-Experiment protokollierte mehr als 60.000 AI-Bot-Zugriffe auf einer Website mit korrekt implementierter llms.txt; die Datei wurde in etwa 0,1% der AI-Besuche genutzt. Das Fazit: AI-Agenten entdecken Inhalte ganz überwiegend über Standardseiten und Seitenstruktur, nicht über llms.txt.
Kein großes AI-Labor hat sich produktiv dazu bekannt. Stand 2026 hat sich weder OpenAI noch Google, Meta oder Mistral öffentlich verpflichtet, llms.txt in seinen produktiven Retrieval-Systemen zu lesen oder darauf zu reagieren (PPC Land). Selbst Anthropics Nutzung dreht sich darum, die eigenen Docs an Coding-Tools auszuliefern — keine Aussage, dass ClaudeBot Ihre llms.txt konsultiert, wenn er Ihre Website crawlt.
Kein gemessener Sichtbarkeitseffekt. Keine öffentliche Studie hat nachgewiesen, dass das Hinzufügen von llms.txt AI-Zitierungen, die Aufnahme in AI Overviews oder Answer-Engine-Traffic erhöht hat. Das Ausbleiben von Belegen nach zwei Jahren und mehreren Großstudien ist an diesem Punkt selbst ein Beleg, den man gewichten sollte.
Das Fazit: günstige Absicherung, kein Ranking-Hebel
Legt man die beiden Spalten nebeneinander, schreibt sich die Schlussfolgerung von selbst.
Veröffentlichen Sie eine llms.txt, wenn Sie eine dokumentationslastige, Entwickler-orientierte oder API-getriebene Website betreiben. Ihr eigentliches Publikum für die Datei ist nicht GPTBot beim Crawlen des offenen Webs — es ist der Coding-Assistent eines Entwicklers, der Ihre Docs auf Abruf in den Kontext zieht. Dieser Workflow existiert heute, kostet Sie eine Stunde und verbessert moderat, wie AI-Tools Ihre Dokumentation konsumieren.
Veröffentlichen Sie keine in der Erwartung von mehr AI-Zitierungen, besserer ChatGPT-Sichtbarkeit oder irgendeinem Google-Effekt. Die Engines, die entscheiden, ob Ihre Marke in AI-Antworten erscheint, lesen die Datei nicht.
Was AI-Sichtbarkeit tatsächlich bewegt, basierend auf allem, was wir über die Engines hinweg tracken:
Zitierungen auf Quellen, denen AI-Engines bereits vertrauen. ChatGPT, Perplexity und Google AI Mode stützen sich stark auf ein wiederkehrendes Set hochautoritativer Domains — Reddit-Threads, Bewertungsportale, Fachpublikationen. Dort mit Ihrer Marke erwähnt zu werden zählt weit mehr als jede Datei auf Ihrem eigenen Server. Unsere Analysen der AI-Zitierquellen zeigen genau, aus welchen Domains jede Engine schöpft.
Entity-Konsistenz. Gleicher Markenname, gleiche Beschreibungen, gleiche Fakten über Ihre Website, Wikipedia-nahe Quellen, Verzeichnisse und Social-Profile hinweg. LLMs setzen Markenverständnis aus vielen Dokumenten zusammen; Widersprüche verwässern Sie.
Extrahierbare Inhalte. Klare, als Fragen formulierte H2/H3-Überschriften, direkte Antworten in den ersten Sätzen, Tabellen, FAQs, Schema-Markup. Das ist die On-Page-Arbeit, die engine-spezifische Playbooks wie unser ChatGPT-AEO-Leitfaden im Detail behandeln — und anders als llms.txt werden diese Seiten von Retrieval-Bots nachweislich konsumiert.
Wenn Sie das vollständige Framework wollen: Die GEO Academy führt durch die komplette Disziplin, vom Entity-Aufbau bis zur Optimierung je Engine.
llms.txt korrekt implementieren (falls Sie es tun)
Wenn Ihre Website ins dokumentationslastige Profil passt, machen Sie es richtig. Die Spezifikation auf llmstxt.org verlangt:
Eine einzelne Markdown-Datei unter https://yourdomain.com/llms.txt (Root, kein Unterverzeichnis)
Eine H1 mit dem Namen Ihrer Website oder Ihres Projekts (das einzige Pflichtelement)
Eine Blockquote-Zusammenfassung, dann H2-gegliederte Link-Abschnitte
Einen optionalen Abschnitt ## Optional für Links, die bei knappem Kontext übersprungen werden dürfen
Ein minimales Beispiel:
# Acme Analytics
> Acme Analytics is a product analytics platform for B2B SaaS. > Docs cover installation, APIs, and integrations.
## Documentation
- [Quickstart](https://acme.com/docs/quickstart.md): Install and send your first event in 10 minutes - [API Reference](https://acme.com/docs/api.md): REST endpoints, auth, and rate limits - [Integrations](https://acme.com/docs/integrations.md): Salesforce, HubSpot, and Segment setup
## Optional
- [Changelog](https://acme.com/changelog.md): Release history - [Blog](https://acme.com/blog.md): Product updates and guides
Praktische Regeln: Verlinken Sie wo möglich auf saubere Markdown-Versionen der Seiten (die Spezifikation schlägt vor, .md an URLs anzuhängen); kuratieren Sie, statt Ihre Sitemap abzukippen; halten Sie Beschreibungen auf eine Zeile; und aktualisieren Sie die Datei, wenn sich Ihre Docs ändern — eine veraltete Karte ist schlimmer als keine. Optional ergänzen Sie llms-full.txt, eine einzelne Datei mit Ihrem vollständigen Docs-Inhalt, für Tools, die alles auf einmal aufnehmen.
Setzen Sie dann Ihre Erwartungen entsprechend — und prüfen Sie in 90 Tagen Ihre Server-Logs.
FAQ
Hilft llms.txt bei Google SEO oder AI Overviews?
Nein. Google hat offiziell bestätigt, dass die Suche llms.txt weder für Crawling noch Indexierung noch Ranking nutzt und dass normale SEO in die AI Overviews führt. John Mueller verglich die Datei mit dem Keywords-Meta-Tag. Jeder Effekt auf Google-Flächen ist per Design null.
Was ist der Unterschied zwischen llms.txt und robots.txt?
Robots.txt ist ein weithin respektiertes Ausschluss-Protokoll — es sagt Crawlern, worauf sie nicht zugreifen sollen, und wenn Sie AI-Trainings-Bots blockieren wollen, tun Sie es dort (über User-Agents wie GPTBot oder Google-Extended). llms.txt ist eine freiwillige Einladung — eine kuratierte Inhaltskarte ohne Durchsetzung und, laut Server-Log-Studien, mit fast keiner Nutzung durch AI-Crawler. Sie lösen unterschiedliche Probleme, und nur eines von beiden wird zuverlässig gelesen.
Sollte ich 2026 llms.txt zu meiner Website hinzufügen?
Wenn Sie eine dokumentationslastige, Entwickler- oder API-fokussierte Website betreiben: ja — es kostet etwa eine Stunde und hilft AI-Coding-Assistenten, Ihre Docs zu konsumieren. Wenn Sie eine typische Marketing-Website, einen Blog oder einen Onlineshop betreiben: Es schadet nicht, aber erwarten Sie keinen messbaren Sichtbarkeitsgewinn — investieren Sie die Zeit stattdessen in extrahierbare Inhalte und Zitierungen. Unser kostenloser AI-Prompt-Generator ist ein besserer erster Schritt, um zu verstehen, wie AI-Engines Ihre Nische tatsächlich sehen.
Lesen ChatGPT, Claude oder Perplexity llms.txt?
Nicht systematisch. Kein großes AI-Unternehmen hat sich verpflichtet, llms.txt im produktiven Retrieval zu lesen, und Log-Studien zeigen, dass GPTBot, ClaudeBot und PerplexityBot die Datei fast nie anfragen — 408 Anfragen bei 515 Millionen Bot-Events in einem 90-Tage-Datensatz. Anthropic veröffentlicht eine llms.txt für die eigenen Docs — das ist eine Bestätigung des Formats für die Docs-Auslieferung, keine Zusage, dass sein Crawler Ihre liest.
Kann llms.txt meiner Website schaden?
Im Wesentlichen nein, mit zwei Vorbehalten: Eine veraltete Datei, die AI-Tools auf überholte Docs verweist, kann zu falschen Antworten über Ihr Produkt führen, und ein automatisch generierter Abwurf tausender URLs konterkariert den Kurationszweck der Datei. Halten Sie sie kurz, korrekt und gepflegt — oder lassen Sie es.
Wenn llms.txt keine AI-Sichtbarkeit bringt — was dann?
Die messbaren Hebel sind Zitierungen auf Domains, denen AI-Engines bereits vertrauen, konsistente Entity-Informationen im gesamten Web und für Extraktion strukturierte Inhalte (Frage-Überschriften, direkte Antworten, Schema). Vergleichs- und Alternativen-Anfragen sind eine besonders hebelstarke Fläche — sehen Sie auf unseren Alternatives-Seiten, wie Marken darum konkurrieren. Und dann tracken Sie die Ergebnisse je Engine, statt anzunehmen: Genau das ist es, was GEOly misst.
