Kurz: Die Idee llms.txt wird bereits von einigen Websites verwendet, liefert aktuell aber keinen nachweisbaren Sichtbarkeits- oder Umsatzvorteil in großen LLMs wie ChatGPT oder Gemini.
Grundlage ist eine empirische Auswertung von 300 Millionen Such- und Promptergebnissen aus dem Gesundheitsbereich.
Die wichtigsten Erkenntnisse
- Aus 300 Millionen Such- und Promptergebnissen im Gesundheitsbereich ergeben sich keine Hinweise auf einen positiven Impact von llms.txt bei großen LLMs.
- Über 5 % der Websites nutzen inzwischen eine llms.txt, darunter bekannte Marken und D2C-Shops — Verbreitung allein bedeutet aber noch keinen Vorteil.
- Technisch spart eine llms.txt Aufwand (Beispiel: 29 KB gegenüber einer 4.724fach größeren Datenmenge), doch große LLMs unterstützen das Format derzeit nicht.
- LLMs greifen vorrangig weiter auf klassische SEO-Signale zurück; etablierte Standards wie sitemap und robots.txt bleiben relevant.
- Strategieempfehlung: Investitionen in neue Formate sollten datenbasiert erfolgen — empirische Tests vor Skalierung.
Was ist llms.txt und welche Idee steckt dahinter?
llms.txt ist ein schlichtes Textformat, das Links und relevante Textauszüge einer Website für LLMs bereitstellen soll. Die Idee: Große Sprachmodelle sollen so schneller und effizienter den relevanten Seiteninhalt erfassen können, ohne jede verlinkte Ressource vollständig zu crawlen. Praktische Beispiele zeigen sehr kleine Dateigrößen — in der Analyse tauchte ein Beispiel mit 29 KB auf.
Verbreitung versus Wirkung: Was die Daten sagen
In der untersuchten Stichprobe aus dem Gesundheitsbereich verwenden bereits über 5 % der Websites eine llms.txt, darunter auch etablierte Marken und D2C-Shops. Trotz dieser Verbreitung ließ sich in der Messung kein positiver Effekt auf Sichtbarkeit in großen LLMs feststellen. Große Modelle geben an, llms.txt derzeit nicht zu unterstützen, sodass die Verbreitung noch nicht zu einer besseren Nennung oder Platzierung führt.
Technische Effizienz ist vorhanden — aber ohne Praxiswirkung
Ein praktischer Vorteil der llms.txt ist die Reduktion der zu verarbeitenden Datenmenge: Im Beispiel bedeutete die llms.txt 29 KB statt einer 4.724fach größeren Datenmenge, die sonst heruntergeladen und verarbeitet werden müsste. Rein technisch reduziert das Aufwand für das Aggregieren von Inhalten, aber solange große LLMs das Format nicht berücksichtigen, bleibt dieser Vorteil theoretisch.
Implikationen für SEO- und AI-Strategien von Entscheider:innen
Die Analyse zeigt, dass LLMs aktuell weiterhin stark von klassischen SEO-Signalen beeinflusst sind. Sitemap und robots.txt sind langjährig etablierte Standards mit hoher Durchdringung; sie sollten weiterhin Priorität haben. Neue Ansätze wie llms.txt sollten zwar getestet werden, aber erst skaliert werden, wenn empirische Daten einen klaren ROI belegen. Entscheider sollten Datenmessung und technische Machbarkeit verbinden, bevor Ressourcen verschoben werden.
Kurzer Befund zu Meta-Texten und »Fishing«-Versuchen
Zusätzlich wurde ausgewertet, wie Websites Meta-Texte zur Beeinflussung von LLMs nutzen. Es gab Fälle, die als Versuch interpretiert wurden, in fremden Kontexten zu »fischen« — auch diese Maßnahmen zeigten laut Messung keinen effektiven Impact auf LLM-Ergebnisse.
Fazit
llms.txt ist eine technisch sinnvolle Idee mit wachsender Verbreitung, liefert jedoch derzeit keinen nachweisbaren Vorteil in großen LLMs. Für Entscheider gilt: Priorisieren Sie etablierte Standards und datenbasierte Tests, bevor Sie in neue Formate skalieren.