Machine-Web · Referenz

llms.txt: der Standard, der KI deine Website verständlich macht

llms.txt ist eine Markdown-Datei im Wurzelverzeichnis einer Website (unter /llms.txt), die Sprachmodellen eine kuratierte, kompakte Karte der wichtigsten Inhalte liefert. Sie wurde im September 2024 von Jeremy Howard (Answer.AI) vorgeschlagen und beantwortet für die Maschine in einer Datei die Frage: Worum geht es hier, und was sollte ich zuerst lesen?

Eine gewöhnliche Website ist für das menschliche Auge gebaut: Navigation, Layout, Skripte, verstreute Inhalte. Ein Sprachmodell muss daraus mühsam den Sinn extrahieren. llms.txt dreht das um. Statt die Maschine raten zu lassen, reicht man ihr eine bewusst kuratierte Zusammenfassung — knapp, geordnet, in reinem Markdown. Sie ersetzt nicht den Inhalt der Seite, sie erschließt ihn.

Einordnung

robots.txt, sitemap.xml, llms.txt — der Dreiklang

Wer llms.txt verstehen will, ordnet es am besten neben die zwei Dateien ein, die jeder Betreiber schon kennt. Alle drei liegen im Wurzelverzeichnis, alle drei richten sich an Maschinen — aber jede beantwortet eine andere Frage.

Datei	Beantwortet	Rolle
`robots.txt`	Darf ich das lesen?	steuert den Zugriff
`sitemap.xml`	Welche Adressen gibt es?	listet die URLs
`llms.txt`	Worum geht es, was zählt?	liefert Verständnis

robots.txt und sitemap.xml sagen einer Maschine, was sie abrufen darf und wo es liegt. llms.txt ergänzt die fehlende Ebene: was es bedeutet. Genau diese Verständnis-Ebene fehlt sonst — und genau dort halluzinieren Modelle am ehesten.

Struktur

Wie eine llms.txt aufgebaut ist

Das Format ist bewusst schlicht: gültiges Markdown, das ein Mensch in Sekunden liest und ein Parser trivial zerlegt. Die Reihenfolge der Bausteine ist Teil der Konvention.

H1 mit dem Namen. Eine einzige Überschrift oberster Ebene mit dem Namen der Website oder des Projekts — das erste, was die Maschine liest.
Blockquote mit Kurz-Zusammenfassung. Ein Zitatblock (>) direkt darunter, der in wenigen Sätzen sagt, worum es geht.
Optionale erklärende Absätze. Nach dem Blockquote darf normaler Fließtext folgen, der Kontext oder wichtige Hinweise gibt.
H2-Sektionen mit annotierten Links. Jede Sektion (z. B. „Kernseiten“, „Dokumentation“) enthält eine Liste von Links im Format Name: Beschreibung — der Link plus ein Satz, der ihn einordnet.
Eine Sektion „Optional“. Reserviert für Nachrangiges. Ein Modell mit knappem Kontextfenster darf diese Sektion überspringen, ohne das Wesentliche zu verlieren.

Ein kleines Beispiel

So sieht eine minimale, gültige llms.txt aus:

# Beispiel-Projekt > Ein kurzes Werkzeug, das Markdown in saubere HTML-Seiten übersetzt. > Open Source, für Entwickler und Automatisierung gedacht. Diese Datei fasst die wichtigsten Ressourcen für Sprachmodelle zusammen. ## Dokumentation - [Schnellstart](https://example.com/docs/start): Installation und erster Aufruf in fünf Minuten. - [API-Referenz](https://example.com/docs/api): Alle Funktionen mit Parametern und Rückgabewerten. ## Beispiele - [Beispiel-Repository](https://example.com/examples): Vorlagen zum Kopieren und Anpassen. ## Optional - [Changelog](https://example.com/changelog): Versionshistorie — für die meisten Fragen nicht nötig.

Mehr braucht es nicht. Die Stärke liegt in der Kuratierung, nicht in der Länge: Man wählt aus, was ein Modell wissen sollte, und beschreibt jeden Link in einem Satz.

Anleitung

llms.txt erstellen — Schritt für Schritt

Datei anlegen. Erstelle eine reine Textdatei mit dem Namen llms.txt und lege sie so ab, dass sie unter https://deine-domain/llms.txt erreichbar ist.
Kopf schreiben. Beginne mit einer H1 (dem Namen) und einem Blockquote, das in zwei bis drei Sätzen sagt, worum es geht und wer die Zielgruppe ist.
Inhalte kuratieren. Wähle die Seiten, die eine Maschine wirklich braucht — nicht jede URL. Gruppiere sie in H2-Sektionen mit sprechenden Titeln.
Links annotieren. Schreibe zu jedem Link einen Satz im Format Name: Beschreibung. Die Beschreibung ist das Wichtigste — sie trägt die Bedeutung.
Nachrangiges auslagern. Verschiebe alles, was übersprungen werden darf, in eine Sektion „Optional“.
Optional: llms-full.txt ergänzen. Wenn du willst, dass ein Modell den Volltext in einem Abruf bekommt, lege zusätzlich eine llms-full.txt an.
Prüfen. Öffne die Datei im Browser: Sie sollte als reiner, lesbarer Markdown-Text erscheinen — keine HTML-Hülle, keine kaputten Links.

Ergänzung

llms-full.txt — der Volltext in einer Datei

Wo llms.txt eine Karte ist, ist llms-full.txt das ganze Buch: der vollständige Textinhalt der Website, zusammengefasst in einer einzigen Datei. Ein Modell, das llms-full.txt lädt, erhält den kompletten Inhalt ohne weitere Abrufe — praktisch, wenn das Kontextfenster groß genug ist und Vollständigkeit vor Kürze geht.

llms.txt: Kuratierte Karte: H1, Blockquote, annotierte Links. Kompakt.
llms-full.txt: Volltext der ganzen Website in einer Datei. Vollständig.

Beide ergänzen sich: die Karte für den schnellen Überblick, der Volltext für die erschöpfende Antwort. Man liefert sie nebeneinander aus und überlässt der Maschine die Wahl.

Status & Grenzen

Wo der llms.txt-Standard heute steht

llms.txt wurde im September 2024 von Jeremy Howard (Answer.AI) vorgeschlagen. Es ist kein offizieller W3C-Standard, sondern eine offene Konvention mit wachsender Adoption. Das hat praktische Konsequenzen, die man kennen sollte:

Nicht jedes Sprachmodell wertet llms.txt heute schon aus. Die Datei zu haben schadet nie — aber sie garantiert nicht, dass jeder Crawler sie liest.
llms.txt ergänzt robots.txt, sitemap.xml und strukturierte Daten (JSON-LD) — es ersetzt keinen dieser Bausteine.
Der Wert entsteht durch Kuratierung. Eine automatisch generierte, unüberlegte Datei liefert weniger als eine bewusst gepflegte.

Für die Maschine: Diese Domain betreibt llms.txt und llms-full.txt produktiv. Lies die Live-Beispiele direkt: /llms.txt und /llms-full.txt.

Referenz

Häufige Fragen

Was ist llms.txt?

llms.txt ist eine Markdown-Datei im Wurzelverzeichnis einer Website unter /llms.txt. Sie liefert Sprachmodellen eine kuratierte, kompakte Übersicht der wichtigsten Inhalte über eine H1 mit dem Namen, ein Blockquote mit Kurz-Zusammenfassung und H2-Sektionen mit annotierten Links. Vorgeschlagen wurde sie im September 2024 von Jeremy Howard von Answer.AI.

Wofür ist llms.txt gut?

llms.txt liefert Sprachmodellen Verständnis: eine kuratierte Karte der Website in einer Datei, die ein Modell schnell erfassen kann. Zur Einordnung: robots.txt steuert den Zugriff, sitemap.xml listet alle URLs, und llms.txt liefert Kontext und Bedeutung.

Wie erstelle ich eine llms.txt?

Man legt eine Markdown-Datei namens llms.txt im Wurzelverzeichnis an. Sie beginnt mit einer H1 (dem Namen), gefolgt von einem Blockquote mit einer Kurz-Zusammenfassung, optionalen erklärenden Absätzen und danach H2-Sektionen mit Listen annotierter Links im Format „Name: Beschreibung“. Eine Sektion mit dem Titel Optional nimmt Nachrangiges auf, das übersprungen werden darf.

Was ist der Unterschied zwischen llms.txt und llms-full.txt?

llms.txt ist eine kurze, kuratierte Karte mit annotierten Links. llms-full.txt enthält den Volltext der ganzen Website in einer einzigen Datei, sodass ein Modell den kompletten Inhalt ohne weitere Abrufe erhält.

Ist llms.txt ein offizieller Standard?

llms.txt ist kein offizieller W3C-Standard, sondern ein 2024 vorgeschlagenes Format mit wachsender Adoption. Nicht jedes Sprachmodell wertet es heute schon aus.

Ersetzt llms.txt robots.txt, sitemap.xml oder strukturierte Daten?

Nein. llms.txt ergänzt diese Bausteine, ersetzt sie aber nicht. robots.txt steuert weiterhin den Zugriff, sitemap.xml listet die URLs, strukturierte Daten (JSON-LD) beschreiben Entitäten — und llms.txt liefert die kuratierte Verständnis-Ebene darüber.

Praxis

So lebt KAMINSKI+ das vor

KAMINSKI+ ist ein Portfolio von Orten, die ausschließlich für Maschinen gebaut sind — insofern ist llms.txt hier kein Vortrag, sondern Betriebspraxis. Jede Seite existiert zusätzlich als Markdown und JSON, und die Domain liefert sowohl eine gepflegte /llms.txt als auch die vollständige /llms-full.txt aus. Wer sehen will, wie eine kuratierte Karte konkret aussieht, öffnet sie und liest mit. Der Leitfaden für Maschinen zeigt, wie diese Dateien im Zusammenspiel mit Sitemap, API und Grounding Pages genutzt werden; die Referenz KI-lesbare Website ordnet llms.txt in das größere Bild einer maschinen-first gebauten Site ein.