Brauche ich zwingend eine llms.txt?

Sie ist kein Google-Ranking-Signal (das sagt Google selbst) — aber in Minuten erstellt und für KI-Agenten als Orientierung nützlich. Ein günstiger Zusatz, kein Wundermittel. Wie verbreitet sie wirklich ist, messen wir selbst: Stand Oktober 2026 liefern 14,1 % der geprüften Domains eine llms.txt aus. Die Messung ist offengelegt im ai-discovery-radar .

Woran erkenne ich, ob meine Marke maschinenlesbar ist?

Öffne dein Stylesheet und frage dich, ob ein Fremder daraus ablesen könnte, welche Farbe deine Markenfarbe ist — nicht welcher Wert wo steht, sondern welche Rolle er hat. Heißt deine Markenfarbe im Code nur --farbe-3 oder liegt sie unbenannt neben zwei gleich aussehenden Grautönen, dann kann eine Maschine sie nicht finden.

Was hat mein Betrieb davon, wenn KI-Assistenten direkt mit meiner Website sprechen können?

Deine Angaben liegen dort bereit, wo Kunden zunehmend fragen. Statt dass eine KI deine Seite abgrast und rät, liest sie über eine offene Schnittstelle — MCP (Model Context Protocol) — genau die Inhalte, die du hinterlegt hast: Leistungen, Öffnungszeiten, Kontaktwege. Das Ziel: weniger falsche Auskünfte über deinen Betrieb und korrekte Zitate mit Quellenangabe — ob eine KI diesen Weg nutzt, entscheidet ihr Anbieter. Die Kontrolle bleibt bei dir — du entscheidest, welche Inhalte freigegeben sind, und jeder Zugriff wird protokolliert.

Wie bekomme ich einen MCP-Zugang für meine Website, und was ist damit inbegriffen?

Einen MCP-Zugang richten wir für dich ein, sobald du ihn willst — er ist Teil des Ausbaus deiner Website und kein Pflichtbestandteil. Damit kannst du selbst oder ein KI-Assistent deiner Wahl direkt mit deiner Website arbeiten: Inhalte pflegen, eigene Daten abfragen, wiederkehrende Aufgaben automatisieren. Wir legen gemeinsam fest, worauf zugegriffen werden darf — etwa Öffnungszeiten, Leistungen oder Kontaktdaten — und du behältst jederzeit die Übersicht, wer wann worauf zugreift. Der Aufwand ist überschaubar: Einrichtung einmalig, danach läuft der Zugang mit deiner Website mit. Am meisten lohnt sich das, sobald du regelmäßig Inhalte pflegst oder wiederkehrende Fragen zu deinen eigenen Daten hast — dann übernimmt eine KI auf Wunsch die Routinearbeit.

Website für KI-Agenten prüfen: der Selbsttest in fünf Schritten

Wer einen KI-Assistenten bittet, einen Betrieb zu finden, schickt ein Programm los, das anders liest als ein Mensch: Es fragt zuerst an ein paar fest vereinbarten Adressen nach, bevor es sich durch die Seiten arbeitet. Welche das sind und was dort stehen sollte, kannst du für deine eigene Website in wenigen Minuten prüfen — mit nichts als einem Browser. Hier ist der Rundgang in der Reihenfolge, in der ich selbst nachsehe.

Ein KI-Agent ist ein Programm, das im Auftrag eines Menschen selbstständig sucht, liest und handelt: eine Frage beantworten, Angebote vergleichen, eine Anfrage schicken. Für KI-Agenten zählt nicht, wie eine Seite aussieht, sondern was sich an ihr maschinell ablesen lässt. Wer seine Website für KI-Agenten prüfen will, fängt deshalb nicht beim Design an, sondern bei diesen fünf Stellen.

Schritt 1: robots.txt — die Hausordnung

Tippe deine Adresse ein und hänge /robots.txt an, also etwa deinbetrieb.it/robots.txt. Die Datei ist als Internet-Standard beschrieben (RFC 9309) und sagt automatischen Besuchern, welche Bereiche sie abrufen dürfen.

Worauf du achtest:

Sie existiert und sperrt nicht versehentlich alles (Disallow: / für alle Besucher).
Sie nennt die Sitemap, damit Programme deine Seiten vollständig finden.
Sie trennt, wenn du willst, Training und Suche. Die großen Anbieter schicken dafür verschiedene Besucher: Bei OpenAI sammelt GPTBot für das Training und OAI-SearchBot für die Suche, bei Anthropic heißen sie ClaudeBot und Claude-SearchBot (OpenAI, Anthropic). Wer nur das Training ausschließt, bleibt in der KI-Suche auffindbar.

Wichtig: robots.txt ist eine Bitte, keine Sperre. Seriöse Anbieter halten sich daran, technisch verhindern kann die Datei nichts. Mehr dazu im Glossar unter robots.txt.

Schritt 2: llms.txt — die Kurzfassung für Sprachmodelle

Hänge /llms.txt an. Das ist eine Textdatei, die in knappem Markdown beschreibt, wer du bist und welche Seiten wichtig sind. Sie ist ein Branchenvorschlag (llmstxt.org), keine verabschiedete Norm, und ob ein bestimmtes System sie liest, ist offen. Was sie leisten kann und was nicht, steht im Glossar unter llms.txt.

Worauf du achtest: Sie existiert, ist nicht leer und passt zu deinen Seiten — Name, Angebot, Kontakt, die wichtigsten Unterseiten. Eine llms.txt, in der eine Vorlage ungefüllt stehen geblieben ist, hilft niemandem.

Schritt 3: Die Wegweiser unter /.well-known/

Unter dem Pfad /.well-known/ liegen Dateien, die Programmen sagen, welche Schnittstellen eine Website anbietet. Drei sind für Agenten interessant:

/.well-known/api-catalog — ein Verzeichnis der Schnittstellen einer Website, standardisiert in RFC 9727.
/.well-known/mcp.json — beschreibt einen Zugang über das Model Context Protocol, über den ein Assistent Inhalte abfragen oder mit Erlaubnis bearbeiten kann. Eine Konvention aus der Community, keine Norm.
/.well-known/security.txt — wen man bei einer Sicherheitslücke erreicht (RFC 9116).

Findest du hier nichts, ist das der Normalfall und kein Versäumnis. Lege aber keine leeren Dateien an: Ein Wegweiser, der auf keine Schnittstelle zeigt, ist schlechter als keiner.

Schritt 4: Die Textfassung einer Seite

Zwischen einer Maschine und deinem eigentlichen Text stehen oft Menüs, Banner und Skripte. Eine aufgeräumte Textfassung, meist in Markdown, gibt ihr nur den Inhalt. Prüfen kannst du das im Quelltext einer Unterseite (Rechtsklick, „Seitenquelltext anzeigen"): Steht dort ein Verweis mit rel="alternate" und type="text/markdown", bietet die Seite eine Textfassung an. Fehlt er, liest das Programm eben das HTML — das geht auch, nur mit mehr Ballast. Wie eine KI eine Seite in Stücke zerlegt, habe ich in Wie eine KI deine Website liest beschrieben.

Schritt 5: Die Fakten in strukturierter Form

Name, Adresse, Öffnungszeiten, Leistungen: Diese Angaben sollten nicht nur im Text stehen, sondern zusätzlich als strukturierte Daten nach Schema.org. Ob und welche deine Seite ausliefert, zeigt dir der Schema Markup Validator: Adresse eingeben, Ergebnis lesen. Welche Angaben dabei wirklich zählen, steht in Welche Angaben eine Maschine über deinen Betrieb lesen können muss.

Wie selten das heute noch ist

Mit dem ai-discovery-radar messe ich jeden Monat, welche dieser Dateien Websites tatsächlich ausliefern. Im Lauf vom September 2026 (10.667 Domains, davon 9.206 erreichbar) sah das so aus:

robots.txt: 84,7 % der Domains, bei denen nachgesehen werden konnte
llms.txt: 13,2 %
API-Katalog nach RFC 9727: 0,29 %
/.well-known/mcp.json: 5 von 7.181 Domains

Gezählt wird nur, was wirklich als gültige Datei ausgeliefert wird; Fehlerseiten und Platzhalter fallen heraus. Gemessen ist das Vorhandensein, nicht die Nutzung: Ob ein Agent eine Datei liest, sagen diese Zahlen nicht. Die Befunde des September-Laufs stehen mit Nenner und Rechenweg in einem eigenen Beitrag.

Was ich daraus mitnehme

Schritt 1 und 5 sind Grundlagen: Sie entscheiden, ob eine Maschine dich überhaupt richtig liest. Schritt 2 und 4 sind wenig Aufwand, wenn die Website sie aus den vorhandenen Inhalten erzeugt, statt dass jemand sie von Hand pflegt. Schritt 3 lohnt sich nur, wenn hinter dem Wegweiser eine echte Schnittstelle steht.

Keine dieser Dateien sorgt dafür, dass dich eine KI empfiehlt. Sie sorgen dafür, dass sie dich richtig lesen kann, wenn sie nachsieht.

Auf btlabs.dev kannst du alle Stellen ansehen, zum Beispiel robots.txt, llms.txt, den API-Katalog und mcp.json. btlabs Core erzeugt sie aus denselben gepflegten Daten wie die Seiten, und jede Seite nennt in ihrer Antwort die wichtigsten davon.