# Was der September zeigt: drei Befunde aus dem Radar Thema: [Forschung](https://btlabs.dev/de/ai-discovery-radar) > llms.txt bei gut 13 %, Nutzungsvorbehalte und Dateien für KI-Agenten unter einem Prozent: drei Befunde aus dem Radar, mit Nenner und Rechenweg. Im September 2026 lieferte rund jede siebte bis achte beobachtbare Domain eine llms.txt aus. Dateien mit Nutzungsvorbehalten für KI lagen unter einem Prozent, Dateien für KI-Agenten bei höchstens rund einem Promille. Diese drei Beobachtungen tragen die veröffentlichten Daten des [ai-discovery-radar](https://btlabs.dev/de/ai-discovery-radar). Hier stehen sie mit Nenner, Stichtag und Rechenweg — und mit dem, was sie nicht sagen. Wie das Radar die Verbreitung maschinenlesbarer Dateien zählt, erklärt der [Methodenbericht](https://btlabs.dev/de/posts/methodenbericht-ai-discovery-radar); das wiederholen wir nicht. Nur so viel: Gezählt wird, ob eine Datei abrufbar und formal gültig ist. Nicht, ob ein System sie liest. ## Die Grundlage Beide Datendateien stammen aus demselben Messlauf vom 01. bis 03. September 2026, gerechnet unter Regelsatz 0.3.2: - **Panel:** 1.000 feste Domains, davon 853 erreichbar. Die Reihe, die jeden Monat gleich gemessen wird. - **Monatslauf:** 10.667 Domains (Block a mit 9.667 plus das Panel), davon 9.206 erreichbar. Größere Basis, engere Intervalle. Jede Route — also jeder Pfad wie /llms.txt — hat ihren eigenen Nenner n: nur die Hosts, bei denen wirklich nachgesehen werden konnte. Wer den Abruf abweist, ihn per robots.txt untersagt oder nicht antwortet, zählt nicht mit. Im Panel liegt n deshalb zwischen 641 und 761, im Monatslauf zwischen 6.725 und 8.221. Jeder Prozentwert unten steht mit seinem 95-%-Intervall da, und jeder lässt sich aus Zähler und Nenner der Dateien nachrechnen. ## Beobachtung 1: llms.txt liegt bei gut 13 Prozent — in zwei getrennten Stichproben Im September lieferten 13,45 % der beobachtbaren Panel-Domains eine llms.txt aus, 90 von 669 (Intervall 11,1–16,2 %). Die llms.txt ist eine Textdatei an der Wurzel einer Website, die Sprachmodellen in Kurzform zeigt, welche Inhalte wichtig sind; sie ist ein Branchenvorschlag, keine verabschiedete Norm ([LLMs.txt im Glossar](https://btlabs.dev/de/glossary/llms-txt)). Belastbar wird die Zahl, weil sie sich wiederholt. Das Panel ist Teil des Monatslaufs. Nimmt man es heraus, bleiben die 9.667 Domains von Block a — und dort lieferten 845 von 6.404 beobachtbaren eine llms.txt aus: 13,19 % (12,4–14,0 %). Zwei getrennte Ziehungen aus demselben Rahmen, dasselbe Bild: rund jede siebte bis achte Domain. Zwei Details aus dem gesamten Monatslauf: - Die Langfassung /llms-full.txt lieferten 303 von 7.061 aus, 4,29 %. - Der Ort ist eindeutig: 935 Funde an der Wurzel (/llms.txt), 2 im Sammelordner /.well-known/llms.txt (von 7.046). Was die Zahl nicht heißt: dass 13 % „der Websites" für KI vorbereitet wären. Die Stichprobe stammt aus Ranglisten populärer Domains (Tranco und Chrome-UX-Report), nicht aus dem ganzen Web. Und eine vorhandene Datei sagt nichts darüber, ob sie gelesen wird, aktuell ist oder etwas bewirkt. ## Beobachtung 2: Nutzungsvorbehalte als eigene Datei bleiben unter einem Prozent Drei Dateien erklären maschinenlesbar, wofür Inhalte verwendet werden dürfen. Alle drei lagen im September-Monatslauf unter einem Prozent der beobachtbaren Domains: - /rsl.xml, Lizenzbedingungen für die Nutzung von Inhalten: 53 von 6.795 = 0,78 % (0,6–1,0 %) - /.well-known/tdmrep.json, Vorbehalt gegen Text- und Data-Mining: 28 von 7.282 = 0,38 % (0,3–0,6 %); mitgezählt sind gültige Erklärungen per HTTP-Kopfzeile - /ai.txt, Inhalte, die fürs KI-Training gesperrt sind: 19 von 7.053 = 0,27 % (0,2–0,4 %); im Sammelordner /.well-known/ai.txt waren es 4 von 7.090 Zum Vergleich, mit eigenem Nenner: Eine robots.txt lieferten 6.966 von 8.221 aus, 84,73 %. Jede der drei Vorbehalts-Dateien ist damit mehr als hundertmal seltener. Eine Rangfolge zwischen den drei kleinen Werten geben die Daten dagegen nicht her, denn jede Zeile hat ihren eigenen Nenner. Im Panel allein sind es 2 bis 5 Funde je Datei. Das reicht für „selten", nicht für eine Quote, die man zitieren sollte. Diese Beobachtung trägt nur der Monatslauf. Für die Einordnung wichtig: robots.txt, ai.txt und TDMRep sind Signale, keine technischen Sperren. Was ein [TDM-Vorbehalt](https://btlabs.dev/de/glossary/tdm-opt-out-tdmrep) leistet und was nicht, steht im Glossar. ## Beobachtung 3: Dateien für KI-Agenten liegen zwischen null und rund einem Promille Alle neun Routen, die sich ausdrücklich an KI-Agenten und maschinelle Abrufer richten — Agent-Cards, MCP-Beschreibungen, ai-catalog.json, Plugin-Manifeste und x402 —, lagen im Monatslauf bei höchstens 0,11 %. Eine Auswahl: - /.well-known/ai-plugin.json: 8 von 7.038 = 0,11 % - /.well-known/agent-card.json: 5 von 7.194 = 0,07 % - /.well-known/mcp.json: 5 von 7.181 = 0,07 % - /.well-known/ai-catalog.json: 2 von 7.190 = 0,03 % - /.well-known/x402.json: 0 von 7.167 Allgemeine Schnittstellen-Dateien wie den API-Katalog (0,29 %) oder die OAuth-Beschreibungen (rund 5 %) zählen wir hier nicht mit, weil sie nicht speziell KI-Agenten dienen. Hier zeigt sich konkret, warum eine Null im Panel keine Absenz ist. Im September-Panel stand ai-catalog.json bei „0,0 %", gemessen an 675 Hosts. Das 95-%-Intervall dazu reicht bis 0,6 %: Mehr als „höchstens rund sechs von tausend" lässt sich mit 675 Hosts nicht sagen. Der zehnmal größere Lauf engt das auf 0,0 bis 0,1 % ein. Selten, aber nicht nichts. Die Gegenrichtung gibt es auch. /.well-known/agent.json steht im Panel bei 0,15 %, und das ist genau ein Fund. Ein einzelner Host bewegt eine Panel-Quote um rund 0,15 Prozentpunkte — für seltene Dateien ist das Panel zu klein, um Quoten zu liefern. ## Was die Daten nicht hergeben Vier Fragen liegen nahe, und keine davon beantworten die veröffentlichten Dateien: - **Wächst das?** Das Panel wurde auch im August gemessen, aber unter dem älteren Regelsatz 0.3.1. Bei allen 33 Routen, die in beiden Monaten gemessen wurden, überlappen sich die Intervalle. Ein erster regulärer Monatsvergleich kommt mit dem Oktober-Lauf. - **Sperren Betreiber KI-Crawler per robots.txt?** Das Radar zählt, ob eine robots.txt da ist, nicht was darin steht. Wie viele davon [Crawler](https://btlabs.dev/de/glossary/crawler) von KI-Anbietern ansprechen, steht nicht in den veröffentlichten Daten. - **Wie sieht es in Südtirol aus?** Die Stichprobe ist unter anderem aus Toplisten für Italien, Deutschland, Österreich und die Schweiz gezogen, Zahlen je Land sind aber nicht veröffentlicht. Für Südtiroler Betriebe lässt sich daraus nichts ableiten. - **Nützt es?** Verfügbarkeit ist nicht Nutzung. Ob KI-Systeme diese Dateien abrufen, lesen oder befolgen, misst das Radar nicht. ## Was das für deinen Betrieb heißt Die Zahlen helfen gegen zwei Sätze, die man oft hört. „Das haben inzwischen alle" stimmt nicht einmal für die robots.txt (84,73 %), und nach ihr und der Sitemap (53,92 %) fällt die Liste unter 14 %. „Das nutzt niemand" hält ebenfalls selten: Im großen Lauf blieben nur 4 der 34 Routen ganz ohne Fund. Was die Zahlen nicht tun: dir sagen, welche Datei du brauchst. Das hängt davon ab, was du Maschinen mitteilen willst. Ein Inhaltsverzeichnis für Sprachmodelle ist etwas anderes als ein Vorbehalt gegen KI-Training, und beides etwas anderes als ein Angebot an Agenten. Verbreitung ist dafür kein Maßstab — weder nach oben noch nach unten. Offenlegung: btlabs Core liefert mehrere der gemessenen Dateien serienmäßig aus, darunter llms.txt, ai-catalog.json und einen TDM-Vorbehalt. Warum wir das eingebaut statt nachgerüstet haben, steht in [Was heute schon eingebaut ist](https://btlabs.dev/de/posts/was-heute-schon-eingebaut-ist). Gerade deshalb stehen hier nur Zahlen, die jeder aus den Dateien nachrechnen kann. Wenn du eine dieser Zahlen anders liest als wir: Schreib uns über das Formular auf der Radar-Seite. Wir rechnen gern mit dir nach. ## Quellen und Stand Messfenster 01.–03.09.2026, Regelsatz 0.3.2, Rahmen 2026-Q3. Datendateien panel-2026-09 und monat-2026-09-block-a im [öffentlichen Repository](https://github.com/flober81/ai-discovery-radar/tree/main/data), Datensatz-DOI [10.5281/zenodo.22178282](https://doi.org/10.5281/zenodo.22178282), Daten unter CC BY 4.0. Die Werte für Block a ohne Panel haben wir selbst gebildet: Zähler minus Zähler, Nenner minus Nenner, weil das Panel laut Regelwerk eine Teilmenge des Monatslaufs ist. Die Intervalle dazu sind Wilson-Intervalle wie im Radar. --- Source: https://btlabs.dev/de/posts/radar-september-2026-befunde Last-Modified: 2026-10-02T07:00:02.507Z Languages: [it](https://btlabs.dev/llms/it/posts/radar-settembre-2026-risultati) · [en](https://btlabs.dev/llms/en/posts/radar-september-2026-findings) See also: [llms.txt](https://btlabs.dev/llms.txt) · [ai.txt (Policy)](https://btlabs.dev/ai.txt) · [identity.json](https://btlabs.dev/identity.json)