llms.txt, Schema und Struktur für die KI-Suche

Was llms.txt sein soll

Die Idee stammt aus dem Jahr 2024 und ist schnell erklärt: eine Textdatei im Wurzelverzeichnis der Domain, ähnlich wie robots.txt, in der ein Unternehmen seine wichtigsten Inhalte in Klartext und Markdown auflistet. Der Gedanke dahinter: Sprachmodelle sollen nicht durch Navigation, Cookie-Banner und Layout-Code waten müssen, sondern direkt eine saubere Zusammenfassung bekommen.

Das klingt vernünftig. Das Problem ist die Verbindlichkeit. Es gibt keine Instanz, die das festgelegt hätte, keine Zusage eines Anbieters, die Datei zu lesen, und bis heute keinen belastbaren Nachweis, dass eines der grossen Systeme sie tatsächlich auswertet.

Es ist ein Vorschlag mit Rückhalt in der Fachwelt, aber ohne Abnehmer. Das kann sich ändern, es ist heute nur keine Grundlage für eine Investition.

Die Abkürzung, die keine ist

Die Idee stammt aus dem Jahr 2024 und ist schnell erklärt: eine Textdatei im Wurzelverzeichnis der Domain, ähnlich wie robots.txt, in der ein Unternehmen seine wichtigsten Inhalte in Klartext und Markdown auflistet. Der Gedanke dahinter: Sprachmodelle sollen nicht durch Navigation, Cookie-Banner und Layout-Code waten müssen, sondern direkt eine saubere Zusammenfassung bekommen.

Das klingt vernünftig. Das Problem ist die Verbindlichkeit. Es gibt keine Instanz, die das festgelegt hätte, keine Zusage eines Anbieters, die Datei zu lesen, und bis heute keinen belastbaren Nachweis, dass eines der grossen Systeme sie tatsächlich auswertet.

Es ist ein Vorschlag mit Rückhalt in der Fachwelt, aber ohne Abnehmer. Das kann sich ändern, es ist heute nur keine Grundlage für eine Investition.

Was strukturierte Daten leisten

Schema.org ist der Gegenentwurf: seit 2011 etabliert, von Google, Microsoft, Yahoo und Yandex gemeinsam getragen, dokumentiert und in der Praxis nachprüfbar. Die Auszeichnung liegt als JSON-LD im Quelltext und erklärt Maschinen, was ein Inhalt ist: ein Artikel, ein Unternehmen, eine Frage-Antwort-Sammlung, eine Bewertung, ein Produkt.

Für die Suche ist das seit Jahren die Grundlage für erweiterte Darstellungen: Bewertungssterne, Zusatzangaben, Veranstaltungsdaten. Für generative Systeme ist es etwas anderes und Wichtigeres: eine eindeutige Aussage darüber, wer hinter einem Inhalt steht, wann er entstanden ist und worauf er sich bezieht.

Genau an dieser Stelle entscheidet sich, ob ein System einen Inhalt als zitierfähig einstuft. Ein Text ohne erkennbaren Autor, ohne Datum und ohne Bezug zu einer Organisation ist im Zweifel eine Quelle zweiter Wahl.

Die fünf Auszeichnungen, die reichen

Man braucht nicht das gesamte Vokabular. Fünf Typen decken den Bedarf eines Dienstleisters ab.

Organization, einmal zentral: Name, Logo, Anschrift, Gründung, Profile in sozialen Netzwerken. Das ist der Anker, auf den alles andere verweist.

WebSite: die Domain selbst, mit Sprache und Verweis auf die Organisation.

BlogPosting oder Article: pro Beitrag, mit Überschrift, Beschreibung, Bild, Datum und Autor als Person.

BreadcrumbList: die Pfadangabe. Sie zeigt Maschinen die Einordnung einer Seite in die Struktur und ist mit wenigen Zeilen erledigt.

FAQPage: für Seiten mit echten Fragen und Antworten. Wichtig: Die Antworten müssen auf der Seite sichtbar sein, sonst ist die Auszeichnung nicht zulässig.

Alles Weitere ist Feinschliff. Wer diese fünf sauber hat, ist weiter als die meisten Wettbewerber.

Der Fehler, der alles davor entwertet

Die häufigste Ursache für Unsichtbarkeit ist weder eine fehlende Datei noch eine fehlende Auszeichnung. Sie ist banaler: Der Inhalt steht nicht im HTML.

Viele moderne Seiten laden ihre Texte per JavaScript nach. Im Browser sieht alles richtig aus. Im ausgelieferten Dokument steht an der Stelle nichts. Suchmaschinen können das teilweise ausgleichen, weil sie Seiten rendern. Die Werkzeuge, die generative Systeme zum Abruf von Seiten nutzen, tun das meist nicht.

Der Test dauert zehn Sekunden: Seite aufrufen, Quelltext anzeigen lassen, nach einem Satz aus der Mitte des Textes suchen. Wird er nicht gefunden, ist der Inhalt für diese Systeme nicht vorhanden, unabhängig davon, wie gut er ausgezeichnet ist.

Das betrifft besonders aufklappbare Bereiche, Registerkarten und nachgeladene Listen.

Die Reihenfolge der Umsetzung

Zuerst den HTML-Test für alle wichtigen Seitentypen. Wenn hier etwas fehlt, hat jede weitere Massnahme keinen Effekt.

Dann Organization und WebSite einmal zentral einbauen. Aufwand: eine Stunde. Wirkung: die Grundlage für alles Weitere.

Dann Article und BreadcrumbList auf den Inhaltsseiten, idealerweise über die Vorlage, damit neue Beiträge das automatisch mitbringen.

Dann FAQPage, wo tatsächlich Fragen beantwortet werden.

Zuletzt, wenn Zeit bleibt, llms.txt. Die Datei ist in zwanzig Minuten geschrieben und schadet nicht. Sie ist eine Wette darauf, dass sich der Vorschlag durchsetzt, eine günstige Wette, aber eben eine.

Wer die Reihenfolge umdreht und mit llms.txt beginnt, hat am Ende eine Datei, die niemand liest, und eine Website, die Maschinen nicht einordnen können.

Wie man die Umsetzung prüft

Für strukturierte Daten gibt es zwei kostenlose Prüfwerkzeuge von Google: den Test für Rich-Suchergebnisse und den Schema-Markup-Validator. Der erste sagt, ob eine Auszeichnung für erweiterte Darstellungen taugt, der zweite, ob sie formal korrekt ist. Beide sollten fehlerfrei durchlaufen.

Ein dritter Test ist wichtiger und wird selten gemacht: die Seite mit einem einfachen Abruf ohne JavaScript holen und ansehen, was ankommt. Das zeigt, was ein Sprachmodell tatsächlich zu sehen bekommt.

Nach dem Einbau lohnt eine Kontrolle in der Search Console. Dort tauchen erkannte Auszeichnungen mit Verzögerung von einigen Tagen bis Wochen auf, zusammen mit Fehlern und Warnungen. Warnungen sind meist unkritisch, Fehler bedeuten, dass die Auszeichnung ignoriert wird.

Danach reicht eine Kontrolle im Quartal.