Erstelle eine llms.txt – eine aufkommende, informelle Konvention für KI-Kontext.
Fasst die wichtigsten Inhalte der Website in einer strukturierten Textdatei zusammen. Hinweis: llms.txt ist (Stand heute) keine offiziell von OpenAI, Anthropic oder Google bestätigte Konvention – nicht jedes KI-System liest sie aus, schadet aber nicht und kann als zusätzlicher Kontext dienen, falls sie unterstützt wird.
Häufige Fragen zu diesem Tool
Wichtiges Hintergrundwissen und SEO-Tipps kurz für dich erklärt.
Grundlagen
Welche Funktion erfüllt die llms.txt?
Die llms.txt ist ein vorgeschlagenes Format, das die Bereitstellung von Website-Inhalten für KI-Agenten vereinheitlichen soll. Sie böte den Modellen eine maschinenlesbare Referenz (meist Markdown), um rechenintensives HTML-Parsing zu umgehen – sofern ein KI-System die Datei tatsächlich ausliest.
Entspricht dieses Format einem verabschiedeten Standard?
Nein. Die llms.txt ist bislang kein verabschiedeter oder offiziell anerkannter Standard, sondern ein informeller Formatvorschlag aus der KI-Community (llmstxt.org, 2024). Google hat mehrfach öffentlich klargestellt, dass aktuell kein KI-System die Datei tatsächlich nutzt, und bezeichnet ihren Nutzen als "rein spekulativ". Auch von Anthropic, OpenAI oder anderen großen Anbietern gibt es keine offizielle Bestätigung, dass llms.txt für RAG oder Training herangezogen wird. Ein Anlegen schadet nicht, garantiert dir aber (Stand heute) keine bessere Sichtbarkeit bei KI-Systemen.
Wie lautet die Spezifikation zur Ablage?
Analog zur robots.txt erfordert das Protokoll die Bereitstellung der Datei im Stammverzeichnis der Domain (Root-Directory), um eine deterministische Auffindbarkeit durch die Crawler zu garantieren.
Beinhaltet die Datei die vollständigen Textkörper?
In der Regel fungiert die Hauptdatei als indizierendes Verzeichnis. Sie verweist über absolute Links auf tieferliegende, Markdown-formatierte Ressourcen, welche die eigentlichen Textkorpora enthalten.
Welche Syntax ist zulässig?
Das Dokument muss zwingend in reinem Markdown validieren. Semantisches HTML oder Formatierungs-Markup führen zu Fehlinterpretationen bei der Tokenisierung durch das Sprachmodell.