GEO · 13. August 2026 · Dirk Delbrouck

llms.txt: 97 Prozent der Dateien liest niemand.

Kurzfassung: Ahrefs analysierte im Mai 2026 die Logs von 137.210 Domains. 97 Prozent aller llms.txt-Dateien erhielten keinen einzigen Abruf. SE Ranking fand bei 300.000 Domains keine Korrelation mit KI-Zitaten. Google erklärte im Juni 2026: Die Suche ignoriert die Datei. Wer GEO-Budget plant, streicht llms.txt von der Prioritätenliste.

Kaum ein GEO-Ratgeber kommt ohne llms.txt aus. Die Datei gilt vielen als Pflichtaufgabe für KI-Sichtbarkeit. Agenturen verkaufen ihre Erstellung als eigene Leistung. Zwei große Studien haben das Versprechen jetzt geprüft. Das Ergebnis ist eindeutig: Fast niemand liest diese Dateien.

Was llms.txt ist und was nicht

llms.txt ist eine Textdatei im Markdown-Format im Stammverzeichnis einer Website. Sie beschreibt in Kurzform, worum es auf der Website geht. Und sie verlinkt die wichtigsten Seiten. Vorgeschlagen hat das Format Jeremy Howard im Jahr 2024. Er ist Mitgründer der KI-Firmen Answer.AI und fast.ai. Die Idee: Sprachmodelle orientieren sich, ohne die ganze Website zu crawlen.

Wichtig ist die Abgrenzung. llms.txt ist keine Steuerungsdatei wie robots.txt. Sie blockiert nichts und erlaubt nichts. Wer KI-Crawler steuern will, braucht andere Werkzeuge. Unser Artikel KI-Bots: Zugang steuern zeigt die Optionen.

Die GEO-Branche lud die Datei später mit einem Versprechen auf. GEO steht für Generative Engine Optimization: Optimierung für KI-Antwortsysteme wie ChatGPT. Das Versprechen lautete: Wer llms.txt pflegt, wird häufiger zitiert. Kein KI-Anbieter hat das je zugesagt. Jetzt liegen Daten vor.

Zwei Studien, ein Ergebnis

Ahrefs untersuchte im Mai 2026 exakt 137.210 Domains. Grundlage waren Server-Logs und Bot-Zugriffe der eigenen Analytics-Kunden. 28 Prozent der Domains veröffentlichen eine llms.txt-Datei. Das sind 38.360 Domains. Die Stichprobe ist technisch geprägt, der Wert also eher eine Obergrenze.

Dann die zentrale Zahl: 97 Prozent dieser Dateien blieben komplett ungelesen. Kein Bot, kein Mensch, kein einziger Abruf im Messmonat. Nur rund 1.100 Domains erhielten überhaupt Anfragen auf die Datei.

SE Ranking prüfte bereits im November 2025 rund 300.000 Domains. Dort lag die Verbreitung bei 10,13 Prozent. Die Studie testete zusätzlich den Zusammenhang mit KI-Zitaten. Ein Machine-Learning-Modell prüfte, ob llms.txt Zitierhäufigkeit erklärt. Ergebnis: keine Korrelation. Ohne die Variable llms.txt wurde das Modell sogar genauer. Die Datei lieferte Rauschen statt Signal.

Zwei Anbieter, zwei Methoden, zwei Datensätze. Und ein gemeinsames Ergebnis: llms.txt erzeugt heute keine messbare KI-Sichtbarkeit.

Kennzahl	Wert	Quelle
Untersuchte Domains	137.210	Ahrefs, Mai 2026
Domains mit llms.txt	28 Prozent	Ahrefs, Mai 2026
Dateien ohne einen einzigen Abruf	97 Prozent	Ahrefs, Mai 2026
Bot-Anteil an allen Abrufen	96 Prozent	Ahrefs, Mai 2026
Verbreitung llms.txt (300.000 Domains)	10,13 Prozent	SE Ranking, November 2025
Korrelation mit KI-Zitaten	keine	SE Ranking, November 2025

Google widerspricht sich und klärt dann auf

Google nahm im Juni 2026 offiziell Stellung. Der neue Leitfaden zur KI-Optimierung enthält einen Abschnitt namens Mythbusting. Kernsatz: Spezielle Dateien wie llms.txt sind für KI-Suche nicht nötig. Die Suche ignoriert die Datei. Sie hilft nicht und schadet nicht.

Kurz darauf irritierte das Chrome-Team die Branche. Das Prüfwerkzeug Lighthouse erhielt einen experimentellen llms.txt-Check. Zwei Google-Teams, zwei scheinbar gegensätzliche Signale.

John Mueller von Google löste den Widerspruch öffentlich auf. llms.txt sei nicht für die Suche gedacht. Er nannte die Datei eine vorübergehende Krücke. Gemeint: eine Token-Ersparnis für KI-Coding-Tools in Entwickler-Dokumentationen. Muellers Zusatz: Wer seine Logs prüft, findet kaum Agenten-Traffic. Die Ahrefs-Daten bestätigen genau diese Aussage.

Der Lighthouse-Check selbst blieb übrigens folgenlos. Er erzeugte in den Ahrefs-Logs 22 Abrufe. Das ist rund einer von 1.000.

Wer die Dateien wirklich abruft

Interessant sind die 3 Prozent der Dateien mit Zugriffen. 96 Prozent dieser Abrufe kamen von Bots. Aber von welchen? Ahrefs klassifizierte jeden einzelnen User-Agent.

Das Ergebnis stellt die GEO-Logik auf den Kopf. SEO-Audit-Tools führen mit 21,7 Prozent aller Abrufe. Danach folgen unbekannte Bots und klassische Web-Crawler. KI-Antwort-Bots bilden das Schlusslicht: 1,1 Prozent.

Ein KI-Antwort-Bot holt Seiten für live generierte KI-Antworten. Beispiele sind OAI-SearchBot von OpenAI und PerplexityBot. Genau diese Bots sollte llms.txt angeblich füttern. Sie tun es praktisch nie. Der Vorschau-Bot von Slack rief llms.txt öfter ab als PerplexityBot.

Wer llms.txt-Dateien abruft: Anteil an allen Abrufen

Quelle: Ahrefs, Analyse von 137.210 Domains. Zeitraum: Mai 2026, veröffentlicht Juni 2026. Basis: Abrufe der 3 Prozent gelesenen Dateien.

Dieselben Zahlen als Text: SEO-Audit-Tools 21,7 Prozent, unbekannte Bots 14,9 Prozent. Web-Crawler 13,1 Prozent, Tech-Profiler 11,6 Prozent. KI-Agenten 10,5 Prozent, KI-Antwort-Bots 1,1 Prozent.

Ein Detail wiegt besonders schwer. Kein einziger KI-Bot suchte nach fehlenden Dateien. Alle 404-Anfragen auf llms.txt kamen von Menschen. KI-Systeme klopfen also nicht von selbst an. Wer keine Datei hat, verpasst keinen einzigen Besuch.

Nur eine Gruppe zeigt echtes Interesse: KI-Agenten. Ein KI-Agent erledigt Aufgaben selbstständig im Auftrag eines Nutzers. Diese Agenten stellten 10,5 Prozent der Abrufe. Vor allem Coding-Werkzeuge wie Claude Code lesen die Dateien. Das deckt sich mit Muellers Einordnung: nützlich für Entwickler-Dokumentation.

Das Sicherheitsrisiko, über das kaum jemand spricht

Die Ahrefs-Logs zeigen noch einen unbequemen Fund. Ein Bot namens prompt-injection-survey scannte llms.txt-Dateien systematisch. Prompt Injection bedeutet: versteckte Befehle, die ein KI-System ausführen soll.

KI-Agenten sind gebaut, llms.txt-Inhalten zu vertrauen. Eine manipulierte Datei täuscht damit jeden lesenden Agenten. Sicherheitsforscher prüfen diese Lücke bereits aktiv. Angreifer vermutlich auch.

Wer die Datei behält, behandelt sie darum wie Code. Das heißt: Schreibzugriff beschränken, Änderungen versionieren, Alarm bei Abweichungen. Nur eigene Links eintragen, keine befehlsartigen Formulierungen.

Was das für Ihr GEO-Budget bedeutet

Transparenz vorab: Wir pflegen selbst eine llms.txt auf valuedialog.de. Der Aufwand liegt bei einer Zeile je neuem Artikel. Die Erwartung: kein messbarer Effekt auf Zitate. Genau diese Einordnung empfehlen wir Entscheidern.

Erstens: kein Budget für llms.txt als GEO-Leistung freigeben. Manche Anbieter verkaufen die Datei als Sichtbarkeits-Hebel. Die Datenlage widerlegt das. Die 5 Prüffragen aus GEO-Schlangenöl erkennen sortieren solche Angebote schnell.

Zweitens: vorhandene Dateien behalten, aber absichern. Löschen bringt nichts, Pflege kostet fast nichts. Das Sicherheits-Kapitel oben nennt die drei Maßnahmen.

Drittens: Budget in belegte Hebel lenken. Direkte Antworten, klare Struktur, FAQ, saubere Messung. Die 7 GEO-Taktiken zeigen die richtige Reihenfolge. Und GA4 macht KI-Referrals sichtbar, bevor Sie extern vergeben.

Einordnung für Entscheider

Die Datenlage kann sich ändern. Google beschreibt die Zukunft der Suche als agentisch. Falls Agenten künftig KI-Antworten vermitteln, steigt der Wert der Datei. Ein Nachzug gelingt dann binnen eines Tages. Ein Frühstart bringt heute keinen messbaren Vorsprung.

Annahme dabei: Ihre Kunden recherchieren nicht über Coding-Agenten. Betreiben Sie Entwickler-Dokumentation, gilt die Rechnung anders. Dann ist llms.txt der eine belegte Anwendungsfall.

Der bessere erste Schritt kostet einen Nachmittag: Logs prüfen. Zählen Sie Abrufe von GPTBot, OAI-SearchBot und PerplexityBot. Erst die eigene Messung, dann jede Budget-Entscheidung. So arbeiten wir auch in der KI-Transformation und GEO, nach unserer Methode. Hintergrund zur Person: Dirk Delbrouck.

Zitierfähige Kernaussagen

Ahrefs analysierte im Mai 2026 137.210 Domains: 97 Prozent der llms.txt-Dateien erhielten keinen einzigen Abruf.
28 Prozent von 137.210 Domains veröffentlichten im Mai 2026 eine llms.txt (Ahrefs).
Laut SE Ranking (November 2025, 300.000 Domains) korreliert llms.txt nicht mit KI-Zitaten.
Nur 1,1 Prozent der llms.txt-Abrufe kamen von KI-Antwort-Bots (Ahrefs, Mai 2026).
Google erklärte im Juni 2026: Spezielle Dateien wie llms.txt sind für generative KI-Suche nicht nötig.

Häufige Fragen

Was ist eine llms.txt-Datei?

llms.txt ist eine Markdown-Textdatei im Stammverzeichnis einer Website. Sie beschreibt die Website und verlinkt deren wichtigste Seiten für Sprachmodelle. Vorgeschlagen wurde das Format 2024 von Jeremy Howard. Die Datei steuert keine Crawler und blockiert nichts. Sie ist damit kein Ersatz für robots.txt. Kein großes KI-System hat ihre Nutzung offiziell zugesagt.

Verbessert llms.txt die Sichtbarkeit in ChatGPT oder Perplexity?

Nein, dafür gibt es keinen Beleg. SE Ranking fand 2025 bei 300.000 Domains keine Korrelation mit KI-Zitaten. Ahrefs zählte 2026 nur 1,1 Prozent der Abrufe von KI-Antwort-Bots. OAI-SearchBot und PerplexityBot holen Antworten direkt von normalen Seiten. Investieren Sie darum zuerst in Struktur und zitierfähige Inhalte.

Ignoriert Google llms.txt wirklich?

Ja, für die Suche bestätigt Google das offiziell. Der KI-Optimierungs-Leitfaden vom Juni 2026 nennt spezielle Dateien unnötig. Die Datei hilft laut Google weder Rankings noch AI Overviews. John Mueller nennt sie eine vorübergehende Krücke für Coding-Tools. Der Lighthouse-Check des Chrome-Teams ändert daran nichts. Er ist experimentell und betrifft agentisches Browsen.

Soll ich eine vorhandene llms.txt-Datei löschen?

Nein, Löschen bringt keinen messbaren Vorteil. Die Datei schadet der Sichtbarkeit nicht und kostet kaum Pflege. Behandeln Sie die Datei aber wie Code: Zugriff beschränken, Änderungen überwachen. Sicherheitsforscher scannen llms.txt bereits auf Prompt-Injection-Möglichkeiten. Eine manipulierte Datei täuscht jeden KI-Agenten, der ihr vertraut.

Für wen lohnt sich llms.txt heute trotzdem?

Für Anbieter mit Entwickler-Dokumentation lohnt die Datei am ehesten. KI-Coding-Agenten wie Claude Code rufen llms.txt messbar ab. KI-Agenten stellten 10,5 Prozent der Abrufe in der Ahrefs-Studie. Wenn Ihre Kunden per Coding-Agent recherchieren, hilft eine gepflegte Datei. Für klassische Firmen-Websites bleibt der Nutzen heute unbelegt.

Next Step: GEO-Budget nach Datenlage priorisieren statt nach Checklisten. Wir prüfen Ihre Logs, Referrals und Inhalte. Sie erhalten belegte Hebel statt Datei-Kosmetik. Kostenloses Erstgespräch anfragen.