llms.txt und llms-full.txt

Spezifikation

Wir folgen dem llmstxt.org-Vorschlag: ein H1 mit dem Site-Namen, ein Blockquote-Summary, dann H2-gruppierte Link-Listen. KI-Crawler holen dies statt HTML.

Beispiel

# Acme Corp

> Acme is a B2B SaaS that ships logistics dashboards.

## Product
- [Pricing](https://acme.com/pricing): Two plans, starts at €19/month.
- [API](https://acme.com/api): REST + integrations.

## Resources
- [Docs](https://acme.com/docs)
- [Changelog](https://acme.com/changelog)

Wie schnell aktualisiert geodeck die Dateien?

Die Dateien werden bei jedem Webhook-Ereignis und beim täglichen Sitemap-Diff-Cron neu erstellt. Antworten werden bis zu 5 Minuten (öffentlicher CDN) oder 10 Minuten (Shared Cache) am Edge gecacht.

Was ist der Markdown Mirror?

Jede verfolgte URL wird in /llms-full.txt als Markdown gespiegelt, damit KI-Systeme klareren Quelltext abrufen können, ohne vollständiges HTML zu parsen.

Wie erreiche ich 100/100 beim llms.txt-Score?

geodeck generiert deine llms.txt automatisch. Ein perfekter Score bedeutet, dass die generierte Datei vollständig und gut strukturiert ist. Das musst du tun:

1. Verifiziere deine Domain. Ohne verifizierte Domain kann geodeck deine llms.txt nicht veröffentlichen. Gehe zum Dashboard, füge eine Domain hinzu und folge den DNS-TXT-Verifizierungsschritten.
2. Importiere deine Sitemap oder füge URLs hinzu. Gehe zur Domain-Detailseite → Reiter Index → Sitemap importieren. Füge mindestens 15 URL-Einträge ein, um den vollen Listen-Punkte-Score zu erreichen.
3. Füge Seitentitel und Zusammenfassungen hinzu. geodeck zieht diese aus deinen Seiten-Metadaten. Stelle sicher, dass jede verfolgte Seite einen eindeutigen title-Tag und eine Meta-Beschreibung (50-160 Zeichen) hat.
4. Aktiviere den Markdown Mirror (Agency-Plan). Die llms-full.txt-Datei bringt 10 Extrapunkte. Sie wird automatisch über die Webhook-Integration befüllt.
5. Halte die Dateigröße im Bereich. Die generierte Datei sollte zwischen 200 Bytes und 50.000 Bytes liegen. Eine Datei mit 15-200 URLs und aussagekräftigen Zusammenfassungen trifft diesen Bereich automatisch.

Score 100/100: Domain verifiziert, H1 vorhanden, Blockquote-Summary vorhanden, 3+ Abschnitte, 15+ Listeneinträge, llms-full.txt zugänglich, Dateigröße 200-50.000 Bytes.

Wie wird der llms.txt-Score berechnet?

Der Score liegt zwischen 0 und 100 und misst, wie vollständig und gut strukturiert deine llms.txt-Datei ist:

• Datei gefunden und zugänglich (+20 Pkt.) - das wichtigste Signal. Ohne es ist der Score 0.
• H1-Überschrift mit deinem Site-Namen (+15 Pkt.) - geodeck generiert dies automatisch aus deinem Domain-Namen.
• Blockquote-Zusammenfassung (+15 Pkt.) - geodeck nutzt deine Homepage-Meta-Beschreibung.
• Mindestens 1 Abschnitt (+10 Pkt.) - ein Abschnitt ist eine H2-Überschrift, die verwandte Links gruppiert.
• 3 oder mehr Abschnitte (+10 Pkt.) - geodeck gruppiert deine URLs nach Kategorie, wenn du genug Seiten hast.
• 5 oder mehr Listeneinträge (+10 Pkt.) - jede URL ist ein Listeneintrag. Importiere mindestens 5 Seiten.
• 15 oder mehr Listeneinträge (+5 Pkt.) - importiere 15 oder mehr Seiten für vollständige Abdeckung.
• llms-full.txt zugänglich (+10 Pkt.) - der vollständige Markdown Mirror. Verfügbar im Agency-Plan.

Spielt llms.txt für die KI-Suche tatsächlich eine Rolle?

Googles Dokumentation zu KI-Funktionen stellt klar, dass keine spezielle Datei erforderlich ist, und der Einstiegsleitfaden von schema.org verfolgt den gegenteiligen Ansatz, die Seite selbst auszuzeichnen, statt eine separate Datei zu veröffentlichen. Das GEO-Paper, das die generative Engine-Optimierung geprägt hat, nutzte einen Benchmark echter Suchanfragen, um zu testen, was die Sichtbarkeit tatsächlich beeinflusst, statt anzunehmen, dass ein bestimmtes Dateiformat hilft. llms.txt ist reines Markdown, sodass es kaum etwas kostet, es neben welchem Ansatz auch immer sich durchsetzt, zu pflegen.

Sie müssen keine neuen maschinenlesbaren Dateien, KI-Textdateien oder Auszeichnungen erstellen, um in diesen Funktionen zu erscheinen.

— Google Search Central documentation, “AI features and your website”

Schema.org stellt eine Sammlung gemeinsamer Vokabulare bereit, mit denen Webmaster ihre Seiten so auszeichnen können, dass sie von den großen Suchmaschinen – Google, Microsoft, Yandex und Yahoo! – verstanden werden.

— schema.org, “Getting started with schema.org using Microdata”

Wir ermöglichen eine systematische Auswertung, indem wir GEO-bench einführen, einen groß angelegten Benchmark vielfältiger Nutzeranfragen über mehrere Domänen hinweg, zusammen mit relevanten Webquellen zur Beantwortung dieser Anfragen.

— Aggarwal et al., “GEO: Generative Engine Optimization” (arXiv:2311.09735)