Kaum ein GEO-Ratgeber kommt ohne zwei Tipps aus: eine llms.txt anlegen und strukturierte Daten für KI ergänzen. Beides klingt technisch und schnell erledigt. Die Frage ist, ob es etwas bringt.
Hier bekommst du die Antwort von Google selbst, eine ehrliche Einordnung beider Formate, eine Entscheidungshilfe und das, was stattdessen hilft: eine Entity Map.
Das Wichtigste in Kürze
- Google sagt klar: Die Google-Suche nutzt llms.txt nicht, und für KI-Funktionen braucht es kein spezielles Schema.
- Strukturierte Daten bleiben trotzdem sinnvoll: für Rich Results und als klare Angabe, wer hinter einer Seite steht.
- llms.txt ist ein Vorschlag von Jeremy Howard aus dem Jahr 2024, kein offizieller Standard.
- Was wirklich zählt: crawlbare, indexierte Inhalte und eine Marke, die überall gleich beschrieben ist.
- Aufwand gegen Nutzen: Eine llms.txt kostet wenig. Erwarte davon aber keine Sichtbarkeit in Google.
- Besser als jede Datei: eine Entity Map. Sie legt fest, welche Begriffe deine Marke besetzt, wie du sie definierst und wo die Belege stehen.
Auf dieser Seite findest du:
- Was Google sagt
- Strukturierte Daten: wofür sie gut sind
- llms.txt: Herkunft und Aufbau
- Brauche ich eine llms.txt?
- Was stattdessen hilft: die Entity Map
- Häufige Fragen
- Quellen
Was Google sagt
Im Juli 2026 hat Google einen eigenen Leitfaden zu KI-Funktionen in der Suche veröffentlicht. Er räumt mit mehreren verbreiteten Empfehlungen auf. Zu llms.txt und ähnlichen Dateien heißt es dort knapp: „Google Search itself doesn’t use them.“
| Empfehlung aus GEO-Ratgebern | Was Google sagt |
|---|---|
| llms.txt anlegen | Nicht nötig Die Google-Suche nutzt sie nicht. |
| Spezielles Schema für KI | Nicht nötig Es gibt kein besonderes Markup für KI-Funktionen. |
| Texte in kleine Abschnitte zerlegen | Nicht nötig Google erkennt mehrere Themen auf einer Seite. |
| Markdown-Versionen der Seiten | Nicht nötig Hilft und schadet der Sichtbarkeit in der Suche nicht. |
| Strukturierte Daten pflegen | Weiter sinnvoll als normales SEO, etwa für Rich Results. |
Für Google gibt es keinen KI-Trick, nur gutes SEO.
Kurz gesagt: Für AI Overviews und AI Mode gelten dieselben Voraussetzungen wie für die normale Suche. Die Seite muss gecrawlt, indexiert und mit Snippet anzeigbar sein.
Strukturierte Daten: wofür sie gut sind
Strukturierte Daten nach schema.org beschreiben in maschinenlesbarer Form, was auf einer Seite steht: ein Artikel, ein Produkt, eine Organisation, eine Person. Google nutzt sie für erweiterte Suchergebnisse. Für KI-Funktionen braucht es laut Google kein zusätzliches Markup.
ORGANIZATION: Beispiel GmbH ├─ sameAs → LinkedIn ├─ sameAs → Wikidata └─ sameAs → Handelsregisterein Name, viele Profile
Einen Nutzen sehe ich trotzdem: Strukturierte Daten machen eindeutig, wer hinter einer Website steht und welche Profile zur selben Entität gehören. Das Feld sameAs im Typ Organization verknüpft die Website mit LinkedIn, Wikipedia oder dem Handelsregister.
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Beispiel GmbH",
"url": "https://www.beispiel.de/",
"logo": "https://www.beispiel.de/logo.png",
"sameAs": [
"https://www.linkedin.com/company/beispiel",
"https://de.wikipedia.org/wiki/Beispiel_GmbH"
]
}
</script>Auf bernard.digital nutze ich zwei weitere Typen: DefinedTerm für jeden Begriff im GEO-Glossar und Dataset für die Studien, etwa die Keyword-Domain-Studie. Beides beschreibt den Inhalt genauer, ein Ranking-Versprechen ist es nicht.
llms.txt: Herkunft und Aufbau
Die llms.txt hat Jeremy Howard am 3. September 2024 auf llmstxt.org vorgeschlagen. Die Idee: eine kleine Textdatei im Hauptverzeichnis, die einem Sprachmodell in Markdown sagt, was auf der Website wichtig ist, und auf saubere Markdown-Fassungen der Seiten verlinkt. Sie soll die sitemap.xml und die robots.txt ergänzen, nicht ersetzen.
# Name der Website Pflicht, sonst nichts > Kurze Zusammenfassung optional ## Abschnitte mit Links - [Seite](url): Notiz optional ## Optional Links, die übersprungen werden dürfen
# Beispiel GmbH
> Steuerberatung für Gründer in Berlin.
## Leistungen
- [Gründungsberatung](https://www.beispiel.de/gruendung.md): Ablauf und Kosten
- [Buchhaltung](https://www.beispiel.de/buchhaltung.md): Pakete und Preise
## Optional
- [Über uns](https://www.beispiel.de/ueber-uns.md)Achtung: Belastbare Belege, dass ChatGPT, Claude oder Perplexity die llms.txt für ihre Suchantworten auswerten, habe ich bei der Recherche nicht gefunden. Google hat ausdrücklich gesagt, dass seine Suche sie nicht nutzt.
Brauche ich eine llms.txt?
DOKUMENTATION FÜR ENTWICKLER? ja → llms.txt anlegen Coding-Assistenten lesen sie oft MARKETING-WEBSITE? optional, kostet wenig bringt in Google nichts
Meine Empfehlung: Lege eine llms.txt an, wenn sie dich weniger als eine Stunde kostet, und verbuche sie als Experiment. Die Zeit für GEO steckst du besser in eine Entity Map, in Inhalte, die zitiert werden, und in Erwähnungen auf fremden Seiten.
Aus meiner Praxis
Bei Kunden setze ich die llms.txt ein, seit ich weiß, dass es sie gibt. Für meine eigenen Projekte habe ich mich bewusst dagegen entschieden: Sie kostet Zeit und bringt wahrscheinlich nichts. Für mehrere Kunden habe ich die Server-Logs über Peec angebunden, damit wir die Zugriffe von LLMs verfolgen können. Dazu kommt das LLM-Referral-Tracking in Analytics. Es funktioniert nur mittelmäßig, ist als Indikator für Wachstum und Tendenzen aber trotzdem hilfreich. Den größeren Hebel sehe ich in der Entity Map. Auch sie wird von den Modellen wahrscheinlich nicht direkt gelesen. Aber sie schafft Klarheit über die Entitäten, auf der Website des Kunden und in seinen Inhalten, und genau davon profitieren LLMs.
Was stattdessen hilft: die Entity Map
Eine llms.txt sagt einer KI, welche Seiten es gibt. Das weiß sie aus der Suche ohnehin. Was ihr fehlt, ist etwas anderes: welche Begriffe deine Marke besetzt, wie du sie definierst und wo die Belege stehen. Genau das hält eine Entity Map fest.
LLMS.TXT welche Seiten es gibt eine Liste, kein Zusammenhang ENTITY MAP GEO ─hängt ab von─▶ SEO ├─ erreicht ─▶ KI-Sichtbarkeit └─ Beleg: Textstelle + URL was deine Marke weiß
Wie du deine eigene Entity Map baust, welche Werkzeuge kostenlos helfen und wie meine Map für bernard.digital aussieht, zeige ich im Kapitel Entity Map: deine Marke als Map.
Die Map ist die Arbeit, die Datei ist ein Nebenprodukt.
Häufige Fragen
Was ist eine llms.txt?
Eine Textdatei im Hauptverzeichnis einer Website, die Sprachmodellen in Markdown eine Übersicht der wichtigsten Inhalte gibt. Sie wurde 2024 von Jeremy Howard vorgeschlagen und ist kein offizieller Standard.
Nutzt Google die llms.txt?
Nein. Laut Googles Leitfaden zu KI-Funktionen nutzt die Google-Suche llms.txt und ähnliche Dateien nicht. Sie helfen oder schaden der Sichtbarkeit in der Suche nicht.
Brauche ich Schema.org für AI Overviews?
Nein. Google sagt, dass es kein spezielles Markup für KI-Funktionen gibt. Strukturierte Daten bleiben als normales SEO sinnvoll, etwa für Rich Results.
Wo lege ich die llms.txt ab?
Im Hauptverzeichnis der Domain, sodass sie unter deinedomain.de/llms.txt erreichbar ist.
Was ist eine Entity Map?
Eine Übersicht der Begriffe, die eine Marke besetzt, mit Definition, Belegen von der eigenen Website und den Beziehungen zwischen den Begriffen. Sie macht Inhalte und Signale konsistent, egal ob du sie als Datei veröffentlichst.
Weiter im Handbuch: Damit ist das technische Fundament gelegt. In Teil 3 geht es um die Inhalte selbst und darum, warum KI Marken als Entitäten versteht. Bis diese Kapitel erscheinen, zeigt KI-Sichtbarkeit messen, wie du prüfst, ob deine Arbeit wirkt.
Quellen
- Google Search Central: AI features and your website, Juli 2026
- Jeremy Howard: The /llms.txt file, September 2024
- Schema.org: Organization
- EntityMap: Specification v1.0, Fred Laurent und Dixon Jones
