llms.txt und KI-Zitate: was die Belege zeigen und was nicht

Zwei Beiträge haben diese Woche dieselbe Frage von entgegengesetzten Seiten gestellt: Entscheidet irgendetwas auf deiner eigenen Website darüber, ob ein KI-Assistent sie zitiert? Ein Maintainer schreibt, dass die Datei, die alle empfehlen, llms.txt, bei ihm kaum etwas bewirkt hat. Ein Anbieter berichtet, dass eine Website, die komplett auf erfundenen Statistiken aufgebaut war, von ChatGPT noch lange abgerufen wurde, nachdem Google sie nicht mehr anzeigte. Keins von beiden ist eine Studie. Beide lohnen genaues Lesen, und beide zeigen auf dieselbe unbequeme Lücke zwischen gefunden werden und recht haben.

Ein Maintainer berichtet: die Datei wurde selten gelesen

Cristian Tabacitu pflegt Backpack for Laravel, ein Admin-Panel-Paket, das rund zehn Jahre alt ist. Er schreibt, sie hätten eine llms.txt veröffentlicht, und er bezweifle, dass sie viel bringt: Agenten suchen selten danach, und wenn doch, ist sie ein Inhaltsverzeichnis für eine Dokumentation, die sie ohnehin lesen konnten. Er überlegt, sie zu entfernen. Ein MCP-Server, den sie zum Durchsuchen ihrer Doku gebaut haben, lieferte aus ähnlichem Grund durchwachsene Ergebnisse: Der Agent muss sich entscheiden, ihn aufzurufen, und tut es meistens nicht. Seine Faustregel: Alles, woran ein Agent denken muss, um es zu holen, ist schwach. Was funktioniert, liegt schon vor ihm oder steckt schon in seinen Trainingsdaten.

Was er stattdessen verantwortlich macht, ist überwiegend altmodisch: eine API, die jahrelang stabil blieb, sodass der richtige Code in den Trainingsdaten gelandet ist; Deprecation statt Umbenennung, weil eine Umbenennung das Gelernte eines Modells in eine alte und eine neue Version spaltet; zehn Jahre offene Issues und Tutorials als Beispiele; und Code, der lesbar in vendor/ liegt, wo Agenten ihre Fragen selbst beantworten.

Das Experiment eines Anbieters: abgerufen heißt nicht gerankt

Der zweite Beitrag stammt aus dem Blog von Peec AI, einer Firma, die Tracking für Sichtbarkeit in KI-Antworten verkauft. Lies ihn also als Anbieter, der sein eigenes Experiment beschreibt. Der Autor sagt, er habe im März 2026 an einem Tag mit GPT-4.1 50.000 Statistikseiten erzeugt, jede Zahl erfunden und nie geprüft, für etwa 50 $. Nach seiner Darstellung indexierte Google die Seite innerhalb von ungefähr einer Woche, dann brach die Sichtbarkeit nach zwei Google-Updates ein. Trotzdem habe ChatGPT sie weiter abgerufen: etwa 72.000 Anfragen von ChatGPT-User, dem Agenten, der Seiten in Echtzeit holt, allein in den letzten 30 Tagen. Außerdem sagt er, die erfundenen Zahlen seien in einem wissenschaftlichen Paper und in der Investment-Research einer Bank aufgetaucht.

Sein Fazit: Bei Google zu ranken und für einen Assistenten abrufbar zu sein, sind zwei verschiedene Probleme. Ein Assistent zerlegt eine Anfrage in mehrere Teilabfragen, sammelt Kandidatenseiten, sortiert sie neu und öffnet einige davon. Nichts in dieser Kette prüft, so wie er sie beschreibt, ob eine Zahl stimmt.

Was diese Website über ihre eigene llms.txt weiß

Diese Website liefert /llms.txt und /llms-full.txt aus. Beide werden aus echten Daten gebaut: den Kategorieseiten der Tools, jedem aktivierten Tool mit seiner Beschreibung (die volle Datei ergänzt die Anleitungsschritte und das FAQ jedes Tools) und den veröffentlichten Beiträgen des Hauptblogs. Beide gibt es nur auf Englisch. robots.txt erlaubt vier KI-Crawler ausdrücklich mit Namen: GPTBot, ClaudeBot, PerplexityBot und Google-Extended.

Wichtiger ist, was die Website nicht weiß. Ein Besuch eines dieser vier wird in der Statistik gesondert gezählt, aber nur, wenn der Tracking-Beacon der Seite ihn meldet. Ein Crawler, der das HTML liest, ohne das Skript auszuführen, tut das nie, und eine reine Textdatei hat überhaupt kein Skript. ChatGPT-User steht nicht auf der Liste. Es gibt hier also keine Messung, wer llms.txt liest, und keine dazu, ob sie zu einem einzigen Zitat geführt hat. Dieser Beitrag behauptet weder das eine noch das andere, weil es keine Grundlage dafür gibt.

Die Hausregel: nur Zahlen mit Quelle

Das Experiment des Anbieters zeigt, dass eine erfundene Zahl weit kommen kann, bevor jemand sie prüft. Die Regel dieser Website ist die schlichte Antwort darauf: Jede Zahl und jedes Zitat ist echt, ohne erfundene Kennzahlen. Wenn eine Zahl auftaucht, sagt der Satz, von wem sie stammt, und ein Link führt zu ihrem Ursprung. Das kostet etwas Reichweite, weil eine belegte Aussage immer enger ist als eine ausgedachte. Es ist trotzdem die einzige Art von Aussage, für die es sich lohnt, zitiert zu werden.

Wenn du entscheidest, was du diese Woche tust: Behalte llms.txt, wenn sie dich wenig kostet, aber erwarte nicht, dass sie die Arbeit erledigt. Steck die Zeit dorthin, wo sich beide Beiträge über eine echte Wirkung einig sind: stabile URLs und Namen, die du nicht umbenennst, klare Fakten mit ihrer Quelle im Satz, strukturierte Daten, die zur sichtbaren Seite passen, und eine Dokumentation, die ein Agent lesen kann, ohne dass man es ihm sagt. Quellen: Backpack for Laravel und das Experiment von Peec AI.