Beobachtetes Signal · 15. Mai 2026 · Technical Audit · Quelle: DEV Community · Relevanz: 3/5 · Sentiment: Neutral
Audit zeigt: Die Mehrheit der Unternehmen nutzt keine llms.txt
Eine Untersuchung von 70 prominenten Websites – darunter KI-Labors, Dokumentationsplattformen, Entwickler-Infrastruktur, SaaS und das WordPress-Ökosystem – ergab, dass nur 31 eine echte llms.txt-Datei bereitstellten; nach Bereinigung verblieben 29 eindeutige Muster. Zahlreiche namhafte Anbieter von Modellen und Plattformen lieferten entweder einen 404-Fehler, spielten ein HTML-Single-Page-App-Fallback aus oder blockierten den Zugriff. Von den 31 vorhandenen Dateien entsprachen 12 (41 %) nicht der einfachen llms.txt-Spezifikation (H1 + Blockquote). Die Dateigrößen variierten stark zwischen 648 Bytes und rund 280 KB, was unterschiedliche Interpretationen des Dateizwecks widerspiegelt. Die HTTP-GET-Proben wurden am 16.05.2026 durchgeführt, das Skript und die Datensätze wurden veröffentlicht; der Artikel erschien am 15.05.2026.
Das technische Audit zur Adonation von llms.txt offenbart Lücken und eine wirksame operative Maßnahme (HTML-Fallback) für die Auffindbarkeit und Zitation von Web-Inhalten durch LLM-Crawler; dies ist nützlich, jedoch für sich genommen nicht branchenverändernd.
Marktsignale zu Anthropic in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Der Autor untersuchte am 16.05.2026 insgesamt 70 Kandidaten-Websites mittels nativem HTTP GET und einem Desktop-Browser-User-Agent.
- 31 von 70 (44 %) lieferten eine echte /llms.txt; die übrigen Ergebnisse umfassten 22 404-Fehler (31 %), 9 HTML-Fallbacks (13 %) sowie 8 Zugriffsfehler (403/530/Timeouts; 11 %).
- Nach Bereinigung von Mirror-Domains gab es 29 eindeutige llms.txt-Muster; 17 (59 %) folgten dem geforderten H1- und Blockquote-Format, 12 (41 %) taten dies nicht.
- Die Dateigrößen echter llms.txt-Dateien lagen zwischen 648 Bytes und 279.743 Bytes (Median: 9,4 KB; Mittelwert: 34,7 KB).
- Mehrere prominente Modell- und Dokumentationsanbieter (darunter OpenAI, Hugging Face, Google AI, Mintlify, GitBook, Readme, fast.ai) verfügten am untersuchten Root-Pfad über keine konforme /llms.txt.
Verknüpfte Unternehmen
5 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
llms.txt: Websites für ChatGPT und LLMs im Jahr 2026 optimieren
Ein DEV-Community-Beitrag von Dilm Informatique erläutert den llms.txt-Standard, eine Textdatei im Stammverzeichnis einer Domain, die Website-Inhalte für Large Language Models zusammenfasst. Der Artikel positioniert llms.txt als KI-Äquivalent zu robots.txt und erklärt, dass es Diensten wie ChatGPT, Perplexity und Google AI Overviews das Zitieren einer Website erleichtert. Zudem werden ergänzende technische Signale zur Verbesserung der KI-Sichtbarkeit genannt: SSR-Prerendering, JSON-LD-strukturierte Daten, thematische Sitemaps und optimierte Core Web Vitals. Der Beitrag verweist auf ein Live-Beispiel und Quellcode auf GitHub.
Implementierung von llms.txt für die KI-Optimierung
Dieser technische Leitfaden erklärt die Implementierung der llms.txt-Spezifikation, um Websites für Large Language Models (LLMs) zu optimieren. Analog zu robots.txt stellt llms.txt eine Markdown-Datei im Stammverzeichnis bereit, die zielgerichtete Unternehmensinformationen liefert. Der Artikel beschreibt die reale Umsetzung der Immagina Group im Rahmen ihres AI Optimization (AIO)-Frameworks, zeigt Dateistrukturen sowie Code-Beispiele und beleuchtet ein erweitertes Wissensdatei-Ökosystem inklusive llms-full.txt, ai-knowledge.json, entities.txt, citations.txt und brand.txt. Praxisnahe Ratschläge umfassen die Auslieferung als Plain Text, entsprechende robots.txt-Regeln, die Registrierung in Verzeichnissen sowie die Kombination mit Schema.org-Markup. Der Autor verzeichnet messbare Erfolge: W 주요 LLMs zitierten die Immagina Group innerhalb von 30 Tagen, und der Kunde Omega Professional verzeichnete nach fünf Monaten einen Anstieg der KI-generierten Leads um 25 Prozent sowie ein Umsatzwachstum von 15 Prozent.
llms.txt vs. robots.txt vs. ai.txt im direkten Vergleich
Dieser Entwickler-Leitfaden vergleicht drei Site-Level-Dateien – robots.txt, llms.txt und ai.txt –, die von Web-Crawlern und KI-Assistenten zur Entdeckung, Indexierung und Berücksichtigung von Publisher-Intentionen genutzt werden. robots.txt ist seit 1994 der Standard für Crawl-Zugriffe und pfadbasierte Regeln. llms.txt ist eine neue, auf Markdown basierende Konvention (unter anderem von Anthropic und Perplexity genutzt), die Kontext für LLMs und KI-Suchmaschinen bereitstellt. ai.txt ist ein auf Berechtigungen fokussierter Vorschlag mit Key-Value-Direktiven und JSON-Blöcken, der jedoch noch keine breite Durchsetzung erfährt. Der Artikel bietet Next.js App Router-Beispiele zur dynamischen Generierung, ein statisches ai.txt-Beispiel sowie einen empfohlenen Crawl-Entscheidungsfluss. Die Empfehlung lautet: robots.txt stets veröffentlichen, llms.txt für präzise KI-Zitierungen ergänzen und ai.txt zur Signalisierung der Intention einsetzen.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.