llms.txt Generator — Tipps & Tricks

Zurück zur Übersicht: llms.txt Generator · Tool live öffnen: www.jpkc.com/tools/llms/

Das Manual erklärt jedes Feld und jede Regel, die Beispiele zeigen die Arbeitsabläufe. Hier geht es um das, was beides voraussetzt, aber selten dabeisteht: was eine llms.txt wirklich nützlich macht, welche Fehler der Validator gnadenlos meldet und wie das Tool in deine GEO-Strategie passt. Die Oberfläche ist auf Englisch — die echten Tab- und Button-Namen stehen deshalb im Original, bei Bedarf mit deutscher Erläuterung.

Eine llms.txt schreiben, die KI-Systeme wirklich nutzen

Die llms.txt ist kein SEO-Trick, sondern ein kuratiertes Inhaltsverzeichnis für KI. Das Tool fasst die Best Practices im Tips-Tab zusammen — die wichtigsten:

Die Tagline ist das Herzstück. Sie ist das Erste, was ein LLM liest. Ein einziger präziser Satz, der exakt erklärt, was dein Projekt tut — keine Marketing-Floskel. Das Tool kennzeichnet das Tagline-Feld nicht umsonst als das wichtigste.
Kuratieren statt dumpen. Verlink nur deine 5–20 wichtigsten Seiten. Qualität schlägt Quantität: KI-Systeme profitieren von fokussiertem, relevantem Kontext, nicht von einer Komplettliste. Das ist der Kernunterschied zur Sitemap (dazu unten mehr).
Jeder Link braucht eine Beschreibung. Der Text nach dem Doppelpunkt (- [Titel](URL): Beschreibung) sagt der KI vor dem Abruf, was eine Seite enthält. Nackte Links zwingen sie zum Raten.
Logisch gruppieren. Nutz Sektionen (## …), um verwandte Seiten zu bündeln — Docs, API, Guides, Über uns. Bei einer großen Seite gliedern H3-Subsektionen (### …) innerhalb einer Sektion weiter.
Aussagekräftige Titel. „API Authentication Guide" schlägt „API". Vage Titel wie „Seite 1" oder „Hier klicken" helfen niemandem.
Aktuell halten. Veraltete Links und Beschreibungen untergraben das Vertrauen. Pflege die Datei nach jedem größeren Site-Umbau — der Generator macht das per Open File → bearbeiten → Download leicht.

Stolperfallen, die der Validator meldet

Der Check-Tab unterscheidet hart zwischen Pflicht und Empfehlung. Wenn du eine eigene Datei prüfst, lohnt es, die häufigsten Treffer zu kennen:

Fehlende Tagline = Fehler (rot). Das Blockquote-Summary (>) ist Pflicht. Eine llms.txt nur mit Titel und Links besteht die Prüfung nicht — und genau das ist der häufigste handgeschriebene Fehler. Der Generator kann das gar nicht erst falsch machen, weil Tagline ein Pflichtfeld ist.
Fehlende oder leere H1 = Fehler. Der Titel (#) muss da und nicht leer sein.
Link mit leerer URL = Fehler. Ein Listenpunkt - [Titel]() ohne Adresse blockt die Validierung. Achte beim Handschreiben auf vollständige (URL)-Klammern.
Alles in einer Sektion oder gar keine Sektion = Warnung. „No H2 sections found" mahnt fehlende Gliederung an. Zwei bis drei Sektionen reichen meist — aber eine Struktur sollte da sein.
Leere Beschreibungen = Hinweis (Info). Kein Fehler, aber das Tool rät dazu, jeden Link zu beschreiben.
Zu groß oder zu klein = Warnung. Unter ~100 Bytes gilt die Datei als zu dünn, über ~50 KB als zu groß fürs Kontextfenster. Das Tool empfiehlt: llms.txt unter 50 KB, ideal unter 10 KB; 5–20 kuratierte Links; 2–5 Sektionen.
HTML-Entities im Blockquote = Warnung. Schreib Klartext, kein & o. Ä. in der Tagline.

Merksatz: H1 + Tagline + saubere Link-URLs sind die roten Linien. Alles andere ist Feinschliff.

Was nicht in die llms.txt gehört

Kein Sitemap-Abklatsch. Eine Sitemap listet jede URL; die llms.txt ist eine kuratierte Auswahl. Lass Login-Seiten, Suchergebnisse, Profil- und Admin-Bereiche weg.
Nichts hinter einem Login. Verlink keine authentifizierten Seiten, internen Tools oder Inhalte, die nicht für die Öffentlichkeit gedacht sind. Die Datei selbst muss ohne Auth öffentlich erreichbar sein.
Kein Keyword-Stuffing. Die llms.txt liefert Kontext für KI, sie ist kein Ranking-Hebel. Eine mit Keywords vollgestopfte Tagline ist kontraproduktiv.
Nicht über-sektionieren. Eine Sektion pro Seite ist zu viel — gruppiere. Zwei bis drei Sektionen sind oft genug.

Wo die Datei liegt — und llms-full.txt

Pflicht-Ort: https://deinedomain.de/llms.txt, öffentlich, ohne Login, Plain UTF-8 ohne BOM, Unix-Zeilenenden. Sub-Sites funktionieren auch (https://docs.deinedomain.de/llms.txt).
Optional: eine llms-full.txt mit dem zusammengeführten Volltext aller verlinkten Seiten — für LLM-Clients mit großem Kontextfenster, die lieber eine Datei als viele Einzel-Requests holen. Sie darf groß sein (100 KB – 5 MB). Im Generator trägst du nur die URL ein, das Tool baut die ## Optional-Sektion. Für große Doku-Sites lohnt es, die llms-full.txt per Build-Script in der CI/CD automatisch zu erzeugen.

Mit dem SEO-&-GEO-Analyzer kombinieren

Das stärkste Tandem: hier bauen, dort im GEO-Score prüfen. Der SEO & GEO Analyzer bewertet eine ganze Seite und lässt die llms.txt mit zwei Prüfungen in den GEO-Score einfließen:

llms.txt Present (3 Punkte) — verlangt nur eine erreichbare, nicht-leere Datei.
llms.txt Valid Structure (2 Punkte) — die vollen Punkte gibt es nur bei 0 Fehlern und 0 Warnungen.

Beide Tools nutzen dieselbe Validator-Logik — eine im llms.txt Generator grün geprüfte Datei macht also auch im GEO-Score beide llms.txt-Prüfungen grün. Der Workflow:

Im llms.txt Generator die Datei bauen (oder per Open File die alte laden und reparieren), bis der Check-Tab grün meldet.
Hochladen ins Web-Root.
Im SEO & GEO Analyzer die Seite analysieren und im GEO Score-Tab unter AI Discoverability den Sprung bei llms.txt Present und llms.txt Valid Structure ablesen.

So wird aus einer einzelnen Datei ein messbarer Beitrag zur KI-Readiness deiner ganzen Seite. Sperr nebenbei keine KI-Crawler aus — das prüft der Analyzer separat über AI Crawlers Allowed, das du mit robots.txt & Sitemap sauber stellst.

Noch mehr Kontext: die Übersicht zum großen Bild, das Manual für jedes Feld und jede Regel und die Beispiele für die Schritt-für-Schritt-Abläufe. Ausprobieren kannst du alles direkt im Tool.