Eine Ahrefs-Studie über 137.000 Domains zeigt: Die viel verkaufte llms.txt erreicht die KI-Suche praktisch nicht. Unternehmen optimieren damit für ein Publikum, das gar nicht vorbeischaut.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Die llms.txt galt der GEO-Szene als Pflichtdatei für mehr Sichtbarkeit in ChatGPT und Co. Kommt Ihnen das bekannt vor? Genau wie beim Keyword-Stuffing verkaufte die Branche eine Taktik, bevor jemand belegt hatte, dass sie wirkt. Eine neue Auswertung von Ahrefs liefert nun die Ernüchterung.
Das Wichtigste in Kürze
- 97 % aller llms.txt-Dateien bekamen im Mai 2026 keinen einzigen Abruf.
- Von den wenigen gelesenen Dateien stammten 96 % der Zugriffe von Bots, nur 4 % von Menschen.
- Nur 19,5 % der Abrufe kamen von benannten KI-Tools, davon fast alle von Coding-Agenten statt von der KI-Suche.
- Rund 12 % des Traffics erzeugte die GEO-Branche selbst, die ihre eigene Idee untersucht.
Wofür llms.txt eigentlich gedacht war
Hier liegt der Denkfehler. Jeremy Howard, Mitgründer von Answer.AI, schlug die llms.txt im September 2024 für ein ganz anderes Problem vor: Sprachmodelle haben zu kleine Kontextfenster für ganze Websites, und sauberen Text aus HTML zu gewinnen ist mühsam. Die Datei sollte Coding-Agenten und Entwicklungsumgebungen den Weg zur technischen Dokumentation abkürzen. Mit Ranking in der KI-Suche hatte das nie etwas zu tun.
Die Ahrefs-Zahlen bestätigen genau diese Ursprungsidee. Der mit Abstand fleißigste Abrufer war Claude-Code, Anthropics Coding-Agent, gefolgt vom Trainings-Crawler GPTBot. Reine Suchbots wie PerplexityBot oder OAI-SearchBot kamen zusammen auf ein paar hundert Abrufe. Slackbot holte die Datei häufiger als Perplexity. Die llms.txt erfüllt also ihren eigentlichen Zweck, nur eben nicht den, den die GEO-Branche verkauft.
Warum die KI-Suche die Datei ignoriert
Der Grund ist strukturell. Eine llms.txt besteht aus selbst deklarierten Metadaten. Googles John Mueller bringt es auf den Punkt: Damit sage eine Website den Systemen im Grunde nur, sie sei „die beste Website überhaupt“. Solche Selbstauskünfte taugen nicht als Rankingsignal, weil jeder sie beliebig setzen kann. Mueller nennt die Datei eine vorübergehende Krücke, um Coding-Tools ein paar Tokens zu sparen.
Ein zweiter Befund macht das deutlich: Für nicht existierende llms.txt-Dateien gab es null Anfragen von KI-Bots. Die Systeme suchen also gar nicht erst danach. Wo Zugriffe entstanden, kamen sie oft von Menschen, die bei der Konkurrenz nachsehen. Das erinnert an den alten Meta-Keywords-Tag, den Suchmaschinen verwarfen, sobald er manipulierbar wurde.
Eine Datei, die sich selbst zur besten Website erklärt, überzeugt keinen Algorithmus. Reichweite in der KI-Suche entsteht durch Inhalte, die Menschen wie Maschinen tatsächlich aufrufen, nicht durch eine Selbstauskunft im Wurzelverzeichnis.
— Michael Dobler, Herausgeber Dr. Web
Was deutsche Entscheider jetzt tun sollten
Für den Mittelstand heißt das klare Prioritäten. Stecken Sie kein Entwicklerbudget in eine llms.txt, um in KI-Antworten aufzutauchen, denn die Wirkung ist nicht belegt. Sinnvoll bleibt die Datei nur, wenn Sie technische Dokumentation oder eine API pflegen, die Coding-Agenten nutzen, etwa bei SaaS- und Entwicklerprodukten. Dann genügt eine automatisch erzeugte Datei, die nichts kostet und nicht schadet.
Prüfen Sie zuerst Ihre eigenen Server-Logs, bevor Sie Zeit investieren. Sichtbarkeit in der generativen Suche entsteht durch strukturierte Inhalte, saubere Technik und Themenautorität, wie sie unser GEO-Ratgeber und die SEO-Grundlagen beschreiben. Die vollständige Auswertung von Ahrefs liefert die Zahlen dazu.
