llms.txt und Grounding Page: Wegweiser und Faktenquelle für KI-Systeme

llms.txt und Grounding Page geben KI-Systemen und LLMs Orientierung und ergänzen SEO für die KI-Suche. Die llms.txt führt KI-Agenten zu den wichtigsten Inhalten einer Website. Die Grounding Page liefert geprüfte Informationen zu Unternehmen, Marken und Personen.

Das Wichtigste in Kürze:

  • llms.txt: Inhaltsverzeichnis in Markdown für KI-Agenten und Entwickler-Tools, automatisch erzeugt mit wenig Aufwand.
  • Grounding Page: indexierbare Seite mit geprüften Fakten zu Unternehmen und Marken, Grundlage für Profile, Verzeichnisse und KI-Antworten.
  • Wirkung: Erwähnungen, Verzeichnisse und einheitliche Daten bringen die meiste KI-Sichtbarkeit. Die llms.txt ergänzt sie mit minimalem Einsatz.

llms.txt und Grounding Page im Vergleich: zwei Bausteine mit klarer Aufgabenteilung

Beide Bausteine ergänzen klassische SEO und machen eine Website für KI-Systeme verständlich. Sie erfüllen dabei unterschiedliche Aufgaben:

Kriteriumllms.txtGrounding Page
ZweckWegweiser zu ausgewählten InhaltenFaktenquelle zur Entität: Unternehmen, Marke, Person oder Produkt
FormatMarkdown-Datei im StammverzeichnisHTML-Seite mit strukturierten Daten
LeserKI-Agenten, Coding-Assistenten, Entwickler-ToolsSuchmaschinen, KI-Systeme über den Suchindex und Menschen
Abrufdirekt unter der URL /llms.txtüber den Index von Google und Bing
Pflegeautomatisch bei jeder ÄnderungPrüfung durch eine verantwortliche Person, zum Beispiel quartalsweise
Belegte Wirkungkein messbarer Effekt auf KI-ZitierungenFallstudien mit Zuwachs, ohne Kontrollgruppe

Beide greifen auf dieselben Informationen zurück: Leistungen, Kerndaten und Beschreibungen. Eine gemeinsame Datenquelle hält sie konsistent.

llms.txt: Markdown-Standard nach llmstxt.org mit H1, Zusammenfassung und Linklisten

Die llms.txt ist eine Markdown-Datei im Root-Verzeichnis einer Website, zum Beispiel https://digitalagenten.com/llms.txt. Jeremy Howard hat den Standard im September 2024 auf llmstxt.org vorgeschlagen.

Die llms.txt-Datei hilft Large Language Models (LLMs), die wichtigsten Inhalte zur Laufzeit schnell zu finden. Gedacht ist sie für den Abruf durch KI-Agenten, nicht für das Training.

Die robots.txt regelt den Zugriff, die sitemap.xml listet alle URLs für Suchmaschinen. Die llms.txt zeigt KI-Systemen ausgewählte URLs mit Kontext.

H1 als Pflichtteil: Name der Website oder des Unternehmens

Pflicht ist nur eine H1 mit dem Namen. Alle weiteren Bausteine sind empfohlen.

Der Name sollte exakt dem Namen in Unternehmensprofil, strukturierten Daten und Verzeichnissen entsprechen. So ordnen KI-Systeme alle Angaben eindeutig derselben Entität zu.

Zusammenfassung als Zitatblock: das Unternehmen in zwei Sätzen

Ein Zitatblock mit „>“ fasst Angebot, Standort und Schwerpunkte zusammen. Sachliche Angaben liefern KI-Systemen mehr Kontext als Werbesätze.

Darunter kann ein kurzer Absatz auf die Faktenseite des Unternehmens verweisen.

Linklisten unter H2: die wichtigsten URLs mit kurzer Beschreibung

Jeder Abschnitt bündelt Links im Format „[Name](URL): Beschreibung“. Typische Abschnitte sind Unternehmen, Leistungen, Ratgeber und Dokumentation.

Die Beschreibung erklärt in genau einem Satz, welche Informationen die verlinkte Seite enthält.

Abschnitt Optional: nachrangige Inhalte für knappe Kontextfenster

Links unter „## Optional“ können KI-Systeme bei knappem Kontext überspringen. Optional sind etwa Blog-Übersicht, Sitemap und Archive.

llms-full.txt: alle Inhalte in einer Datei

Die llms-full.txt enthält den vollständigen Text der verlinkten Seiten in Markdown. Anthropic, der Anbieter von Claude, hat das Format 2024 gemeinsam mit Mintlify für Entwickler-Dokumentationen eingeführt.

Für Unternehmenswebsites reicht meist die llms.txt. Bei der Hälfte der Domains mit beiden Varianten unterscheiden sich die Größen um höchstens 5 % (SEOmator).

Abrufe der llms.txt durch KI-Crawler: 97 % der Dateien ohne einen einzigen Abruf

Verbreitet ist die Datei bereits: 8,6 % der 100.000 größten Domains laut Cloudflare Radar haben eine llms.txt (SEOmator, September 2026). Logfile-Studien zeigen, wie oft KI-Crawler sie abrufen:

  • Ahrefs (Juni 2026, 137.210 Domains): 97 % der rund 38.000 llms.txt-Dateien erhielten im Mai keinen Abruf. Von rund 22.000 Abrufen entfielen 4,51 % auf GPTBot, 0,8 % auf ClaudeBot und 21,7 % auf SEO-Audit-Tools.
  • EZY.ai (Juli 2026, 83 Websites, Anbieterstudie): GPTBot rief die llms.txt 7-mal ab, die robots.txt 3.990-mal. ClaudeBot kam auf 9 zu 3.120, PerplexityBot auf 0 zu 775, Googlebot auf 67 zu 5.125.
  • ThinkAI (Oktober 2026, eine Website, vier Monate): 131 Abrufe der llms.txt bei 4,0 Millionen Bot-Requests. Markdown-Versionen einzelner Seiten wurden rund 60-mal häufiger abgerufen.
  • Meta-ExternalAgent ist die Ausnahme unter den LLM-Crawlern: 193 Abrufe der llms.txt gegenüber 172 der robots.txt (EZY.ai).

Mehr Abrufe zeigt eine Fallstudie von Wix (Dezember 2025): Mit einem Link per rel=alternate im HTML-Head rief OAI-SearchBot die llms.txt auf sieben Websites über 5.000-mal ab.

Ein solcher Link im Head ist deshalb ein einfacher Test, um genau diesen Effekt auf der eigenen Website zu prüfen.

Google, OpenAI, Anthropic und Perplexity: keine offizielle Unterstützung der llms.txt

  • Google: Laut Leitfaden zur KI-Optimierung (Stand Juli 2026) ignoriert die Google-Suche llms.txt-Dateien. John Mueller sagte im Juni 2025: „no AI system currently uses llms.txt“.
  • OpenAI und Perplexity: Beide steuern ihre Crawler über die robots.txt. Die llms.txt nutzen sie als Index der eigenen Dokumentation.
  • Anthropic: Für ClaudeBot, Claude-User und Claude-SearchBot nennt Anthropic ausschließlich die robots.txt.
  • Chrome Lighthouse: Ein eigener Audit prüft die llms.txt als „emerging convention“ (Dokumentation, Stand Mai 2026). Fehlt die Datei, gilt der Audit als nicht anwendbar.

Für klassische SEO und Rankings ist die llms.txt damit neutral. Ihr Nutzen liegt bei KI-Agenten und Entwicklerwerkzeugen, die Inhalte gezielt abrufen.

Grounding Page: geprüfte Fakten zur Marke als Quelle für KI-Antworten

Eine Grounding Page ist eine Seite auf der eigenen Domain, die die zentralen Angaben zu einer Entität bündelt: Unternehmen, Marke, Person oder Produkt. Uberall beschreibt sie als „single, authoritative, citable source of truth“.

Large Language Models wie ChatGPT, Claude und Gemini finden die Seite über den Suchindex. Sie liefert die Antwort auf typische Fragen zu Angebot, Leistungen und Ansprechpartnern, präzise und mit Quellen. So können KI-Systeme korrekt zitieren.

Grounding Pages ergänzen die klassische Über-uns-Seite um prüfbare Angaben. Der Begriff GroundingPage ist als Marke von Hanns Kronenberg eingetragen.

Grounding und Grounding Page: Abrufprozess und Quelle

Grounding bezeichnet den Abruf aktueller Webinhalte durch ein Sprachmodell (LLM), etwa Grounding with Google Search in Gemini oder Grounding with Bing Search.

Die Faktenseite ist die Quelle, die in diesem Prozess gefunden werden soll. Sie wird sichtbar, sobald Google und Bing sie indexieren.

Faktentabelle: Subjekt, Beschreibung, Belege und Verantwortung

Der Grounding Page Standard von Hanns Kronenberg (Version 1.7, Oktober 2026) setzt auf eine stabile Definition, eine Abgrenzung und eine konsistente Struktur.

Bewährt hat sich eine Faktentabelle mit Subjekt, Beschreibung, kanonischer Referenz, Geltungsbereich, Belegen und Pflegeverantwortung. Verknüpfte Entitäten wie Standorte, Produkte und Personen erhalten eigene Abschnitte.

Beispiel Grounding Page: die Faktenseite von digitalagenten

Die Faktenseite von digitalagenten bündelt Kerndaten, Leistungsbereiche mit Sprungmarken, Ansprechpartner und häufige Fragen in Deutsch und Englisch.

Ein Organization-Schema mit Leistungskatalog spiegelt die sichtbaren Angaben. Die llms.txt verweist gleich im ersten Absatz auf diese Seite.

Wirkung auf die KI-Sichtbarkeit: Erwähnungen und Verzeichnisse wirken stärker als die llms.txt

  • llms.txt: SE Ranking fand bei rund 300.000 Domains keine Korrelation zwischen llms.txt und KI-Zitierungen (Oktober 2026).
  • Schema-Markup: Ahrefs verglich 1.885 Seiten mit neuem JSON-LD mit Kontrollseiten. Die Zitierungen in AI Mode (+2,4 %) und ChatGPT (+2,2 %) stiegen nicht signifikant.
  • Erwähnungen: Bei 75.000 Marken korrelieren Erwähnungen im Web am stärksten mit der Sichtbarkeit in AI Overviews (0,664), Backlinks deutlich schwächer (0,218) (Ahrefs, Mai 2025).
  • Verzeichnisse: 42 % von 6,8 Millionen Zitierungen in ChatGPT, Gemini und Perplexity stammen aus Verzeichnissen und Listings, 44 % von Websites (Yext, Oktober 2025).
  • Grounding Pages: Eine Anbieter-Fallstudie mit 16 Seiten zeigt einen Anstieg der KI-Sichtbarkeit von 25,3 auf 34,4 Punkte nach zwei Wochen, ohne Kontrollgruppe (groundingpage.com).

Die Grounding Page entfaltet ihren Nutzen als einheitliche Referenz. Profile, Verzeichnisse und Pressetexte übernehmen dieselben Daten.

So entstehen konsistente Erwähnungen, die KI-Systeme in ihren Antworten zitieren.

Einsatzzweck: llms.txt für Agenten, Grounding Page für Fakten, beide aus einer Datenquelle

  • llms.txt: sinnvoll, wenn Dokumentation, Leistungsseiten oder Ratgeber für KI-Agenten und Coding-Assistenten erschlossen werden sollen. Für APIs ergänzen MCP Server die llms.txt. Einsatz: einmal einrichten, danach automatisch.
  • Grounding Page: sinnvoll, wenn KI-Systeme ein Unternehmen, eine Marke oder eine Person korrekt beschreiben sollen. Aufwand: Angaben recherchieren, freigeben und regelmäßig prüfen.
  • Beide zusammen: sinnvoll für Unternehmen mit mehreren Leistungen und Standorten. Eine Datenquelle versorgt Website, llms.txt, Faktenseite, strukturierte Daten und Verzeichnisse.

Für Generative Engine Optimization (GEO) ist die Kombination der robusteste Weg: Die Datei erschließt Inhalte, die Seite sichert eindeutige Angaben.

llms.txt erstellen und automatisch aktuell halten: Praxisbeispiel digitalagenten.com

Die llms.txt von digitalagenten entsteht automatisch aus WordPress. Fünf Schritte führen zu einer Datei, die sich selbst pflegt:

  1. Inhalte auswählen: Faktenseite, Leistungen nach Bereichen, Ratgeber und Studien. Datenschutz, Stellenanzeigen und veraltete Beiträge entfallen.
  2. Beschreibungen übernehmen: Die Meta-Descriptions liefern den Text, ein Filter entfernt Calls-to-Action.
  3. Markdown schreiben: H1, Zusammenfassung, Verweis auf die Faktenseite, H2-Abschnitte und „## Optional“.
  4. Im Stammverzeichnis ablegen: Die llms.txt-Datei liegt unter /llms.txt neben robots.txt und sitemap.xml, in UTF-8 und ohne BOM-Zeichen.
  5. Aktuell halten: Jede Änderung an Seiten oder Beiträgen löst einen Neuaufbau aus, dazu ein täglicher Lauf und ein Cache-Purge bei Cloudflare.

Tools erleichtern den Einstieg: der Generator in Yoast SEO, Plugins für WordPress und Shopify oder MCP Server für Dokumentationen.

Yoast erzeugt die Datei wöchentlich aus den fünf zuletzt aktualisierten Inhalten. Für Websites mit vielen Leistungsseiten bietet eine eigene Auswahl mehr Kontrolle.

Grounding Page erstellen und pflegen: Belege, Struktur und feste Prüftermine

Schritt für Schritt entsteht die eigene Grounding Page:

  1. Fakten sammeln: Firmenname, Rechtsform, Standort, Gründungsjahr, Leistungen, Ansprechpartner und Kennzahlen, jede Angabe mit Beleg.
  2. Aufbau festlegen: kurze Definition oben, Faktentabelle, Leistungsbereiche, Abgrenzung und häufige Fragen. Ein Thema pro URL.
  3. Strukturierte Daten ergänzen: Schema-Markup vom Typ Organization mit denselben Angaben wie im sichtbaren Text, dazu sameAs-Links zu den Profilen.
  4. Prüfen und abgleichen: quartalsweise mit Datum, dazu ein Abgleich mit Unternehmensprofil, Yext-Einträgen und Verzeichnissen.

Jeder Schritt erhöht die Wahrscheinlichkeit, dass KI-Antworten Marken korrekt beschreiben und zitieren. Bing empfiehlt, Inhalte direkt zu formulieren, Entitätsnamen einheitlich zu halten und Kerninformationen oben zu platzieren.

Abrufe von llms.txt und Grounding Page messen: Logfiles, KI-Bot-Tracking und Prompt-Monitoring

  • Logfiles: Abrufe der URL /llms.txt und der Faktenseite nach User-Agent der Crawler auswerten, etwa GPTBot, ClaudeBot, OAI-SearchBot, PerplexityBot und Meta-ExternalAgent.
  • KI-Bot-Tracking: Plugins und CDN-Statistiken, zum Beispiel von Cloudflare, zeigen Trends auch ohne Rohdaten.
  • Prompt-Monitoring: Der SISTRIX AI Tracker misst, ob ChatGPT, Gemini und Perplexity die Marke nennen und welche Quellen sie in ihren LLM-Antworten zitieren.
  • Vorher-Nachher-Vergleich: eine Messung vor dem Livegang der Grounding Page und eine nach vier bis acht Wochen.

Typische Fehler bei llms.txt und Grounding Page: Kodierung, Werbetexte und widersprüchliche Angaben

Saubere Dateien und konsistente Angaben sichern die Wirkung beider Bausteine. Typische Fehler lassen sich vor dem Livegang prüfen:

  • Kodierung: Ein unsichtbares BOM-Zeichen vor der H1 oder maskierte Zeichen wie „\-“ erschweren das Auslesen.
  • Werbetexte: Calls-to-Action in der Zusammenfassung liefern KI-Systemen keine verwertbaren Informationen.
  • Sprachversionen: Englische Titel mit deutschen URLs verwirren die Zuordnung.
  • Widersprüche: Abweichende Angaben zwischen Faktenseite, Unternehmensprofil und Verzeichnissen schwächen die Entität.
  • Anweisungen an KI-Systeme: Ahrefs empfiehlt neutrale Beschreibungen, weil Anweisungen als Prompt-Injection gelten können.

llms.txt und Grounding Page im GEO-Programm: Grundlagen für dauerhafte KI-Sichtbarkeit

Generative Engine Optimization (GEO) ergänzt klassische SEO um Inhalte, Erwähnungen und Messung in KI-Antworten. llms.txt und Grounding Pages sind darin technische Grundlagen mit geringem Aufwand.

Die größte Wirkung entsteht im Zusammenspiel mit Erwähnungen, Verzeichnissen und zitierfähigen Inhalten:

Die GEO-Agentur von digitalagenten setzt alle Bausteine in einem Programm um, von der Grounding Page bis zum Monitoring. So bleiben Marken in KI-Antworten dauerhaft sichtbar.

Fazit: llms.txt automatisch pflegen, Grounding Page als Faktenquelle ausbauen

Die llms.txt kostet mit automatischer Pflege kaum Aufwand und erschließt Inhalte für KI-Agenten.

Die Grounding Page liefert die geprüften Fakten, auf die Profile, Verzeichnisse und KI-Antworten zurückgreifen.

Die größte KI-Sichtbarkeit entsteht, wenn beide Bausteine aus einer Datenquelle gespeist werden und Erwähnungen außerhalb der eigenen Website folgen.

FAQ: llms.txt und Grounding Page

Die llms.txt liegt im Root-Verzeichnis, also unter https://domain.de/llms.txt. Nach dem Vorschlag von Jeremy Howard aus dem September 2024 ist sie eine Textdatei in UTF-8 mit Markdown-Formatierung.

Google ignoriert die llms.txt laut eigenem Leitfaden zur KI-Optimierung (Stand Juli 2026). Die Datei verändert Rankings in der Google-Suche weder positiv noch negativ.

Die llms.txt verlinkt die wichtigsten Seiten mit kurzer Beschreibung. Die llms-full.txt enthält den vollständigen Text dieser Seiten und eignet sich vor allem für Entwickler-Dokumentationen.

Eine Grounding Page entsteht in vier Schritten: Angaben mit Belegen sammeln, Aufbau mit Definition und Faktentabelle festlegen, Organization-Schema ergänzen und regelmäßig prüfen.

Die Über-uns-Seite erzählt Geschichte und Werte. Die Grounding Page bündelt prüfbare Angaben in fester Struktur, neutral formuliert und mit Belegen. Beide Seiten ergänzen sich.

Die llms.txt verweist auf die Faktenseite und die zentralen Leistungsseiten. Beide werden aus derselben Datenquelle gepflegt und bleiben so eindeutig und konsistent.

Lorenz Wacker - Managing Partner und Digital Strategist -Digitalagenten Berlin

Lorenz Wacker

Managing Partner

Lorenz Wacker ist Managing Partner und Digital Strategist bei digitalagenten in Berlin und hat sich auf umfassende digitale Strategie spezialisiert.

Als Geschäftsführer verbindet er SEO, Ads, Content und KI zu Multichannel-Strategien.

Lorenz verfügt über Branchenerfahrung in Automotive, Finanzdienstleistungen, Versicherungen, Online-Medien, Telekommunikation, Einzelhandel, Reisen und Gesundheitswesen.