llms.txt für E-Commerce: was es ist, was nicht, und eine Shop-Vorlage

llms.txt ist eine Markdown-Datei im Stammverzeichnis einer Website (yourstore.com/llms.txt), die AI-Modellen eine kurze, kuratierte Übersicht der Website gibt: eine Überschrift mit dem Namen der Website, eine Zusammenfassung in einem Absatz und Listen mit Links zu den wichtigen Seiten, jeweils mit einer kurzen Notiz. Sie wurde im September 2024 vorgeschlagen, um Sprachmodellen und AI-Agenten zu helfen, die nützlichen Teile einer Website zu finden, ohne sich durch Navigation, Skripte und Cookie-Banner zu kämpfen.

Für einen Onlineshop lautet die kurze Antwort: Eine llms.txt-Datei ist an einem Nachmittag geschrieben, sie verbessert deine Rankings in der Google-Suche nicht (Google sagt, die Suche ignoriert sie), und kein großer AI-Shopping-Assistent hat dokumentiert, dass er sie liest. Sie kann trotzdem Agenten helfen, die danach suchen, und viele Shops liefern bereits eine aus, die sie nie selbst geschrieben haben. Ob ein AI-Assistent deine Produkte empfiehlt, entscheiden die Produktdaten, auf die die Links zeigen. Im Folgenden: was die Datei ist, was sie nicht ist, wer sie nutzt, und eine Vorlage, die für einen Katalog statt für eine Dokumentationsseite gebaut ist.

Woher llms.txt kommt: der Vorschlag von Jeremy Howard aus 2024

Jeremy Howard von Answer.AI veröffentlichte den Vorschlag am 3. September 2024 auf llmstxt.org. Die Begründung war praktisch: Ein Sprachmodell hat begrenzten Platz zum Lesen, und eine HTML-Seite verbraucht viel davon für Menüs, Footer, Skripte und Tracking-Code. Eine kleine, für Maschinen geschriebene Markdown-Datei könnte ein Modell direkt auf die lesenswerten Inhalte lenken, in einem Format, das es leicht parsen kann.

Die ersten Anwender waren Softwarefirmen mit umfangreicher Entwicklerdokumentation, wo ein Coding-Assistent von einem sauberen Index der API-Seiten profitiert. Diese Herkunft erklärt, warum die meisten Beispiele im Netz API-Referenzen und SDK-Leitfäden auflisten. Ein Shop hat andere Inhalte: Kategorien, Produkte, Richtlinien und Kaufberatungen. Das Format funktioniert für beides, aber die Inhalte müssen neu durchdacht werden.

llms.txt ist ein Vorschlag, kein von einem Standardisierungsgremium verabschiedeter Standard, und nichts verpflichtet eine AI-Firma, die Datei zu lesen. Denk daran, wenn ein Tool-Anbieter sie als unverzichtbar bezeichnet.

Das llms.txt-Format, Element für Element

Der Vorschlag legt eine feste Reihenfolge fest. Nur das erste Element ist Pflicht:

1. Eine H1 mit dem Namen der Website oder des Projekts. Für einen Shop: der Shopname.
2. Ein Blockzitat mit einer kurzen Zusammenfassung dessen, was die Website ist, und dem wichtigsten Kontext, den ein Modell braucht, um den Rest zu verstehen.
3. Optionale Absätze oder Listen ohne Überschriften mit mehr Details, zum Beispiel die Länder, in die du lieferst, oder deine Rückgabefrist.
4. Null oder mehr H2-Abschnitte, jeweils eine Liste von Links. Jeder Eintrag ist ein Markdown-Link, optional gefolgt von einem Doppelpunkt und einer Notiz: was auf dieser Seite steht und warum es wichtig ist.
5. Ein H2-Abschnitt namens Optional für sekundäre Links, die ein Agent überspringen kann, wenn ihm der Kontext knapp wird.

Der Vorschlag bittet Websites außerdem, saubere Markdown-Versionen ihrer Seiten unter derselben URL mit angehängtem .md anzubieten (/road-bikes wird zu /road-bikes.md, oder index.html.md für eine URL ohne Dateinamen). Die zweite Version des Vorschlags ergänzt Hinweise zur Auffindbarkeit: ein HTML-Link-Element oder einen HTTP-Link-Header mit rel="describedby", der auf die llms.txt-Datei zeigt, und rel="alternate" type="text/markdown", der auf die Markdown-Kopie einer Seite zeigt.

Du wirst auch llms-full.txt begegnen. Sie ist nicht Teil des Vorschlags. Es ist eine Konvention, die sich von Dokumentationsplattformen aus verbreitet hat: eine Datei mit dem vollständigen Text der Website statt Links darauf. Bei einem Shop mit Tausenden Produkten wird eine Volltextdatei schnell zu groß, um nützlich zu sein, deshalb verlinkt die Vorlage weiter unten stattdessen auf Kategorieseiten und einen Feed.

WISEPIM veröffentlicht seine eigene Datei unter wisepim.com/llms.txt, und sie folgt dieser Form: eine H1, eine einabsätzige Zusammenfassung im Blockzitat, was das Produkt macht und für wen es ist, ein Link zur vollständigen Dokumentation als llms-full.txt und dann Abschnitte mit Dokumentationslinks mit je einer einzeiligen Notiz. Das ist die Datei einer Softwarefirma. Die Datei eines Shops füllt dieselben Plätze mit anderen Dingen.

Was llms.txt nicht leistet: Rankings, Crawl-Steuerung und AI-Zitate

Die meiste Verwirrung um llms.txt entsteht, weil man erwartet, dass sie sich wie robots.txt oder wie ein Rankingsignal verhält. Sie ist keins von beiden.

• Sie ist kein Google-Rankingfaktor. Googles Leitfaden zur Optimierung für generative AI-Funktionen in der Suche führt llms.txt unter den Dingen auf, die du ignorieren kannst. Dort heißt es, du kannst die Dateien für andere Dienste anlegen, aber sie würden der Sichtbarkeit in der Suche „weder schaden noch helfen“, „da die Google-Suche sie ignoriert“. Derselbe Leitfaden rät dir, weiterhin strukturierte Daten und Merchant-Center-Feeds zu nutzen.
• Sie steuert das Crawling nicht. llms.txt lädt ein; sie erlaubt oder blockiert nichts. Um einen AI-Crawler am Abrufen deiner Seiten zu hindern, nutzt du weiterhin robots.txt-Regeln für seinen User-Agent.
• Sie beweist nichts. Im April 2025 verglich Googles John Mueller sie mit dem Keywords-Meta-Tag: eine Behauptung eines Website-Betreibers über die Website, die eine Suchmaschine mit der Website selbst abgleichen kann. Er fügte hinzu, dass seines Wissens keiner der AI-Dienste angegeben habe, sie zu nutzen (Search Engine Journal).
• Sie ist keine Sitemap. Eine Sitemap listet jede URL zur Auffindbarkeit auf. llms.txt ist eine Auswahl mit Kontext: weniger Links, jeder erklärt.

Google ist der einzige große Suchanbieter, der schriftlich erklärt hat, was er mit der Datei macht. Wir haben keine öffentliche Aussage von OpenAI, Perplexity, Microsoft oder Anthropic gefunden, dass ihre Shopping-Antworten die llms.txt eines Shops lesen. Begegne jedem Versprechen von mehr AI-Traffic allein durch die Datei mit Skepsis.

Wer llms.txt veröffentlicht: zuerst Entwicklerdokus, jetzt jeder Shopify-Shop

Die Verbreitung ist größer, als der fehlende Rankingeffekt vermuten lässt, vor allem weil Plattformen die Datei inzwischen für dich erzeugen:

Die praktische Folge: Wenn du Shopify nutzt, lieferst du wahrscheinlich schon eine llms.txt aus, die Shopify geschrieben hat. Öffne yourstore.com/llms.txt, bevor du irgendetwas schreibst, und entscheide, ob der Standard das sagt, was ein Agent wissen soll.

Eine llms.txt-Vorlage für einen Onlineshop

Dateien im Dokumentationsstil listen jede Seite auf. Die Datei eines Shops sollte das Gegenteil tun: den Katalog in wenigen Zeilen beschreiben und auf die Seiten und Datenquellen zeigen, die die Details enthalten. Diese Struktur funktioniert für die meisten B2C- und B2B-Shops:

1. H1: der Shopname, wie Kunden ihn kennen.
2. Blockzitat: was du verkaufst, an wen, in welchen Ländern und Währungen, in zwei oder drei Sätzen.
3. Wichtige Fakten (ohne Überschrift): Versandkosten und Schwelle für kostenlosen Versand pro Land, Lieferzeiten, Rückgabefrist und wer den Rückversand zahlt, Garantiebedingungen, Zahlungsarten, ob Preise die Mehrwertsteuer enthalten, und B2B-Konditionen, wenn du an Unternehmen verkaufst.
4. ## Categories: eine Zeile pro Hauptkategorie mit einem Link und einer Notiz mit echten Fakten: Anzahl der Produkte, wichtigste Marken, Größen- oder Spezifikationsbereiche. Zwölf Zeilen schlagen zwölfhundert.
5. ## Buying guides and size charts: Passformratgeber, Kompatibilitätstabellen, wie man eine Größe oder ein Modell auswählt. Das sind die Inhalte, mit denen Agenten die Frage „Welches soll ich kaufen?“ beantworten.
6. ## Policies: Versand, Retouren, Garantie, Datenschutz und AGB, jeweils mit einer einzeiligen Zusammenfassung.
7. ## Product data: deine Produkt-Sitemap und, falls du einen veröffentlichst, ein öffentlicher Produktfeed. Gib das Format an und wie oft er aktualisiert wird.
8. ## Optional: Über uns, Ladengeschäfte, Blog, Karriere, Presse.

Durchgerechnetes Beispiel: ein niederländischer Fahrradteile-Shop

Hier ist diese Struktur ausgefüllt für einen fiktiven Shop, Velowinkel, der Fahrradteile und Zubehör in den Niederlanden und Belgien verkauft. Jeder Eintrag unten ist eine Zeile oder ein Block der Datei:

• H1: Velowinkel
• Blockzitat: Velowinkel verkauft Fahrradteile, Reifen und Zubehör für Rennräder, Gravelbikes und Stadträder an Kunden in den Niederlanden und Belgien. Die Preise sind in EUR und enthalten 21 % niederländische Mehrwertsteuer. Rund 6.800 Produkte von 140 Marken.
• Wichtige Fakten: Kostenloser Versand in den Niederlanden ab EUR 50, darunter EUR 4,95; Belgien EUR 6,95. An einem Werktag vor 22:00 Uhr bestellt, in den Niederlanden am nächsten Werktag geliefert. 30 Tage Rückgaberecht, kostenloses Retourenlabel für unbenutzte Artikel. Zahlung per iDEAL, Bancontact, Karte und PayPal.
• ## Categories: Reifen (/tires): 1.240 Reifen und Schläuche, ETRTO-Größen 23-622 bis 57-622, Tubeless und Drahtreifen, Ventiltypen Presta und Schrader. Antrieb (/drivetrain): Ketten, Kassetten und Kettenblätter, 9- bis 12-fach, kompatibel mit Shimano, SRAM und Campagnolo. Beleuchtung (/lights): 310 Front- und Rücklichter, StVZO-zugelassene Modelle gekennzeichnet. Eine Zeile pro Kategorie, insgesamt acht.
• ## Buying guides: Ratgeber Reifenbreite (/guides/tire-width): welche Reifenbreiten auf welche Felgenbreiten passen, mit Kompatibilitätstabelle. Kettenkompatibilität (/guides/chain-compatibility): welche Kette zu welcher Kassette passt, nach Gangzahl und Marke.
• ## Policies: Versand (/shipping), Retouren (/returns): 30 Tage, kostenloses Label, ausgenommen auf Länge geschnittene Züge. Garantie (/warranty): zwei Jahre nach EU-Verbraucherrecht, Herstellergarantie auf Rahmen und Laufräder.
• ## Product data: Produkt-Sitemap (/sitemap_products_1.xml). Produktfeed (/feeds/products-nl.xml): Google-Shopping-XML-Format, alle vorrätigen Produkte, täglich um 02:00 Uhr aktualisiert.
• ## Optional: Über Velowinkel (/about), Werkstatt in Utrecht (/workshop), Blog (/blog).

In der echten Datei ist jede dieser Klammern ein vollständiger Markdown-Link. Achte darauf, was das Gewicht trägt: die Notizen. „Reifen: 1.240 Reifen und Schläuche, ETRTO-Größen 23-622 bis 57-622“ sagt einem Agenten, ob dieser Shop eine Frage zu einem 28-mm-Rennradreifen beantworten kann, bevor er auch nur eine Seite abruft. „Reifen: unser Reifensortiment“ sagt ihm nichts.

Produktfeeds, Markdown-Produktseiten und große Kataloge

Ein Shop mit 50 Produkten kann jedes einzelne verlinken. Ein Shop mit 20.000 kann das nicht und sollte es auch nicht versuchen: Die Datei wäre länger als der Kontext, den ein Agent dafür aufwenden will. Drei bessere Wege für große Kataloge:

• Verlinke einen öffentlichen Produktfeed. Wenn du bereits einen Feed für Google Shopping oder ein Vergleichsportal erzeugst, enthält er Titel, Preise, Verfügbarkeit, GTINs und Attribute in einem strukturierten Format. Ob du ihn öffentlich machst, ist eine geschäftliche Entscheidung: Auch die Konkurrenz kann ihn lesen. Der Leitfaden zum Produktfeed-Management erklärt, wie du einen aufbaust.
• Biete Markdown-Versionen von Kategorie- und Produktseiten an. Erzeuge sie aus deinen Produktfeldern, statt das HTML umzuwandeln: Titel, Marke, GTIN, Preis und Verfügbarkeit, dann die Attribute als einfache Liste (Reifenbreite: 28 mm, ETRTO: 28-622, Wulst: faltbar, Gewicht: 215 g), Kompatibilität, Lieferumfang und die Rückgaberichtlinie. Ein Produkt ohne diese Felder ergibt eine leere Markdown-Seite.
• Nutze llms-full.txt für Richtlinien und Ratgeber, nicht für den Katalog. Vollständiger Produkttext für Tausende SKUs ist im Feed und auf den Produktseiten selbst besser aufgehoben.

Welchen Weg du auch wählst: Die Datei beschreibt nur Daten, die anderswo existieren. Unser Beitrag zu technischem SEO für E-Commerce behandelt die Crawlbarkeit: Canonical-URLs, Sitemaps und Statuscodes gelten weiterhin für die Seiten, auf die llms.txt verlinkt.

Warum die Attribute hinter jedem Link über AI-Empfehlungen entscheiden

Muellers Einwand trifft den Kern. Ein AI-Assistent, der nach einem wasserdichten Rücklicht mit USB-C-Ladung und StVZO-Zulassung gefragt wird, vertraut keiner Zusammenfassungsdatei; er liest Produktseiten, strukturierte Daten und Händler-Feeds und vergleicht Fakten. Wenn „wasserdicht“ in einem Marketingabsatz versteckt ist und die IP-Schutzart fehlt, verliert das Produkt diesen Vergleich, egal wie gut die llms.txt die Kategorie beschreibt.

Die sinnvolle Reihenfolge der Arbeit für einen Shop ist also das Gegenteil des Hypes:

1. Fülle die Attribute, nach denen Kunden filtern und fragen: Maße mit Einheiten, Materialien, Kompatibilität, Zertifizierungen, Leistungs- und Akkudaten, Größenbereiche. Lies, wie Sprachmodelle Produktdaten nutzen, um zu verstehen, warum typisierte Felder Fließtext schlagen.
2. Stelle sie als strukturierte Daten bereit auf der Produktseite. Der schema.org-Leitfaden für Produkttaxonomien zeigt, welche Eigenschaften zählen, und der kostenlose Product-Schema-Generator erstellt einen Product-JSON-LD-Block, den du mit deinem vergleichen kannst.
3. Sende sie in deinen Feeds mit, auch in den Feeds, die AI-Assistenten direkt einlesen. Der Leitfaden zum ChatGPT-Shopping-Feed listet die Felder auf, die OpenAI verlangt.
4. Schreib dann die llms.txt als Wegweiser zu all dem.

Sieben Checks, bevor die llms.txt deines Shops live geht

Sobald die Datei live ist, lies deine Serverlogs nach Anfragen an /llms.txt und die .md-Seiten. Das zeigt dir, welche Agenten sie abrufen, und ist verlässlicher als jede Behauptung darüber, welche es tun sollten.

WISEPIM arbeitet an der Ebene unter der Datei: Es füllt fehlende Attribute, Beschreibungen und Übersetzungen mit AI, prüft jedes Produkt in Quality Guard gegen Kanalregeln und erzeugt Feeds über Feed Hub, damit die Seiten und Feeds, auf die deine llms.txt zeigt, die Fakten enthalten, die ein Assistent vergleicht. Die Feature-Seite zu Agentic Commerce zeigt, wie das bei einem Katalog aussieht.