llms.txt und Structured Data: GEO-Checkliste 2026

Wenn KI-Systeme deine Inhalte nicht sauber lesen, zitieren sie dich auch nicht. Gute Texte allein reichen dafür nicht. Die Technik entscheidet, ob deine Antworten überhaupt ankommen. Diese Checkliste bringt deine Seite auf Stand.

Viele Content-Teams investieren viel Zeit in gute Texte und übersehen dabei, dass ein KI-System diese Texte gar nicht erst sauber erfassen kann, wenn die technische Basis fehlt. Diese Checkliste geht die Schichten durch, die dafür sorgen, dass Inhalte überhaupt gelesen, verstanden und am Ende zitiert werden können, von der einfachsten bis zur am häufigsten unterschätzten Stelle.

Was llms.txt ist und was es leisten soll

llms.txt ist ein freiwilliger Markdown-Standard, der als Datei im Root-Verzeichnis einer Website liegt und KI-Systemen eine strukturierte Übersicht über die wichtigsten Inhalte einer Seite geben soll. Die vollständige Spezifikation findest du auf llmstxt.org.

Die Idee dahinter ist einfach: Statt dass ein KI-System sich mühsam durch eine komplette Website klicken muss, liefert die llms.txt eine kompakte, maschinenlesbare Zusammenfassung der relevantesten Seiten und Ressourcen. Das ist besonders für umfangreiche Dokumentations- oder Produktseiten interessant, bei denen die eigentlich relevanten Inhalte tief in einer verzweigten Struktur liegen könnten.

Wichtig für die Einordnung: llms.txt ist kein offizieller, von den großen KI-Anbietern verbindlich unterstützter Standard. Google stellt in seiner Dokumentation zu KI-Funktionen in der Suche ausdrücklich klar, dass für die Aufnahme in AI Overviews keine zusätzliche KI-Textdatei nötig ist. Behandle llms.txt deshalb als experimentelles, optionales Zusatzsignal, nicht als Pflichtbaustein, ohne den nichts geht.

Trotzdem kann sich die Datei lohnen, gerade bei umfangreichen Websites mit vielen technischen oder komplexen Inhalten. Anbieter wie Anthropic oder das Dokumentationswerkzeug Mintlify nutzen llms.txt bereits aktiv, um ihre eigenen Inhalte für KI-Systeme zugänglicher zu machen. Wer eine llms.txt einrichtet, sollte sie als Ergänzung zur soliden technischen Basis verstehen, nicht als Ersatz dafür.

Der Aufbau einer llms.txt orientiert sich an einer einfachen Logik: eine kurze Beschreibung des Angebots, gefolgt von einer strukturierten Liste der wichtigsten Unterseiten mit knappen Erläuterungen, was sich dahinter verbirgt. Damit ähnelt sie einer Sitemap, nur in einer für Sprachmodelle besonders leicht verarbeitbaren Textform statt im XML-Format klassischer Sitemaps. Wer bereits eine gepflegte Sitemap und eine klare Informationsarchitektur hat, kann eine erste Version der llms.txt oft in wenigen Stunden ableiten, ohne bei null anzufangen.

Selbst wenn ein KI-Anbieter die Datei aktuell nicht auswertet, entsteht durch das Einrichten kein Schaden, weil sie lediglich als zusätzliche, optionale Ressource im Root-Verzeichnis liegt. Ein Risiko besteht höchstens darin, Zeit in die Pflege einer Datei zu investieren, die aktuell nur von einem Teil der KI-Systeme überhaupt berücksichtigt wird. Für die meisten Unternehmen lohnt sich der Aufwand trotzdem, weil er im Vergleich zu den anderen Punkten dieser Checkliste gering ist.

Structured Data richtig einsetzen für KI-Zitate

Für KI-Zitate zählen vor allem die Schema-Typen Article, FAQPage und Organization, weil sie Inhalte in eine Form bringen, die Suchmaschinen und KI-Systeme eindeutig einordnen können. Structured Data ist damit kein neues GEO-Thema, sondern eine bewährte SEO-Grundlage, die für generative Systeme noch wichtiger wird.

Die offizielle Referenz für den Einstieg liefert Googles Einführung in Structured Data. Für Artikel eignet sich der Article-Typ, um Autor, Veröffentlichungsdatum und Hauptthema klar auszuzeichnen. Für Frage-Antwort-Bereiche eignet sich FAQPage, um einzelne Fragen und ihre Antworten als eigenständige, extrahierbare Einheiten zu markieren. Für die Unternehmensebene liefert Organization grundlegende Fakten wie Name, Logo und Kontaktinformationen in strukturierter Form.

Wie ein FAQPage-taugliches Layout aussehen kann, zeigt sich gut an einer gelungenen Frage-Antwort-Sektion von Mixpanel.

Jede Frage steht dort sichtbar für sich, die Antwort ist direkt zugeordnet und ausklappbar. Genau dieses Muster lässt sich eins zu eins mit einem passenden FAQPage-Schema hinterlegen, sodass sowohl Menschen als auch Suchsysteme dieselbe klare Struktur vorfinden.

Wichtig ist dabei, Structured Data nicht isoliert zu betrachten. Ein technisch korrektes Schema-Markup auf einer Seite mit dünnen, wenig hilfreichen Inhalten bringt wenig, weil das Markup nur beschreibt, was ohnehin schon da ist, es erschafft keine Substanz. Umgekehrt bleibt ein inhaltlich starker Artikel ohne passendes Markup für Systeme schwerer eindeutig einzuordnen. Beides gehört zusammen, gute Inhalte mit einer klaren, maschinenlesbaren Beschreibung dessen, was sie eigentlich sind.

Für die technische Umsetzung reicht in den meisten CMS-Systemen eine einmalige, saubere Konfiguration auf Template-Ebene aus, statt jede einzelne Seite manuell auszuzeichnen. Wer etwa in Storyblok oder einem vergleichbaren System arbeitet, kann Article-, FAQPage- und Organization-Markup direkt in die entsprechenden Komponenten einbauen, sodass jede neue Seite automatisch korrekt ausgezeichnet wird, ohne dass Redakteurinnen und Redakteure sich um technische Details kümmern müssen.

Crawlbarkeit und Rendering: die unsichtbare Voraussetzung

Crawlbarkeit kommt zuerst, weil selbst perfektes Structured Data wirkungslos bleibt, wenn ein System die entsprechende Seite gar nicht zuverlässig erreichen oder rendern kann. Diese Voraussetzung wird in der Praxis häufig unterschätzt, weil sie unsichtbar im Hintergrund funktioniert oder eben nicht funktioniert.

Besonders bei stark auf JavaScript basierenden Websites lohnt sich eine genaue Prüfung, ob Inhalte auch ohne vollständige Client-seitige Ausführung sichtbar sind. Viele Crawler, auch die von KI-Systemen genutzten, verarbeiten JavaScript nur eingeschränkt oder verzögert. Serverseitiges Rendering oder zumindest ein sauberes Pre-Rendering der wichtigsten Inhalte schafft hier eine verlässliche Grundlage.

Ebenso wichtig ist eine saubere robots.txt-Konfiguration, die relevante KI-Crawler nicht versehentlich aussperrt. Ein häufiger, leicht übersehener Fehler entsteht bei Website-Relaunches: Generische robots.txt-Regeln aus einer Staging-Umgebung landen versehentlich auf der Live-Seite und blockieren dort ganze Bereiche für jeglichen Crawler-Zugriff, KI-Systeme eingeschlossen. Ein kurzer Check der robots.txt direkt nach jedem Launch gehört deshalb in jede Deployment-Checkliste, unabhängig davon, wie erfahren das jeweilige Team ist.

Auch die Ladezeit spielt eine Rolle, die oft unterschätzt wird. Crawler und Rendering-Dienste arbeiten meist mit einem begrenzten Zeitbudget pro Seite. Eine Seite, die erst nach mehreren Sekunden ihre eigentlichen Inhalte nachlädt, riskiert, dass genau diese Inhalte beim Rendern gar nicht erst erfasst werden. Wer hier Engpässe vermutet, sollte die eigene Seite testweise mit deaktiviertem JavaScript aufrufen und prüfen, wie viel vom eigentlichen Inhalt dann noch sichtbar bleibt, ein einfacher, aber aufschlussreicher Praxistest.

Seitenstruktur, Überschriften und antwort-zuerst-Snippets

Eine klare Seitenstruktur mit eindeutigen Überschriften und direkt beantworteten Fragen erhöht die Wahrscheinlichkeit, dass Inhalte von KI-Systemen extrahiert und zitiert werden. Struktur ist damit ein ebenso wichtiger Rankingfaktor für GEO wie für klassisches SEO.

Wie stark sich das auswirkt, zeigt eine Auswertung von Search Engine Land: Strukturierte Inhalte wie Listen und Tabellen werden nachweislich rund 2,5-mal häufiger als Beleg in KI-Antworten herangezogen als vergleichbare Inhalte ohne diese Struktur. Diese Daten unterstreichen, warum sich der Aufwand für eine klare Aufbereitung lohnt, unabhängig vom eigentlichen Thema der Seite.

Konkret bedeutet das: Eine H1 pro Seite, thematisch klar gegliederte H2-Abschnitte und, wo passend, Listen oder Tabellen für vergleichende Inhalte. Der erste Satz nach jeder Überschrift sollte die zentrale Aussage des Abschnitts bereits enthalten, statt erst über mehrere Sätze auf den Punkt zu kommen. Diese Antwort-zuerst-Logik erleichtert es sowohl Menschen beim Überfliegen als auch Systemen beim Extrahieren einzelner Antwortblöcke.

Ebenfalls hilfreich: Absätze bewusst kurz halten und pro Absatz nur einen Gedanken verfolgen. Lange, verschachtelte Absätze mit mehreren Aussagen lassen sich von einem KI-System schwerer eindeutig einem einzelnen Aspekt zuordnen, weshalb Content-Teams gut beraten sind, ihre bisherigen Textlängen kritisch zu prüfen und wo sinnvoll in klar abgegrenzte Einheiten zu zerlegen.

Auch die Aktualität der Inhalte gehört in diesen Abschnitt, auch wenn sie streng genommen kein reines Strukturthema ist. Generative Systeme bevorzugen erkennbar aktuelle Angaben, gerade bei Jahreszahlen, Preisen oder Statistiken. Eine Seite, die ein veraltetes Datum oder eine überholte Zahl weiberträgt, wird von einem System eher gemieden als eine, die sichtbar gepflegt wird. Ein festes Intervall, in dem zentrale Zahlen und Daten überprüft werden, gehört deshalb ebenso zur technischen Basis wie sauberes Markup.

Die technische GEO-Checkliste zum Abhaken

Die technische Basis für GEO lässt sich in einer überschaubaren Liste zusammenfassen, die sich unabhängig von Unternehmensgröße oder CMS abarbeiten lässt.

1. Crawlbarkeit prüfen: robots.txt kontrollieren, wichtige Inhalte serverseitig rendern

2. Structured Data implementieren: Article, FAQPage und Organization als Basis

3. Seitenstruktur bereinigen: eine H1, klar gegliederte H2, Antwort-zuerst-Absätze

4. Listen und Tabellen gezielt einsetzen, wo Inhalte vergleichend oder aufzählend sind

5. llms.txt optional ergänzen, vor allem bei umfangreichen, technischen Websites

6. Aktualität sicherstellen: veraltete Daten und Jahreszahlen regelmäßig prüfen

7. KI-Referral-Traffic im Analytics-Setup separat erkennbar machen

In unserer eigenen Praxis setzen wir genau diese Schichten bei Storyblok-Implementierungen konsequent um, von sauber konfiguriertem Structured Data bis zu einer Seitenstruktur, die von Anfang an auf Antwort-zuerst ausgelegt ist. Diese technische Basis ist der Teil von GEO, der sich am wenigsten kreativ, aber am unmittelbarsten messbar auszahlt.

Ein praktischer Hinweis zum Umgang mit dieser Liste: Sie muss nicht in einem einzigen Durchlauf komplett abgearbeitet werden. Sinnvoller ist es, mit den wichtigsten zehn bis zwanzig Seiten einer Website zu beginnen, diese vollständig durch alle sieben Punkte zu führen, und erst danach die Checkliste auf weitere Bereiche der Website auszurollen. So entsteht schnell ein sichtbarer Fortschritt bei den Seiten, die ohnehin den größten Anteil am Traffic und an potenziellen KI-Zitaten haben, statt sich in der Fläche zu verlieren.

Vertiefend zur Strategie hinter dieser Checkliste findest du das GEO-Framework in sechs Schritten, und warum interne Verlinkung dabei eine oft unterschätzte Rolle spielt, liest du in warum interne Verlinkung auch für GEO zählt. Für die technische Umsetzung in deinem eigenen Setup unterstützen wir dich über technische GEO-Umsetzung mit pechschwarz.

Am Ende zahlt sich diese Arbeit doppelt aus. Eine technisch saubere Seite hilft nicht nur bei GEO, sondern verbessert in aller Regel auch klassisches SEO, weil beide Disziplinen auf denselben Grundlagen aufbauen, Crawlbarkeit, klare Struktur und eindeutige Auszeichnung. Wer diese Checkliste einmal sorgfältig durchgeht, muss sie danach nur noch pflegen, nicht neu erfinden.