llms.txt bringt Ihre Produkte nicht in KI-Shopping-Ergebnisse. Ihr Feed schon.

Irgendwann im vergangenen Jahr wurde „Fügen Sie eine llms.txt-Datei hinzu“ zum Standardratschlag in fast jeder Checkliste für Sichtbarkeit im KI-Shopping. Es funktioniert selten. In einer 2026 veröffentlichten 12-wöchigen Studie mit Server-Logs von 83 Websites riefen die Crawler von OpenAI und Anthropic llms.txt-Dateien insgesamt 16-mal ab, robots.txt auf denselben Websites dagegen mehr als 7.100-mal. Eine zweite Studie mit 14 Tagen Logdaten einer einzelnen Website verzeichnete keinen einzigen llms.txt-Abruf durch einen identifizierten KI-Crawler. Dieser Artikel richtet sich an alle, die einen Produktfeed verwalten und denen gesagt wurde, llms.txt sei der Hebel für Sichtbarkeit im KI-Shopping. Am Ende wissen Sie, welcher Mechanismus tatsächlich steuert, ob Ihre Produkte in Google AI Mode, ChatGPT und Perplexity erscheinen, und was Sie stattdessen beheben sollten.

Was llms.txt tatsächlich ist (und was nicht)

llms.txt ist eine vorgeschlagene Konvention, kein Shopping- oder E-Commerce-Standard. Der Entwickler Jeremy Howard veröffentlichte die ursprüngliche Spezifikation am 3. September 2024, und ein Update auf Version 2 vom August 2026 beschreibt sie als Markdown-Datei unter /llms.txt: eine H1 mit dem Namen der Website oder des Projekts (das einzige Pflichtelement), eine optionale Zusammenfassung als Blockquote, frei gestaltete beschreibende Abschnitte und durch H2 gegliederte Listen mit Links zu anderen Seiten. Ziel ist es, einem Sprachmodell eine kurze, kuratierte Übersicht über eine Website zu geben, statt es zu zwingen, vollständige HTML-Seiten zu parsen.

Nichts in der Spezifikation erwähnt Produktdaten, Preise, Verfügbarkeit oder Shopping-Feeds. Es handelt sich um eine Konvention für Dokumentation und Content-Discovery, die eher einer kuratierten Sitemap ähnelt als einem Feed für das Google Merchant Center oder einem strukturierten Produktkatalog. Diese Unterscheidung ist wichtig, denn die meisten Ratschläge, die E-Commerce-Teams zur Veröffentlichung einer solchen Datei raten, behandeln sie, als wäre sie ein Feed-Format.

Google hat direkt erklärt, dass es llms.txt nicht nutzen wird

Bei Googles Search Central Deep Dive im asiatisch-pazifischen Raum am 23. Juli 2025 erklärte Gary Illyes von Google, dass Google llms.txt nicht unterstützt und dies auch nicht plant, und riet den Teilnehmenden, weiter in klassisches SEO zu investieren, um in AI Overviews zu erscheinen, statt in ein separates Dateiformat. Keine öffentliche Aussage von Google hat dies seither zurückgenommen. Einige Berichte aus dem Jahr 2026 sprachen zudem von einem „W3C-Vorschlag zur Standardisierung von llms.txt“, was übertrieben ist: Das betreffende Issue der W3C Technical Strategy befindet sich im Stadium „Investigation“, führt ausdrücklich kein neues Format ein, und der letzte inhaltliche Kommentar stammt vom Mai 2025. Es gibt keinen W3C-Standard, und Google hat unmissverständlich klargestellt, dass die Datei weder für das Ranking noch für AI Overviews verwendet wird.

Was zwei Server-Log-Studien aus dem Jahr 2026 ergeben haben

Zwei unabhängige Messungen untermauern die These, dass die Datei „nicht abgerufen wird“, mit echten Traffic-Daten und nicht nur mit Grundsatzerklärungen.

• EZY Research, 27. April bis 19. Juli 2026, 83 Websites aus einem Panel von 556 Domains: GPTBot rief llms.txt 7-mal ab, ClaudeBot 9-mal, PerplexityBot 0-mal. Dieselben Crawler riefen robots.txt 3.990-mal (OpenAI), 3.120-mal (Anthropic) und 775-mal (Perplexity) ab.
• Saaslinks, Traffic einer Website vom 20. Juli bis 3. August 2026: insgesamt 147.180 ausgewertete Anfragen, 723 Anfragen von KI-Crawlern an robots.txt, 151 an tatsächliche Seiten (90 Prozent von OpenAI) und null llms.txt-Anfragen von einem identifizierten KI-System. Die insgesamt 13 Anfragen an die Datei stammten von Datenhändlern, Profiling-Tools und menschlichen Besuchern.

Beide Studien weisen auf echte Einschränkungen hin: überschaubare Stichproben und selbst gemeldete User-Agent-Strings. Keine behauptet zu wissen, was ein Modell intern mit Inhalten macht, die es nie abgerufen hat. Dennoch ist die Tendenz in beiden Panels einheitlich und deckt sich mit Googles öffentlichen Aussagen. Wenn in Ihrem Team eine viel zitierte Anekdote kursiert, wonach OpenAI llms.txt „alle 15 Minuten“ abruft, betrachten Sie sie als eine einzelne Anekdote, der zwei systematische Messungen widersprechen.

Der Mechanismus, der Googles KI-Shopping-Oberflächen tatsächlich antreibt

Die Shopping-Hilfedokumentation von Google erklärt selbst, woher AI Mode, AI Overviews und Google Shopping ihre Produktinformationen beziehen: „Marken, Händler und andere Inhaltsanbieter senden ihre Produktinformationen über Tools wie Merchant Center und Manufacturer Center direkt an Google.“ Diese Daten speisen den Shopping Graph, beschrieben als „ein dynamisches Repository mit Produktinformationen, das einen aktuellen Überblick über die verfügbaren Produkte bietet“ und das „KI-gestützte Funktionen wie Zusammenfassungen von Rezensionen, Kaufberatung oder Produktempfehlungen“ antreibt. Crawling wird auf der Seite nicht als Quelle für Shopping-Produktdaten beschrieben.

Das ist der praktische Grund, warum llms.txt für Googles KI-Shopping-Oberflächen nichts bewirkt: Diese Oberflächen werden gespeist, nicht gecrawlt. Der Hebel ist die Qualität der Feed-Daten im Merchant Center, nicht eine Datei im Stammverzeichnis Ihrer Domain. Unser Leitfaden zur Feed-Bereitschaft für Agentic Commerce behandelt, was AI Mode, UCP und ACP auf Protokollebene verlangen; dieser Artikel bleibt enger gefasst und konzentriert sich darauf, was für die Sichtbarkeit im KI-Shopping wirklich etwas bewegt und was nicht.

Was Instant Checkout in ChatGPT tatsächlich verlangt

Der Kaufprozess in ChatGPT, Instant Checkout, startete am 29. September 2025 und basiert auf dem Agentic Commerce Protocol, das OpenAI gemeinsam mit Stripe entwickelt hat. Derzeit werden Käufe einzelner Artikel unterstützt; erste Partner sind US-Verkäufer auf Etsy und mehr als eine Million Shopify-Händler. Händler bewerben sich über ein eigenes Portal, und OpenAI gibt an, dass ein Händler, der Zahlungen bereits über Stripe abwickelt, agentische Zahlungen mit „nur einer einzigen Codezeile“ aktivieren kann.

Die technische Grundlage dafür ist die von OpenAI veröffentlichte Product Feed Specification für das Agentic Commerce Protocol, nicht llms.txt. Grob umrissen definiert sie:

• Einen Feed-Header mit feed_id, account_id, target_merchant und target_country (ein zweistelliger Ländercode), alle verpflichtend.
• Ein Produktobjekt mit einer verpflichtenden, stabilen id, optionalen Feldern title, description, url und media sowie einem verpflichtenden Array variants.
• Jede Variante mit verpflichtender id und title sowie price, list_price und unit_price als ganzzahlige Beträge in ISO-4217-Untereinheiten, strukturierten barcodes (Typ und Wert, etwa ein GTIN-Paar), einem availability-Objekt, das ein boolesches Flag mit einem Status-Enum kombiniert (in_stock, backorder, preorder, out_of_stock, discontinued), condition-Werten wie new oder secondhand, categories, variant_options und seller.

Trennen Sie hier zwei Dinge, die OpenAI gesagt hat. Instant Checkout läuft über diesen strukturierten Feed, den zugelassene Händler einreichen. Allgemeine Produkterwähnungen in einer normalen ChatGPT-Unterhaltung beschreibt OpenAI dagegen als „organisch und nicht gesponsert, ausschließlich nach Relevanz gerankt“ – das verweist auf gewöhnliche Content- und SEO-Signale statt auf einen von Händlern eingereichten Feed. Ein Feed bringt Sie in die transaktionsfähige Oberfläche von Instant Checkout; er garantiert für sich allein keine Erwähnung in offenen Unterhaltungen. Unser Playbook zu Produktempfehlungen in ChatGPT behandelt diese Seite der offenen Unterhaltungen ausführlicher.

Was Sie in Perplexity Shopping bringt

Der Shopping-Assistent von Perplexity bezieht Produktdaten auf zwei Wegen, die beide feednah statt crawlbasiert sind. Der erste ist die Plattformintegration, vor allem mit Shopify, die Zugriff auf „die neuesten und relevantesten Informationen zu Produkten von Shopify-basierten Unternehmen“ gibt. Der zweite ist das Perplexity Merchant Program, ein kostenloses Programm, über das größere Händler „ihre Produktspezifikationen teilen“ und dafür eine Zahlungsintegration für den Checkout im Assistenten sowie kostenlosen API-Zugang erhalten. Keiner der beiden Wege führt über llms.txt oder allgemeines Crawling – passend zu den null erfassten llms.txt-Abrufen durch PerplexityBot in der oben genannten Studie von EZY Research.

Wo Schema.org-Markup auf der Seite weiterhin wichtig ist

Nichts davon macht strukturierte Daten auf Ihren Produktseiten überflüssig, sie beantworten lediglich eine andere Frage. Die Search-Central-Dokumentation von Google für Rich Results bei Händlereinträgen (Merchant Listings) nennt als Pflichteigenschaften für Product (name, image, ein verschachteltes offers) und für Offer (price, priceCurrency); zu den empfohlenen Eigenschaften gehören gtin, mpn, sku, brand.name, availability und itemCondition. Dies steuert die organischen Rich Results für Händlereinträge und den Bericht „Händlereinträge“ in der Search Console. Es läuft parallel zu Ihrem Merchant-Center-Feed, nicht an seiner Stelle, und die Genauigkeit von Kategorien und Attributen im Feed selbst – wie sie unsere Zuordnung von Produktkategorien sicherstellt – leistet für den Shopping Graph weiterhin den Großteil der Arbeit.

Eine Feed-Zeile vorher und nachher

Der Unterschied zwischen einer typischen Google-Shopping-Feed-Zeile und einer ACP-tauglichen Variante ist gering, verbirgt aber einen Fehler, über den fast jeder erste Versuch stolpert: Preise als ganzzahlige Untereinheiten statt als Dezimal-Strings.

Vorher, eine Standardzeile im Stil des Merchant Center:

id: SKU-4821-BLK-M | title: Classic Wool Coat - Black - Medium | price: 129.00 USD | availability: in stock | gtin: 4006381333931

Nachher, umstrukturiert auf das, was die ACP-Feed-Spezifikation erwartet:

product.id: SKU-4821 (stable parent) | variant.id: SKU-4821-BLK-M | variant.price: { amount: 12900, currency: "USD" } | variant.availability: { available: true, status: "in_stock" } | variant.barcodes: [{ type: "gtin13", value: "4006381333931" }] | variant.condition: ["new"]

Zwei Änderungen sind am wichtigsten: Der Preis wurde von einem Dezimal-String in eine Ganzzahl in Untereinheiten umgewandelt (aus 129.00 wird 12900, nicht 129), und die Verfügbarkeit wurde zu einem strukturierten Objekt statt Freitext. Beides sind häufige Fehler, wenn ein Team zum ersten Mal einen Shopping-Feed auf die ACP-Struktur abbildet.

Eine praktische Checkliste

1. Behandeln Sie llms.txt nicht länger als Aufgabe für Shopping-Sichtbarkeit. Geben Sie der Datei bei der Arbeit an Produktdaten eine niedrige Priorität; welche Rolle sie auch immer spielt, sie liegt im Bereich der allgemeinen Auffindbarkeit von Dokumentation und damit außerhalb dieses Leitfadens.
2. Prüfen Sie zuerst Ihren Merchant-Center-Feed anhand der Pflicht- und empfohlenen Product- und Offer-Attribute von Google; das ist es, was den Shopping Graph tatsächlich speist, und mit den Prüfungen der Feed-Optimierung von Feedance erkennen Sie Lücken am schnellsten.
3. Ergänzen oder prüfen Sie das Schema.org-Markup für Product und Offer auf der Seite getrennt von Ihrem Feed, da es eine andere Oberfläche steuert.
4. Wenn Sie über Shopify oder Etsy verkaufen, prüfen Sie den Status Ihrer Bewerbung für Instant Checkout, statt davon auszugehen, dass die Plattformintegration allein ausreicht.
5. Wenn Sie sich direkt für den ACP-Feed bewerben, bilden Sie Preise als ganzzahlige Untereinheiten und die Verfügbarkeit als strukturiertes Enum ab, bevor Sie zum ersten Mal einreichen – nicht erst nach einer Ablehnung.
6. Für Perplexity Shopping über die standardmäßige Shopify-Abdeckung hinaus bewerben Sie sich direkt beim Perplexity Merchant Program.
7. Halten Sie den Feed aktuell. Veraltete Preis- oder Bestandsdaten, die diese Oberflächen verspätet erreichen, richten mehr Schaden an, als eine fehlende llms.txt-Datei es je könnte; Feedance synchronisiert im Tarif Essentials täglich und im Tarif Business stündlich, und der richtige Rhythmus hängt davon ab, wie oft sich Ihre Preise und Bestände ändern.

Wo dieser Ansatz an seine Grenzen stößt

Dies ist ein Leitfaden zu Feeds und Datenquellen, kein vollständiges technisches SEO-Audit. Die Implementierung von Schema.org auf der Seite ist eine Aufgabe für Templates oder das CMS, nichts, was eine Feed-Management-Plattform direkt konfiguriert, und ein spezialisiertes Tool für technisches SEO oder die Validierung strukturierter Daten erkennt Markup-Fehler auf Seitenebene, für die eine Feed-Plattform wie Feedance nie gebaut wurde. Die hier zitierten Server-Log-Studien beziehen sich eher auf kleinere Websites und können nicht wissen, was ein Modell intern mit Inhalten macht, die es nie abgerufen hat. Das Agentic Commerce Protocol und das Merchant Program von Perplexity sind zudem noch jung und werden sich verändern; betrachten Sie die hier genannten Feldnamen als Momentaufnahme und prüfen Sie die aktuelle Spezifikation, bevor Sie darauf aufbauen. Regionale KI-Shopping-Oberflächen außerhalb von Google, OpenAI und Perplexity, die sich nach eigenen Zeitplänen entwickeln, werden hier nicht behandelt.

Häufig gestellte Fragen

Hilft llms.txt dabei, dass meine Produkte in ChatGPT oder in Googles KI-Shopping-Ergebnissen erscheinen?
Es gibt keine öffentlichen Belege dafür. Google hat direkt erklärt, dass es llms.txt nicht für AI Overviews nutzen wird, und zwei unabhängige Server-Log-Studien aus dem Jahr 2026 ergaben, dass KI-Crawler die Datei weit seltener abrufen als robots.txt – in einem Fall null Mal in vierzehn Tagen.

Was ist der Unterschied zwischen dem Shopping Graph und einem Merchant-Center-Feed?
Ihr Merchant-Center-Feed sind die Daten, die Sie übermitteln. Der Shopping Graph ist Googles internes, laufend aktualisiertes Repository, das aus diesen übermittelten Daten aufgebaut wird und dann Shopping-Ergebnisse, AI Overviews und AI Mode speist.

Brauche ich separate Feeds für Google AI Mode, ChatGPT Instant Checkout und Perplexity Shopping?
Faktisch ja, in unterschiedlichen Formaten: einen Merchant-Center-Feed für Google, nach der Händlerfreigabe einen Feed nach dem Agentic Commerce Protocol für ChatGPT Instant Checkout und entweder Shopify-Plattformdaten oder eine direkte Einreichung über das Merchant Program von Perplexity.

Ersetzt Schema.org-Markup für Product auf der Seite meinen Merchant-Center-Feed?
Nein. Es steuert eine separate Oberfläche, die organischen Rich Results für Händlereinträge, und Google betrachtet es als Ergänzung zur Feed-Übermittlung, nicht als Ersatz dafür.

Wie bringe ich meine Produkte in Instant Checkout von ChatGPT?
Bewerben Sie sich über das Händlerportal von OpenAI. Wenn Sie über Shopify oder als US-Verkäufer auf Etsy verkaufen, sind Sie der Berechtigung näher als mit einer völlig neuen Integration; Händler, die bereits Stripe nutzen, können agentische Zahlungen Berichten zufolge mit einer Codezeile aktivieren.

Wie bringe ich meine Produkte in Perplexity Shopping?
Verkaufen Sie über Shopify für eine Grundabdeckung oder bewerben Sie sich direkt beim Perplexity Merchant Program, um Produktspezifikationen zu teilen und den Checkout im Assistenten zu aktivieren.

Sollte ich überhaupt eine llms.txt-Datei veröffentlichen?
Speziell für die Sichtbarkeit von Produkten und im Shopping: nein, sie hat nicht die Priorität, die ihr in der SEO-Diskussion zugeschrieben wird. Welche Rolle sie auch spielt, sie betrifft die allgemeine Auffindbarkeit von Dokumentation – ein anderes Problem, als Produkte in KI-Shopping-Oberflächen zu bringen.

Wenn Sie eine konkrete Einschätzung der Attributabdeckung Ihres eigenen Feeds möchten, bevor Sie entscheiden, was Sie zuerst beheben, prüfen Sie ihn mit dem kostenlosen Produktfeed-Audit-Tool von Feedance.