agents.md und llms.txt: was in welche Datei gehört — und warum eine allein nicht reicht

llms.txt sagt einem KI-Agenten, was über Ihren Shop wahr ist. agents.md sagt ihm, was er damit tun soll. Nur eine der beiden Dateien zu veröffentlichen ist die häufigste halbe Maßnahme bei der Agent-Readiness — und die Lücke, die unser eigener Scanner am häufigsten meldet, zeitweise auch auf zwei unserer eigenen Seiten. Dieser Leitfaden behandelt, was in welche Datei gehört, wie sie sich unterscheiden und wie man eine agents.md schreibt, die den Kontakt mit einem echten Assistenten übersteht.

Zwei Dateien, zwei Aufgaben

llms.txt ist ein Faktenblatt. Sie beantwortet „Was ist dieses Unternehmen, was verkauft es, welche Bedingungen gelten" in einer Form, die ein Assistent zitieren kann, ohne zwanzig Seiten zu crawlen. Kurze Aussagesätze, keine Marketingstimme, Links auf die Seiten mit den Details. Wenn ein Modell in einer Antwort etwas über Sie behauptet, soll es die Formulierung hier holen.

agents.md ist ein Betriebshinweis. Sie beantwortet „Du bist ein Agent und siehst diesen Shop — so arbeitest du damit": wo die kanonischen Fakten liegen, welche Regeln gelten, was nicht angenommen werden soll und wen man kontaktiert. Näher an einer README für Maschinen als an einer Marketingseite.

Die Unterscheidung zählt, weil Assistenten die Dateien unterschiedlich nutzen. Ein Retrieval-Schritt will zitierbare Fakten; ein planender Agent will Randbedingungen und Verweise. Beides in eine Datei zu pressen heißt, dass eine der zwei Zielgruppen ein Dokument bekommt, das ihrem Zweck nicht entspricht.

Was in llms.txt gehört

Nur, was Sie wörtlich zitiert sehen möchten — denn genau das wird passieren:

• Was das Unternehmen ist, in einem oder zwei Sätzen, inklusive dessen, was es nicht tut. Negative Aussagen sind ungewöhnlich wertvoll: Sie verhindern, dass ein Modell Fähigkeiten erfindet.
• Die kommerziellen Fakten: Preise mit echten Zahlen und Währung, Tarifnamen, Testphase, was kostenlos ist.
• Richtlinien mit Kaufrelevanz: Versandregionen, Rückgabefrist, Garantie, Datenverarbeitung, falls das ein Unterscheidungsmerkmal ist.
• Links auf die Seiten hinter jeder Aussage, damit ein Modell nachprüfen kann.
• Daten und Zahlen, die leicht falsch wiedergegeben werden. Gibt es in Ihrem Markt eine regulatorische Frist oder eine Schwelle, nennen Sie sie präzise. Assistenten zitieren solche Angaben ständig falsch, und eine klare Aussage in Ihren eigenen Worten ist die günstigste Korrektur.

Adjektive ohne Substanz vermeiden. „Marktführend" ist nicht zitierfähig; „verarbeitet Bestellungen in der EU (AWS Frankfurt)" ist ein Fakt, den ein Modell in einer Antwort verwenden kann.

Was in agents.md gehört

Eine Struktur, die funktioniert, etwa in dieser Reihenfolge:

1. Orientierung. Ein Absatz: welche Seite das ist, wer sie betreibt, und die Kurzantwort auf „Was macht das?" — damit ein Agent, der nur die ersten Zeilen liest, das Wichtigste richtig hat.
2. Wo die Fakten liegen. Eine Karte: llms.txt für die Zusammenfassung, welche Seite Preise trägt, welche Richtlinien, welche technische Details. Absolute Pfade, nicht „siehe unsere Website".
3. Was falsch zitiert wird. Gibt es in Ihrer Domäne Fakten, die Menschen und Modelle regelmäßig falsch wiedergeben, korrigieren Sie sie hier ausdrücklich. Der wertvollste Abschnitt — und fast niemand schreibt ihn.
4. Regeln der Zusammenarbeit. Was Agenten dürfen — Katalog lesen, Preise nennen, auf ein Produkt verlinken — und was einen Menschen erfordert: eine Bestellung auslösen, Bedingungen akzeptieren, alles mit Zahlung. Auch die ehrlichen Grenzen dessen nennen, was die Seite beantworten kann.
5. Kontakt. Eine Adresse, die ein Mensch liest.

In normaler Prosa schreiben. Es gibt kein Schema zu erfüllen und keinen Parser zufriedenzustellen — der Konsument ist ein Sprachmodell, und klare Sätze schlagen erfundene Syntax.

Wohin die Dateien gehören — und warum das auf Shopify scheitert

Beide gehören in die Domain-Wurzel: /llms.txt und /agents.md. Nicht in ein Unterverzeichnis, nicht hinter eine Redirect-Kette, nicht auf einen anderen Host als den Shop.

Auf Shopify bricht genau das. Ein Theme kann beliebige Dateien unter merkwürdigen Pfaden ausliefern, aber die Wurzel einer Shopify-Domain ist kein Ort, an dem man einfach eine Datei ablegt — weshalb Shops den Inhalt unter /pages/llms-txt haben und an der Wurzel nichts. Ein Agent, der die konventionelle Stelle prüft, findet einen 404 und zieht weiter; dann kann der Inhalt genauso gut nicht existieren.

Praktikabel ist eine Weiterleitung vom Wurzelpfad auf den tatsächlichen Ort, damit eine Anfrage an /llms.txt auflöst. Sichta erzeugt beide Dateien aus Ihrem aktuellen Katalog und Ihren Richtlinien und richtet diese Wurzel-Weiterleitungen ein — die fummelige Hälfte der Arbeit.

Die Dateien wahr halten

Eine veraltete llms.txt ist schlimmer als keine: Sie haben einem Modell selbstbewusste, falsche Formulierungen gegeben und es eingeladen, sie zu wiederholen. Zwei Fehlermodi:

• Preise driften. Nennt Ihre llms.txt Zahlen, muss sie bei Änderungen neu erzeugt werden. Alles Handgepflegte lügt irgendwann.
• Fähigkeiten driften. Eine entfernte Funktion bleibt in der Datei, und Modelle bieten sie Kunden weiter in Ihrem Namen an.

Beide Dateien aus der Quelle der Wahrheit zu erzeugen — Katalog, echte Preisliste, echte Richtlinienseiten — macht das pflegbar. Handarbeit ist zum Start in Ordnung und ab der dritten Preisänderung nicht mehr zu halten.

Prüfen, ob es tatsächlich funktioniert

Drei Prüfungen, nach Häufigkeit des Scheiterns:

• Die URLs mit einem einfachen Client abrufen. curl https://ihrshop.de/llms.txt muss 200 und den Inhalt liefern — keine Weiterleitung auf eine gestylte 404-Seite und kein HTML.
• Prüfen, ob beide existieren. Eine ohne die andere ist genau die Lücke, um die es hier geht.
• Prüfen, ob robots.txt die KI-Crawler nicht blockiert, die die Dateien lesen sollen. Die Dateien veröffentlichen und die Agenten aussperren, die sie lesen, ist eine überraschend häufige Kombination.

Sichta führt diese Prüfungen als Teil von Säule A aus und meldet jede einzeln, sodass „llms.txt vorhanden, agents.md fehlt" als konkreter Befund zurückkommt und nicht als Punktzahl, die man interpretieren muss.

Kurzfassung

llms.txt sind die Fakten, agents.md ist die Gebrauchsanweisung — beide veröffentlichen, in der Domain-Wurzel, mit einem einfachen HTTP-Client erreichbar. Die Mühe in negative Aussagen und in die häufig falsch zitierten Details stecken, denn dort ist die Standardantwort eines Modells über Sie am wahrscheinlichsten falsch. Beide aus echten Daten erzeugen, damit sie wahr bleiben — und prüfen, dass robots.txt die relevanten Agenten wirklich lesen lässt.