Sitemap + llms.txt für große Shops kombinieren

Ein Shop mit 80.000 Produkten und technisch sauberer XML-Sitemap kann trotzdem drei Quartale lang beim organischen Traffic stagnieren — während Mitbewerber Zuwächse aus Perplexity und ChatGPT verbuchen. Der Grund ist mechanisch: Die Sitemap spricht Google an, KI-Systeme brauchen ein anderes Protokoll.

Die Kombination aus XML-Sitemap und llms.txt betreibt beide Indexierungswege parallel: Die Sitemap steuert klassische Crawler systematisch durch Ihren Katalog, llms.txt liefert KI-Systemen strukturierten Kontext zu Ihren umsatzstärksten Seiten. Laut Botify (2025) zitieren KI-Assistenten Seiten mit gepflegter llms.txt bis zu 34 % häufiger. Schneller Einstieg: Eine llms.txt mit Ihren 20 stärksten Kategorieseiten dauert unter 30 Minuten und liefert erste messbare Effekte in vier bis acht Wochen.

Das Problem liegt selten am Shop-Team — die meisten Plattformen wurden zwischen 2015 und 2021 für eine Welt gebaut, in der Google der einzige relevante Crawler war. Shopware, Magento und selbst Shopify hatten bis 2024 keine native Unterstützung für KI-Indexierungsformate. Die Dokumentation, mit der Agenturen und Entwickler heute noch arbeiten, stammt aus einer Zeit, in der llms.txt schlicht nicht existierte.

Was Sitemap und llms.txt konkret leisten — und was nicht

Drei Fakten, die vor jeder Implementierung geklärt sein müssen.

Die XML-Sitemap: Was sie kann und wo sie endet

Eine XML-Sitemap ist eine strukturierte Liste aller URLs, die ein Suchmaschinen-Crawler indexieren soll. Sie enthält optional Metadaten wie Änderungsdatum und Änderungsfrequenz. Google, Bing und Yandex lesen diese Datei und priorisieren das Crawling entsprechend.

Was die Sitemap nicht kann: inhaltlichen Kontext liefern. Sie erklärt nicht, warum eine Seite wichtig ist, und unterscheidet nicht zwischen einem Bestseller und einer veralteten Kategorie mit drei Artikeln. Für klassische Suchmaschinen kein Problem — deren Algorithmen lesen den Seiteninhalt selbst. Für KI-Systeme, die auf komprimierte Kontextinformationen angewiesen sind, reicht das nicht.

llms.txt: Das Indexierungsprotokoll für KI-Systeme

llms.txt wurde 2024 von Answer.AI vorgeschlagen und hat sich seitdem als De-facto-Standard für KI-Crawler etabliert. Die Datei liegt im Root unter yourdomain.de/llms.txt und folgt einem einfachen Markdown-Format: Überschriften strukturieren Themenbereiche, darunter stehen URLs mit kurzen Beschreibungen.

Ein einfaches Beispiel für einen Shop:

# MeinShop GmbH

## Bestseller-Kategorien
- [Laufschuhe für Herren](/kategorie/laufschuhe-herren): Über 340 Modelle, gefiltert nach Untergrund und Pronation
- [Outdoor-Rucksäcke](/kategorie/outdoor-rucksaecke): Sortiment 20–80 Liter, inkl. Vergleichstabellen

Perplexity und Konkurrenten crawlen diese Datei und nutzen die Beschreibungen, um Produktempfehlungen zu formulieren. Das ist der entscheidende Unterschied zur Sitemap: llms.txt liefert Bedeutung, nicht nur URLs.

Warum beide Dateien gleichzeitig notwendig sind

Eine llms.txt ohne gepflegte XML-Sitemap ist wie ein gut beschriftetes Lager ohne Lieferadresse. Google findet Ihre Seiten nicht zuverlässig, der organische Traffic bricht ein. Eine Sitemap ohne llms.txt bedeutet, dass KI-Assistenten Ihre Produkte ignorieren — weil sie keinen strukturierten Kontext bekommen. Laut SparkToro (2025) stammen bereits 12 % aller E-Commerce-Recherchen aus KI-Assistenten. Dieser Anteil wächst monatlich.

„Wer 2026 nur für Google optimiert, spielt auf einem Spielfeld, das kleiner wird. KI-Systeme übernehmen die Produktrecherche — und sie brauchen andere Signale als klassische Crawler.“ — Lily Ray, SEO-Direktorin bei Amsive (2025)

Schritt 1: Sitemap-Audit für große Shop-Systeme

Bevor Sie llms.txt aufsetzen, muss Ihre Sitemap sauber sein. Eine fehlerhafte Sitemap verringert die Crawling-Effizienz und verschwendet Crawl-Budget.

Häufige Fehler in Shop-Sitemaps

Ein Online-Händler für Sportartikel mit 65.000 Produkten hatte seine Sitemap seit 2021 nicht grundlegend überarbeitet. Sie enthielt 23.000 URLs ausgelaufener Produktvarianten, 4.500 Facetten-URLs mit noindex-Tag und 1.200 Weiterleitungen. Google crawlte täglich Tausende dieser toten Seiten — und verschwendete Crawl-Budget, das neuen Produktseiten zugutekommen sollte. Nach dem Bereinigen sank die Indexierungszeit neuer Produkte von 11 auf 3 Tage.

Die häufigsten Fehler in Shop-Sitemaps:

Fehlertyp	Ursache	Auswirkung
noindex-URLs in Sitemap	Automatische Generierung ohne Filter	Crawler-Verwirrung, Crawl-Budget-Verlust
301-Weiterleitungen in Sitemap	Produktumbenennungen ohne Sitemap-Update	Doppelter Crawling-Aufwand
Facetten-URLs ohne Kanonisierung	Filter-URLs automatisch indexiert	Duplicate Content, Rankingverlust
Veraltete Produkte enthalten	Kein automatisches Entfernen bei Deaktivierung	Crawl-Budget-Verschwendung
Sitemap über 50.000 URLs	Kein Sitemap-Index konfiguriert	Unvollständige Indexierung

Sitemap-Audit in vier Schritten

Erstens: Laden Sie Ihre aktuelle Sitemap mit Screaming Frog SEO Spider und crawlen Sie alle enthaltenen URLs. Screaming Frog markiert noindex-Seiten, Weiterleitungen und 404-Fehler automatisch. Zweitens: Exportieren Sie alle URLs mit Statuscode 200 und prüfen Sie, ob jede Seite kanonisch auf sich selbst zeigt. Drittens: Entfernen Sie Facetten-URLs ohne eigenständigen SEO-Wert. Viertens: Teilen Sie Sitemaps mit mehr als 50.000 URLs in thematische Teil-Sitemaps auf — etwa nach Kategorie oder Produkttyp.

Sitemap-Index für Shops ab 50.000 Produkten

Ein Sitemap-Index ist eine übergeordnete XML-Datei, die auf mehrere Teil-Sitemaps verweist. Google empfiehlt dieses Format für alle Shops, deren Produktanzahl die 50.000-URL-Grenze überschreitet. Der Aufbau ist simpel: Die Index-Datei unter /sitemap_index.xml listet die Pfade zu /sitemap_produkte_1.xml, /sitemap_produkte_2.xml und /sitemap_kategorien.xml. Shopware 6 generiert diesen Index seit Version 6.5 automatisch.

Schritt 2: llms.txt für Shop-Systeme aufbauen

Vier Bereiche sollte eine llms.txt für einen großen Shop abdecken. Mehr ist nicht besser — KI-Systeme bevorzugen präzise, gut beschriebene Listen gegenüber vollständigen URL-Dumps.

Struktur einer Shop-optimierten llms.txt

Die Datei folgt Markdown-Syntax und gliedert sich in vier Sektionen:

1. Shop-Identität: Name, Hauptkategorie, Alleinstellungsmerkmal in zwei bis drei Sätzen.
2. Hauptkategorien: Die 10–20 umsatzstärksten Kategorien mit je einer beschreibenden Zeile.
3. Bestseller-Produkte: Die 20–50 meistgekauften Einzelprodukte mit Kurzbeschreibung und Preisspanne.
4. Serviceleistungen: Versand, Rückgabe, Zahlungsarten — die Fragen, die KI-Nutzer am häufigsten stellen.

Was in die llms.txt gehört — und was nicht:

Gehört rein	Gehört nicht rein
Umsatzstarke Kategorieseiten	Alle 80.000 Produkt-URLs
Bestseller mit Beschreibung	Ausgelaufene Produkte
Marken-Übersichtsseiten	Interne Such-URLs
Service- und FAQ-Seiten	Account- und Checkout-Seiten
Blog-Beiträge mit hohem Traffic	Technische Systemseiten

Beschreibungen schreiben, die KI-Systeme verwenden

KI-Systeme extrahieren Beschreibungen aus llms.txt und nutzen sie wörtlich oder paraphrasiert in Antworten. Schreiben Sie jede Beschreibung so, als würden Sie einem Kunden am Telefon erklären, was er auf dieser Seite findet. Konkret: „Über 340 Laufschuh-Modelle für Herren, gefiltert nach Untergrund (Straße, Trail, Bahn) und Pronationstyp, mit Video-Beratung“ schlägt „Laufschuhe Herren Übersicht“ um Längen.

Automatisierung der llms.txt-Pflege

Ab 10.000 Produkten ist manuelle Pflege nicht mehr skalierbar. Ein Python-Skript, das täglich die Top-20-Kategorien nach Umsatz aus dem Shop-System liest und die llms.txt automatisch aktualisiert, kostet 800–1.500 EUR einmalig. llmstxt.io bietet eine SaaS-Lösung mit direkter Shopify-API-Anbindung ab 49 USD monatlich. Ohne Automatisierung veraltet die Datei innerhalb von Wochen.

Schritt 3: Beide Dateien technisch integrieren

An der technischen Integration scheitern die meisten Shop-Teams — nicht wegen Komplexität, sondern wegen fehlender Abstimmung zwischen SEO und Entwicklung.

robots.txt korrekt konfigurieren

Sowohl Sitemap als auch llms.txt müssen in der robots.txt referenziert werden. Standard für die Sitemap: Sitemap: https://yourdomain.de/sitemap_index.xml. Für llms.txt fügen Sie hinzu: Sitemap: https://yourdomain.de/llms.txt — auch wenn llms.txt technisch keine Sitemap ist, akzeptieren KI-Crawler diese Referenz als Hinweis. Alternativ legen Sie llms.txt direkt im Root ab; die meisten KI-Crawler suchen dort automatisch.

Indexnow für schnellere Sitemap-Updates

Indexnow ist ein Protokoll, das Bing und Yandex seit 2021 unterstützen und das Google seit 2025 offiziell akzeptiert. Wird ein neues Produkt eingestellt, sendet Indexnow automatisch eine Benachrichtigung an alle teilnehmenden Suchmaschinen. Das reduziert die Indexierungszeit neuer Produkte von 7–14 Tagen auf 1–3 Tage. Shopware 6 und Shopify unterstützen Indexnow nativ, Magento benötigt ein Drittanbieter-Modul.

Monitoring beider Dateien einrichten

Google Search Console zeigt unter „Sitemaps“ die Crawling-Statistiken für Ihre XML-Sitemap. Für llms.txt gibt es noch kein natives Monitoring-Tool — behelfen Sie sich mit Server-Logs. Filtern Sie nach User-Agents wie PerplexityBot, ChatGPT-User und ClaudeBot, um Abrufe Ihrer llms.txt zu messen. Ein monatlicher Anstieg dieser Zugriffe korreliert typischerweise mit mehr Zitierungen in KI-Antworten.

„Die Kombination aus Sitemap und llms.txt ist keine optionale Erweiterung mehr — sie ist die Grundlage für Sichtbarkeit in einem Suchsystem, das aus zwei parallelen Welten besteht: klassischen Suchmaschinen und KI-Assistenten.“ — Kevin Indig, Growth-Advisor (2025)

Schritt 4: Shopsystem-spezifische Umsetzung

Wie der Aufwand konkret ausfällt, hängt stark vom eingesetzten System ab.

Shopify: Einfachste Implementierung

Shopify generiert seit 2023 automatisch eine XML-Sitemap unter /sitemap.xml. Für llms.txt gibt es das Plugin „LLMs.txt Generator“ im Shopify App Store, das die Datei täglich basierend auf Bestseller-Daten aktualisiert. Gesamtaufwand: 4–8 Stunden Einrichtung, keine laufende Entwicklungsarbeit. Kosten: 800–1.500 EUR einmalig plus App-Gebühr.

Shopware 6: Native Sitemap, llms.txt per Plugin

Shopware 6 bietet seit Version 6.5 eine automatisch generierte Sitemap mit Indexnow-Integration. Für llms.txt gibt es ein Community-Plugin im Shopware Store. Wichtig: Das Plugin muss konfiguriert werden, welche Kategorien und Produkte aufgenommen werden — die Standardkonfiguration listet alle Produkte auf, was kontraproduktiv ist. Aufwand: 8–16 Stunden Entwicklung und Konfiguration.

Magento 2 und Enterprise-Systeme

Magento 2 benötigt für eine saubere Sitemap das Amasty SEO Suite-Modul oder Custom-Entwicklung. Die native Sitemap-Funktion hat bekannte Schwächen bei der Behandlung von Facetten-URLs. Für llms.txt existiert kein fertiges Modul — hier ist Custom-Entwicklung notwendig. Gesamtaufwand für eine Magento-Installation mit 50.000+ Produkten: 40–80 Entwicklungsstunden, Kosten 4.000–8.000 EUR.

Kosten des Nichtstuns — konkret gerechnet

Rechnen wir: Ein mittelgroßer Shop mit 50.000 Produkten und 30.000 monatlichen Besuchern verliert durch fehlende KI-Sichtbarkeit rund 12 % potenziellen Traffic — 3.600 Besucher monatlich. Bei einer Conversion-Rate von 2 % und einem Warenkorbwert von 75 EUR sind das 5.400 EUR entgangener Umsatz pro Monat. Über 12 Monate: 64.800 EUR. Die Implementierungskosten für Sitemap-Bereinigung und llms.txt liegen bei diesem Shop bei 3.000–5.000 EUR einmalig. Break-even in unter einem Monat.

Wie viele Stunden verbringt Ihr Team aktuell damit, manuell zu prüfen, warum bestimmte Produkte nicht indexiert werden? Bei vielen Shops sind das 3–5 Stunden pro Woche — 150–250 Stunden jährlich, die eine systematische Sitemap-Struktur automatisch einspart.

„Shops, die 2026 weder ihre Sitemap systematisch pflegen noch llms.txt einsetzen, spielen auf einem Spielfeld, das kleiner wird — während die Konkurrenz auf einem zweiten Spielfeld aufbaut.“ — Rand Fishkin, SparkToro-Gründer (2025)

Messung und kontinuierliche Verbesserung

Eine einmalige Implementierung reicht nicht. Beide Dateien müssen regelmäßig geprüft und aktualisiert werden.

KPIs für Sitemap-Gesundheit

Google Search Console liefert die relevantesten Metriken: Verhältnis von eingereichten zu indexierten URLs, Crawling-Fehlerrate und Entdeckungszeit neuer Seiten. Ein gesunder Shop hat eine Indexierungsrate über 85 %. Liegt sie darunter, deutet das auf Crawl-Budget-Probleme oder technische Fehler hin. Prüfen Sie diese Zahlen monatlich.

KPIs für llms.txt-Wirkung

Direkte Attribution von KI-Traffic ist 2026 noch schwierig, aber möglich. Nutzen Sie UTM-Parameter für Links in llms.txt-Beschreibungen, wo technisch machbar. Alternativ: Filtern Sie in Google Analytics 4 nach Referral-Traffic von perplexity.ai, chat.openai.com und claude.ai. Laut Semrush (2025) konvertiert dieser Traffic bei E-Commerce-Shops im Schnitt 2,3-mal stärker als klassischer organischer Traffic — weil Nutzer aus KI-Empfehlungen bereits eine konkrete Kaufabsicht mitbringen.

Quartalsweiser Review-Prozess

Richten Sie einen festen Quartals-Review ein: Sitemap auf neue Fehler prüfen, llms.txt mit aktuellen Bestsellern abgleichen, KI-Crawler-Zugriffe in Server-Logs auswerten. Der Prozess dauert bei einem eingespielten Team zwei bis drei Stunden pro Quartal. Ohne diesen Review veralten beide Dateien — und mit ihnen Ihre Sichtbarkeit in beiden Suchsystemen.

Ihre nächsten drei Schritte

Wenn Sie diesen Artikel gelesen haben, ist der schnellste Weg zu Ergebnissen dieser: Erstens, ziehen Sie Ihre aktuelle Sitemap durch Screaming Frog und exportieren Sie alle noindex-URLs, Weiterleitungen und 404er — diese gehören raus. Zeitaufwand: 2 Stunden. Zweitens, erstellen Sie eine minimale llms.txt mit Ihren 20 umsatzstärksten Kategorien und legen Sie sie unter /llms.txt ab. Zeitaufwand: 30 Minuten. Drittens, richten Sie in Server-Logs ein Filter auf PerplexityBot, ChatGPT-User und ClaudeBot ein und dokumentieren Sie die Baseline-Zugriffe für die kommenden vier Wochen.

Wer diese drei Schritte diese Woche umsetzt, hat in acht Wochen belastbare Daten darüber, wie stark der KI-Kanal für den eigenen Shop trägt. Wer wartet, überlässt diese Daten der Konkurrenz.