Chrome Lighthouse prüft jetzt auch `llms.txt`. Viele Teams lesen daraus sofort eine neue Pflicht für AI Search. Genau dort beginnt das Missverständnis. Sichtbarkeit entsteht nicht aus neuen Dateien allein, sondern aus klaren Seiten, belastbaren Inhalten und einer Website, die ihre Kompetenz tatsächlich zeigt.
Im Moment reicht oft schon ein neuer Audit, eine frische Abkürzung oder ein einzelner SEO-Post, damit aus einer Beobachtung sofort eine neue Disziplin wird. Kaum taucht irgendwo ein AI-Search-Check auf, beginnt das übliche Muster: Teams fragen nach der fehlenden Datei, nach dem richtigen Format, nach der schnellen technischen Antwort.
Das ist verständlich. Es ist nur meistens nicht die eigentliche Frage.
Ein gutes Beispiel ist der neue `llms.txt`-Audit in Chrome Lighthouse. Auf den ersten Blick wirkt so etwas wie ein klares Signal: Wenn ein Google-nahes Tool einen Check einbaut, dann muss das Thema doch wichtig sein. Manche lesen daraus schon die nächste Pflichtübung für AI Search.
Schaut man genauer hin, wird die Sache deutlich nüchterner. Die offizielle Lighthouse-Dokumentation beschreibt `llms.txt` als aufkommende Konvention. Wenn die Datei auf einer Website fehlt und der Server einfach mit 404 antwortet, markiert Lighthouse den Audit als nicht anwendbar. Optional also, nicht zwingend. Gleichzeitig sagt Google in seiner Search-Central-Dokumentation weiter sehr klar, dass für AI Overviews und AI Mode keine zusätzlichen Sonderoptimierungen nötig sind. Die grundlegenden SEO-Prinzipien bleiben relevant.
Genau an dieser Stelle kippt die Debatte oft in die falsche Richtung. Nicht weil `llms.txt` völlig wertlos wäre. Sondern weil viele Teams aus kleinen Tool-Signalen zu schnell eine große Sichtbarkeitsstrategie ableiten.
Das eigentliche Missverständnis
Die operative Sehnsucht hinter solchen Checklisten ist immer ähnlich. Wenn sich die Suche verändert, möchte man einen Hebel finden, der überschaubar ist. Eine Datei, ein Markup, ein Prompt, ein Plugin. Etwas, das man heute noch erledigen kann und das die Unruhe wieder in einen klaren Task verwandelt.
Für AI Search ist genau das verführerisch. Die Oberfläche ist neu, die Zitationslogik wirkt schwerer lesbar, die Berichterstattung ist voller neuer Begriffe. Also sucht man nach Dingen, die sich sauber abhaken lassen.
Das Problem: Sichtbarkeit in diesen Umfeldern scheitert bei den meisten Marken nicht an der fehlenden Spezialdatei. Sie scheitert an unklaren Leistungsseiten, austauschbaren Insight-Texten, dünnen Cases und einer Website, die Kompetenz eher andeutet als belegt.
Wer das nicht löst, gewinnt auch mit neuer Datei keine belastbare Position. Dann hat die Website vielleicht einen zusätzlichen AI-Search-Baustein, aber immer noch keine gute Antwort auf die Frage, warum genau diese Marke für ein Thema als Quelle taugen sollte.
Was Google parallel dazu sagt
Googles eigene Linie ist seit Monaten auffällig konsistent. Im offiziellen Leitfaden zu AI-Features steht, dass für AI Overviews und AI Mode keine besonderen Zusatzanforderungen bestehen. Die Empfehlungen bleiben dieselben: Inhalte müssen crawlbar, indexierbar und für Menschen hilfreich sein. Auch im Search-Central-Blog hat Google das noch einmal betont und den neuen 2026er Leitfaden ausdrücklich mit zwei Punkten verknüpft, die in vielen Diskussionen untergehen: SEO-Grundlagen bleiben tragend, und viele gängige AEO- oder GEO-Mythen brauchen Entzauberung statt neuen Hype.
Das ist für Marken eigentlich eine gute Nachricht. Es bedeutet nämlich nicht, dass alles beim Alten bleibt. Es bedeutet nur, dass die Abkürzung sehr wahrscheinlich nicht dort liegt, wo gerade am lautesten darüber gesprochen wird.
AI Search verschärft die alten Qualitätsfragen. Eine Marke muss schneller zeigen, wofür sie steht. Ein Themencluster muss klarer erkennbar sein. Eine Leistungsseite muss konkreter beantworten, was sie löst. Ein Artikel muss mehr leisten als generische Ratgeberfläche. Wer vorher schon nur Suchoberflächen bedient hat, bekommt diese Schwäche jetzt härter zurück.
Warum kleine Checks trotzdem Wirkung entfalten
Der neue Lighthouse-Audit ist gerade deshalb interessant, weil er psychologisch so stark wirkt. Viele Teams verwechseln Tool-Sichtbarkeit mit Relevanz. Wenn etwas im Audit auftaucht, klingt es schnell wie ein Rankingfaktor. Wenn ein neues Feld dokumentiert ist, wird daraus rasch eine vermeintliche Pflicht.
In der Praxis sind solche Checks oft eher Orientierungshilfen als Prioritätenlisten. Sie zeigen, was sich im Umfeld bewegt. Sie sagen nicht automatisch, was für eine konkrete Marke zuerst gelöst werden muss.
Ein Mittelständler mit drei unklaren Leistungsseiten, null belastbaren Fallbeispielen und zehn austauschbaren News-Beiträgen hat kein `llms.txt`-Problem. Er hat ein Klarheitsproblem. Eine Agentur, die überall über AI Search spricht, aber ihre eigene Kompetenz nur in Behauptungen und Tool-Begriffen darstellt, hat kein Discoverability-Problem. Sie hat ein Beweisproblem. Und ein Unternehmen, das jeden Monat neuen Content produziert, aber seine Themenarchitektur nicht sauber verbindet, hat selten ein Formatproblem. Es hat ein Systemproblem.
Wo AI-Sichtbarkeit tatsächlich entsteht
Wer das Thema ernst nehmen will, sollte die Website nicht als Ablage sehen, sondern als lesbares Kompetenzmodell. Genau dort entscheidet sich, ob neue Suchoberflächen etwas Brauchbares vorfinden.
Erstens braucht es Seiten, die echte Arbeitsfragen lösen. Nicht bloß „Wir machen SEO“, „Wir machen Content“, „Wir bauen Websites“, sondern sauber erklärte Probleme, Entscheidungen, Zielkonflikte und Vorgehensweisen. AI Search kann nur aufgreifen, was inhaltlich da ist.
Zweitens braucht es erkennbare Themenbeziehungen. Wenn Insights, Cases, Angebotsseiten und Belege lose nebeneinander liegen, entsteht keine starke Fachsignatur. Eine gute Website zeigt, dass Website-Architektur, Content-System, Conversion-Fragen und Sichtbarkeit zusammengehören.
Drittens braucht es Beweise. Das können Mini-Cases sein, Screenshots, konkrete Vorher-nachher-Beobachtungen, methodische Einordnungen oder belastbare Quellen. Gerade in AI-gestützten Suchoberflächen gewinnt nicht automatisch der lauteste Text. Oft gewinnt die Quelle, die etwas Eigenes beiträgt.
Viertens braucht es technische Nüchternheit. Natürlich sollten Seiten sauber erreichbar sein. Natürlich sind Snippet-Steuerung, interne Verlinkung, strukturierte Daten und klare Seitensignale wichtig. Nur sollte man diese Ebene nicht mit Strategie verwechseln. Sie trägt die Substanz. Sie ersetzt sie nicht.
Was sich für Marketing- und Kommunikationsteams ändert
Für viele Teams liegt der produktive Schritt deshalb nicht im nächsten AI-Search-Hack, sondern in einer unbequemeren Prüfung.
Welche Seiten würden wir selbst als belastbare Quelle zitieren?
Wo erklären wir ein Problem wirklich besser als andere?
Welche Themen sind sauber verbunden, statt nur einzeln veröffentlicht?
Und an welchen Stellen sieht die Website kompetent aus, ohne Kompetenz schon ausreichend zu zeigen?
Genau dort wird es praktisch. Vielleicht ist `llms.txt` für bestimmte Setups irgendwann nützlich. Vielleicht lohnt sich das auch jetzt schon in einzelnen Wissens- oder Dokumentationsumgebungen. Nur sollte niemand so tun, als würde damit die eigentliche Arbeit erledigt.
Die eigentliche Arbeit bleibt erstaunlich bodenständig: Leistungsseiten schärfen. Cases besser sichtbar machen. Themencluster aufbauen. Belege ergänzen. Insights so schreiben, dass ein echter Gedanke hängen bleibt. Und technische Hygiene dort verbessern, wo sie Zugang und Lesbarkeit wirklich stärkt.
Viele Websites verlieren im Moment nicht gegen AI Search. Sie verlieren gegen ihre eigene Unschärfe. Neue Checklisten machen diese Unschärfe nur sichtbarer.
Wenn eine Marke wissen will, warum sie in AI Search zu selten auftaucht, sollte sie deshalb nicht als Erstes nach der nächsten Datei fragen. Die bessere erste Frage lautet: Würde diese Website einer fremden Person in fünf Minuten klar zeigen, was wir wirklich können und worin unser Urteil belastbarer ist als das von zwanzig generischen Mitbewerbern?
Dort beginnt die Arbeit, die trägt. Alles andere ist leicht zu dokumentieren, aber selten der Engpass.