llms.txt: helpt het echt voor AI-zoekresultaten?
llms.txt kan een compacte routekaart voor agents zijn, maar er is nog geen aangetoond effect op opname, ranking of citaties in AI-zoekresultaten.
llms.txt wordt vaak voorgesteld als een nieuw technisch bestand waarmee je AI-systemen vertelt welke pagina's belangrijk zijn. Dat klinkt aantrekkelijk. Een tekstbestand in de hoofdmap kost weinig tijd en lijkt een directe knop voor betere AI-zichtbaarheid. Alleen is het bestaan van een bestand nog geen bewijs dat ChatGPT, Gemini of een andere dienst het gebruikt bij bronselectie.
De nuchtere positie in augustus 2026 is daarom: publiceer llms.txt gerust als een korte, openbare routekaart als je daar een duidelijk doel voor hebt, maar verwacht er geen meetbare stijging in AI-zoekresultaten van. Crawlbaarheid, inhoud en echte citaties verdienen eerder je aandacht.
Wat llms.txt wel en niet is
Een llms.txt-bestand kan belangrijke openbare URL's voor een agent op een rij zetten, bijvoorbeeld documentatie, een kennisbank of een actuele productuitleg. Je kunt het zien als een handmatig samengestelde ingang. Een browseragent of intern zoeksysteem dat bewust ondersteuning voor het bestand heeft gebouwd, kan die lijst gebruiken om sneller bij nuttige pagina's te komen.
Het bestand is geen vervanging voor robots.txt. In robots.txt leg je crawlregels per user agent vast. llms.txt dwingt niets af en geeft een crawler geen toegang door een firewall. Het vervangt ook geen XML-sitemap, canonicals, interne links of gewone HTML-navigatie. Een URL die alleen in llms.txt staat maar elders slecht bereikbaar is, heeft nog steeds een technisch probleem.
Er is evenmin een algemene garantie dat een AI-aanbieder de inhoud leest. Het formaat is vrijwillig. Zonder officiële ondersteuning en terugkoppeling weet je niet of een fetch leidde tot indexatie, retrieval of een citatie.
Wat de beschikbare observatie zegt
Promptwatch publiceerde een artikel over dit onderwerp en werkte het bij op 28 juli 2026. Volgens die analyse van llms.txt en AI-zoekresultaten kwamen in de onderzochte crawler logs af en toe verzoeken naar llms.txt voor. De auteurs zagen geen effect op opname in zoekresultaten, ranking of citaties dat aan de aanwezigheid van het bestand kon worden gekoppeld.
Dat is een observatie van een leverancier op basis van de eigen data, geen onafhankelijk experiment en geen bewijs dat llms.txt nooit enig effect kan krijgen. De analyse zegt wel iets praktisch: een fetch op zichzelf is geen succesmaat. Een bot kan het bestand ophalen zoals hij andere tekstbestanden ophaalt, zonder dat je belangrijke URL's daarna vaker in antwoorden ziet.
De formulering "geen waargenomen effect" is hier preciezer dan "het werkt nooit". Ondersteuning kan veranderen en afzonderlijke agents kunnen het bestand bewust gebruiken. Totdat grote AI-zoekdiensten daar gedocumenteerde steun of meetbare terugkoppeling voor bieden, hoort llms.txt niet bovenaan een GEO-werkvoorraad.
Wanneer publiceren toch logisch kan zijn
Een minimaal bestand kan nuttig zijn als je veel openbare documentatie hebt en agents een compacte startlijst wilt geven. Denk aan een ontwikkelaarsportaal met meerdere versies, waarbij je de actuele documentatie en changelog duidelijk aanwijst. Ook een intern retrievalsysteem kan met een afgesproken llms.txt-formaat werken. In dat geval weet je wie het bestand leest en welk probleem het oplost.
Houd de lijst kort. Neem alleen canonieke, openbare pagina's op die je ook via de website en sitemap wilt laten vinden. Vermijd tijdelijke campagnepagina's, zoekresultaatpagina's en URL's met gevoelige parameters. Zet nooit een intern pad in llms.txt in de hoop dat het bestand alleen door vriendelijke agents wordt gelezen. Het is openbaar.
Wijs iemand aan die het bestand bijwerkt wanneer URL's veranderen. Een routekaart met redirects, verwijderde documenten of oude productinformatie helpt geen enkele lezer. Als onderhoud niet in je publicatieproces past, is een goed werkende sitemap waarschijnlijk een betrouwbaarder vertrekpunt.
Wat eerst moet werken
Controleer of de relevante crawlers de belangrijke pagina zelf met succes ophalen. De Promptwatch-documentatie over crawlability maakt onderscheid tussen crawlers voor training, crawlers voor een zoekindex en fetchers die tijdens een gebruikersvraag een pagina ophalen. Die rollen hebben andere gevolgen. Een algemene regel die alle AI-bots blokkeert kan daardoor ook de bots raken die je juist voor actuele citaties nodig hebt.
Bekijk statuscodes in je edge- of serverlogs. Een 403, 404 of 500 op de doelpagina verdwijnt niet door haar in llms.txt te noemen. Controleer ook welke inhoud zonder client-side interactie in de ontvangen HTML staat. Een URL kan technisch een 200 geven en toch weinig bruikbare tekst aan een eenvoudige fetcher leveren.
Zorg daarna voor heldere paginatitels, een logische kopstructuur en controleerbare informatie. Link intern naar de pagina vanuit relevante onderdelen van je site. Werk verouderde beweringen bij en vermeld bij tijdgevoelige gegevens een datum. Dit zijn geen garanties op een citatie, maar ze maken de pagina wel begrijpelijk en bereikbaar zonder op een experimenteel bestand te leunen.
De Promptwatch-gids met crawler user agents kan dienen als oriëntatie voor namen en rollen. Controleer configuratiewijzigingen altijd bij de officiële documentatie van de provider, want botnamen, IP-ranges en beleid kunnen wijzigen. Neem statistieken of prestatieclaims uit een leveranciersblog niet over zonder de methode en actualiteit te toetsen.
Zo test je llms.txt zonder jezelf voor de gek te houden
Leg vóór publicatie een nulmeting vast. Kies een vaste set prompts die bij de opgenomen pagina's hoort en bewaar de antwoorden, citaties en datums. Noteer hoe vaak relevante crawlers de pagina's en het llms.txt-bestand ophalen. Publiceer vervolgens het bestand zonder tegelijk alle doelpagina's te herschrijven. Anders kun je een eventuele verandering niet aan één ingreep koppelen.
Een verzoek naar /llms.txt telt als fetch, niet als resultaat. Het interessante vervolg is of crawlers vaker of sneller bij de genoemde pagina's komen en of die pagina's daarna vaker als bron verschijnen. Houd rekening met variatie in AI-antwoorden en kijk naar een reeks meetmomenten in plaats van één antwoord.
Zie je geen verschil, laat het bestand alleen staan als het weinig onderhoud vraagt of een andere bekende agent het gebruikt. Zie je wel een verandering, controleer dan of er in dezelfde periode geen modelupdate, technische reparatie of contentwijziging plaatsvond. Een tijdlijn geeft samenloop weer, geen automatisch causaal bewijs.
Een klein bestand, geen groeistrategie
llms.txt is in 2026 hooguit optionele infrastructuur. Het kan een nette inhoudsopgave voor agents zijn. De beschikbare Promptwatch-observatie laat geen aantoonbaar voordeel voor opname, ranking of citaties zien. Besteed dus geen sprint aan een uitgebreide variant terwijl belangrijke pagina's fouten geven of je niet eens volgt welke bronnen bij je commerciële prompts verschijnen.
Op de Nederlandse Promptwatch-toolpagina lees je hoe crawler logs en citatie-analyse samen worden gebruikt. We raden Promptwatch aan als je wilt controleren of bots llms.txt en de genoemde pagina's ophalen en of die pagina's later in gemeten antwoorden terugkomen. Publiceer het bestand desgewenst, maar laat de meting bepalen hoeveel onderhoud het verdient.