llms.txt: nuttig voor AI-vindbaarheid of vooral hype?

Wat is llms.txt?

llms.txt is een voorstel voor een standaard waarmee websites informatie beschikbaar kunnen maken voor Large Language Models (LLM’s) en AI-agents.

Het oorspronkelijke voorstel werd in september 2024 gepubliceerd door Jeremy Howard. In augustus 2026 verscheen versie 2 van de officiële llms.txt-specificatie, waarin het voorstel verder werd aangepast op basis van twee jaar praktijkervaring.

Het basisidee is eenvoudig.

Je plaatst een bestand met de naam:

llms.txt

op een vaste locatie van je website, bijvoorbeeld:

https://theotherconcept.be/llms.txt

In dat bestand geef je een korte beschrijving van de website en verwijs je naar belangrijke informatie en pagina’s.

Anders dan bijvoorbeeld een XML-sitemap gebruikt llms.txt daarvoor geen XML, maar Markdown.

Dat is bewust gekozen. Markdown bevat weinig overbodige opmaak en kan daardoor relatief eenvoudig door zowel mensen als machines gelezen en verwerkt worden.

Waarom werd llms.txt bedacht?

Een gewone webpagina is in eerste instantie voor mensen gebouwd.

Naast de eigenlijke inhoud bevat de HTML vaak navigatie, een footer, formulieren, scripts, advertenties, interactieve onderdelen en allerlei technische elementen.

Een browser weet hoe hij daar een visuele website van moet maken.

Een AI-agent die alleen bepaalde informatie nodig heeft, heeft al die elementen niet noodzakelijk nodig. Hij is vooral geïnteresseerd in de inhoud en de context daarvan.

De makers van llms.txt stellen daarom voor om belangrijke informatie op een compactere en voorspelbare manier beschikbaar te maken.

Het bestand functioneert daarbij eerder als een inhoudelijke wegwijzer voor AI-agents dan als een volledige kopie van je website.

Hoe ziet een llms.txt-bestand eruit?

Een llms.txt-bestand is verrassend eenvoudig.

Een vereenvoudigd voorbeeld voor een fictief webbureau zou er bijvoorbeeld zo kunnen uitzien:

# Voorbeeld Webbureau

> Webdesignbureau gespecialiseerd in websites, branding en SEO.

Wij ontwerpen en ontwikkelen websites voor bedrijven en organisaties.

## Diensten

- [Webdesign](https://theotherconcept.be/webdesign/): Websites op maat
- [Grafisch ontwerp](https://theotherconcept.be/grafisch-ontwerp-branding/): Branding en visuele identiteit
- [SEO](https://theotherconcept.be/seo-ai-vindbaarheid/): SEO en AI-vindbaarheid

## Kennisbank

- [Schema.org](https://theotherconcept.be/seo/schema-org/): Uitleg over structured data
- [XML-sitemap](https://theotherconcept.be/seo/xml-sitemap/): Uitleg over XML-sitemaps

## Contact

- [Contact](https://theotherconcept.be/contact/): Contactgegevens en aanvraagformulier

De huidige llms.txt-specificatie schrijft een eenvoudige structuur voor.

Een H1 met de naam van de website of het project vormt het verplichte onderdeel. Daarna kunnen een korte samenvatting, aanvullende informatie en verschillende H2-secties met relevante links volgen.

Je hoeft dus niet je volledige website in één gigantisch tekstbestand te kopiëren.

Het bestand helpt een systeem vooral begrijpen wat de website is en waar belangrijke informatie te vinden is.

llms.txt is geen robots.txt voor AI

Een vergelijking die je vaak tegenkomt is:

llms.txt is de robots.txt voor AI.

Dat klinkt aantrekkelijk, maar technisch klopt het niet.

Een robots.txt-bestand bevat regels waarmee website-eigenaars crawlers kunnen aangeven welke delen van een website ze wel of niet mogen crawlen.

llms.txt heeft een compleet andere functie.

Het probeert geen toegang te blokkeren of crawlrechten vast te leggen. Het biedt juist informatie en verwijzingen aan in een formaat dat gemakkelijk door AI-systemen verwerkt kan worden.

Heel eenvoudig:

robots.txt → instructies over crawling.
XML-sitemap → overzicht van belangrijke URL’s voor zoekmachines.
llms.txt → voorgestelde inhoudelijke wegwijzer voor AI-agents en LLM’s.

De bestanden kunnen dus naast elkaar bestaan omdat ze verschillende problemen proberen op te lossen.

Helpt llms.txt om beter gevonden te worden in Google?

Nee.

En dit is een belangrijke nuance.

Google heeft in juni 2026 expliciet verduidelijkt dat Google Search llms.txt niet nodig heeft en het bestand geen positieve of negatieve invloed heeft op zichtbaarheid of rankings.

Dat geldt ook voor de generatieve AI-functies binnen Google Search.

In zijn richtlijnen voor optimalisatie voor generatieve AI in Google Search geeft Google expliciet aan dat je geen speciale AI-bestanden, Markdown-versies of andere nieuwe machineleesbare bestanden hoeft te maken om in Google Search en zijn generatieve functies te verschijnen.

Een llms.txt-bestand toevoegen met de verwachting dat je daardoor hoger in Google komt of vaker in Google AI-antwoorden verschijnt, heeft volgens Google dus geen basis.

Heeft llms.txt dan helemaal geen nut?

Dat zou dan weer te kort door de bocht zijn.

Google Search gebruikt het bestand niet, maar dat betekent niet dat geen enkel ander systeem er iets mee kan.

De llms.txt-specificatie is ondertussen geëvolueerd naar versie 2 en wordt door verschillende websites en documentatieplatformen geïmplementeerd.

Een concreet voorbeeld is Cloudflare.

Cloudflare publiceert llms.txt-bestanden voor zijn documentatie en biedt daarnaast Markdown-versies van documentatiepagina’s aan. AI-agents kunnen zo rechtstreeks een overzicht van beschikbare documentatie raadplegen zonder eerst de volledige website-interface te moeten interpreteren.

Dat laat meteen zien waar llms.txt vandaag vooral interessant kan zijn: uitgebreide documentatie en websites waarvan informatie actief door AI-agents gebruikt wordt.

llms.txt versus llms-full.txt

Naast llms.txt kom je soms ook llms-full.txt tegen.

Dat is niet hetzelfde.

Een llms.txt-bestand is vooral bedoeld als overzicht of index. Het bevat context en verwijzingen naar relevante informatie.

Een llms-full.txt-bestand kan daarentegen veel meer inhoud rechtstreeks bundelen.

Cloudflare gebruikt bijvoorbeeld beide:

llms.txt bevat een gestructureerde directory van documentatie.
llms-full.txt bevat de inhoud van documentatie in één groter tekstbestand voor toepassingen zoals offline indexering en verwerking door modellen met een groot contextvenster.

Voor een gewone bedrijfswebsite is zo’n gigantisch bestand lang niet altijd nodig.

Ook hier geldt: meer informatie aanbieden is niet automatisch beter.

Versie 2 maakt llms.txt beter vindbaar voor agents

Een interessante ontwikkeling kwam er in augustus 2026 met versie 2 van het voorstel.

Een probleem met de oorspronkelijke aanpak was namelijk vrij fundamenteel.

Hoe weet een AI-agent die op een willekeurige webpagina terechtkomt dat er ergens een llms.txt-bestand of Markdown-versie beschikbaar is?

Versie 2 introduceert daarvoor standaard linkrelaties.

Met rel="describedby" kan een pagina verwijzen naar het llms.txt-bestand dat erop van toepassing is.

Met:

rel="alternate" type="text/markdown"

kan een website aangeven dat er ook een Markdown-versie van een pagina beschikbaar is.

Dat kan bijvoorbeeld via HTML of HTTP-headers gebeuren.

Het idee is dat agents daardoor minder hoeven te gokken waar machinevriendelijke versies van informatie te vinden zijn.

Wat heeft llms.txt met AI-vindbaarheid te maken?

Hier wordt het onderwerp interessanter voor bedrijven.

Wanneer we spreken over AI-vindbaarheid, gaat het uiteindelijk over de vraag hoe gemakkelijk machines betrouwbare informatie over een organisatie, product, dienst of onderwerp kunnen vinden, begrijpen en gebruiken.

llms.txt past binnen die gedachte.

Je kunt expliciet beschrijven wat je website doet en verwijzen naar de pagina’s die daarvoor de belangrijkste informatie bevatten.

Maar daaruit volgt niet automatisch dat een taalmodel die informatie ook daadwerkelijk gebruikt.

Een AI-systeem moet het bestand kennen, kunnen ophalen én ervoor kiezen om de informatie te verwerken.

Er bestaat momenteel geen universele afspraak dat alle belangrijke AI-systemen bij iedere website automatisch naar /llms.txt kijken.

Daarom zou ik llms.txt vandaag zien als een aanvullende technische laag, niet als fundament van AI-vindbaarheid.

En hoe verschilt llms.txt van Schema.org?

Ook Schema.org wordt vaak genoemd wanneer het over machineleesbare websites gaat.

Toch lossen beide iets anders op.

Schema.org voegt gestructureerde betekenis toe aan informatie op een webpagina.

Je kunt bijvoorbeeld expliciet aangeven dat iets een organisatie, persoon, product, artikel of evenement is. Eigenschappen kunnen vervolgens beschrijven welke naam, auteur, prijs of datum daarbij hoort.

llms.txt is veel meer een gecureerde toegangspoort tot informatie.

Je zegt als het ware:

Dit is onze website, dit is wat we doen en hier vind je de belangrijkste bronnen.

Bij Schema.org beschrijf je dus vooral de betekenis en relaties van gegevens. Met llms.txt organiseer en presenteer je belangrijke bronnen voor systemen die de standaard ondersteunen.

Ze kunnen elkaar daarom aanvullen, maar zijn niet onderling uitwisselbaar.

Is llms.txt interessant voor een gewone bedrijfswebsite?

Dat hangt ervan af.

Voor een grote documentatiewebsite, softwareplatform of API-provider is de toepassing vrij duidelijk. AI-agents hebben daar vaak behoefte aan actuele, technische informatie en kunnen via llms.txt gemakkelijker relevante documentatie vinden.

Voor een lokale onderneming met vijf pagina’s is de toegevoegde waarde veel minder duidelijk.

Zo’n website is voor moderne crawlers doorgaans al relatief eenvoudig te verwerken.

Toch kan het interessant zijn om met llms.txt te experimenteren wanneer je website veel inhoud bevat of wanneer AI-vindbaarheid bewust onderdeel is van je digitale strategie.

De technische implementatie kan bovendien relatief eenvoudig zijn.

Alleen zou ik andere werkzaamheden er niet voor laten liggen.

Wat is belangrijker dan llms.txt?

Voordat je tijd investeert in nieuwe AI-specifieke technieken, moet de basis goed zitten.

Voor Google zelf is de boodschap daarover behoorlijk duidelijk: de principes die al gelden voor Search blijven ook relevant voor de AI-functies binnen Google Search.

Denk onder andere aan:

• inhoud die daadwerkelijk antwoord geeft op vragen van je doelgroep;
• pagina’s die technisch toegankelijk en crawlbaar zijn;
• een duidelijke websitestructuur en relevante interne links;
• correcte en consistente informatie over je organisatie;
• goede titels en duidelijke contentstructuur;
• technisch correcte structured data waar die relevant is;
• originele informatie, expertise en inhoud die iets toevoegt.

Een perfect llms.txt-bestand kan zwakke, onduidelijke of onbetrouwbare websitecontent niet repareren. Het kan informatie gemakkelijker toegankelijk maken voor systemen die de standaard ondersteunen, maar machineleesbaarheid is niet hetzelfde als betrouwbaarheid.

Dat onderscheid kan zelfs belangrijker worden naarmate steeds meer online content met generatieve AI wordt geproduceerd. Wanneer AI-gegenereerde informatie opnieuw als bron voor andere websites en AI-systemen dient, wordt het steeds relevanter om te weten waar informatie oorspronkelijk vandaan komt. In als AI het internet schrijft, waar haalt AI straks zijn kennis vandaan? gaan we dieper in op AI-gegenereerde content, model collapse en het risico dat herhaling uiteindelijk op consensus begint te lijken.

Dat geldt overigens voor veel nieuwe technieken rond AI-optimalisatie. Nieuwe standaarden kunnen interessant zijn, maar ze vervangen originele informatie, betrouwbare bronnen en echte expertise niet.

Moet je nu een llms.txt-bestand toevoegen?

Voor de meeste bedrijfswebsites zou ik het vandaag als optioneel beschouwen.

Heb je een grote kennisbank, technische documentatie of veel inhoud die door AI-agents gebruikt kan worden? Dan wordt het interessanter.

Heb je een kleine website en moet je kiezen tussen een llms.txt-bestand maken of belangrijke pagina’s inhoudelijk verbeteren? Dan zou ik eerst de pagina’s verbeteren.

Het bestand is relatief eenvoudig te implementeren, dus experimenteren kan weinig kwaad zolang de informatie correct onderhouden wordt.

Verwacht alleen geen meetbare SEO-boost puur omdat het bestand bestaat.

Wat zou je erin kunnen opnemen?

Voor een bedrijfswebsite kun je bijvoorbeeld denken aan:

• een korte, feitelijke omschrijving van de onderneming;
• de belangrijkste diensten of producten;
• belangrijke kennis- of documentatiepagina’s;
• informatie over de organisatie;
• contact- of supportdocumentatie;
• andere bronnen die voor een AI-agent daadwerkelijk nuttig kunnen zijn.

Probeer vooral niet om er een document vol marketingclaims van te maken.

Een compacte, feitelijke structuur is veel logischer voor het doel waarvoor het bestand bedacht werd.

Kan llms.txt robots.txt vervangen?

Nee.

Het is belangrijk dat beide niet met elkaar verward worden.

Een robots.txt-bestand heeft een gevestigde functie binnen crawling op het web. Je kunt er crawlers mee aangeven welke URL-paden ze wel of niet mogen benaderen volgens het Robots Exclusion Protocol.

llms.txt regelt dergelijke toegangsrechten niet.

Wil je bepaalde AI-crawlers blokkeren of beperken, dan is een llms.txt-bestand daarvoor dus niet het juiste mechanisme.

Dat onderscheid wordt extra belangrijk nu website-eigenaars steeds bewuster nadenken over welke bots hun content mogen crawlen en waarvoor die content vervolgens gebruikt kan worden.

llms.txt is interessant, maar geen wondermiddel

llms.txt is een interessant voorbeeld van hoe het web zich probeert aan te passen aan een wereld waarin niet alleen mensen en zoekmachines websites bezoeken, maar ook steeds meer AI-agents.

De aanpak is logisch: geef machines een compacte, gestructureerde ingang naar belangrijke informatie en maak relevante content indien mogelijk beschikbaar in een eenvoudig te verwerken formaat.

De standaard wordt ondertussen daadwerkelijk gebruikt en versie 2 lost enkele praktische problemen rond vindbaarheid op.

Maar daar moeten we geen grotere beloftes aan koppelen dan we kunnen onderbouwen.

Google Search gebruikt llms.txt niet en het bestand verbetert je rankings of zichtbaarheid binnen Google niet. Andere systemen kunnen er wél gebruik van maken en vooral voor documentatie en agentgerichte toepassingen zien we concrete implementaties.

Bij The Other Concept bekijken we llms.txt daarom als één mogelijk onderdeel van een bredere aanpak rond SEO en AI-vindbaarheid.

Eerst zorgen dat je informatie goed, duidelijk en technisch toegankelijk is. Daarna kunnen nieuwe standaarden zoals llms.txt een interessante extra laag vormen.