TYPO3 wird agent-ready: llms.txt in zwei Befehlen
Wer mit aiva die eigene KI-Sichtbarkeit misst, findet in den Handlungsempfehlungen fast immer einen technischen Block: Inhalte maschinenlesbar machen, saubere Strukturen schaffen, KI-Crawlern den Zugriff erleichtern. Die strategische Logik dahinter ist klar - KI-Systeme und ihre Agenten können nur verarbeiten, was sie technisch sauber lesen können.
Die praktische Frage lautet: Wie setzt man das im eigenen CMS um?
Für viele Industrieunternehmen im DACH-Raum heißt das CMS TYPO3. Die gute Nachricht: Das TYPO3-Ökosystem hat schnell nachgezogen. Was vor Kurzem noch TypoScript-Bastelei erforderte, ist heute mit fertigen Extensions in wenigen Schritten umgesetzt.
Warum Maschinenlesbarkeit über Sichtbarkeit entscheidet
LLMs und KI-Agenten beziehen ihr Wissen aus dem offenen Web - aber nicht so, wie Menschen Websites lesen. Navigationsleisten, Layout-Verschachtelungen und Skripte sind für sie Ballast, der die eigentliche Information verwässert. Der llms.txt-Standard (llmstxt.org) adressiert genau das: eine maschinenlesbare Übersichtsdatei, die KI-Systemen die Struktur der Website erklärt, plus saubere Markdown-Versionen der Inhalte. Wer beides anbietet, senkt die Hürde für KI-Crawler erheblich - und erhöht die Chance, korrekt verstanden und zitiert zu werden.
llms.txt in TYPO3: eine Extension, zwei Befehle
Für TYPO3 existiert mit der Extension rt_llms_txt (rtfirst/llms-txt) eine ausgereifte Standard-Lösung, dokumentiert auf docs.typo3.org. Sie erzeugt vollautomatisch eine /llms.txt auf Basis des Seitenbaums - als Navigations-Hub für KI-Systeme inklusive SEO-Metadaten. Das eleganteste Feature ist der .md-Suffix: Jede reguläre Seite lässt sich mit der Endung .md aufrufen (etwa ihre-domain.de/produkte.md) und liefert dann statt des HTML-Templates reines Markdown mit YAML-Frontmatter - Titel, Beschreibung, Sprache, Aktualisierungsdatum. Navigations- und Layout-Elemente werden dabei automatisch entfernt.
Bemerkenswert ist die redaktionelle Kontrolle: Die Extension ergänzt die Seiteneigenschaften um einen eigenen LLM-Reiter. Redakteure entscheiden dort pro Seite, ob sie für KI-Crawler freigegeben wird, und hinterlegen spezielle KI-Kurzbeschreibungen sowie Themen-Tags. Optional schützt ein API-Key die Endpunkte, sodass nur verifizierte Agenten Zugriff erhalten. Die Installation folgt dem modernen Site-Set-Konzept: composer require rtfirst/llms-txt, danach vendor/bin/typo3 extension:setup, das Set in der Site-Konfiguration aktivieren - fertig.
Zur Einordnung
Noch hat sich kein großer KI-Anbieter offiziell zur Einhaltung des Standards bekannt, und Server-Log-Analysen zeigen, dass Crawler wie GPTBot oder ClaudeBot die Datei aktuell selten abrufen. Das ändert nichts an der zugrunde liegenden Logik: Saubere Struktur, Markdown-Versionen und ein für Crawler zugängliches Rendering zahlen unabhängig davon ein, ob sich llms.txt als Standard durchsetzt - die Umsetzung kostet wenig und schadet nie.
Die Pflicht dahinter: Content-Struktur
Technik allein reicht nicht. Damit die automatische Markdown-Konvertierung sauberen Text liefert, braucht es Disziplin in der Inhaltspflege: statt riesiger Fließtext-Blöcke strikt separate Inhaltselemente pro Abschnitt und Zwischenüberschrift. Der Konverter greift auf die Core-Datenbankfelder zu - je sauberer die Inhalte dort strukturiert sind, desto lesbarer ist das Ergebnis für die KI. Das deckt sich mit dem, was wir in aiva-Analysen regelmäßig sehen: Zitiert werden präzise, klar gegliederte Inhalte, nicht verschachtelte Layout-Konstrukte.
Ein Blick weiter: KI im TYPO3-Backend
Wer nicht nur nach außen lesbar werden, sondern auch intern KI-Prozesse verankern will, findet mit nr-llm von Netresearch eine gemeinsame KI-Basis für TYPO3: ein zentraler Connector für LLM-Provider von OpenAI über Claude und Gemini bis zu lokalen Modellen via Ollama. Darauf aufbauend lassen sich etwa Bildbeschreibungen und Metadaten automatisiert erzeugen - was wiederum die Qualität der maschinenlesbaren Inhalte hebt.
Und woher wissen Sie, ob es wirkt? Messen.
So niedrig die technische Hürde inzwischen ist - die Umsetzung ist nur der mittlere Schritt im Regelkreis. Am Anfang steht die Messung: Eine aiva-Analyse zeigt mit über 1.000 kuratierten Probe Questions pro Industrie, Persona und Sprache, wie sichtbar Sie heute sind, welche Quellen die KI-Antworten speisen und wo der Wettbewerb Positionen besetzt. Daraus entstehen die priorisierten Empfehlungen - etwa die hier beschriebene technische Optimierung. Und nach der Umsetzung zeigt die Re-Messung, ob Share of Model und Citation Frequency tatsächlich steigen. Messen, erkennen, handeln, re-messen: Erst der geschlossene Kreis macht aus einer Extension-Installation eine belegbare Sichtbarkeitsstrategie.
Fazit
TYPO3 ist für das Zeitalter der KI-Agenten gut gerüstet: Mit rt_llms_txt wird eine Website mit minimalem Aufwand Agent-ready - saubere Content-Struktur vorausgesetzt. Ob sich der Aufwand auszahlt, ist keine Glaubensfrage. Es ist messbar.
Von der Umsetzung bis zum Beleg
Die Extension liefert die Technik, aber Einrichtung, saubere Content-Struktur und die redaktionelle LLM-Freigabe pro Seite wollen fachgerecht umgesetzt sein. Als TYPO3-Agentur installieren und konfigurieren wir rt_llms_txt für Sie - inklusive Content-Bereinigung, damit die Markdown-Konvertierung tatsächlich sauberen Text liefert. Und mit aiva liefern wir anschließend den Beleg: ob Ihre KI-Sichtbarkeit dadurch tatsächlich steigt.
Sie möchten Ihre TYPO3-Website agent-ready machen und die Wirkung messen?
Kontaktieren Sie uns