machine-readable content voor MKB — wat is het, doe het

Wat MKB moet weten

machine-readable content is een simpel Markdown-bestand op je root (/machine-readable content) waarin je voor AI-modellen (ChatGPT, Claude, Perplexity, Gemini) samenvat wat je site is. Format is open standaard sinds 2024. Bevat: bedrijf-naam, USP, diensten, prijzen, sectoren, links naar belangrijkste pagina's. Onze eigen machine-readable content is het werkende voorbeeld. Investering: 30 minuten. Effect: AI's beantwoorden vragen over jouw bedrijf met jouw eigen woorden.

De ontstaansgeschiedenis van llms.txt

De llms.txt-standaard is in september 2024 voorgesteld door Jeremy Howard, een Australische onderzoeker bekend van fast.ai. Het idee was simpel: net zoals robots.txt crawlers vertelt waar ze wel of niet mogen komen, zou llms.txt taalmodellen een leesbare samenvatting van een site geven. Geen complexe specificatie, geen verplichtingen, gewoon een afgesproken locatie en formaat dat AI's snel kunnen verwerken.

Het voorstel sloeg aan. Binnen drie maanden hadden honderden grote sites — van OpenAI's eigen documentatie tot Stripe en GitHub — een llms.txt geplaatst. In de loop van 2025 begonnen AI-modellen het bestand actief te gebruiken bij site-samenvattingen. Voor MKB is de aansluiting eenvoudig: het bestand kost weinig om te implementeren en levert meetbaar betere AI-citaties op.

Wat staat er in een goed llms.txt-bestand?

De llms.txt-standaard schrijft een vaste structuur voor. Bovenaan een H1 met je bedrijfsnaam. Daarna een blockquote met een korte beschrijving — wat doe je, voor wie, in welke regio. Onder dat een paar paragrafen met context — geschiedenis, USP, belangrijkste klantgroepen. Daarna komen secties met links naar je belangrijkste paginas: diensten, prijzen, contact, blog. Elke link krijgt een korte uitleg van wat erop staat.

Het verschil met sitemap.xml is dat sitemap puur technisch is — een lijst URL's voor crawlers — terwijl llms.txt geschreven is om door een taalmodel begrepen te worden. Korte beschrijvingen helpen een AI om de juiste pagina te kiezen voor een specifieke vraag. "Diensten/elektra-aanleg.html — uitleg over groepenkast vervangen en aardlekschakelaars in woningen tot 1990" is bruikbaarder dan een kale URL.

De vier secties die elke llms.txt nodig heeft

Een goed bestand kent vier onderdelen. Eén: de identiteitskop met een H1 en blockquote. Twee: een korte context-paragraaf over wat je bedrijf doet en waar. Drie: gestructureerde secties met links naar je belangrijkste paginas, gegroepeerd per onderwerp (Diensten, Prijzen, Werkgebied, Contact). Vier: een optionele "Belangrijke feiten"-sectie met citeerbare zinnen die AI's letterlijk kunnen overnemen.

Voor MKB werkt het goed om de secties praktisch te benaderen. Wat zou je vertellen aan een nieuwe klant die belt? Bedrijfsnaam, locatie, drie kerndiensten, prijsindicatie, openingstijden, contactgegevens. Datzelfde verhaal — in 200 tot 400 woorden, met links naar de relevante paginas — vormt de basis van je llms.txt. Schrijf het zoals je iemand zou vertellen, niet zoals je marketing-tekst zou schrijven.

Hoe AI-modellen llms.txt daadwerkelijk gebruiken

De standaard is in 2024 gepubliceerd door Jeremy Howard (fast.ai). Adoptie groeit gestaag. Anthropic's Claude gebruikt het bestand bij sommige web-fetches. Perplexity ondersteunt het bestand voor sites die het netjes geïmplementeerd hebben. ChatGPT en Gemini hebben geen officiële ondersteuning aangekondigd, maar er zijn aanwijzingen dat hun browsing-modules het bestand wel opmerken als het beschikbaar is.

De praktische opbrengst is bescheiden maar reëel. Het bestand is geen ranking-factor en garandeert geen citaties. Wel verlaagt het de drempel voor AI-modellen om jouw site correct samen te vatten als een gebruiker ernaar vraagt. Bij Keurmeesters hebben we een llms.txt geplaatst met bedrijfsdiensten, gemeente-dekking en prijsindicaties — testen in Perplexity tonen dat het bedrijf nu vollediger wordt beschreven dan vóór de implementatie.

Hoe llms.txt verschilt van robots.txt en sitemap.xml

Drie bestanden in de root van je site, drie verschillende doelen. Robots.txt vertelt crawlers waar ze mogen komen (toegangsregel). Sitemap.xml vertelt crawlers welke paginas bestaan (overzicht). Llms.txt vertelt taalmodellen wie je bent en wat de belangrijkste paginas betekenen (context). Geen van de drie vervangt de andere — ze werken samen.

Voor MKB-sites raden we aan om alle drie aanwezig te hebben en consistent. Robots.txt staat AI-crawlers expliciet toe (GPTBot, ClaudeBot, PerplexityBot, CCBot). Sitemap.xml is actueel en linkt alle indexeerbare paginas. Llms.txt geeft de menselijke samenvatting met links naar de kernpaginas. Deze drie bestanden vormen samen het machine-leesbare profiel van je bedrijf.

13 punten voor een effectief llms.txt-bestand

Plaats het bestand op https://jouwsite.nl/llms.txt — niet in een subfolder.
Gebruik Markdown, geen HTML — de standaard schrijft dit voor.
Eén H1 met de bedrijfsnaam — niet meer dan één.
Een blockquote (regel die met > begint) met je kerndescriptie.
Sectiekoppen H2 voor: Diensten, Prijzen, Bereik, Contact.
Per link een korte beschrijving van een à twee zinnen.
Geef je belangrijkste paginas eerst — AI-modellen lezen vaak alleen de eerste secties.
Vermeld KvK-nummer, vestigingsplaats en regio-dekking expliciet.
Houd het bestand onder de 50KB — kortere bestanden worden vaker compleet gelezen.
Sluit met een optionele sectie "Belangrijke feiten" voor citeerbare zinnen.
Update het bestand minimaal tweemaal per jaar — verouderde info schaadt vertrouwen.
Voeg een datum in het bestand toe (laatst gewijzigd) zodat AI's de versheid kunnen wegen.
Verwijs naar je sitemap.xml als bron voor volledige indexering.

Wat llms.txt níet is — en wat je niet moet verwachten

Het bestand is geen vervanger van Schema.org. Schema.org is gestructureerde data voor zoekmachines en AI-modellen — feiten met types en velden. Llms.txt is vrije tekst geoptimaliseerd voor taalmodellen — context en samenhang. Je hebt beide nodig: Schema.org voor de feiten, llms.txt voor het verhaal eromheen.

Het bestand is ook geen blokkeermechanisme. Als je niet wilt dat AI-crawlers je site lezen, gebruik je robots.txt met aparte regels voor GPTBot, ClaudeBot, PerplexityBot en CCBot. Llms.txt is juist het tegenovergestelde: het nodigt AI's actief uit om je site beter te begrijpen. Voor MKB-bedrijven is openstaan vrijwel altijd de juiste keuze — meer citaties betekent meer zichtbaarheid.

Veelgestelde vragen

Wanneer is dit relevant?

Bij elke MKB-website-keuze die je in 2026 maakt. Twijfel? Vraag de gratis audit aan — wij kijken concreet naar jouw situatie.

Wat als mijn CMS geen statische bestanden ondersteunt?

Bij WordPress kun je een plugin gebruiken die /llms.txt serveert. Bij andere CMS kun je vaak een redirect of route configureren. Bij statische sites (Astro, Eleventy, vanilla HTML) plaats je het bestand simpelweg in de root van de publieke folder. Vraag je webbouwer naar de juiste implementatie.

Is er ook een llms-full.txt?

Ja, de standaard kent een uitgebreide variant llms-full.txt waarin je de complete tekst van je belangrijkste paginas opneemt. Voor MKB-sites is dit overkill — de korte llms.txt met links volstaat. De volledige variant is vooral nuttig voor documentatie-sites of technische platformen.

Wordt dit gecontroleerd of gevalideerd door iemand?

Nee, er is geen centrale autoriteit. De standaard is open. Tools zoals llmstxt.org bieden een validator om de syntaxis te controleren, maar er is geen registratie of audit. Wat je opschrijft moet wel kloppen — een AI die merkt dat je bestand niet matcht met de werkelijke site, gaat je minder citeren.

Voorbeelden van llms.txt in de praktijk

De standaard is bewust simpel. Een goed bestand voor een MKB-bedrijf telt zelden meer dan 50-100 regels. Bovenaan een H1 met je naam, een blockquote met de pitch in twee zinnen, een paragraaf over je achtergrond, en daarna secties met links. Per dienst noem je drie tot vijf woorden uitleg — net genoeg om de AI te helpen kiezen welke pagina relevant is voor welke vraag.

Praktijkvoorbeeld voor een hovenier: bovenaan "# Hovenier De Ronde Venen", daarna een blockquote met "Hovenier gevestigd in Mijdrecht, werkzaam in De Ronde Venen en Vinkeveense Plassen. Specialiteit: onderhoud particuliere tuinen en aanleg vijverpartijen." Daarna secties Diensten, Werkgebied, Contact. Elke link met korte beschrijving. Geen marketingtaal, geen superlatieven — feitelijk.

Hoe llms.txt past in een bredere AI-search-strategie

Llms.txt is één laag in een meerlaagse aanpak. De fundering blijft Schema.org-markup en crawlbare HTML. Daarbovenop komt een sitemap.xml voor klassieke indexering. Daarnaast komt llms.txt voor expliciete AI-context. Elke laag versterkt de andere. Schema.org geeft feiten met types, sitemap geeft een overzicht van paginas, llms.txt geeft de menselijke beschrijving die een AI nodig heeft om je site samen te vatten.

Voor MKB-sites raden we deze volgorde aan: eerst Schema.org en sitemap technisch in orde maken (vaak werk voor een dag), daarna llms.txt schrijven (een halve dag), en tenslotte monitoren hoe AI-modellen je beschrijven. De combinatie kost minder dan een week voor een gemiddelde MKB-site en geeft een fundamenteel zichtbaarder bedrijf — bij Google, ChatGPT, Perplexity en Claude tegelijk.

Wat de standaard nog niet oplost

Llms.txt is jong. Een aantal vragen zijn nog niet beantwoord door de standaard zelf. Hoe vaak verwachten AI-modellen dat je het bestand bijwerkt? Wat gebeurt er bij grote sites met duizenden paginas — moet alles erin, of alleen de belangrijkste? Welke metadata (auteur, datum, taal) gaat de standaard toevoegen in toekomstige versies? Op deze vragen is nog geen consensus, en de officiële documentatie evolueert mee.

Voor MKB betekent dat: blijf pragmatisch. Schrijf wat nu zinvol is, hou het bestand kort en feitelijk, en update het minstens twee keer per jaar. Als de standaard wijzigt, pas je later aan. Niet wachten op perfecte richtlijnen — de implementatie van vandaag levert al meetbare verbetering op in hoe Perplexity en Claude je beschrijven. Wachten op perfecte specs kost zichtbaarheid die concurrenten wel pakken.

Wat doe je vandaag?

Schrijf in 30 minuten een eerste llms.txt voor je bedrijf — bedrijfsnaam, beschrijving, vijf belangrijkste paginas.
Upload het bestand naar de root van je website en test of jouwsite.nl/llms.txt opent.
Valideer de syntaxis via llmstxt.org of een Markdown-linter.
Vraag in ChatGPT en Perplexity hoe je bedrijf beschreven wordt — vergelijk vóór en ná de implementatie.
Voeg een sectie "Belangrijke feiten" toe met vijf citeerbare zinnen over je bedrijf.
Vraag de gratis audit aan via designcheck.nl/contact voor een second opinion op je bestand.

Hoe verschilt llms.txt van robots.txt en sitemap.xml?

Robots.txt vertelt crawlers waar ze niet mogen komen. Sitemap.xml geeft een platte lijst URLs met laatst-gewijzigd-data. Llms.txt doet iets anders: het beschrijft je site in mensentaal, zodat een taalmodel zonder de pagina te crawlen al begrijpt wat het kan verwachten. Een goed llms.txt-bestand opent met een H1 die de bedrijfsnaam noemt, gevolgd door een blockquote van twee zinnen die de positionering samenvat. Daarna komen H2-secties per dienstcluster, met daaronder Markdown-links naar de relevante URL plus een korte beschrijving van wat daar staat.

Welke onderdelen horen minimaal in een llms.txt?

Bedrijfsnaam als H1 met daaronder een blockquote-positionering.
Sectie "Diensten" met links naar de drie tot zes belangrijkste pagina's.
Sectie "Werkgebied" met expliciete plaatsnamen — geen "regio rondom".
Sectie "Prijzen" met startbedragen, ook als je geen volledige pricing publiceert.
Sectie "Contact" met telefoon, e-mail en KvK-nummer in platte tekst.
Sectie "Optional" voor blogposts en case studies die niet altijd nodig zijn.
Een laatst-bijgewerkt-datum bovenaan, formaat YYYY-MM-DD.
Geen marketing-superlatieven — taalmodellen filteren die er toch uit.

Behandel llms.txt als een persbericht voor robots: korte zinnen, controleerbare feiten, geen jargon. Update het iedere keer dat je een nieuwe dienst lanceert of een prijs verandert. Een bestand dat zes maanden achterloopt levert citaten op die je niet meer waar wilt maken.

Moet ik llms-full.txt ook aanmaken naast llms.txt?

Voor een MKB-site is dat zelden nodig. Llms-full.txt is bedoeld voor documentatie-zware sites (SaaS-handleidingen, API-referenties) die compleet in één context-window moeten passen. Voor een hovenier of installateur volstaat het korte llms.txt — taalmodellen volgen de links daarin alsnog naar de detailpagina's. Begin met llms.txt en voeg llms-full.txt pas toe als je merkt dat AI-citaten consistent oude informatie geven.

Wordt llms.txt door alle AI-zoekmachines gerespecteerd?

Nog niet officieel. Anthropic, Perplexity en Mistral hebben publiek interesse uitgesproken, OpenAI en Google houden zich op de vlakte. Wat wel werkt: het bestand kost vijf minuten om aan te maken en schaadt niets. Als de standaard binnen een jaar breed wordt opgepakt sta je vooraan; gebeurt het niet, dan heb je een prima onboarding-pagina voor nieuwe medewerkers.

Onderhoud — hoe houd je llms.txt synchroon met je site

Een llms.txt die niet meegroeit met je site verliest snel waarde. Pagina's verdwijnen, prijzen wijzigen, nieuwe diensten komen erbij — en als het bestand achterloopt geeft het AI-modellen een verouderd beeld van wat je aanbiedt. De praktische oplossing: genereer llms.txt automatisch uit je sitemap.xml. Een eenvoudige build-script (Node.js, Python of zelfs een Vercel-cron-functie) leest sitemap.xml, haalt per URL de title en eerste meta-description op, en schrijft het resultaat als markdown weg. Dit kost je een eenmalige investering van twee uur ontwikkelwerk en daarna draait het automatisch bij elke deploy. Voor MKB-bedrijven zonder developer is een handmatige update elke drie maanden ook voldoende. DesignCheck-builds vanaf €1.995 vast hebben deze automatische generatie standaard ingebouwd; klanten zien live op de deploy-log of llms.txt correct is bijgewerkt na elke wijziging.

Wanneer llms.txt geen verschil maakt

Eerlijk over de beperkingen: llms.txt is geen wondermiddel. Voor een MKB-bedrijf met onder de 15 pagina's en geen complexe productcatalogus levert het bestand minimaal verschil op — een goede sitemap.xml en heldere homepage doen dan al het meeste werk. De grootste impact zien we bij sites met 50+ pagina's, gelaagde dienst-structuren, of veel terminologie-overlap (vakwoorden die op meerdere pagina's voorkomen maar elk een eigen context hebben). Daar werkt llms.txt als een navigatie-routekaart die het model helpt om de juiste sub-pagina te citeren in plaats van de algemene categoriepagina.

Een tweede beperking: AI-modellen die alleen via een live web-search werken (zoals ChatGPT in browse-modus) gebruiken llms.txt op dit moment niet actief. Ze halen pagina-content direct uit de retrievel-pijp en negeren het bestand. Anthropic's Claude met web-search en Perplexity hebben llms.txt-support wel actief, en Mistral test het. Voor MKB-bedrijven is de conclusie: maak het bestand omdat het goedkoop is en de standaard zich snel uitbreidt, maar verwacht geen directe verkeers-impact in 2026. DesignCheck levert vanaf €1.995 vast llms.txt mee, gegenereerd uit de sitemap zodat je geen onderhouds-overhead krijgt.

Live llms.txt-voorbeelden — wat doen Anthropic, Mintlify en Vercel?

De llms.txt-standaard is in september 2024 voorgesteld door Jeremy Howard (fast.ai) en wordt inmiddels door zo'n 1.200 sites geïmplementeerd. Drie voorbeelden geven goed inzicht in wat werkt. Anthropic's `docs.anthropic.com/llms.txt` is plat: een H1 met productnaam, één paragraaf context, en daaronder vier H2-secties (Getting Started, API Reference, Guides, SDK's) elk met een markdown-lijst van gelabelde links. Geen technische jargon, geen versienummers — pure navigatie. Mintlify's variant voegt per link een 8-12 woorden samenvatting toe wat de Markdown-pagina behandelt; dat verhoogt het aantal correct geciteerde sub-pagina's met ongeveer 40% volgens hun eigen meting.

Vercel hanteert een derde patroon: zowel `llms.txt` (compacte navigatie, 4KB) als `llms-full.txt` (volledige content-dump, 380KB) op dezelfde domein. De compacte versie wordt gebruikt voor query-routing, de volle voor diepere antwoorden. Voor een MKB-site is dat te veel — beperk je tot één llms.txt onder 6KB met je 8 tot 12 belangrijkste pagina's. Belangrijker dan de grootte is de markdown-discipline: één H1 (bedrijfsnaam), één blockquote (one-line positionering), en H2-secties die overeenkomen met je hoofdnavigatie. DesignCheck levert vanaf €1.995 vast iedere MKB-site standaard mét llms.txt, gegenereerd uit de sitemap zodat hij automatisch meegroeit.

Op welk pad moet llms.txt staan?

Altijd `/llms.txt` op de root van je domein, net als robots.txt. Niet in een submap, niet onder `/.well-known/`. Sommige AI-crawlers controleren ook `/llms-full.txt` op dezelfde locatie. HTTP-status 200 met content-type `text/plain; charset=utf-8` is de standaard; serveer hem niet via een redirect.

Tellen markdown-koppen in llms.txt voor SEO?

Nee — llms.txt wordt niet door Googlebot meegenomen in ranking-signalen. Het bestand bestaat puur voor AI-modellen die actief zoeken naar gestructureerde context. Wat wel indirect SEO oplevert: het dwingt je tot een heldere informatie-architectuur, en die helpt ook bij je sitemap.xml en interne linking.