Zurück zum Glossar

Begriff

robots.txt

Die robots.txt ist eine Textdatei im Root einer Domain, die Suchmaschinen-Crawlern Regeln vorgibt, welche URLs gecrawlt werden dürfen und welche nicht.

robots.txt — ausführlicher erklärt

Die robots.txt liegt verbindlich unter https://example.com/robots.txt und folgt dem Robots-Exclusion-Protokoll. Pro User-Agent (z. B. Googlebot, Bingbot oder * für alle) lassen sich Allow:- und Disallow:-Regeln definieren. Crawler seriöser Anbieter halten sich an die Vorgaben; technisch erzwingen lässt sich nichts.

Wichtig zu unterscheiden: robots.txt steuert nur das Crawling, nicht die Indexierung. Eine per Disallow gesperrte URL kann trotzdem im Index landen, wenn sie von außen verlinkt ist — Google zeigt sie dann ohne Snippet. Wer sicher aus dem Index will, braucht stattdessen ein noindex-Meta-Tag oder einen HTTP-Header — aber dafür muss die Seite crawlbar sein, sonst sieht Googlebot das Tag gar nicht.

Beispiel / Praxisbezug

User-agent: *
Disallow: /admin/
Disallow: /search?
Allow: /

Sitemap: https://example.com/sitemap.xml

Diese Konfiguration sperrt den Admin-Bereich und parametrisierte Suchergebnisseiten, gibt den Rest frei und verlinkt die Sitemap.

Abgrenzung zu ähnlichen Begriffen

robots.txt = Crawl-Steuerung. Das noindex-Meta-Tag = Index-Steuerung. Canonical Tag = Duplikat-Steuerung. Drei verschiedene Werkzeuge für drei verschiedene Probleme — niemals durcheinanderbringen.

Entdecke mehr