Sitemap

Was es ist

Eine Sitemap ist eine Datei, die eine Website über sich selbst
veröffentlicht: die Adressen, die ihr Eigentümer Suchmaschinen
bekannt machen möchte, mit einem Eintrag pro Seite und einigen
optionalen Angaben dazu. Ohne sie lernt ein Crawler eine Website auf
dem langsamen Weg kennen, indem er Links von schon bekannten Seiten
folgt. Manche Seiten stehen aber am Ende einer langen Linkkette oder
haben kaum eingehende Links.

Das gemeinsame Format der großen Suchmaschinen ist das unter
sitemaps.org veröffentlichte Sitemaps-Protokoll. Seine XML-Fassung
umschließt die Liste mit einem Element `<urlset>` und darin einem
`<url>` pro Seite. Dessen `<loc>` enthält die vollständige Adresse
und ist das einzige verpflichtende Kindelement. `<lastmod>` nennt
das letzte Änderungsdatum der Seite, `<changefreq>` schätzt ihre
künftige Änderungshäufigkeit. `<priority>` ist ein Wert von 0,0 bis
1,0, der die Seite nur gegenüber den übrigen Seiten derselben
Website einordnet, niemals gegenüber fremden. Das Protokoll
akzeptiert auch eine reine Textdatei mit einer Adresse pro Zeile
oder einen RSS- beziehungsweise Atom-Feed.

Das Protokoll setzt feste Grenzen. Eine Datei enthält höchstens
50.000 Adressen und 50 MB unkomprimierte Daten, darf mit gzip
komprimiert sein und muss UTF-8 verwenden. Sonderzeichen in ihren
Werten müssen als Entitäten maskiert sein. Jede Adresse bleibt unter
2.048 Zeichen. Eine größere Website teilt ihre Liste auf und
veröffentlicht einen Sitemap-Index. Dieser zweite Dateityp benennt
bis zu 50.000 Sitemaps derselben Website. Eine Sitemap darf außerdem
nur Adressen an oder unter ihrem eigenen Speicherort auflisten: Eine
Datei unter `/catalog/sitemap.xml` deckt die Seiten unter
`/catalog/` ab und endet an dieser Ordnergrenze.

Eine Suchmaschine erfährt den Speicherort auf einem von zwei Wegen.
Eine Zeile `Sitemap:` in robots.txt nennt die vollständige Adresse
unabhängig von jeder User-Agent-Gruppe. Oder der Eigentümer reicht
die Datei über die Werkzeuge der Suchmaschine ein, etwa die Google
Search Console.

Dasselbe Wort bezeichnet auch eine Linkseite für menschliche
Besucher. Wenn die Unterscheidung wichtig ist, heißt die für
Programme bestimmte Datei „XML-Sitemap“.

Warum es wichtig ist

Googles Dokumentation benennt die Grenzen offen. Eine Website mit
gut verlinkten Seiten lässt sich meist ohne Sitemap entdecken. Die
Grenze für eine „kleine“ Website zieht Google bei ungefähr 500
Seiten, die in Suchergebnissen erscheinen sollen. Eine Sitemap
„garantiert nicht, dass alle darin enthaltenen Einträge gecrawlt und
indexiert werden“, und ihre Einreichung „ist lediglich ein Hinweis“.
Am meisten hilft sie großen Websites, neuen Websites mit wenigen
Links von außen und Websites mit vielen Videos, Bildern oder
Nachrichten.

Fast jeder Site-Generator erzeugt eine kostenlos. Die eigentliche
Entscheidung ist deshalb, was die Datei behauptet. Jeder Eintrag ist
eine Aussage, die eine Suchmaschine an der Seite selbst überprüfen
kann.

Welche Adressen gehören hinein? Google verlangt die kanonische
Adresse jeder Seite. Eine mit Weiterleitungen, Duplikaten oder mit
`noindex` markierten Seiten aufgefüllte Liste fordert genau das an,
was die übrige Website ausschließt.

Welche Felder? Google ignoriert nach eigener Aussage `<priority>`
und `<changefreq>`. `<lastmod>` verwendet es nur, „wenn es
durchgängig und überprüfbar korrekt ist, etwa durch einen Vergleich
mit der letzten Änderung der Seite“. Das Protokoll verlangt, dass
das Datum „auf die letzte Änderung der verlinkten Seite gesetzt
werden muss, nicht auf die Erzeugung der Sitemap“. Google wertet
Änderungen am Hauptinhalt, an strukturierten Daten oder Links als
wesentlich, ein neues Copyright-Jahr dagegen als unbedeutend.

Darin steckt der Aufwand. Ein Datum aus dem Dateisystem ist
kostenlos und meist falsch, weil Deployments, Exporte und frische
Checkouts Dateien berühren, deren Wortlaut unverändert blieb. Ein
Datum aus dem Versionsverlauf ist ehrlich, aber der Build muss
diesen Verlauf vorliegen haben und in der richtigen Reihenfolge
lesen. Ein von Hand eingetragenes Datum bleibt genau, bis jemand
seine Änderung vergisst.

Wie es in der Praxis aussieht

Die robots.txt dieser Website nennt eine Adresse,
`https://engineer.company/sitemap.xml`. Diese Datei ist ein
Sitemap-Index, der die Sitemaps der veröffentlichten Sprachfassungen
auflistet. Jeder Seiteneintrag enthält die Adresse und ein Datum
sowie Links zur gleichen Seite in ihren anderen veröffentlichten
Übersetzungen. `<priority>` und `<changefreq>` fehlen, weil Google
nach eigener Aussage beide ignoriert und das Protokoll keines der
beiden Elemente verlangt. Als dieser Artikel entstand, sah der
Eintrag für die Seite zur KI-Bereitschaft ohne die Sprachlinks so
aus:

```xml
<url>
  <loc>https://engineer.company/ai-ready/</loc>
  <lastmod>2026-10-15T14:25:16+02:00</lastmod>
</url>
```

Die Liste enthält bewusst nur eine Auswahl. Die thematisch
ausgerichteten Satelliten-Websites des Unternehmens veröffentlichen
Arbeiten von hier erneut, mit einem Canonical-Verweis zurück zum
Original. Dieselbe Vorlage hält diese Kopien aus der Sitemap jedes
Satelliten heraus: Ein Eintrag bittet eine Suchmaschine, genau diese
Adresse zu indexieren. Eine Kopie anzufordern und zugleich eine
andere Seite als Original zu benennen, wäre widersprüchlich. Jeder
Host meldet nur seine eigenen Seiten.

Die Datumsangaben haben eine eigene Geschichte. Zu einem Zeitpunkt
meldete die Sitemap Suchmaschinen, dass sich 172 ihrer 176 Seiten im
selben Augenblick geändert hätten. Die Ursache war alltäglich: Das
Datum kam aus der Änderungszeit jeder Datei, und der Inhaltsexport
schreibt bei jedem Lauf jede Datei neu. Die Korrektur verlegte die
Quelle in den Versionsverlauf, mit einer Fallback-Kette, die zuerst
ein explizites Feld, dann den Commit-Verlauf und zuletzt die Datei
prüft. Darin lag eine wissenswerte Falle: Der wörtliche Feldname
muss in dieser Liste stehen, sonst liest ihn der Generator nie.
Anschließend berührte eine erneute Synchronisierung nach einem Monat
Änderungen acht von 186 Dateien statt aller, und die Sitemap sagt
etwas Wahres.

Dieses Datum erfüllt inzwischen Aufgaben über die Sitemap hinaus.
Wie die Seite zur Auffindbarkeit durch KI-Agenten beschreibt, meldet
jedes Deployment seine Änderungen über IndexNow, ein Protokoll, an
dem Bing und mehrere andere Suchmaschinen teilnehmen. Das
Deployment-Skript vergleicht zur Änderungserkennung das `lastmod`
jeder Seite mit dem zuletzt gesendeten Wert. Ein Deployment mit
einer geänderten Seite meldet deshalb eine Seite. Google steht nicht
auf IndexNows eigener Liste teilnehmender Suchmaschinen und erfährt
von der Änderung beim nächsten Lesen der Sitemap. Eine Build-Prüfung
hält die Datumsangaben korrekt: Sie vergleicht jedes Sitemap-Datum
mit dem Verlauf seiner Seite und verweigert die Veröffentlichung,
wenn eines falsch ist. Für Menschen statt für Programme gibt es
außerdem einen lesbaren Index aller Seiten.

Wo es schiefgeht

Jede Seite behauptet, heute geändert worden zu sein. Die Sitemap
verwendet für Hunderte Seiten ein Datum oder eines pro Deployment.
Eine Suchmaschine lernt daraus nichts über neue Arbeiten. Die
Ursache ist ein Datum aus dem Dateisystem oder der Build-Uhr. Google
verwendet `<lastmod>` nur bei durchgängiger, überprüfbarer
Genauigkeit, die ein gemeinsamer Zeitstempel sichtbar verfehlt.
Nehmen Sie das Datum aus dem Verlauf des Inhalts und vergleichen Sie
nach jeder Änderung am Build eine Stichprobe von Einträgen damit.

Die Liste fordert unerwünschte Seiten an. Weiterleitungen, doppelte
Adressen mit Tracking-Parametern, mit `noindex` markierte Seiten,
Staging-Hosts und Kopien mit einem Canonical-Verweis auf eine andere
Seite landen in Sitemaps eines Generators, der jede erzeugte Datei
auflistet. Jeder Eintrag schickt einen Crawler zu einer Adresse, von
der sich die Seite anschließend selbst lossagt. Listen Sie nur die
kanonische Adresse jeder für Suchergebnisse bestimmten Seite auf.
Lassen Sie Sitemap und Canonical-Tag derselben Regel folgen, wie es
die Vorlagen dieser Website tun.

Einträge liegen außerhalb des erlaubten Bereichs. Eine Sitemap unter
`/blog/sitemap.xml` listet Shopseiten auf oder schreibt relative
Pfade wie `/page.html`. Das Protokoll beschränkt eine Datei auf
Adressen in oder unter ihrem eigenen Ordner, und Google crawlt
Adressen genau wie angegeben. Veröffentlichen Sie die Sitemap an der
Wurzel, schreiben Sie jedes `<loc>` als vollständige
`https://`-Adresse desselben Hosts und wechseln Sie zum
Sitemap-Index, bevor die Liste in die Nähe von 50.000 Einträgen oder
50 MB kommt.

Seit Monaten gelistete Seiten fehlen im Index. Der Eigentümer
versteht die Sitemap als Anweisung und wartet. Google nennt sie
einen Hinweis: Eine gelistete Adresse kann aus Gründen außerhalb der
Datei trotzdem übersprungen oder mit einem Duplikat zusammengeführt
werden. Prüfen Sie die Seite statt der Liste: Verlinken andere
Seiten sie? Verweist ihr Canonical auf sie selbst? Halten robots.txt
oder eine `noindex`-Regel einen Crawler fern?

Weiterführende Lektüre

  * Sitemaps-XML-Format — Das Protokoll selbst: alle Tags,
Größenlimits, Indexdateien und die Adressen, die eine Datei
auflisten darf.

  * Eine Sitemap erstellen und einreichen — Googles Regeln,
einschließlich der ignorierten Tags und der Voraussetzungen für ein
vertrauenswürdiges Datum.

  * Informationen zu Sitemaps — Wann Google eine Sitemap für nötig
hält und wann gute Verlinkung genügt.

  * IndexNow-Dokumentation — Das Protokoll, das teilnehmenden
Suchmaschinen Änderungen am Tag ihrer Veröffentlichung meldet.

  * RFC 9309: Robots Exclusion Protocol — Der robots.txt-Standard,
der einem Crawler erlaubt, neben dessen Regeln eine Zeile `Sitemap:`
zu lesen.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/sitemap/	engineer.company	70
