# 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](/de/portfolio/fixed-a-sitemap-with-one-shared-timestamp/).
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](/de/ai-ready/) 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](/de/sitemap/).

## 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](https://www.sitemaps.org/protocol.html) — Das Protokoll
  selbst: alle Tags, Größenlimits, Indexdateien und die Adressen, die eine Datei
  auflisten darf.
- [Eine Sitemap erstellen und einreichen](https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap)
  — Googles Regeln, einschließlich der ignorierten Tags und der Voraussetzungen
  für ein vertrauenswürdiges Datum.
- [Informationen zu Sitemaps](https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview)
  — Wann Google eine Sitemap für nötig hält und wann gute Verlinkung genügt.
- [IndexNow-Dokumentation](https://www.indexnow.org/documentation) — Das Protokoll,
  das teilnehmenden Suchmaschinen Änderungen am Tag ihrer Veröffentlichung
  meldet.
- [RFC 9309: Robots Exclusion Protocol](https://www.rfc-editor.org/rfc/rfc9309)
  — Der robots.txt-Standard, der einem Crawler erlaubt, neben dessen Regeln eine
  Zeile `Sitemap:` zu lesen.

<https://engineer.company/de/glossary/sitemap/>
