Over robots.txt-bestanden
Wat is een robots.txt-bestand?
Robots.txt is een tekstbestand in platte tekst dat zich in de hoofdmap van een domein bevindt en geautomatiseerde bezoekers vertelt welke delen van de site ze mogen opvragen. Het is het eerste waar de meeste crawlers om vragen, nog vóór enige pagina, en het is de oudste conventie op het web om aan te geven wat een machine met rust moet laten.
De syntaxis is bewust eenvoudig: noem een user-agent en vermeld vervolgens de paden die deze wel of niet mag ophalen. Juist die eenvoud vormt ook de valkuil, want één verkeerd geplaatste schuine streep kan ervoor zorgen dat niet één map, maar een hele website wordt geblokkeerd. Een robots.txt-generator is vooral belangrijk omdat deze het bestand in een geldige, voorspelbare structuur genereert, zodat je niet zelf hoeft te onthouden hoe de directives die je één keer per jaar schrijft precies gespeld worden.
Het regelt het crawlen, niet het indexeren, en dat onderscheid zorgt voortdurend voor verwarring. Als je een URL blokkeert, voorkom je dat een crawler deze ophaalt; je houdt de URL daarmee niet betrouwbaar uit de zoekresultaten, omdat een pagina kan worden geïndexeerd op basis van links die ernaartoe verwijzen, zonder ooit te zijn gelezen.
Is robots.txt nog steeds relevant in 2026?
De traditionele functie ervan is onveranderd: crawlers weghouden uit beheergebieden, interne zoekresultaten, gefacetteerde navigatie en de eindeloze combinaties van parameters die anders crawlbudget zouden verbruiken aan pagina’s waarop niemand terecht zou moeten komen.
De nieuwere functie ervan is belangrijker. Het bestand is de plek geworden waar website-eigenaren bepalen welke AI-crawlers überhaupt toegang tot hun content mogen krijgen — een vraag die de meesten eerder nooit hadden hoeven beantwoorden. Elk groot AI-bedrijf heeft inmiddels een crawler met een eigen naam, en de meeste houden zich aan het bestand.
Daarmee is robots.txt een van de weinige bestanden op een website die daadwerkelijk grote gevolgen kunnen hebben, en een bestand dat je bewust moet controleren in plaats van zomaar de standaardinstellingen over te nemen die een platform heeft meegeleverd.
Hoe robots.txt zich verhoudt tot AI-zoekopdrachten
Je staat voor een echte keuze, en er is geen universeel correct antwoord. Het blokkeren van AI-crawlers beschermt je content tegen gebruik als trainings- of antwoordmateriaal. Het neemt ook elke mogelijkheid weg dat je site wordt geciteerd in de antwoorden waar een groeiend aandeel van de mensen nu op vertrouwt in plaats van door te klikken naar de zoekresultaten.
De twee effecten zijn niet symmetrisch. Blokkeren is vrijwel absoluut, terwijl geciteerd worden onzeker is. De keuze hangt dus af van de vraag of je content het product zelf is of de marketing ervoor. Een uitgever die abonnementen verkoopt, kan er redelijkerwijs voor kiezen om te blokkeren; een bedrijf waarvan de pagina’s gevonden moeten worden, zal dat doorgaans niet doen.
Het belangrijkste is dat het bestand aangeeft wat je daadwerkelijk van plan bent. Met een robots.txt-generator kun je deze regels eenvoudig expliciet vastleggen, in plaats van ze impliciet te laten door weglating.
Beste praktijken voor robots.txt
- Houd het bestand in de hoofdmap van het domein. Op elke andere locatie wordt het volledig genegeerd.
- Gebruik het nooit om gevoelige inhoud te verbergen. Het bestand is openbaar en het lezen ervan is de snelste manier om de paden te vinden die je verborgen wilde houden.
- Gebruik een noindex-richtlijn in plaats van een crawlblokkade wanneer het doel is een pagina uit de zoekresultaten te houden.
- Combineer de twee niet op dezelfde pagina. Een geblokkeerde pagina kan nooit worden gelezen, waardoor de noindex-richtlijn ervan nooit wordt gezien.
- Verwijs in het bestand naar je XML-sitemap, zodat crawlers deze vinden zonder dat dit afzonderlijk hoeft te worden opgegeven.
- Beoordeel de regels voor AI-crawlers bewust en stel ze niet standaard in.
Veelgemaakte fouten
- Het blokkeren van CSS of JavaScript, waardoor zoekmachines de pagina niet kunnen weergeven zoals een bezoeker die ziet.
- Een regel uit de ontwikkelingsfase laten staan die na de lancering de hele website blokkeert. Dit is de schadelijkste robots.txt-fout.
- Ervan uitgaan dat een geblokkeerde URL uit de zoekresultaten verdwijnt, terwijl deze mogelijk zonder beschrijving vermeld blijft.
- Regels schrijven voor een user-agenttekenreeks die niet bestaat, waardoor niets wordt beïnvloed.
- Vergeten dat subdomeinen hun eigen bestand nodig hebben; een regel op het hoofddomein geldt niet voor subdomeinen.
De robots.txt-generator gebruiken
Kies welke crawlers je wilt toestaan of weigeren, voeg directories toe die je wilt uitsluiten, stel een crawlvertraging in als je server dat nodig heeft en verwijs naar je sitemap. De generator stelt een correct opgemaakt bestand samen dat je kunt opslaan in de hoofdmap van je domein.
Zodra het live staat, controleer je het in plaats van ervan uit te gaan dat alles goed werkt. Open het bestand in een browser om te bevestigen dat het wordt aangeboden en controleer in Search Console of de pagina’s die volgens verwachting gecrawld mogen worden dat nog steeds zijn. Een robots.txt-bestand dat ongemerkt meer blokkeert dan de bedoeling is, kan weken onopgemerkt blijven als je alleen op het verkeer let.
Waar je nu verder kunt gaan
Zodra het bestand online staat, bevestig je dat het wordt aangeboden en niet meer blokkeert dan je bedoeld had. Controleer het met de
robots.txt-controle, bekijk de
Controle van noindex-tags die ervoor zorgen dat een opgehaalde pagina niet in de resultaten verschijnt, en controleer of de
Controle van XML-sitemap waarnaar je verwees daadwerkelijk bestaat.