Controles / Toegang voor AI-crawlers
robots.txt houdt Google-Extended buiten je startpagina en het grootste deel van de site
Google-Extended verzamelt trainingsdata en mag alleen de paden lezen die robots.txt toestaat. Dat is een keuze: de meeste pagina's blijven buiten toekomstige modeltraining, niet buiten AI-zoeken.
robots_partial_google_extended · Toegang voor AI-crawlers · Opmerking
Wat haar activeert
robots.txt laat Google-Extended je startpagina niet ophalen, maar laat voor hem een paar andere paden open; de bevinding noemt de eerste drie.
Wat je moet aanpassen
Verwijder de regel Disallow: / voor Google-Extended in robots.txt, of voeg Allow-regels toe voor de andere paden die gelezen mogen worden.
Voorbeeld
Regels in robots.txt die Google-Extended toestaan:
User-agent: Google-Extended
Allow: /Zo bevestig je de oplossing
- Open https://example.com/robots.txt: de groep die Google-Extended noemt (of de *-groep, als geen enkele dat doet) laat het grootste deel van de site open, niet alleen de startpagina
- Start een nieuwe crawl: de tabel met AI-crawlers meldt Google-Extended niet meer als grotendeels geblokkeerd
Over Google-Extended
Google-Extended is een robots.txt-producttoken waarmee uitgevers bepalen of content die Google crawlt mag worden gebruikt om toekomstige Gemini-modellen te trainen. Het heeft geen eigen HTTP-user-agent, dus je ziet het nooit in je logs. Google zegt dat het geen invloed heeft op opname in Search of op de rangschikking.
De crawler die je pagina's echt ophaalt voor Search.
Op netwerkniveau valt hier niets te verifiëren: geen user agent, geen adreslijst. Controleer robots.txt zelf, op elke host, en onthoud dat een zoekopdracht in je log naar Google-Extended niets vindt, of je het token nu blokkeert of niet. In het eigen voorbeeld van Google krijgt het token een allow-pad en een disallow-pad, net als elk ander token.
Taak: Opt-outtoken (doet zelf geen verzoeken). Volgt robots.txt: Alleen uit robots.txt gelezen; er is geen aparte user agent.
Google-Extended: beheerder, user-agent-tekst en adreslijst
Hoe vaak het voorkomt
We hebben niet gemeten hoe vaak dit voorkomt in een steekproef van sites. Cijfers verschijnen hier zodra een studie het dekt.
Over deze controle
| Controle-ID | robots_partial_google_extended |
|---|---|
| Sectie van het rapport | Toegang voor AI-crawlers |
| Ernst | Opmerking |
| Hoe het wordt bepaald | Gemeten: direct gelezen uit de pagina of het antwoord van de server. |
| Toegevoegd | Voor 19 okt. 2026 (versies 1 en 2), of een sitebrede controle zonder versiedatum |
| Status | Gemeten in elk rapport |
| Rapport geeft de code | Ja, één blok voor de hele site |
Instellingen per platform
Voor robots.txt verschilt per platform waar de instelling staat. Onze gidsen behandelen er 13: AI-crawlerinstellingen per platform.
Verwante controles
- robots.txt houdt CCBot buiten je startpagina en het grootste deel van de site
- robots.txt houdt ClaudeBot buiten je startpagina en het grootste deel van de site
- robots.txt houdt GPTBot buiten je startpagina en het grootste deel van de site
- Je firewall of CDN weigert AI-trainingscrawlers
Kijk of het voor je site geldt
Plak je adres: we crawlen tot 10 pagina's en tonen elk probleem dat we vinden, met de oplossing. Geen account, geen kaart.
Elk abonnement crawlt tot zijn paginalimiet en toont deze controles met de oplossing: abonnementen.
Hoe een audit werkt: methode