ChatGPT für lokale Empfehlungen: Wie man von KI empfohlen wird

Konsumenten fragen zunehmend KI-Chatbots statt klassischer Suchmaschinen nach lokalen Empfehlungen. Wer im DACH-Raum ein Geschäft, eine Praxis oder ein Restaurant betreibt, muss verstehen, wie ChatGPT, Gemini und Perplexity lokale Anbieter auswählen. Denn die Logik dahinter unterscheidet sich deutlich von klassischem Google-Ranking, und die Sichtbarkeitslücke ist heute riesig.

Warum ChatGPT-Empfehlungen geschäftskritisch werden

Die Nutzung von KI-Tools für lokale Empfehlungen ist innerhalb eines Jahres explodiert. Laut einer internationalen US-Studie stieg der Anteil der Konsumenten, die ChatGPT und andere generative KI-Tools für lokale Empfehlungen nutzen, von 6 % auf 45 % und ist damit zur drittwichtigsten Quelle für Geschäftsempfehlungen geworden (hinter Google und Facebook). Unter den KI-Tools liegt ChatGPT mit 31 % klar vorn, gefolgt von Googles AI Mode mit 23 %.

Die schiere Reichweite verstärkt den Effekt. ChatGPT erreichte 900 Millionen wöchentlich aktive Nutzer weltweit. Gleichzeitig verändert KI das Suchverhalten grundlegend: Laut Bain & Company verlassen sich rund 80 % der Suchenden bei mindestens 40 % ihrer Suchen auf KI-generierte Ergebnisse, etwa 60 % der Suchen enden ohne Klick auf eine Website, und der organische Traffic sinkt um 15 bis 25 %. Wer nur auf den klassischen Klick optimiert, verliert also Reichweite, die zunehmend in der KI-Antwort selbst stattfindet.

Auch in Österreich ist die Basis vorhanden. Ende 2025 nutzten 8,69 Millionen Menschen das Internet, bei einer Online-Penetration von 95,3 %. Die KI-Adoption ist bei jüngeren Zielgruppen besonders hoch: Laut Statistik Austria nutzten 57 % der 16- bis 24-Jährigen und 76 % der Schüler:innen und Studierenden in Österreich generative KI-Tools in den drei Monaten vor der Befragung. Diese Generation wächst als Kundschaft nach und bringt KI-gestützte Recherche als Standardverhalten mit.

Das Vertrauen ist differenziert, aber relevant: Laut der internationalen BrightLocal-Untersuchung vertrauen 63 % der aktiven KI-Nutzer den Empfehlungen von KI-Tools, gleichzeitig prüfen 88 % die Quellen, etwa indem sie die Legitimität einer Bewertung (51 %) oder die Quelle selbst (37 %) checken. KI ersetzt also nicht die Prüfung, sondern verlagert sie. Das macht konsistente, überprüfbare Präsenz umso wichtiger.

Wie ChatGPT lokale Empfehlungen technisch generiert

ChatGPT erzeugt lokale Empfehlungen aus zwei Quellen. Erstens aus dem Trainingswissen, das aus öffentlich zugänglichen Webinhalten stammt und die Welt zum Trainingszeitpunkt abbildet. Zweitens aus Live-Suche (SearchGPT), bei der das Modell aktuelle Webergebnisse abruft, die unter anderem auf Bing-Suchdaten basieren. Für lokale Anfragen ist die Live-Suche entscheidend, weil sie Aktualität, Öffnungszeiten und neue Bewertungen einbezieht.

Welche Signale dabei ausgewertet werden, lässt sich aus der Funktionsweise ableiten:

• Strukturierte Geodaten: Adresse, Koordinaten, Stadtteil und nahegelegene Landmarks helfen dem Modell, ein Unternehmen eindeutig einem Ort zuzuordnen.
• Schema-Markup: Maschinenlesbare Auszeichnung (LocalBusiness, Restaurant, FAQPage, Review) macht Fakten unmissverständlich und damit leichter zitierbar.
• Konsistente Erwähnungen: Wenn Name, Adresse und Telefon (NAP) über viele Quellen identisch auftauchen, steigt die Sicherheit des Modells.
• Bewertungssignale: Anzahl, Aktualität und Tenor von Reviews liefern den Stoff für KI-generierte Zusammenfassungen.
• Drittquellen: Verzeichnisse, Branchenportale und redaktionelle Erwähnungen dienen als Trainings- und Zitierquellen.

Das Ergebnis ist heute sehr selektiv. Eine internationale US-Analyse fand, dass 83 % der Restaurants auf ChatGPT komplett unsichtbar sind, gegenüber nur 14 % bei Google (Grundlage: 189.905 ChatGPT-Ergebnisse gegen 16,4 Millionen Google-Ergebnisse). Breiter über alle Branchen zeigt der SOCi 2026 Local Visibility Index, dass ChatGPT aktuell nur 1,2 % aller lokalen Geschäftsstandorte empfiehlt (Analyse von über 350.000 Standorten über 2.751 Marken). Die Konkurrenz um den KI-Empfehlungsslot ist also weit kleiner als bei Google, was frühe Optimierung lohnend macht.

Strategie: Die Basis für KI-Sichtbarkeit aufbauen

Google Business Profile vollständig pflegen

Auch wenn ChatGPT primär Bing-Daten nutzt, bleibt ein vollständiges, konsistentes Geschäftsprofil die Grundlage jeder lokalen Sichtbarkeit. Wähle die korrekte Hauptkategorie plus relevante Zusatzkategorien, pflege alle Attribute, Öffnungszeiten und Fotos und halte NAP-Daten zeichengenau einheitlich. Diese saubere Datenbasis ist der Anker, an dem sich KI-Modelle bei der Zuordnung orientieren.

Reputation und Bewertungen als Ranking-Faktor

KI-Systeme fassen Bewertungen zusammen und nutzen sie als Vertrauenssignal. Entscheidend sind Anzahl, Aktualität und Sternebewertung sowie eine breite Streuung über mehrere Plattformen. Da viele KI-Nutzer die Quellen nachprüfen, sollten Bewertungen echt, aktuell und über Google hinaus auch auf relevanten Branchen- und Bewertungsportalen vorhanden sein. Antworten auf Bewertungen erzeugen zusätzlichen, maschinenlesbaren Kontext zum Unternehmen.

Schema.org und maschinenlesbare Inhalte

Strukturierte Daten als JSON-LD sind der direkteste Weg, Inhalte zitierbar zu machen. Relevant sind vor allem LocalBusiness (Basisdaten, Geo, Öffnungszeiten), Restaurant (Küche, Preisniveau, Menü), FAQPage (Fragen und Antworten im Klartext) und Review beziehungsweise AggregateRating. Maschinenlesbare Fakten reduzieren die Mehrdeutigkeit, die ein Sprachmodell sonst interpretieren muss, und erhöhen die Wahrscheinlichkeit einer korrekten Empfehlung.

Präsenz auf Drittquellen und lokalen Verzeichnissen

KI-Modelle lernen aus dem offenen Web. Präsenz auf etablierten Drittquellen liefert sowohl Trainings- als auch Zitiermaterial. Im DACH-Raum gehören dazu das WKO Firmen A-Z, Herold, FirmenABC sowie branchenspezifische Portale und, je nach Branche, TripAdvisor oder Bewertungsplattformen. Wichtig ist die NAP-Konsistenz über alle Quellen hinweg, denn widersprüchliche Angaben schwächen die Sicherheit des Modells.

Content-Strategie für AEO und GEO

Answer Engine Optimization (AEO) und Generative Engine Optimization (GEO) zielen darauf, von KI zitiert zu werden. Strukturiere Inhalte im Frage-Antwort-Format, beantworte Fragen direkt im ersten Satz und benenne lokale Entitäten konkret: Stadtteil, Nachbarschaft, nahegelegene Landmarks, Einzugsgebiet. Standortkontext ("im 7. Wiener Gemeindebezirk, nahe der Mariahilfer Strasse") macht Inhalte für lokale Anfragen anschlussfähig. Faktenreiche, klar gegliederte Texte sind leichter extrahierbar als werbliche Fliesstexte.

Best Practices: Schritt-für-Schritt-Checkliste für KMU

1. Profil vervollständigen: Google Business Profile und Bing Places mit korrekten Kategorien, Attributen, Öffnungszeiten und Fotos füllen.
2. NAP vereinheitlichen: Name, Adresse und Telefon zeichengenau über Website und alle Verzeichnisse abgleichen.
3. Schema implementieren: LocalBusiness, gegebenenfalls Restaurant, FAQPage und Review als JSON-LD auf der Website hinterlegen.
4. Verzeichnisse besetzen: Einträge in WKO Firmen A-Z, Herold, FirmenABC und branchenrelevanten Portalen anlegen und pflegen.
5. Bewertungen aufbauen: Aktiv um Bewertungen bitten, auf alle antworten, Aktualität und Plattformbreite sicherstellen.
6. AEO-Inhalte erstellen: FAQ-Seiten und Standortseiten mit klaren Antworten, lokalen Entitäten und Nachbarschaftskontext.
7. Drittquellen-Erwähnungen fördern: Lokale PR, Partnerschaften und redaktionelle Nennungen anstossen.
8. Monitoring einrichten: Regelmäßig prüfen, ob und wie ChatGPT, Gemini und Perplexity das Unternehmen nennen.

Klassisches lokales SEO vs. KI-Empfehlungen

Gute Google-Rankings bedeuten nicht automatisch KI-Sichtbarkeit. Die Überschneidung zwischen beiden Welten ist begrenzt: Ein Unternehmen, das im Local Pack oben steht, kann in ChatGPT komplett fehlen, und umgekehrt. Die eingangs genannten Sichtbarkeitsdaten illustrieren das deutlich. Während bei Google nur 14 % der Restaurants unsichtbar sind, sind es bei ChatGPT 83 %. Wer also nur klassisches lokales SEO betreibt, deckt die KI-Empfehlung nicht zwangsläufig mit ab.

Der Unterschied liegt in der Quellenlogik. Google bewertet eine konkrete URL für eine konkrete Query und belohnt Proximity. KI-Modelle synthetisieren eine Antwort aus vielen Quellen und belohnen Konsistenz, Zitierbarkeit und breite, übereinstimmende Erwähnung. Deshalb sind Schema-Markup, NAP-Konsistenz und Drittquellen-Präsenz für KI oft wichtiger als der reine Rankingplatz.

Lokales SEO für Österreich und den DACH-Raum

Im DACH-Raum kommen regionale Faktoren hinzu. Nutze regionale Keywords inklusive Bezirks- und Stadtteilbezug sowie österreichische Sprachvarianten (etwa "Jänner" statt "Januar"). Setze auf österreichische Plattformen wie WKO Firmen A-Z und Herold, die als lokale Autoritätsquellen dienen. Lokale Backlinks und Erwähnungen von regionalen Medien, Vereinen und Branchenpartnern stärken sowohl die klassische als auch die KI-Sichtbarkeit, weil sie als überprüfbare Drittquellen fungieren. Gib Standortkontext explizit an, damit Modelle das Einzugsgebiet korrekt erfassen.

Metriken und Monitoring der KI-Sichtbarkeit

KI-Sichtbarkeit lässt sich prüfen, auch wenn es keine zentrale Konsole wie die Search Console gibt. Folgende Kennzahlen und Methoden sind praktikabel:

• Direkte Promptprüfung: Typische lokale Anfragen in ChatGPT, Gemini und Perplexity stellen ("bestes italienisches Restaurant in Wien Neubau") und festhalten, ob und in welcher Position das Unternehmen genannt wird.
• Erwähnungs- und Quellenanalyse: Bei Perplexity und SearchGPT die zitierten Quellen prüfen, um zu verstehen, welche Drittseiten die Empfehlung speisen.
• Share of Voice: Anteil der relevanten Prompts, bei denen das Unternehmen erscheint, im Vergleich zu Wettbewerbern.
• Bewertungs-KPIs: Anzahl, Durchschnitt und Aktualität der Reviews über alle Plattformen, da diese direkt in KI-Zusammenfassungen einfliessen.
• Konsistenz-Check: Stichproben der NAP-Daten und Schema-Validität, weil Inkonsistenzen die Empfehlung verhindern.

Da viele KI-Nutzer die Quellen prüfen (88 % verifizieren Reviews oder Quelle), ist das Ziel nicht nur, genannt zu werden, sondern bei der Nachprüfung zu bestehen. Eine konsistente, faktentreue Präsenz zahlt damit doppelt ein.

Selbsttest: Was ChatGPT heute über dich sagt

Bevor du an Profilen und Inhalten arbeitest, brauchst du einen Ausgangswert. Einmal nachzufragen reicht dafür nicht. Antworten schwanken je nach Formulierung, und ein Konto mit gespeicherten Erinnerungen zeigt dir ein persönlich gefärbtes Ergebnis statt dessen, was ein fremder Interessent sieht.

1. Temporären Chat öffnen: kein Verlauf, keine gespeicherten Erinnerungen, kein personalisiertes Profil.
2. Drei Promptmuster durchspielen: die reine Kategorie plus Ort, das konkrete Problem plus Ort und die direkte Empfehlungsfrage.
3. Jedes Muster dreifach variieren: mit Bezirk, mit Bundesland und ohne Ortsangabe mit dem Zusatz in meiner Nähe.
4. Antworten protokollieren: welche Anbieter genannt werden, in welcher Reihenfolge und welche Quellen ChatGPT dazu verlinkt.
5. Nach vier Wochen wiederholen: identische Prompts, gleiche Bedingungen, danach die Listen vergleichen.

Zwei Dinge sind dabei wichtiger als die Frage, ob du überhaupt vorkommst. Erstens die zitierten Quellen: das sind die Seiten, über die du tatsächlich Einfluss nimmst, und die eigene Website ist selten darunter. Zweitens die Stabilität. Eine einzelne Nennung ist Zufall, dieselbe Nennung in drei von drei Läufen ist ein Muster, auf das du aufbauen kannst.

Wenn du das nicht nur für ChatGPT, sondern auch für Gemini, Perplexity und die Google AI Overviews regelmäßig brauchst, übernimmt das unser KI-Sichtbarkeits-Check.

Wenn ChatGPT etwas Falsches über dich sagt

Einen Korrekturknopf gibt es nicht. Ein Chatbot hat keine Redaktion, bei der du eine Richtigstellung einreichst. Korrigieren lässt sich nur die Quellenlage, aus der die Antwort entsteht.

• Stammdaten zuerst: Google Business Profile und Bing Places prüfen. Weil die Websuche auf Bing-Daten aufsetzt, wiegt Bing Places hier schwerer als im klassischen lokalen SEO.
• Alte Einträge aufräumen: veraltete Adressen und Telefonnummern in Verzeichnissen sind der häufigste Grund für falsche Angaben. Wie du sie findest, steht im Citation-Audit.
• Eine eindeutige Faktenseite anbieten: Öffnungszeiten, Leistungen, Einzugsgebiet und Preisrahmen in klarem Text, dazu dieselben Angaben als JSON-LD, damit sie maschinell auslesbar sind.
• Drittquellen anschreiben: bei Branchenverzeichnissen und Presseartikeln mit falschen Angaben ist die Korrektur beim Betreiber der schnellste Hebel.
• Neuindexierung anstoßen: geänderte Seiten über die Bing Webmaster Tools und IndexNow melden, statt auf den nächsten Crawl zu warten.

Wie lange es dauert, bis eine Korrektur in den Antworten ankommt, lässt sich nicht seriös vorhersagen. Es hängt daran, woher die Antwort stammt. Kommt sie aus der Websuche, zieht sie nach, sobald die Quelle neu indexiert ist. Sitzt der Fehler im Trainingswissen des Modells, verschwindet er erst mit einem neuen Modellstand.

Weiterführendes

ChatGPT-Empfehlungen sind ein eigenständiger, schnell wachsender Kanal, der andere Signale belohnt als klassisches lokales SEO. Die hohe Unsichtbarkeitsrate bei KI ist Risiko und Chance zugleich: Wer jetzt vollständige Profile, konsistente NAP-Daten, sauberes Schema-Markup, aktives Bewertungsmanagement und Präsenz auf relevanten Drittquellen aufbaut, sichert sich einen Empfehlungsslot, der bei vielen Wettbewerbern noch leer ist. Sinnvolle nächste Schritte sind ein NAP- und Citation-Audit, die Implementierung der wichtigsten Schema-Typen und ein regelmäßiges Monitoring der eigenen Nennungen in ChatGPT, Gemini und Perplexity.