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 Geschaeft, eine Praxis oder ein Restaurant betreibt, muss verstehen, wie ChatGPT, Gemini und Perplexity lokale Anbieter auswaehlen. Denn die Logik dahinter unterscheidet sich deutlich von klassischem Google-Ranking, und die Sichtbarkeitsluecke ist heute riesig.

Warum ChatGPT-Empfehlungen geschaeftskritisch werden

Die Nutzung von KI-Tools fuer lokale Empfehlungen ist innerhalb eines Jahres explodiert. Laut einer internationalen US-Studie stieg der Anteil der Konsumenten, die ChatGPT und andere generative KI-Tools fuer lokale Empfehlungen nutzen, von 6 % auf 45 % und ist damit zur drittwichtigsten Quelle fuer Geschaeftsempfehlungen 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 verstaerkt den Effekt. ChatGPT erreichte 900 Millionen woechentlich aktive Nutzer weltweit. Gleichzeitig veraendert 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 Oesterreich 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 juengeren Zielgruppen besonders hoch: Laut Statistik Austria nutzten 57 % der 16- bis 24-Jaehrigen und 76 % der Schueler:innen und Studierenden in Oesterreich generative KI-Tools in den drei Monaten vor der Befragung. Diese Generation waechst als Kundschaft nach und bringt KI-gestuetzte 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 pruefen 88 % die Quellen, etwa indem sie die Legitimitaet einer Bewertung (51 %) oder die Quelle selbst (37 %) checken. KI ersetzt also nicht die Pruefung, sondern verlagert sie. Das macht konsistente, ueberpruefbare Praesenz umso wichtiger.

Wie ChatGPT lokale Empfehlungen technisch generiert

ChatGPT erzeugt lokale Empfehlungen aus zwei Quellen. Erstens aus dem Trainingswissen, das aus oeffentlich zugaenglichen 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. Fuer lokale Anfragen ist die Live-Suche entscheidend, weil sie Aktualitaet, Oeffnungszeiten und neue Bewertungen einbezieht.

Welche Signale dabei ausgewertet werden, laesst 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 unmissverstaendlich und damit leichter zitierbar.
• Konsistente Erwaehnungen: Wenn Name, Adresse und Telefon (NAP) ueber viele Quellen identisch auftauchen, steigt die Sicherheit des Modells.
• Bewertungssignale: Anzahl, Aktualitaet und Tenor von Reviews liefern den Stoff fuer KI-generierte Zusammenfassungen.
• Drittquellen: Verzeichnisse, Branchenportale und redaktionelle Erwaehnungen 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, gegenueber nur 14 % bei Google (Grundlage: 189.905 ChatGPT-Ergebnisse gegen 16,4 Millionen Google-Ergebnisse). Breiter ueber alle Branchen zeigt der SOCi 2026 Local Visibility Index, dass ChatGPT aktuell nur 1,2 % aller lokalen Geschaeftsstandorte empfiehlt (Analyse von ueber 350.000 Standorten ueber 2.751 Marken). Die Konkurrenz um den KI-Empfehlungsslot ist also weit kleiner als bei Google, was fruehe Optimierung lohnend macht.

Strategie: Die Basis fuer KI-Sichtbarkeit aufbauen

Google Business Profile vollstaendig pflegen

Auch wenn ChatGPT primaer Bing-Daten nutzt, bleibt ein vollstaendiges, konsistentes Geschaeftsprofil die Grundlage jeder lokalen Sichtbarkeit. Waehlen Sie die korrekte Hauptkategorie plus relevante Zusatzkategorien, pflegen Sie alle Attribute, Oeffnungszeiten und Fotos und halten Sie 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, Aktualitaet und Sternebewertung sowie eine breite Streuung ueber mehrere Plattformen. Da viele KI-Nutzer die Quellen nachpruefen, sollten Bewertungen echt, aktuell und ueber Google hinaus auch auf relevanten Branchen- und Bewertungsportalen vorhanden sein. Antworten auf Bewertungen erzeugen zusaetzlichen, 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, Oeffnungszeiten), Restaurant (Kueche, Preisniveau, Menue), FAQPage (Fragen und Antworten im Klartext) und Review beziehungsweise AggregateRating. Maschinenlesbare Fakten reduzieren die Mehrdeutigkeit, die ein Sprachmodell sonst interpretieren muss, und erhoehen die Wahrscheinlichkeit einer korrekten Empfehlung.

Praesenz auf Drittquellen und lokalen Verzeichnissen

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

Content-Strategie fuer AEO und GEO

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

Best Practices: Schritt-fuer-Schritt-Checkliste fuer KMU

1. Profil vervollstaendigen: Google Business Profile und Bing Places mit korrekten Kategorien, Attributen, Oeffnungszeiten und Fotos fuellen.
2. NAP vereinheitlichen: Name, Adresse und Telefon zeichengenau ueber Website und alle Verzeichnisse abgleichen.
3. Schema implementieren: LocalBusiness, gegebenenfalls Restaurant, FAQPage und Review als JSON-LD auf der Website hinterlegen.
4. Verzeichnisse besetzen: Eintraege in WKO Firmen A-Z, Herold, FirmenABC und branchenrelevanten Portalen anlegen und pflegen.
5. Bewertungen aufbauen: Aktiv um Bewertungen bitten, auf alle antworten, Aktualitaet und Plattformbreite sicherstellen.
6. AEO-Inhalte erstellen: FAQ-Seiten und Standortseiten mit klaren Antworten, lokalen Entitaeten und Nachbarschaftskontext.
7. Drittquellen-Erwaehnungen foerdern: Lokale PR, Partnerschaften und redaktionelle Nennungen anstossen.
8. Monitoring einrichten: Regelmaessig pruefen, 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 Ueberschneidung 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. Waehrend 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 zwangslaeufig mit ab.

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

Lokales SEO fuer Oesterreich und den DACH-Raum

Im DACH-Raum kommen regionale Faktoren hinzu. Nutzen Sie regionale Keywords inklusive Bezirks- und Stadtteilbezug sowie oesterreichische Sprachvarianten (etwa "Jaenner" statt "Januar"). Setzen Sie auf oesterreichische Plattformen wie WKO Firmen A-Z und Herold, die als lokale Autoritaetsquellen dienen. Lokale Backlinks und Erwaehnungen von regionalen Medien, Vereinen und Branchenpartnern staerken sowohl die klassische als auch die KI-Sichtbarkeit, weil sie als ueberpruefbare Drittquellen fungieren. Geben Sie Standortkontext explizit an, damit Modelle das Einzugsgebiet korrekt erfassen.

Metriken und Monitoring der KI-Sichtbarkeit

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

• Direkte Promptpruefung: 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.
• Erwaehnungs- und Quellenanalyse: Bei Perplexity und SearchGPT die zitierten Quellen pruefen, 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 Aktualitaet der Reviews ueber alle Plattformen, da diese direkt in KI-Zusammenfassungen einfliessen.
• Konsistenz-Check: Stichproben der NAP-Daten und Schema-Validitaet, weil Inkonsistenzen die Empfehlung verhindern.

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

Weiterfuehrendes

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