Reviews und Reputation: AI-Authority-Signale

Warum Reviews zum zentralen Authority-Signal werden

Bewertungen sind im B2B-Vertrieb lange unterschätzt worden. Im Zeitalter der KI-Suche sind sie zur Pflichtinfrastruktur geworden. Der Grund ist eine doppelte Verschiebung: Generative Engines wie ChatGPT, Perplexity und Google AI Overviews zitieren Review-Plattformen überdurchschnittlich oft, und gleichzeitig verlassen sich Käufer immer stärker auf diese verdichteten Empfehlungen.

Eine Analyse von SE Ranking (30.000 kommerzielle Keywords, US-Daten) zeigt: 34,5 Prozent der AI Overviews zitieren mindestens eine Review-Plattform. Review-Seiten stellen nur 8,5 Prozent aller Links, doch drei der fünf meistzitierten Domains sind Review-Plattformen. Reviews sind damit ein harter Zitierfaktor in AI Overviews. Auf der Nachfrageseite gilt für den Software-Kauf: 66 Prozent der Käufer sagen, dass Reviews ihre Kaufentscheidung erheblich beeinflussen (Gartner 2021 SMB Software Buying Behaviors Survey, 500 Befragte aus KMU in den USA, Kanada, Spanien, Frankreich und Deutschland).

Für den DACH-Raum kommt die hohe digitale Durchdringung hinzu. In Österreich lag die Internet-Penetration Anfang 2025 bei 95,3 Prozent mit 8,69 Millionen Nutzern (Österreich-Daten). Wer im österreichischen B2B sichtbar sein will, muss seine Präsenz auf den relevanten Bewertungsplattformen aktiv steuern.

Wie Reviews als SEO- und AI-Authority-Signal wirken

Reviews wirken auf drei Ebenen gleichzeitig: im klassischen lokalen Ranking, als Entitäts- und Vertrauenssignal im Knowledge Graph und als Zitierquelle für generative Engines.

Im lokalen und Brand-SEO zählen klassische Dimensionen: Menge der Reviews, Velocity (gleichmäßiger Zustrom), Diversität über mehrere Plattformen, Aktualität und die in den Reviews enthaltenen Keywords sowie die Inhaberantworten. Frische ist dabei nicht verhandelbar: 71 Prozent der Software-Käufer achten vor allem auf Reviews der letzten sechs Monate (Gartner-Umfrage 2021, internationale Daten). Ein einmaliger Sammelschub veraltet damit schnell, ein kontinuierlicher Strom ist wertvoller als ein hoher, aber alter Bestand.

Im GEO-Kontext (Generative Engine Optimization) zitieren KI-Systeme Review-Plattformen, weil diese strukturierte, aggregierte und vergleichende Aussagen liefern, also genau das Format, das ein Sprachmodell für eine Antwort auf "beste Alternativen zu X" braucht. Unter den Review-Plattformen entfallen die meisten Zitate in AI Overviews (US-Daten) auf Gartner Peer Insights (26,0 Prozent), G2 (23,1 Prozent), Capterra (17,8 Prozent), Software Advice (12,8 Prozent) und TrustRadius (8,3 Prozent). Diese fünf Plattformen vereinen 88 Prozent aller Review-Plattform-Zitate in AI Overviews auf sich.

Bemerkenswert ist ein Paradox: Der organische Traffic der Plattformen bricht ein, ihre Zitierhäufigkeit bleibt aber hoch. Zwischen Anfang 2024 und Ende 2025 fiel der Traffic von G2 um 84,5 Prozent, von Capterra um 89 Prozent und von TrustRadius um 92,2 Prozent (US-Daten). Trotzdem bleiben Gartner Peer Insights, G2 und Capterra unter den fünf meistzitierten Quellen. Die Schlussfolgerung der Analyse: Die Plattformen verlieren nicht an Wert, sie werden zunehmend über KI-Systeme statt über klassische Suche genutzt. Für Unternehmen heißt das: Die Präsenz auf diesen Plattformen wird wichtiger, nicht unwichtiger, auch wenn der direkte Klick-Traffic von dort schwindet.

Plattform-Strategie für DACH und B2B-SaaS

Die zentrale strategische Erkenntnis lautet: Die eine Plattform gibt es nicht. Jede Engine und jede Branche bevorzugt andere Quellen. Eine pauschale "Wir sind auf G2"-Strategie greift zu kurz.

Die Engine-Unterschiede sind drastisch. In einer Analyse von 456.570 AI-Zitaten über ChatGPT, Perplexity, Google AI Overviews und Copilot (US-Daten, Mai bis Juni 2025) zeigt sich für SaaS in ChatGPT: GetApp dominiert mit 47,65 Prozent der Zitate, G2 kommt trotz Marktreputation nur auf 8,25 Prozent. Das ist ein wichtiges Korrektiv: Was in AI Overviews dominiert (Gartner, G2, Capterra), gilt nicht automatisch für ChatGPT.

Daraus folgt eine differenzierte Priorisierung:

• Gartner Peer Insights: höchste Priorität für Enterprise-B2B und für Sichtbarkeit in Google AI Overviews, wo die Plattform am häufigsten zitiert wird, knapp vor G2.
• G2: starke Allround-Präsenz, besonders relevant für AI Overviews; G2 hat Capterra, GetApp und Software Advice akquiriert und ist damit eine der dominantesten B2B-Datenquellen für KI.
• GetApp und Capterra: unverzichtbar für KMU-SaaS, GetApp speziell für ChatGPT-Sichtbarkeit, Capterra für AI Overviews.
• TrustRadius: ergänzend im Enterprise-Segment, trotz starkem Traffic-Rückgang weiter in den AI-Datensätzen vertreten.
• Trustpilot: branchenübergreifend für allgemeine Markenreputation und Service-orientierte Anbieter.

Für Agenturen und Dienstleister gilt eine eigene Logik: Hier dominiert Clutch mit 84,5 Prozent der Zitate in ChatGPT (US-Daten). Wer im DACH-Raum agiert, sollte diese internationale Plattform-Landschaft mit lokalen Quellen kombinieren.

DACH-spezifische Bewertungsplattformen

Die internationalen B2B-Plattformen decken nur einen Teil ab. Für die lokale Sichtbarkeit und das Entitätssignal im deutschsprachigen Raum sind regionale Plattformen entscheidend:

• Google Business Profile: die Basis jeder lokalen Reputation und ein bestätigtes Ranking-Signal über den Faktor Bekanntheit. Pflicht für jedes Unternehmen mit physischem oder regionalem Bezug.
• kununu: im DACH-Raum die führende Arbeitgeber-Bewertungsplattform. Relevant für Employer Branding und als Vertrauenssignal im B2B-Recruiting.
• ProvenExpert: in Deutschland und Österreich verbreitet zur Bündelung von Bewertungen, mit Siegeln und aggregierten Ratings auch für die eigene Website.
• Trusted Shops: Standard im E-Commerce, im DACH-Raum stark mit Käuferschutz und Gütesiegel verknüpft.
• WKO Firmen A-Z: das österreichische Firmenverzeichnis der Wirtschaftskammer, ein autoritatives lokales Zitations- und Entitätssignal.
• Branchenverzeichnisse wie Herold oder DocFinder: je nach Branche relevant für regionale Auffindbarkeit und konsistente Unternehmensdaten.

Wichtig ist die NAP-Konsistenz (Name, Adresse, Telefonnummer) über alle Plattformen hinweg. Abweichende Stammdaten schwächen das Entitätssignal und damit die Wahrscheinlichkeit, korrekt im Knowledge Graph und in KI-Antworten zugeordnet zu werden.

Reviews als Entitäts- und E-E-A-T-Signal

Reviews sind mehr als Sterne. Sie sind ein zentraler Baustein der Off-Page-Reputation und damit Teil von E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness). Konsistente, positive Drittquellen-Erwähnungen stärken das Vertrauenssignal einer Entität im Knowledge Graph.

Der Hebel ist strategisch besonders wertvoll, weil Käufer Drittquellen systematisch höher gewichten als die Selbstdarstellung des Anbieters. Laut Gartner bewerten B2B-Käufer Drittanbieter-Interaktionen 1,4-mal höher als digitale Anbieter-Interaktionen (internationale Daten, n=771). Reviews, Kundenreferenzen und Experteneinschätzungen liefern eine Wert-Bestätigung (Value Affirmation), die eigene Werbung nicht erreichen kann. Das ist der Kern des Earned-Media-Vorteils: Eine glaubwürdige externe Stimme überzeugt stärker als jede Owned-Media-Botschaft.

Für das Konzept der Sentiment-Weighted Authority (SWA) bedeutet das: Es zählt die Anzahl der Erwähnungen in Kombination mit ihrer Sentiment-Polarität. Viele positive, frische und thematisch passende Erwähnungen über autoritative Plattformen ergeben ein stärkeres Authority-Signal als bloße Masse.

Online Reputation Management: der operative Prozess

Nachhaltige Review-Authority ist ein Prozess, kein Projekt. Vier Bausteine gehören in einen funktionierenden ORM-Workflow:

• Review-Generierung: systematisches, aber regelkonformes Einholen von Bewertungen nach erfolgreichen Projekten oder Meilensteinen. Direktlinks, QR-Codes und automatisierte Erinnerungen halten die Velocity stabil. Anfragen und Erinnerungen per E-Mail verschickst du nur mit Einwilligung oder im Rahmen der Bestandskundenausnahme (siehe Abschnitt zum rechtlichen Rahmen). Kein Review-Gating (selektive Aufforderung nur an Zufriedene) und keine Anreize gegen Bewertungen.
• Antwort-Management: zeitnahe, persönliche Antworten auf positive wie negative Reviews. Inhaberantworten sind ein eigenes Signal und ein Ort für relevante Keywords. Negative Reviews sachlich und lösungsorientiert beantworten, Detailklärung in einen privaten Kanal verlagern.
• Monitoring: zentrale Beobachtung aller relevanten Plattformen, idealerweise toolgestützt, um neue Bewertungen und Sentiment-Verschiebungen früh zu erkennen.
• Eskalations- und Krisenprozess: klare Verantwortlichkeiten und definierte Schritte für rufschädigende oder rechtswidrige Bewertungen, inklusive Prüfung von Melde- und Löschverfahren.

Rechtlicher Rahmen in Österreich und der EU

Reputationsarbeit bewegt sich in einem klaren Rechtsrahmen. Die wichtigsten Säulen in Österreich und der EU:

• DSGVO und § 174 TKG 2021: Bewertungsanfragen per E-Mail behandelst du sicherheitshalber als Direktwerbung nach § 174 Abs. 3 TKG 2021: nur mit vorheriger Einwilligung. Ohne Einwilligung bleibt nur die Bestandskundenausnahme nach Abs. 4: Adresse beim Verkauf oder bei einer Dienstleistung erhalten, Werbung nur für eigene ähnliche Produkte, kostenloser Widerspruch bei der Erhebung und in jeder E-Mail möglich, keine vorherige Ablehnung, etwa per ECG-Liste. Eine höchstgerichtliche Entscheidung zu Bewertungsanfragen gibt es in Österreich, soweit ersichtlich, nicht. In Deutschland hat der BGH eine Zufriedenheitsbefragung per E-Mail als Werbung eingestuft, auch zusammen mit der Rechnung (VI ZR 225/17). Transparenz nach DSGVO bleibt Pflicht.
• UWG (Lauterkeitsrecht): Das Erfinden positiver oder das gezielte Löschen negativer Bewertungen ist eine unlautere Geschäftspraktik. Mit der Umsetzung der Omnibus-Richtlinie musst du offenlegen, ob und wie du sicherstellst, dass angezeigte Verbraucherbewertungen von Kunden stammen, die das Produkt tatsächlich genutzt oder gekauft haben (§ 2 Abs. 6b UWG).
• Digital Services Act (DSA): verschärft EU-weit die Anforderungen an Plattformen im Umgang mit Fake-Inhalten und schafft Melde- und Abhilfemechanismen.
• § 1330 ABGB: in Österreich die zentrale Grundlage gegen Kreditschädigung und unwahre Tatsachenbehauptungen. Gegen wahrheitswidrige negative Bewertungen bestehen auf dieser Basis zivilrechtliche Ansprüche auf Schadenersatz sowie Widerruf und dessen Veröffentlichung.

Praxisregel: Negative, aber wahre Bewertungen sind hinzunehmen und professionell zu beantworten. Gegen nachweislich falsche Tatsachenbehauptungen oder Fake-Profile bestehen sowohl Plattform-Meldewege als auch zivilrechtliche Ansprüche. Die WKO informiert österreichische Unternehmen über diese Vorgaben.

Fake-Reviews und der Wert der Authentizität

Gefälschte Bewertungen sind ein wachsendes Risiko, sowohl rechtlich als auch für das Authority-Signal selbst. In der EU gelten Fake-Reviews als irreführende Geschäftspraxis, in den USA verschärft die FTC die Regulierung mit Bußgeldern für gekaufte oder gefälschte Bewertungen.

Der entscheidende Punkt für die GEO-Strategie: Verifizierte, organische Reviews sind das nachhaltigere Authority-Signal. KI-Systeme und Plattformen entwickeln zunehmend Erkennungsmechanismen für unnatürliche Muster. Eine plötzliche Welle gleichförmiger Fünf-Sterne-Bewertungen wirkt verdächtig und kann zu Plattformsanktionen sowie zu einem Verlust an Glaubwürdigkeit führen. Authentizität ist damit Voraussetzung für dauerhafte Zitierbarkeit. Verifizierte Reviews auf Plattformen mit strengen Echtheitsprüfungen (etwa durch LinkedIn- oder Domain-Verifizierung) tragen ein höheres Vertrauensgewicht als anonyme Massenbewertungen.

Structured Data und technische Umsetzung

Auf der eigenen Website lassen sich Bewertungen über strukturierte Daten ausspielen. Das Schema-Markup Review und AggregateRating kann dazu führen, dass Sterne als Rich Snippet in den organischen Suchergebnissen erscheinen und die Klickrate erhöhen.

Hier sind die Google-Policy-Grenzen strikt zu beachten:

• Echtheit und Sichtbarkeit: Bewertungen müssen echt, auf der Seite für Nutzer sichtbar und nicht selbst erstellt sein. Markup ohne sichtbaren Inhalt verstößt gegen die Richtlinien.
• Keine Self-Serving Reviews für LocalBusiness/Organization: Bewertungen, die ein Unternehmen über sich selbst auf der eigenen Seite sammelt und mit AggregateRating ausspielt, erkennt Google für diese Entitätstypen nicht mehr als gültiges Rich-Result-Signal an.
• First-Party-Daten stärken die Datenhoheit: Eigene, korrekt ausgezeichnete Reviews ergänzen die Plattform-Präsenz und liefern KI-Systemen strukturierte Belege, ersetzen die Drittquellen aber nicht.

Strukturierte Daten sind ein Verstärker, kein Ersatz für echte Plattform-Reputation. Sie helfen Maschinen, vorhandene Bewertungen korrekt zu interpretieren.

Metriken und Messung

Reputation wird steuerbar, wenn sie gemessen wird. Folgende KPIs sind im B2B-Kontext praktikabel:

• Review-Velocity: Anzahl neuer Bewertungen pro Monat je Plattform. Misst, ob der Zustrom kontinuierlich bleibt, was angesichts der Frische-Anforderung entscheidend ist.
• Durchschnittliches Rating: Entwicklung des Sterne-Durchschnitts über die Zeit, plattformübergreifend betrachtet.
• Sentiment und Themen-Tonalität: welche Aspekte positiv und welche negativ wiederkehren. Diese Themen sind die Rohstoffe für KI-Zusammenfassungen und Zitate.
• Share-of-Voice in AI-Antworten: wie oft die eigene Marke in KI-Antworten auf relevante Vergleichs- und Alternativen-Fragen erscheint, idealerweise toolgestützt über mehrere Engines.
• Antwortquote und Reaktionszeit: Anteil beantworteter Reviews und durchschnittliche Zeit bis zur Antwort als Indikator für einen funktionierenden Prozess.
• Conversion- und Pipeline-Bezug: Verknüpfung von Review-Präsenz mit nachgelagerten Vertriebskennzahlen. Da Käufer Drittquellen 1,4-mal höher bewerten als Anbieter-Interaktionen (internationale Daten), ist ein Zusammenhang zwischen Reputation und Pipeline plausibel und sollte über UTM- und CRM-Daten beobachtet werden.

Weiterführendes

Reviews sind im DACH-B2B zum doppelten Hebel geworden: ein bestätigtes Ranking- und Vertrauenssignal im klassischen SEO und zugleich eine der meistzitierten Quellengattungen für generative Engines. Die nächsten sinnvollen Schritte sind eine engine- und branchenspezifische Plattform-Priorisierung (Gartner Peer Insights und G2 für AI Overviews, GetApp für ChatGPT, Clutch für Agenturen), ein kontinuierlicher, rechtskonformer Review-Generierungsprozess, ein klar verantwortetes Antwort- und Monitoring-System sowie die Ergänzung um lokale DACH-Plattformen und korrektes Schema-Markup. So entsteht ein Authority-Signal, das sowohl in der klassischen Suche als auch in KI-Antworten trägt.