geprüft.com › Hub › KI-Sichtbarkeit: Woher ChatGPT und Google ihre Empfehlungen nehmen
KI-Sichtbarkeit: Woher ChatGPT und Google ihre Empfehlungen nehmen
Stand · Redaktion geprüft.com · Lesezeit 3 Min.
Woher wir das wissen. geprüft.com ist ein Prüfsystem für Unternehmensbewertungen: Wir beobachten Bewertungsbestände in festem Takt, rechnen nach einem veröffentlichten Katalog, wie belastbar ein Durchschnitt ist, und veröffentlichen jeden Prüfbericht im Portal. Dieser Text kommt aus dieser Praxis.
Wer heute einen Handwerker sucht, tippt die Frage zunehmend in ein Sprachmodell statt in ein Suchfeld. Die Antwort nennt dann drei Namen, oft mit einem Satz zur Einschätzung. Woher kommt diese Einschätzung, und lässt sie sich beeinflussen? Wir arbeiten selbst mit maschinenlesbaren Prüfdaten und sagen deshalb offen, was sich belegen lässt und was Spekulation ist.
Was in einer KI-Antwort tatsächlich steckt
Die Systeme, die heute Empfehlungen ausgeben, arbeiten grob auf zwei Wegen. Das Modell greift auf Wissen zurück, das beim Training aus Webseiten stammt, und es ruft für aktuelle Fragen zusätzlich live Quellen ab, ähnlich einer Suche. Bei lokalen Fragen kommen Kartendienste und Unternehmensverzeichnisse dazu.
Für ein Unternehmen bedeutet das: Es gibt keinen einzelnen Hebel und keine Einreichung, mit der man aufgenommen wird. Was zählt, ist, ob über das Unternehmen an mehreren Stellen etwas Belastbares steht, das maschinell lesbar ist.
Wie einzelne Anbieter gewichten, ist nicht öffentlich dokumentiert. Wer Ihnen einen festen Rang in ChatGPT verkauft, verkauft eine Vermutung.
Welche Rolle Bewertungen spielen
Bewertungen sind für ein Sprachmodell aus einem einfachen Grund attraktiv: Sie liegen in großer Menge vor, sind an ein Unternehmen gebunden und enthalten Sprache, aus der sich Aussagen ableiten lassen. Ein Modell, das erklären soll, warum es einen Betrieb empfiehlt, greift auf genau solches Material zurück.
Das erzeugt ein Problem, das aus der klassischen Suche bekannt ist, hier aber schwerer wiegt. Ein Modell prüft nicht, ob ein Bewertungsbestand echt ist. Es sieht einen Durchschnitt von 4,9 und referiert ihn. Wer Bewertungen gekauft hat, wird in einer KI-Antwort zunächst genauso zitiert wie ein Betrieb, der sie verdient hat. Der Unterschied entsteht erst, wenn es eine geprüfte Quelle gibt, die etwas anderes sagt.
Was Unternehmen konkret tun können
Übereinstimmung herstellen. Firmenname, Adresse, Telefonnummer und Leistungsbeschreibung müssen überall gleich lauten: auf der eigenen Website, im Unternehmensprofil, in Verzeichnissen. Widersprüche führen dazu, dass ein System die Angaben nicht sicher zuordnen kann und sie im Zweifel weglässt.
Fragen beantworten, nicht Keywords verteilen. Seiten, die eine konkrete Frage vollständig beantworten, lassen sich zitieren. Eine Leistungsseite mit fünf Schlagwörtern lässt sich nicht zitieren.
Strukturierte Daten hinterlegen. Auszeichnungen nach schema.org für Organisation, Öffnungszeiten und Leistungen sind das, was Maschinen zuerst lesen. Vorsicht bei Bewertungsauszeichnungen für das eigene Unternehmen auf der eigenen Seite, dazu steht das Nötige im Beitrag über das Einbinden von Bewertungen.
Für Belege sorgen, die außerhalb der eigenen Domain liegen. Alles, was ein Unternehmen über sich selbst sagt, ist Eigenwerbung. Was Dritte belegen, wiegt schwerer. Das gilt für Presse, für Verzeichnisse und für Prüfungen.
Wo wir selbst ansetzen
Jedes Profil auf geprüft.com ist maschinenlesbar aufgebaut: mit strukturierten Daten zu Unternehmen und Prüfung, mit einem Prüfbericht in Textform statt in einer Grafik, und mit einer Datei unter /llms.txt, die Sprachmodellen eine Übersicht der Inhalte gibt. Der Grund ist derselbe wie oben: Eine Aussage, die ein Dritter belegt und die maschinell lesbar ist, kann zitiert werden.
Ob und wie stark einzelne Systeme das aufgreifen, messen wir nicht, und wir behaupten es deshalb auch nicht. Was wir sagen können: Ein Prüfbericht mit Datum, Katalogversion und nachprüfbarer Nummer ist die Art von Beleg, die sich zitieren lässt, während ein Sternedurchschnitt ohne Herkunft es nicht ist.
Was Sie nicht tun sollten
Texte für Maschinen statt für Menschen zu schreiben, führt bei Sprachmodellen genauso ins Leere wie bei Suchmaschinen: Was inhaltsleer ist, wird nicht zitiert, weil es nichts zu zitieren gibt. Ebenso wenig hilft es, Bewertungen zu kaufen, um in KI-Antworten besser dazustehen. Der kurzfristige Effekt mag eintreten, der Bestand fällt aber bei jeder Prüfung auf, und die Plattformen räumen ihn früher oder später ab.
Und misstrauen Sie Angeboten, die eine feste Platzierung in KI-Antworten zusichern. Es gibt keine Einreichung, keine Rangliste und keinen Vertrag, der das leisten könnte.
Häufige Fragen
Wie komme ich in ChatGPT-Empfehlungen vor?
Es gibt keine Einreichung und keine Rangliste. Was zählt, ist, ob über Ihr Unternehmen an mehreren Stellen etwas Belastbares steht, das maschinell lesbar ist: übereinstimmende Angaben zu Name, Adresse und Leistung, Seiten die konkrete Fragen beantworten, strukturierte Daten und Belege von Dritten.
Erkennt eine KI gekaufte Bewertungen?
Von sich aus nicht. Ein Modell sieht einen Durchschnitt und referiert ihn. Der Unterschied entsteht erst, wenn eine geprüfte Quelle vorliegt, die etwas anderes sagt, etwa ein Prüfbericht mit Datum und nachvollziehbarer Methode.
Was ist Generative Engine Optimization?
Der Begriff beschreibt den Versuch, Inhalte so aufzubereiten, dass Sprachmodelle sie aufgreifen. In der Sache überschneidet sich das weitgehend mit gutem klassischem Handwerk: klare Antworten auf konkrete Fragen, saubere strukturierte Daten, widerspruchsfreie Angaben. Was darüber hinaus versprochen wird, ist meist nicht belegbar.
Kann ich meine KI-Sichtbarkeit messen?
Nur näherungsweise, indem Sie typische Fragen Ihrer Kunden selbst in mehreren Systemen stellen und festhalten, ob und wie Ihr Unternehmen vorkommt. Die Antworten schwanken, deshalb ist eine einzelne Abfrage kein Messwert. Werkzeuge, die eine feste Kennzahl versprechen, überzeichnen die Genauigkeit.