83 Prozent der Restaurants sind in ChatGPT unsichtbar
Bei Google sind 14 Prozent der Restaurants unsichtbar, in ChatGPT sind es 83 Prozent. Der Grund ist nicht, dass die Betriebe etwas falsch machen: ChatGPT hat einen eigenen Index mit einer eigenen lokalen Vertikale und zieht seine Empfehlungen aus anderen Quellen als die Suchmaschine. Wer das nicht weiss, optimiert an der falschen Stelle.
Local Falcon hat im Februar 2026 fast 190'000 Suchergebnisse aus ChatGPT ausgewertet und dabei etwas gefunden, das man in dieser Deutlichkeit nicht erwartet hätte: 83 Prozent der untersuchten Restaurants tauchten in keiner einzigen relevanten Antwort auf. Bei Google lag derselbe Wert bei 14 Prozent.1
Das ist keine kleine Differenz. Das sind zwei völlig verschiedene Welten.
Warum die Lücke so gross ist
Die verbreitete Annahme lautet: ChatGPT benutzt Bing, und wer bei Bing gut steht, steht auch in ChatGPT gut. Das war einmal richtig und ist es seit 2026 nicht mehr.
Zwei unabhängige Messreihen zeigen: ChatGPT hat einen eigenen Index mit einer eigenen lokalen Vertikale. Nur rund 1,5 Prozent der dort verwendeten Adressen stehen in Bings ersten zwanzig Ergebnissen. Für lokale Empfehlungen und für Einkaufsfragen wird die Websuche gar nicht erst angefasst.2
Das heisst: Deine Position bei Google und deine Sichtbarkeit in ChatGPT sind zwei getrennte Grössen. Und zwar messbar getrennt — von 8'059 Restaurants, die auf Google Maps sichtbar waren, erschienen 5'670 niemals in der KI-Übersicht zur identischen Suchanfrage.
Woher die Empfehlungen wirklich kommen
Eine Auswertung von zwei Millionen Quelladressen zeigt, worauf sich lokale Empfehlungen stützen:
| Quelle | Anteil der lokalen Zitate |
|---|---|
| Google Maps | 32,5 % |
| Website des Betriebs | 23,1 % |
| TripAdvisor (in der Gastronomie) | 18,4 % |
| Yelp | 10,5 % |
| Facebook-Seiten | 7,6 % |
Die grösste Einzelquelle ist also ausgerechnet Google Maps — über abgegriffene Kartendaten. Die zweitgrösste ist die eigene Website des Betriebs. Zusammen sind das über die Hälfte, und beide kann ein Betrieb selbst beeinflussen.
Die Konzentration ist das eigentliche Problem
Eine zweite Local-Falcon-Untersuchung mit 10'000 Betrieben zeigt, wie ungleich die Sichtbarkeit verteilt ist: Die obersten zehn Prozent kassieren 74,5 Prozent der gesamten KI-Sichtbarkeit. Für alle anderen bleibt ein Viertel zum Teilen.
Bei Google gibt es zehn organische Plätze auf der ersten Seite, dazu die Kartenergebnisse. Eine KI-Antwort nennt drei bis fünf Betriebe. Es gibt keine zweite Seite.
Was nicht hilft
Hier wird es unbequem, denn mehrere der verbreitetsten Ratschläge sind gemessen widerlegt:
- Mehr Bewertungen sammeln. Ein Restaurant mit über 1'000 Bewertungen ist zu 70,9 Prozent unsichtbar — genauso wie eines mit 200 bis 499. Die Menge entscheidet fast nichts
- Auf Bewertungen antworten. Wirkung auf die KI-Sichtbarkeit: 0,11 Prozentpunkte. Statistisch null. Für Menschen bleibt es sinnvoll, für diesen Kanal nicht
- Das Profil vollständig ausfüllen. Klingt nach dem sicheren Hebel, ist aber keiner: Sowohl die meistgenannten als auch die nie genannten Betriebe hatten zu 97 Prozent ein vollständiges Profil. Vollständigkeit ist die Eintrittskarte, nicht der Vorsprung
- Eine `llms.txt` anlegen. 28 Prozent der Domains haben inzwischen eine. 97 Prozent davon erhalten null Anfragen darauf — gemessen in den Server-Protokollen von 137'210 Domains
Was tatsächlich wirkt
Der stärkste gemessene Hebel ist unerwartet einfach und hat mit Technik nichts zu tun: der Bewertungsschnitt.
Eine kontrollierte Untersuchung mit 61'459 Modellabfragen über zwölf Sprachmodelle hat gemessen, was ein besserer Schnitt bringt: 4,7 statt 3,9 Sterne erhöhen die Empfehlungswahrscheinlichkeit um 31,65 Prozentpunkte.3 Die Anzahl der Bewertungen bringt im Vergleich 8,31 Punkte — der Schnitt schlägt die Menge um das Vierfache.
Danach kommen: ein gepflegtes Google-Unternehmensprofil, viele Fotos, und in fremde Bestenlisten zu kommen. Wie das praktisch aussieht, steht im ausführlichen Beitrag dazu.
Die gute Nachricht zum Schluss
Es gibt einen Befund, der ausgerechnet für kleine Betriebe spricht: Unabhängige Restaurants erscheinen mehr als doppelt so oft wie Ketten — 29,1 gegen 13,9 Prozent. McDonald's kam in 277 Standortsuchen kein einziges Mal vor.
Wer also ein Quartierrestaurant führt und denkt, gegen die Ketten habe er in der KI-Welt keine Chance: Die Daten sagen das Gegenteil.
Quellen
- Local Falcon, Februar 2026: 189'905 ausgewertete ChatGPT-Suchergebnisse. 83 % der untersuchten Restaurants ohne einzige Nennung, gegenüber 14 % bei Google. Zweite Untersuchung, Juni 2026, 10'000 US-Restaurants: 74,9 % unsichtbar in Google-KI-Übersichten, die obersten 10 % vereinen 74,5 % der Sichtbarkeit; unabhängige Betriebe 29,1 % gegenüber Ketten 13,9 %; von 8'059 auf Maps sichtbaren Restaurants erschienen 5'670 nie in der KI-Übersicht zur identischen Suche.
- Messreihen von Peec AI (04.09.2026) und RESONEO in Search Engine Land (17.08.2026, 1'200 Antworten, 88'000 Suchergebnisse): eigener Index mit eigener lokaler Vertikale, 1,5 % Überschneidung mit Bings Top 20. Quellenverteilung aus der SOCi-Erhebung über 2 Mio. Quelladressen.
- Randomisiertes Conjoint-Experiment über zwölf Sprachmodelle, 61'459 Modellabfragen, arXiv:2606.16344: Bewertungsschnitt 4,7 statt 3,9 = +31,65 Prozentpunkte Empfehlungswahrscheinlichkeit; Anzahl Bewertungen +8,31 pp; Antworten auf Bewertungen +0,11 pp.
- Zur
llms.txt: Ahrefs, Mai 2026, Server-Protokolle aller 137'210 Domains mit Verkehr — 28 % publizieren eine, 97 % davon erhalten null Anfragen.