„Welcher IT-Dienstleister in Hamburg ist gut?“ Noch vor zwei Jahren landete diese Frage bei Google. Das Ergebnis: drei Local-Pack-Einträge, zehn blaue Links, eine Karte. Der Nutzer klickte sich durch.
Heute tippt ein wachsender Teil dieser Nutzer die gleiche Frage in ChatGPT, Perplexity oder Google AI Mode. Und bekommt eine direkte Antwort: einen Namen, eine Begründung, einen Link. Kein Scrollen, kein Vergleichen, keine zehn Tabs.
Für Unternehmen mit lokalem Einzugsgebiet verändert das alles. Nicht irgendwann. Jetzt.
Lokale Suche war ein Google-Monopol. Das ist vorbei.
Die lokale Suche war jahrelang fest in Googles Hand. Google Maps, Local Pack, My Business – wer dort sichtbar war, bekam Kunden. Das Ökosystem war geschlossen und vorhersehbar.
2025 hat sich das aufgelöst. ChatGPT verarbeitet täglich 2,5 Milliarden Anfragen. Laut einer Nectiv-Analyse lösen 59 % aller Prompts mit lokalem Intent eine aktive Websuche in ChatGPT aus. Das heißt: Wenn jemand ChatGPT nach einem Handwerker, Arzt oder Berater in seiner Stadt fragt, durchsucht die KI aktiv das Web – und gibt eine konkrete Empfehlung ab.
Google selbst hat mit dem AI Mode nachgezogen. Seit Oktober 2025 in über 200 Ländern verfügbar, ersetzt der AI Mode die klassischen zehn blauen Links durch eine vollständig KI-generierte Antwort. Für lokale Suchen bedeutet das: Statt drei Einträge im Local Pack sieht der Nutzer eine synthetisierte Empfehlung mit maximal zwei bis drei Quellenverweisen.
Wer dort nicht vorkommt, ist für diesen Kunden unsichtbar.
Warum die alten Local-SEO-Taktiken nicht mehr ausreichen
Klassisches Local SEO optimiert für Keywords und Rankings. „Elektriker München“ auf Seite 1 – Ziel erreicht. Aber KI-Systeme funktionieren anders. Sie ranken nicht. Sie empfehlen.
Und die Logik hinter diesen Empfehlungen ist fundamental verschieden:
| Klassische lokale Suche | KI-gestützte lokale Suche |
| Nutzer sieht eine Liste, wählt selbst | KI gibt eine konkrete Empfehlung |
| Top 10 sichtbar | Top 2–3 werden genannt |
| Rankings basieren auf Keywords + Backlinks | Empfehlungen basieren auf Entitäts-Klarheit |
| Bewertungssterne als Signal | Bewertungsinhalt wird ausgewertet |
| Google Business Profil als Karteneintrag | GBP als strukturierte Datenquelle für KI |
Der entscheidende Punkt: KI-Systeme bewerten nicht, wie gut eine Website für ein Keyword optimiert ist. Sie bewerten, ob ein Unternehmen als Entität eindeutig identifizierbar ist – mit konsistenten Informationen über alle Plattformen hinweg.
Was die Daten zeigen: So wählen KI-Systeme lokale Quellen
Laut einer Untersuchung von SE Ranking vom Februar 2026 entfallen 17,42 % aller Zitierungen im Google AI Mode auf Google-eigene Seiten – darunter Maps, Business Profile und YouTube. Davon gehen 36,1 % an Google Business Profile. Das ist ein deutlicher Rückgang gegenüber Juni 2025, als noch 97,9 % der Google-Selbstzitierungen an GBP gingen. Der AI Mode zieht also zunehmend auch Informationen von Websites selbst heran.
Gleichzeitig zeigen die Daten, dass nur 14 % der im AI Mode zitierten URLs auch in den klassischen Top-10-Rankings erscheinen. Die Auswahllogik ist eine andere. Wer bei Google auf Seite 1 steht, hat keine Garantie, im AI Mode zitiert zu werden.
Für lokale Unternehmen heißt das konkret: Das Google Business Profil bleibt wichtig – aber es reicht nicht mehr allein. Die Website muss KI-lesbare Signale liefern.
Laut einer Studie von Seer Interactive vom September 2025 verzeichnen Unternehmen, die in AI Overviews zitiert werden, 35 % mehr organische Klicks als nicht-zitierte Wettbewerber. Die Zitierung selbst wird zum Qualitätssignal – wer genannt wird, gewinnt auch in der klassischen Suche.
Fünf technische Maßnahmen für lokale KI-Sichtbarkeit
1. Schema-Markup: Die maschinenlesbare Visitenkarte
Ohne strukturierte Daten ist ein Unternehmen für KI-Systeme schwer einzuordnen. Drei Schema-Typen sind für lokale Unternehmen Pflicht:
LocalBusiness-Schema: Name, Adresse, Geo-Koordinaten, Öffnungszeiten, Telefon, Kategorie. Das ist das Minimum. Ohne dieses Schema muss die KI deine Adresse aus dem Fließtext parsen – fehleranfällig und unzuverlässig.
Person-Schema: Für den Inhaber oder Geschäftsführer. Name, Rolle, Qualifikation, sameAs-Links zu LinkedIn und anderen Profilen. KI-Systeme verknüpfen Personen mit Unternehmen – je klarer diese Verknüpfung, desto stärker das Vertrauenssignal.
FAQ-Schema: Für häufig gestellte Kundenfragen. „Was kostet eine Heizungswartung?“ „Wie schnell können Sie vor Ort sein?“ FAQ-Schema allein steigert die KI-Zitierrate laut einer Relixir-Analyse um 28 %. Und der Aufwand ist gering: Fünf Fragen mit Antworten, einmal als JSON-LD eingebunden.
So testest du es: Gib deine URL in Googles Rich Results Test ein (search.google.com/test/rich-results). Wird LocalBusiness erkannt? Person? FAQ? Jeder fehlende Typ ist ein Hebel.
2. NAP-Konsistenz: Das unterschätzte Fundament
Name, Adresse, Telefonnummer – auf jeder Plattform identisch. Website, Google Business Profil, Das Örtliche, Gelbe Seiten, Yelp, LinkedIn, Branchenverzeichnisse. Ein „Str.“ statt „Straße“ oder eine alte Telefonnummer auf einem vergessenen Portal erzeugt Widersprüche.
KI-Chatbots gleichen Daten aus mehreren Quellen ab. Inkonsistenzen führen nicht zu einer schlechteren Platzierung – sie führen dazu, dass du gar nicht empfohlen wirst. Die KI kann nicht entscheiden, welche Version stimmt, also nimmt sie einen Wettbewerber mit sauberen Daten.
Konkret umsetzen: Google deinen Firmennamen und prüfe die ersten 20 Ergebnisse. Stimmen Name, Adresse und Telefon überall überein? Wenn nicht, korrigiere die Einträge. Das dauert einen Nachmittag – und ist einer der wirkungsvollsten Hebel überhaupt.
3. Google Business Profil: Spezifisch statt generisch
KI-Systeme lesen die Leistungsbeschreibungen im GBP und nutzen sie zur Begründung ihrer Empfehlungen. Wer dort nur „Elektriker“ eingetragen hat, verliert gegen jemanden mit „Elektriker für Wohnungssanierung, Neubauinstallation und Smart Home in München Nord“.
Die drei häufigsten GBP-Fehler bei lokalen Unternehmen:
Erstens: Leistungskategorien nicht ausgefüllt. Google bietet detaillierte Unterkategorien an – „Heizungsinstallation“, „Wartung und Reparatur“, „Energieberatung“. Jede Kategorie ist eine Antwortmöglichkeit für KI-Systeme.
Zweitens: Keine regelmäßigen Beiträge. Google Business Posts signalisieren Aktivität. Ein Beitrag pro Woche – ein Projektfoto, ein Kundenergebnis, ein Tipp – reicht.
Drittens: Bewertungen ohne Leistungsbezug. Fünf Sterne ohne Text sind für KI nutzlos. KI-Systeme lesen den Bewertungsinhalt. Eine Bewertung, die „schnelle Rohrreparatur in Schwabing, innerhalb von zwei Stunden vor Ort“ enthält, wird direkt als Empfehlungsgrundlage genutzt. Bitte Kunden also gezielt um Bewertungen, die erwähnen, was konkret gemacht wurde und wo.
4. llms.txt: Der direkte Draht zur KI
Eine Markdown-Datei im Root-Verzeichnis (deineseite.de/llms.txt), die KI-Systemen eine kuratierte Übersicht gibt: Firmenname, Standort, Leistungen, Kontaktdaten, Links zu den wichtigsten Unterseiten.
Aufbau für lokale Unternehmen:
# Firmenname
> [Name] ist [Branche] in [Stadt]. Spezialisiert auf [Kernleistung 1] und [Kernleistung 2].
## Leistungen
– [Leistung 1](URL): Kurzbeschreibung
– [Leistung 2](URL): Kurzbeschreibung
## Kontakt
– Adresse: …
– Telefon: …
– Öffnungszeiten: …
Zeitaufwand: 20 Minuten. Effekt: KI-Systeme haben einen strukturierten Einstiegspunkt statt sich durch JavaScript und Cookie-Banner kämpfen zu müssen.
5. Eigenständige Leistungsseiten statt Alles-auf-einer-Seite
Viele lokale Unternehmen packen alle Informationen auf die Startseite. Das funktioniert für menschliche Besucher – aber nicht für KI. Wer drei Leistungen anbietet, braucht drei eigenständige Seiten.
Warum: KI-Systeme extrahieren Passagen, nicht ganze Websites. Eine Seite, die „Heizungsinstallation München“ im Title hat, mit eigenem LocalBusiness-Schema für diesen Service und konkreten Angaben zu Ablauf, Dauer und Einzugsgebiet – die wird zitiert. Eine Startseite, auf der „Heizung“ in einem Absatz neben „Sanitär“ und „Klima“ steht – die nicht.
Der minimale Aufbau pro Leistungsseite: H1 mit Leistung + Stadt, ein Absatz mit direkter Antwort auf die häufigste Kundenfrage, drei bis fünf Unterpunkte zum Leistungsumfang, Preisrahmen oder Ablauf, und ein CTA mit Telefonnummer oder Kontaktformular.
Fallbeispiel: Wie ein Münchner Handwerksbetrieb in ChatGPT auftauchte
Dominik Kienzle, SEO & GEO Freelancer aus München, beschreibt in seinem Fachartikel über lokale Sichtbarkeit in KI-Chatbots einen typischen Fall: Ein Malermeister rankte gut bei Google, aber in ChatGPT war er unsichtbar. Die Analyse ergab: Das Google Business Profil war vollständig, aber die Leistungsbeschreibungen generisch – „Maler- und Tapezierarbeiten“ ohne Spezialisierung.
Die Lösung: Fokus auf „Wohnungsrenovierung und Bürogestaltung München“ als Kernleistung. Drei spezifische Unterseiten. LocalBusiness-Schema. Innerhalb von sechs Wochen tauchte der Betrieb in ChatGPT-Antworten auf lokale Malersuchen auf.
Der Punkt ist nicht, dass Schema-Markup ein Wundermittel ist. Der Punkt ist, dass die Kombination aus klarer Positionierung, strukturierten Daten und spezifischen Inhalten den Unterschied macht zwischen „die KI kennt dich“ und „die KI kennt dich nicht“.
Fazit: Die lokale Suche hat zwei Türen – und eine davon steht noch offen
Google bleibt der wichtigste Kanal für lokale Kundengewinnung. Daran ändert sich auf absehbare Zeit nichts. Aber daneben wächst ein zweiter Kanal – KI-Chatbots und Google AI Mode – der bereits heute Kunden an Unternehmen vermittelt, die die meisten Wettbewerber noch gar nicht auf dem Schirm haben.
Die fünf technischen Maßnahmen in diesem Artikel – Schema-Markup, NAP-Konsistenz, spezifisches Google Business Profil, llms.txt und eigenständige Leistungsseiten – sind keine Raketenwissenschaft. Ein lokales Unternehmen kann sie in einer Arbeitswoche umsetzen. Ohne Entwickler, ohne Agentur, ohne großes Budget.
Der Lohn ist doppelt: Was die KI-Sichtbarkeit verbessert, verbessert gleichzeitig das klassische Local SEO. Saubere Daten, klare Struktur und spezifische Inhalte werden von Google und KI-Chatbots gleichermaßen belohnt.
Wer sich fragt, ob das Ganze seinen Aufwand wert ist, sollte einen einzigen Test machen: ChatGPT öffnen und nach der eigenen Branche in der eigenen Stadt fragen. Die Antwort sagt alles.