KI-Sichtbarkeit für Hotels und Reisemarken
Reisende lassen sich Hotels heute von der KI empfehlen, nicht nur auf der Karte anzeigen. Wird Ihre Marke genannt, in der Sprache Ihrer Gäste?
Eine britische Familie, die eine Woche im Schwarzwald plant, öffnet keine Karte mehr, um eine Unterkunft auszuwählen. Sie öffnet ChatGPT und tippt etwas, das eher einem Satz als einer Suche ähnelt: "we're a family with two kids looking for a charming, family-run hotel in the Black Forest in August, what would you recommend." Das Modell antwortet in Fließtext, nennt zwei oder drei Häuser, vielleicht eine Region, vielleicht eine Buchungsplattform, und die Familie liest diese Antwort als vorgefilterte Auswahl, noch bevor sie überhaupt eine Website öffnet.
Das ist ein anderer Wettbewerb als der, auf den sich die Hotellerie ein Jahrzehnt lang eingestellt hat. Eine Karte beantwortet die Frage "wo", sortiert nach Entfernung zu einem Punkt. Eine generative Antwort auf eine Vergleichsfrage beantwortet die Frage "welches", aufgebaut aus allem, was das Modell darüber aufgenommen hat, wer es verdient, genannt zu werden. Entfernung spielt bei dieser zweiten Frage überhaupt keine Rolle, und es liegt nahe, beide Probleme für dasselbe Problem in anderem Gewand zu halten. Das sind sie nicht.
Die Frage, die tatsächlich gestellt wird
Niemand fragt einen KI-Assistenten "Hotel in meiner Nähe" so, wie man es in eine Kartenanwendung eintippen würde; wer Nähe sucht, hat dafür bereits das passende Werkzeug. Was man einer Chat-Oberfläche stattdessen stellt, ähnelt eher einem Vergleich oder einer Empfehlung: "was sind die besten Wellnesshotels im Schwarzwald für ein Paar Mitte dreißig", "empfehlen Sie mir ein Designhotel in Freiburg, das keine Kette ist", "wer bietet gute Wanderreisen im Schwarzwald für Einsteiger an". Das sind Urteilsfragen, und das Modell beantwortet sie, indem es etwas nennt.
Das ist für eine Hotelgruppe, eine Ferienregion oder einen Reiseveranstalter, der mit Gästen aus mehreren Ländern arbeitet, von großer Bedeutung, denn Frage und Antwort finden beide in einer Sprache statt, und diese Sprache leistet mehr Arbeit, als es zunächst scheint. Ein britischer Reisender, der sich über einen Aufenthalt im Schwarzwald informiert, erhält nicht dieselben genannten Empfehlungen wie ein deutscher Reisender, der dieselbe Frage auf Deutsch stellt, selbst wenn beide am Ende genau dieselben Häuser betrachten, sobald die Buchung beginnt. Das Modell greift nicht auf eine gemeinsame, geografisch indexierte Datenbank zurück; es greift auf das zurück, was über diese Häuser in dieser Sprache geschrieben wurde.
Warum ein Modell ein Haus nennt und ein anderes nicht
Ein Sprachmodell führt kein Verzeichnis von Hotels mit Adresse und Kategorie, das es bei Bedarf nachschlägt. Es hat eine verdichtete Vorstellung davon, welche Namen zusammen mit welchen Eigenschaften auftauchen, in dem, worauf es trainiert wurde oder was es abgerufen hat. Wenn ein kleines Hotel und die Begriffe "Design", "familiengeführt", "umgebauter Hof" und ein bestimmtes Tal oft genug gemeinsam auftauchen, in genügend unabhängigen Quellen, hat das Modell etwas, worauf es zurückgreifen kann, wenn nach einem Designhotel in dieser Region gefragt wird. Haben sich diese Verknüpfungen nie stark genug herausgebildet, greift es auf das zurück, dessen es sich sicher ist: eine Kategorie oder eine große, überall generisch abgedeckte Plattform, die unabhängig von der Frage eine sichere Antwort darstellt.
Das ist derselbe Mechanismus, der darüber entscheidet, ob eine Marke überhaupt namentlich genannt oder nur generisch beschrieben wird, und über die allgemeine Form davon haben wir bereits geschrieben. Die Hotellerie hat eine eigene Variante davon: Eine kleine, unverwechselbare Marke, ein Designhotel, die Häusersammlung eines Tals, ein Anbieter, der seit einem Jahrzehnt dieselben Wandertouren führt, ist genau die Art von Marke, die eigentlich hervorstechen sollte, weil sie eine Geschichte hat, an der sich das Modell festhalten kann. Das Problem ist, dass diese Geschichte meist nur in einer einzigen Sprache in ausreichender Tiefe existiert.
Große Buchungsplattformen haben einen strukturellen Vorteil, der nichts mit der Qualität eines einzelnen Hauses zu tun hat. Sie werden ständig erwähnt, in jeder Sprache, von einer enormen Menge unabhängiger Inhalte: Bewertungen, Forenbeiträge, Blogs, Preisvergleiche, die eigenen mehrsprachigen Websites. Ein Modell, das auf dieses Volumen zurückgreift, ruft diesen Namen fast reflexhaft auf. Die Plattform "überholt" das Boutique-Hotel nicht in einem Ranking; sie hat in jeder Sprache, die das Modell kennengelernt hat, eine stabile Identität, während das Hotel, so ausgezeichnet es auch sein mag, diese vielleicht nur in einer einzigen Sprache besitzt.
Wo sich die Lücke tatsächlich zeigt
Stellen Sie sich eine kleine Hotelgruppe mit drei charaktervollen Häusern im Schwarzwald vor, mit solider deutschsprachiger Presse und gutem lokalem Ruf. Fragt man einen KI-Assistenten auf Deutsch nach einer besonderen Unterkunft für eine Familie im August, nennt er womöglich direkt eines der drei Häuser und beschreibt, was es auszeichnet. Stellt man dieselbe Frage auf Englisch, der Sprache, aus der ein großer Teil der internationalen Gäste der Region kommt, taucht dieselbe Gruppe womöglich gar nicht auf: nicht weil die Häuser schlechter wären, sondern weil das Netz in dieser Sprache nie dieselbe Dichte an unabhängigen Beschreibungen aufgebaut hat. Das Modell greift stattdessen auf eine Kategorie oder eine bekannte Plattform zurück. Ausgerechnet die internationalen Gäste, die die Gruppe am dringendsten braucht, sind diejenigen, die die Frage stellen, bei der sie unsichtbar bleibt.
Das trifft die Hotellerie härter als die meisten anderen Branchen, weil eine Reise fast immer in der Sprache recherchiert wird, in der der Reisende denkt, nicht notwendigerweise in der Sprache des Reiseziels. Ein Hotel im Schwarzwald konkurriert um Sichtbarkeit nicht nur unter deutschsprachigen Nutzern, sondern in den Sprachen jedes Landes, aus dem seine Gäste kommen. Ein Reiseveranstalter, der kulinarische Touren in der Region anbietet, hat dasselbe Problem gleich zweimal, einmal für englischsprachige und einmal für französischsprachige Reisende, und es für die eine Sprache zu lösen, löst es nicht für die andere.
Was wirklich etwas bewirkt, und was nicht
Dieses Problem zu beheben bedeutet nicht, die Antwort der KI zu "optimieren", und niemand kann das verlässlich tun oder als Dienstleistung verkaufen. Was sich überprüfen lässt, liegt vor der Antwort: ob überhaupt unabhängiger, sprachspezifischer Inhalt über das Haus existiert, an genügend verschiedenen Stellen, damit sich ein Modell eine stabile Vorstellung davon bilden konnte, wer es ist. Die eigene Website zu übersetzen ist ein Anfang, keine Lösung: Modelle gewichten das, was unabhängige Quellen sagen, stärker als das, was eine Marke über sich selbst schreibt. Reisepresse in den Herkunftsmärkten der Gäste, Reisejournalisten, die tatsächlich dort übernachtet haben, Bewertungen in diesen Sprachen, Erwähnungen in längeren Texten, die zitiert und nicht nur veröffentlicht werden: Das ist das Rohmaterial, das ein Modell zu "nennenswert" verdichtet.
Nichts davon ist eine schnelle Lösung, und nichts davon kann ein Monitoring-Werkzeug stellvertretend für eine Marke erledigen. Was ein Werkzeug leisten kann, ist die Beantwortung einer Frage, die eine Hotelgruppe sonst gar nicht selbst beantworten könnte: ob ein KI-Assistent bei einer realistischen Vergleichsfrage, in einer bestimmten Sprache, das Haus nennt, es zutreffend beschreibt oder direkt zu einer Kategorie oder Plattform springt. Das muss eine wiederholte Messung sein, über die Zeit hinweg und Sprache für Sprache, denn dieselbe Frage kann je nach Zeitpunkt eine andere Antwort liefern. PSentry führt die eigenen Vergleichsprompts einer Marke auf ChatGPT, Claude, Gemini und Perplexity aus, in jeder für sie relevanten Marktsprache, und zeigt, wer genannt wird, wer nicht, und welche Wettbewerber stattdessen auftauchen.
Es lohnt sich, bei den Grenzen ehrlich zu sein, denn dieses Thema lädt leicht zu Übertreibungen ein. Zu wissen, dass eine Marke in englischsprachigen Antworten unsichtbar ist, behebt für sich genommen nicht die Abdeckung des englischsprachigen Netzes über sie: Das ist ein langsamer Prozess, getragen von unabhängigen Personen, die darüber schreiben, ohne die Marke selbst zu sein. Ein Scan, der zweimal im Monat läuft, erfasst keine plötzliche Veränderung genau an dem Tag, an dem sie geschieht: Diese Modelle verändern sich allmählich, nicht in Echtzeit. Und nichts davon manipuliert, was ein Modell sagt. Der Wert liegt darin, ehrlich herauszufinden, in welchen Sprachen und bei welchen Fragen eine Marke gerade verliert, damit der Aufwand dort ansetzt, wo er gebraucht wird, statt überall gleichzeitig.
Häufig gestellte Fragen
Ist das dasselbe wie lokales SEO oder das Erscheinen im Local-Pack von Google?
Nein, und das lässt sich am besten gleich klären. Lokales SEO und Sichtbarkeit im Local-Pack drehen sich um Nähe: ob ein Betrieb erscheint, wenn jemand in der Umgebung "Hotel in meiner Nähe" sucht oder eine Karte öffnet. PSentry geolokalisiert keine Nutzer und misst das nicht. Gemessen wird, ob eine Marke, nach Sprache und Markt, genannt wird, wenn jemand einem KI-Assistenten eine Vergleichsfrage stellt, unabhängig davon, wo sich diese Person gerade befindet. Ein Hotel mit einem sehr guten lokalen Eintrag kann trotzdem in KI-generierten Empfehlungen fehlen, und umgekehrt gilt dasselbe.
Spielt es eine Rolle, welchen KI-Assistenten ein Reisender nutzt?
Ja. Perplexity ruft tendenziell aktuelle Quellen ab und zitiert sie, sodass neuer Inhalt einen direkteren Weg in die Antwort findet. ChatGPT, Claude und Gemini stützen sich stärker auf das, was sie während des Trainings aufgenommen haben, was sich langsamer verändert. Eine Marke kann in einem Assistenten gut vertreten sein und in einem anderen fehlen, aus Gründen, die nichts mit der Qualität des Hauses zu tun haben.
Würde eine mehrsprachige Website das allein beheben?
Nicht allein. Eine übersetzte Website hilft, aber Modelle gewichten unabhängige Beschreibungen Dritter stärker als den Text, den eine Marke über sich selbst schreibt: Reisepresse, Gästebewertungen, längere Inhalte, die von jemand anderem als der Marke verfasst wurden.
Wird eine größere Hotelgruppe automatisch häufiger genannt?
Nicht zwangsläufig. Größe hilft beim Umfang der Abdeckung, aber eine große Gruppe mit generischem Inhalt in einer bestimmten Sprache kann trotzdem gegen ein kleineres, unverwechselbares Haus mit solider unabhängiger Abdeckung in derselben Sprache verlieren. Der Mechanismus belohnt eine stimmige Identität, nicht die Anzahl der Häuser.
Wie oft sollte eine Reisemarke das überprüfen?
Antworten dieser Modelle sind probabilistisch und verändern sich allmählich, weshalb eine einzelne Prüfung über diesen Moment hinaus wenig aussagt. Wiederholte Prüfungen über die Zeit, in den Sprachen, in denen die Gäste einer Marke suchen, machen daraus ein Muster statt einer Einzelbeobachtung.
Kann ein Reiseveranstalter das genauso nutzen wie ein Hotel?
Ja. Der Mechanismus ist identisch: Eine Vergleichsfrage, etwa wer gute Wanderreisen im Schwarzwald für Einsteiger anbietet, wird beantwortet, indem Anbieter genannt werden, von denen sich das Modell eine stabile, sprachspezifische Vorstellung gebildet hat. Ein Nischenanbieter ist hier oft ein guter Kandidat, um hervorzustechen, vorausgesetzt, diese Nische wird in den Sprachen, in denen seine Kunden suchen, unabhängig beschrieben.