Was ist KI-Sichtbarkeit? Wie ChatGPT und Gemini Restaurants empfehlen

Stellen Sie sich folgendes Szenario vor: Eine Familie plant ein Abendessen. Das elfjährige Kind hat eine diagnostizierte Erdnussallergie. Der Vater tippt in ChatGPT: „Welche chinesischen Restaurants in Frankfurt bieten erdnussfreie Gerichte an?“ ChatGPT antwortet sofort mit zwei konkreten Empfehlungen — vollständig mit Adresse, Spezialgericht und dem Hinweis, dass strukturierte Allergendaten vorliegen. Ihr Restaurant ist nicht dabei. Nicht weil Ihr Essen schlechter ist. Sondern weil Ihre Daten für ChatGPT unsichtbar sind.

Das ist KI-Sichtbarkeit — oder deren Fehlen.

→ KI-Sichtbarkeit Hub — Überblick

Die neue Realität der Restaurantentdeckung

Noch vor fünf Jahren war „online gefunden werden“ gleichbedeutend mit „bei Google auf Seite 1 ranken“. Diese Gleichung gilt nicht mehr. Die Suche nach Restaurants hat sich auf drei neue Kanäle verschoben:

KI-Chatbots wie ChatGPT (180+ Millionen Wochen-Nutzer), Google Gemini (in Google Search integriert, Milliarden Abfragen täglich) und Perplexity werden zur primären Anlaufstelle für Restaurantsuchen mit spezifischen Anforderungen.

KI-gestützte Suche in Form von Google AI Overviews erscheint inzwischen über den klassischen Suchergebnissen und verdraengt blaue Links bei Intent-starken Anfragen wie „Restaurant mit Allergie-Optionen“.

Sprachassistenten — Siri, Google Assistant, Alexa — beantworten täglich Millionen Restaurantanfragen, basierend ausschließlich auf Schema.org-Markup und Featured Snippets.

Was alle drei Kanäle gemeinsam haben: Sie basieren auf strukturierten, maschinenlesbaren Daten. Unstrukturierter Text, PDFs und Instagram-Fotos liefern bei diesen Systemen null Input.

Was KI-Sichtbarkeit konkret bedeutet

KI-Sichtbarkeit ist kein Marketing-Begriff. Es ist ein technischer Zustand: Entweder liegen Ihre Restaurantdaten in einem Format vor, das KI-Systeme direkt lesen und verwenden können — oder nicht.

Die vier Dimensionen der KI-Sichtbarkeit:

Dimension 1: Strukturelle Sichtbarkeit. Sind Ihre Gerichte als einzelne, maschinenlesbare Entitäten definiert? Ein Gericht ist nur KI-sichtbar, wenn es als Schema.org MenuItem existiert — mit Name, Preis, Beschreibung, Kategorie, Allergenen und Nährwerten als separate Datenpunkte. Eine Speisekarte als Fließtext oder PDF erfüllt diese Anforderung nicht.

Dimension 2: Allergen-Sichtbarkeit. Spezifische Allergen-Anfragen machen einen Grossteil der KI-Restaurant-Queries aus. „Glutenfreies Restaurant“, „erdnussfreies Essen“, „laktosefreie Optionen“ — diese Anfragen können nur von KI beantwortet werden, wenn Allergendaten maschinenlesbar und pro Gericht strukturiert vorliegen.

Dimension 3: Geographische und sprachliche Sichtbarkeit. KI-Systeme antworten in der Muttersprache des Nutzers. Ein Restaurant, das nur auf Deutsch verfügbar ist, existiert für chinesische Touristen, englischsprachige Expats oder türkische Familien in der KI nicht — unabhängig von der Qualität des Essens.

Dimension 4: Vertrauenssignal-Sichtbarkeit. KI-Systeme beziehen Vertrauenssignale aus kontrollierten Quellen: Google Business Profile, Schema.org-Markup, llms.txt-Dateien und strukturierte Daten-Feeds. Restaurants ohne diese Signale werden bei unklaren Anfragen uebergangen.

→ Google AI Overviews für Restaurants

Warum KI ignoriert, was Menschen sehen

Das Grundprinzip ist einfach, aber die Konsequenzen sind gravierend: Menschen und KI „lesen“ Websites auf fundamental verschiedene Weise.

Ein Mensch besucht Ihre Speisekarten-Seite und versteht sofort: „Ah, Kung Pao Chicken für 16,50 EUR, mit Erdnüssen, scharf.“ Die Assoziation passiert intuitiv, aus Kontext und Erfahrung.

Eine KI liest dieselbe Seite und sieht: Zeichenketten ohne definierten Datentyp. Sie kann erraten, dass „16,50“ ein Preis sein könnte. Sie kann nicht mit Sicherheit sagen, ob „Erdnüsse“ ein Allergen, eine Zutat oder ein Dekor-Element ist. Sie weiß nicht, ob das Gericht aktuell verfügbar ist.

Jetzt mit Schema.org JSON-LD: Die KI liest: Objekt Typ „MenuItem“, Name „Kung Pao Chicken“, Preis „16.50 EUR“, Allergen „Erdnüsse (containsAllergen)“, Kategorie „Hauptgericht“, verfügbar „true“. Keine Interpretation nötig. Hundertprozentige Präzision.

Dieser Unterschied — Interpretation vs. Wissen — entscheidet darüber, ob Ihr Restaurant bei spezifischen Anfragen empfohlen wird oder nicht.

Die Arten von KI-Anfragen, die Restaurants verlieren

Ohne KI-Sichtbarkeit verliert ein Restaurant systematisch bei folgenden Anfrage-Typen:

Allergen- und Diät-Anfragen sind die haufigsten verlorenen Anfragen: „Welche chinesischen Restaurants bieten glutenfreie Gerichte an?“, „Gibt es vegane Dim Sum in meiner Nähe?“, „Wo kann ich mit Laktoseintoleranz sicher essen?“ — Ohne maschinenlesbare Allergendaten ist Ihre Antwort: gar keine.

Nährwert-Anfragen nehmen zu: „Restaurant mit Mahlzeiten unter 600 Kalorien“, „Hochprotein-Essen in Frankfurt“ — nur möglich mit NutritionInformation Schema pro Gericht.

Sprach-spezifische Anfragen in Englisch, Chinesisch, Türkisch — fragen Sie sich: Wie viele potenzielle Gäste sprechen kein Deutsch als Muttersprache? In Frankfurt alleine sind es Zehntausende.

Agentenbasierte Buchungen — zukuenftig werden KI-Agenten im Auftrag von Nutzern Tische reservieren. Ohne strukturierte Verfuegbarkeitsdaten und API-Zugang werden Restaurants bei diesen autonomen Buchungen uebergangen.

→ Google Business Profile und KI

→ Mehrsprachige Menüs und KI-Sichtbarkeit

Wie chiwai KI-Sichtbarkeit herstellt

chiwai automatisiert den gesamten Prozess der KI-Sichtbarmachung in einem durchgehenden Workflow:

Schritt 1 — Speisekarte digitalisieren: Lieferantenrechnungen hochladen, KI erkennt Zutaten und generiert Gerichte-Einträge mit allen relevanten Metadaten.

Schritt 2 — Schema.org generieren: Jedes Gericht erhalt automatisch vollständiges JSON-LD Markup — MenuItem, NutritionInformation, containsAllergen — maschinenlesbar und von Suchmaschinen sowie KI-Crawlern direkt verarbeitbar.

Schritt 3 — GBP-Push: Speisekartendaten werden via Google Food Menus API direkt an Google Business Profile übertragen — kein manuelles Tippen, keine veralteten Daten.

Schritt 4 — Mehrsprachigkeit: Automatische Übersetzung in DE/EN/ZH stellt sicher, dass internationale KI-Anfragen Ihr Restaurant finden.

Schritt 5 — llms.txt: Die Datei wird automatisch erstellt und aktuell gehalten — KI-Crawler erhalten sofortige, präzise Informationen über Ihre Restaurantdaten.

Das Ergebnis: Vollständige KI-Sichtbarkeit in allen relevanten Systemen — Google Gemini, ChatGPT, Perplexity und Sprachassistenten.

Jetzt starten — kostenloser Plan verfügbar

FAQ

Warum empfiehlt ChatGPT manche Restaurants und andere nicht?

ChatGPT basiert seine Restaurantempfehlungen auf den Daten, die es während seiner Trainings-Crawls gesammelt hat und bei aktivierter Websuche via Bing in Echtzeit abruft. Dabei bevorzugt es Restaurants, deren Daten maschinenlesbar und strukturiert vorliegen: Schema.org JSON-LD Markup, vollständige Google Business Profile-Informationen und llms.txt-Dateien. Restaurants ohne diese strukturierten Signale tauchen in ChatGPT-Empfehlungen entweder gar nicht auf oder werden nur bei sehr allgemeinen Anfragen („Restaurant in meiner Nähe“) berücksichtigt. Bei spezifischen Anfragen — „erdnussfreies chinesisches Restaurant in Frankfurt“ — kann ChatGPT nur Restaurants empfehlen, bei denen eindeutige Allergen-Daten als maschinenlesbare Fakten vorliegen. Restaurants ohne diese Daten werden schlicht uebergangen, selbst wenn ihr Essen tatsächlich erdnussfrei wäre.

Ist KI-Sichtbarkeit nur für große Restaurantketten relevant?

Nein — im Gegenteil. Große Restaurantketten wie McDonald’s oder Starbucks haben eigene Technologie-Teams, die sich um strukturierte Daten kuemmern. Für unabhängige Restaurants ist KI-Sichtbarkeit die größte Chance, auf Augenhoeehe mit Ketten zu konkurrieren oder sie sogar zu uebertreffen. Ein einzelnes chinesisches Restaurant in Frankfurt mit vollständigem Allergen-Schema, 6-sprachiger Speisekarte und gepflegtem GBP-Profil ist bei spezifischen KI-Anfragen sichtbarer als eine Kette ohne diese Strukturierung. chiwai macht genau diese Infrastruktur für einzelne Gastronomen zugänglich — ohne IT-Abteilung, ohne technisches Vorwissen.

Wie unterscheidet sich KI-Sichtbarkeit von lokalem SEO?

Lokales SEO optimiert für klassische Suchmaschinen-Rankings: Google My Business-Bewertungen, lokale Keywords, NAP-Konsistenz (Name, Adresse, Telefon). KI-Sichtbarkeit geht tiefer: Sie optimiert die semantische Qualität und Vollständigkeit Ihrer Daten für KI-Systeme. Ein Restaurant kann bei lokalem SEO exzellent aufgestellt sein — Seite 1 für „chinesisches Restaurant Frankfurt“ — und trotzdem in ChatGPT und Gemini unsichtbar sein, weil keine strukturierten Speisekartendaten vorliegen. Ideal ist die Kombination: lokales SEO als Basis, KI-Sichtbarkeit als nächste Ebene. Mit chiwai bauen Sie beide Ebenen gleichzeitig auf, weil strukturierte Daten sowohl klassisches SEO als auch KI-Sichtbarkeit verbessern.