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 fuer ChatGPT unsichtbar sind.

Das ist KI-Sichtbarkeit — oder deren Fehlen.

→ KI-Sichtbarkeit Hub — Ueberblick

Die neue Realitaet der Restaurantentdeckung

Noch vor fuenf 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 Kanaele verschoben:

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

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

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

Was alle drei Kanaele 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 koennen — oder nicht.

Die vier Dimensionen der KI-Sichtbarkeit:

Dimension 1: Strukturelle Sichtbarkeit. Sind Ihre Gerichte als einzelne, maschinenlesbare Entitaeten definiert? Ein Gericht ist nur KI-sichtbar, wenn es als Schema.org MenuItem existiert — mit Name, Preis, Beschreibung, Kategorie, Allergenen und Naehrwerten als separate Datenpunkte. Eine Speisekarte als Fliesstext oder PDF erfuellt 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 koennen 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 verfuegbar ist, existiert fuer chinesische Touristen, englischsprachige Expats oder tuerkische Familien in der KI nicht — unabhaengig von der Qualitaet 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 fuer 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 fuer 16,50 EUR, mit Erdnuessen, 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 koennte. Sie kann nicht mit Sicherheit sagen, ob „Erdnuesse“ ein Allergen, eine Zutat oder ein Dekor-Element ist. Sie weiss nicht, ob das Gericht aktuell verfuegbar ist.

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

Dieser Unterschied — Interpretation vs. Wissen — entscheidet darueber, 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 Diaet-Anfragen sind die haufigsten verlorenen Anfragen: „Welche chinesischen Restaurants bieten glutenfreie Gerichte an?“, „Gibt es vegane Dim Sum in meiner Naehe?“, „Wo kann ich mit Laktoseintoleranz sicher essen?“ — Ohne maschinenlesbare Allergendaten ist Ihre Antwort: gar keine.

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

Sprach-spezifische Anfragen in Englisch, Chinesisch, Tuerkisch — fragen Sie sich: Wie viele potenzielle Gaeste 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 Menues 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-Eintraege mit allen relevanten Metadaten.

Schritt 2 — Schema.org generieren: Jedes Gericht erhalt automatisch vollstaendiges 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 uebertragen — kein manuelles Tippen, keine veralteten Daten.

Schritt 4 — Mehrsprachigkeit: Automatische Uebersetzung in DE/EN/ZH/ES/TR/AR und weiteren Sprachen auf Anfrage 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, praezise Informationen ueber Ihre Restaurantdaten.

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

Jetzt starten — kostenloser Plan verfuegbar

FAQ

Warum empfiehlt ChatGPT manche Restaurants und andere nicht?

ChatGPT basiert seine Restaurantempfehlungen auf den Daten, die es waehrend 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, vollstaendige 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 Naehe“) beruecksichtigt. 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 tatsaechlich erdnussfrei waere.

Ist KI-Sichtbarkeit nur fuer grosse Restaurantketten relevant?

Nein — im Gegenteil. Grosse Restaurantketten wie McDonald’s oder Starbucks haben eigene Technologie-Teams, die sich um strukturierte Daten kuemmern. Fuer unabhaengige Restaurants ist KI-Sichtbarkeit die groesste Chance, auf Augenhoeehe mit Ketten zu konkurrieren oder sie sogar zu uebertreffen. Ein einzelnes chinesisches Restaurant in Frankfurt mit vollstaendigem 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 fuer einzelne Gastronomen zugaenglich — ohne IT-Abteilung, ohne technisches Vorwissen.

Wie unterscheidet sich KI-Sichtbarkeit von lokalem SEO?

Lokales SEO optimiert fuer klassische Suchmaschinen-Rankings: Google My Business-Bewertungen, lokale Keywords, NAP-Konsistenz (Name, Adresse, Telefon). KI-Sichtbarkeit geht tiefer: Sie optimiert die semantische Qualitaet und Vollstaendigkeit Ihrer Daten fuer KI-Systeme. Ein Restaurant kann bei lokalem SEO exzellent aufgestellt sein — Seite 1 fuer „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 naechste Ebene. Mit chiwai bauen Sie beide Ebenen gleichzeitig auf, weil strukturierte Daten sowohl klassisches SEO als auch KI-Sichtbarkeit verbessern.