Damit KI-Assistenten Ihr Restaurant empfehlen, brauchen Sie drei Dinge: eine Bewertung oberhalb der Empfehlungsschwelle der jeweiligen Plattform (rund 4,3 Sterne bei ChatGPT), einheitliche Geschäftsdaten in allen Verzeichnissen, die KI-Systeme auslesen, und strukturierte Daten auf Ihrer Website, die Maschinen extrahieren können. Die meisten Restaurants scheitern an allen dreien.

Wir haben das direkt getestet. Wir haben drei verschiedene KI-Modelle — Kimi K3, DeepSeek und Qwen — eine Frage gestellt, die ein Gast wirklich eintippen würde: "Was ist das beste italienische Restaurant in Hongkong?" Alle drei antworteten selbstbewusst. Alle drei nannten 8½ Otto e Mezzo Bombana zuerst. Dann haben wir jedes Modell gefragt, warum es diese Namen gewählt hat.

Die Antworten waren aufschlussreich — und sie sind der nützlichste Ausgangspunkt, den ein Restaurantbetreiber haben kann.

Wie entscheiden KI-Assistenten eigentlich, welche Restaurants sie empfehlen?

KI-Assistenten empfehlen Restaurants über zwei völlig getrennte Mechanismen: das, was das Modell während des Trainings aufgenommen hat (sein "Gedächtnis"), und das, was es live aus dem Web abruft, wenn es sucht. Beide belohnen komplett unterschiedliche Dinge, und eine Taktik, die für den einen funktioniert, bewirkt für den anderen fast nichts.

Als wir Kimi K3 baten, seine eigenen Hongkong-Empfehlungen zu erklären, war es ungewöhnlich offen: "Ich habe diese Restaurants nicht bewertet — ich kann kein Essen schmecken und nirgendwohin gehen. Was tatsächlich passiert ist: Bestimmte Signale haben diese Namen in meinen Trainingsdaten statistisch auffällig gemacht."

Diese Unterscheidung ist wichtiger als alles andere in diesem Artikel. Wenn Sie nur Ihre Website optimieren, spielen Sie nur eines von zwei Spielen.

Was ist der Unterschied zwischen dem, was eine KI "weiß", und dem, was sie nachschlägt?

Parametrisches Wissen ist das, was das Modell während des Trainings aufgenommen hat — es kann ohne Suche antworten, aber die Information ist zum Trainingszeitpunkt eingefroren und verzerrt zugunsten dessen, worüber am meisten geschrieben wurde. Retrieval ist das, was passiert, wenn der Assistent mitten in der Antwort das Live-Web durchsucht und aktuelle Seiten, Einträge und Bewertungen heranzieht.

	Was das Modell bereits "weiß"	Was es live nachschlägt
Woher es stammt	Trainingsdaten: Artikel, Listen, Foren, Guides	Live-Websuche, Branchenverzeichnisse, Bewertungsportale
Was zählt	Menge und Wiederholung der Erwähnungen über Jahre	Genauigkeit, Struktur, Aktualität, Bewertungen
Wie schnell Sie es ändern können	Langsam — Jahre, über Presse und Zitate	Schnell — Tage bis Wochen
Genutzt von	ChatGPT ohne Browsing, Offline-Antworten des Modells	Perplexity, Google AI Overviews, ChatGPT mit Suche

Die zweite Spalte können die meisten Restaurants realistisch noch in diesem Quartal bewegen. Die erste Spalte ist ein langes Spiel — aber nicht aussichtslos, und wir kommen weiter unten darauf zurück.

Wie viele Restaurants empfiehlt eine KI überhaupt pro Anfrage?

KI-Assistenten nennen typischerweise nur drei bis fünf Restaurants pro Anfrage, und 83 % aller Restaurantstandorte tauchen in KI-generierten Empfehlungen überhaupt nie auf — obwohl 86 % bei Google präsent sind, laut einem Uberall-Benchmark-Bericht vom Mai 2026 zur Restaurantsuche mit KI.

Das ist die wichtigste strukturelle Tatsache der KI-Suche: es gibt keine Seite zwei. In klassischen Google-Ergebnissen bedeutet Platz elf immer noch, dass Sie existieren — ein entschlossener Gast kann scrollen. In einer KI-Antwort heißt sechstbeste Übereinstimmung: Sie wurden nicht genannt, was funktional dasselbe ist wie nicht zu existieren.

Derselbe Bericht ergab, dass ChatGPT rund 1,2 % der Standorte empfiehlt, verglichen mit 35,9 %, die im Local Pack von Google erscheinen. Gemini kommt auf etwa 11 %, Perplexity auf etwa 7,4 %.

Welche Sternebewertung braucht man, damit eine KI das Restaurant empfiehlt?

Unterschiedliche KI-Plattformen scheinen unterschiedliche Bewertungsuntergrenzen anzulegen. ChatGPT empfiehlt eher Restaurants mit einem Schnitt ab 4,3 Sternen, Perplexitys Schwelle liegt bei etwa 4,1 und die von Gemini bei rund 3,9. Ein Restaurant mit 4,0 kann bei Google völlig problemlos ranken und trotzdem unter der Latte liegen, die ChatGPT anlegt.

Das ist ein wirklich neuer Fehlermodus. Im klassischen lokalen SEO konkurriert ein Restaurant mit 4,0 Sternen bei guter Nähe und Relevanz ohne Weiteres mit. Bei KI-Empfehlungen kann genau dieses Restaurant stillschweigend herausgefiltert werden, bevor der Vergleich überhaupt beginnt.

Die praktische Konsequenz: Der Bewertungsschnitt ist keine Eitelkeitskennzahl mehr, sondern eine Zugangshürde. Wenn Sie bei 4,1 stehen, ist der Abstand zwischen Ihnen und 4,3 der Abstand zwischen "in ChatGPTs Antwort vorkommen" und "darin nicht existieren".

Wie kommt ein Restaurant überhaupt in das Gedächtnis eines KI-Modells?

Restaurants gelangen in das antrainierte Wissen eines Modells durch Wiederholung über viele unabhängige Quellen hinweg und über die Zeit — Auszeichnungen, die ständig zitiert werden, Platzierungen auf "Best of"-Ranglisten und anhaltendes Diskussionsvolumen in Foren. Es geht weniger um eine einzelne Erwähnung als darum, dass derselbe Name im selben Kontext immer wieder auftaucht, über Jahre.

Als wir die Modelle drängten, ihre Hongkong-Auswahl zu erklären, kamen vier konkrete Signale zur Sprache:

Wiederholte Auszeichnungen mit einem gut lesbaren Aufhänger. Kimi nannte das zuerst: "'Erstes italienisches Restaurant außerhalb Italiens mit drei Michelin-Sternen' ist eine der am häufigsten wiederholten Tatsachen im Hongkonger Food-Journalismus. Dieses eine, klar fassbare Prädikat wird ständig zitiert." Die Auszeichnung zählt — aber ebenso, dass sie sich in einen einzigen wiederholbaren Satz komprimieren lässt.

Platzierung auf Ranglisten. Die Modelle nannten konkrete Listenplatzierungen als Schub — eines wies darauf hin, dass eine Pizzeria genau deshalb vor gleich guten Wettbewerbern auftauchte, weil eine starke Platzierung auf einer regionalen "50 Top Pizza"-Liste eine Welle an Berichterstattung ausgelöst hatte.

Diskussionsvolumen. Ein Modell erklärte die Prominenz einer schlichten Pasta-Bar ganz direkt: sie "taucht ständig in beiläufigen Zusammenhängen auf — Reddit-Threads, Foren, Empfehlungen von Expats … Ein hohes Gesprächsvolumen wird als Bedeutung gelesen."

Kumulierende Langlebigkeit. Ältere Restaurants haben schlicht mehr Text angesammelt, und Food-Medien verstärken sich selbst: Listen zitieren frühere Listen.

Welche Verzerrungen stecken in KI-Restaurantempfehlungen?

KI-Restaurantempfehlungen tragen die Verzerrungen ihrer Quellen: Sie überrepräsentieren englischsprachige Food-Medien, zentrale Geschäftsviertel, Hotelrestaurants und Lokale von Star-Köchen, während sie Lieblingsadressen in der Landessprache und neu eröffnete Häuser unterrepräsentieren. Modelle hinken der Realität außerdem hinterher — sie können ein Restaurant wegen eines Kochs empfehlen, der vor Jahren gegangen ist.

Das mussten wir nicht einmal herleiten. Kimi sagte es von sich aus: "Mein Bild ist stark geprägt von SCMP, Tatler Asia, Time Out Hong Kong und Michelin — die Standorte in Central, Hotelrestaurants und von Star-Köchen betriebene Lokale bevorzugen. Lokale Lieblinge, die in kantonesischsprachigen Kreisen geliebt werden, sind unterrepräsentiert."

Es ging noch weiter und benannte sein eigenes Aktualitätsproblem: "Bekanntheit überlebt die Realität." Und es benannte die Verzerrung an der Quelle ganz unverblümt: "Restaurants mit Pressesprechern und Hotel-Marketingbudgets werden häufiger behandelt. Ich übernehme diese Verzerrung, ich korrigiere sie nicht."

Zwei Lehren für Betreiber. Wenn Sie ein Nachbarschaftsrestaurant ohne PR-Budget sind, ist das Spiel um das antrainierte Wissen tatsächlich unfair verteilt — genau deshalb zahlt sich Ihr Aufwand beim Live-Retrieval-Spiel weiter unten am schnellsten aus. Und wenn Sie ein bekanntes Restaurant sind, gehen Sie nicht davon aus, dass das Bild des Modells von Ihnen aktuell ist.

Was sorgt dafür, dass ein Restaurant in einer Live-KI-Antwort auftaucht?

Bei suchgestützten Antworten stützen sich KI-Systeme auf dieselben lokalen Vertrauenssignale wie die lokalen Google-Ergebnisse: ein vollständiges und korrektes Unternehmensprofil, einheitliche Angaben zu Name, Adresse und Telefonnummer im gesamten Web sowie aktuelle, echte Bewertungen. Genauigkeit und Einheitlichkeit zählen hier mehr als Marketingbudget.

Ihr Google Business Profile ist das Fundament. Nicht nur beansprucht — vollständig. Richtige Kategorien, aktuelle Öffnungszeiten inklusive Feiertage, echte Fotos, eine korrekte Beschreibung und ein funktionierender Link zu einer Buchungsseite.

NAP-Konsistenz ist die Vertrauensschicht. Unternehmen mit einheitlichen Name-Adresse-Telefon-Daten über die wichtigsten Verzeichnisquellen hinweg erscheinen rund 40 % häufiger im Local Pack von Google, und Verzeichniseinträge mit vollständigen, korrekten Kernangaben erzielen deutlich mehr Interaktion als solche mit veralteten Daten. KI-Plattformen brauchen diese Einheitlichkeit, um sicher zu sein, dass all diese Einträge ein und dasselbe reale Unternehmen beschreiben.

Aktualität und Menge der Bewertungen, nicht nur der Schnitt. Ein Schnitt von 4,5 aus zwei Jahre alten Bewertungen liest sich anders als eine 4,5, die aus einem stetigen Zufluss in diesem Monat entstanden ist.

Welches Schema-Markup braucht ein Restaurant für die KI-Suche?

Restaurants sollten Restaurant-Schema (ein Untertyp von LocalBusiness) einsetzen, dazu Menu- und FAQPage-Markup. Das Restaurant-Schema erbt sämtliche LocalBusiness-Eigenschaften und ergänzt restaurantspezifische Felder wie servesCuisine, hasMenu, acceptsReservations, priceRange und openingHoursSpecification.

Die Felder, die es sich lohnt richtig zu machen:

• name, address, telephone — exakt übereinstimmend mit Ihrem Google Business Profile
• servesCuisine — die wörtliche Antwort auf Anfragen wie "bester Italiener in …"
• priceRange — darüber werden Anfragen nach "günstig" und "gehoben" gefiltert
• openingHoursSpecification — inklusive Feiertagsausnahmen
• acceptsReservations und hasMenu — mit einer echten HTML-Speisekarte, nicht als PDF oder Bild
• aggregateRating — wo es tatsächlich zutrifft

Ein Vorbehalt, der klar gesagt gehört: Schema-Markup garantiert keine Aufnahme in eine KI-Antwort. Es beseitigt Mehrdeutigkeit, damit eine Maschine Fakten über Sie sicher wiedergeben kann — das ist eine Voraussetzung dafür, empfohlen zu werden, aber kein Kauf einer Empfehlung.

Warum taucht Reddit in KI-Antworten zu Restaurants ständig auf?

Reddit wird in rund 40 % der LLM-Zitate über ChatGPT, Perplexity, Gemini und Claude hinweg genannt und stellt etwa 21 % der Zitate in Google AI Overviews — dort die am häufigsten zitierte Einzelquelle. Der Grund ist strukturell: Reddit ist das größte öffentliche Archiv konkreter, erfahrungsbasierter Antworten auf genau die Fragen, die Menschen einer KI stellen.

Wenn jemand nach dem besten Italiener einer Stadt fragt, hat Reddit Threads, in denen echte Gäste konkrete Restaurants mit Begründung vergleichen. Keine eigene Marketingseite eines Restaurants kann da mithalten, denn eine Restaurant-Website kann glaubwürdig nur sagen, dass ein einziges Restaurant gut ist.

Was das nicht bedeutet: dass Sie auf Reddit Astroturfing betreiben sollten. Gefälschte Empfehlungen werden erkannt, entfernt und können den Ruf eines Restaurants dauerhaft beschädigen. Was es bedeutet:

• Seien Sie es wert, in Threads erwähnt zu werden, die es zu Ihrem Viertel oder Ihrer Küche bereits gibt
• Wenn Sie sich ernsthaft in lokalen Foren beteiligen, tun Sie es transparent als Inhaber
• Lokale Facebook-Gruppen, Gastro-Foren und Community-Boards speisen dasselbe Signal in Märkten, in denen Reddit dünn ist

Welche Verzeichnisse zählen in Hongkong und Südostasien am meisten?

In Asien reicht das Google Business Profile allein nicht aus. Regionale Discovery-Plattformen haben erhebliches Gewicht — sowohl beim Live-Retrieval als auch in den Trainingsdaten: OpenRice in Hongkong, Macau und Singapur; Dianping für chinesischsprachige Gäste; der Guide Michelin, wo einschlägig; TripAdvisor für Besucher; sowie Chope, Klook und Eatigo für Anfragen mit Buchungsabsicht.

Die Konsistenzregel gilt für jede einzelne davon. Derselbe Restaurantname, gleich geschrieben, an derselben Adresse, mit derselben Telefonnummer. Zwei Einträge für dasselbe Restaurant mit unterschiedlichen Adressen beschädigen aktiv genau das Entitätsvertrauen, das Sie aufbauen wollen.

Zomato, Swiggy Dineout und EazyDiner spielen die entsprechende Rolle in Indien und sind zugleich echte Buchungskanäle statt passiver Einträge.

Kann man ohne Michelin-Stern von einer KI empfohlen werden?

Ja — aber Sie brauchen einen "Aufhänger": eine konkrete, wiederholbare, überprüfbare Aussage, die Food-Journalisten und Gäste in einem einzigen Satz weitergeben können. Modelle bringen Restaurants nach oben, an denen komprimierbare Fakten hängen, nicht Restaurants, die einfach nur gut sind. "Hervorragende hausgemachte Pasta" ist kein Aufhänger. "Das einzige Restaurant der Stadt, das sardische Fregola selbst herstellt" schon.

Das folgt direkt aus dem, was uns die Modelle gesagt haben. Ein Drei-Sterne-Prädikat funktioniert, weil es sich in einen wiederholten Satz zusammenzieht. Einen Stern können Sie sich nicht selbst verleihen, aber Sie können eine Aussage mit derselben strukturellen Eigenschaft aufbauen:

• Das älteste durchgehend betriebene Restaurant Ihrer Art im Viertel
• Der einzige Ort, der ein bestimmtes regionales Gericht in Ihrer Stadt serviert
• Ein Küchenchef mit einem konkreten, überprüfbaren Werdegang
• Eine echte Premiere: erste Einfuhr einer bestimmten Zutat, erste Zero-Waste-Küche im Bezirk

Der Test ist einfach: Kann eine Journalistin es in einem Satz ohne Einschränkungen wiedergeben? Wenn ja, kann es sich verbreiten. Wenn es einen Absatz Kontext braucht, wird es das nicht.

Die 12-Punkte-Checkliste für KI-Sichtbarkeit von Restaurants

1. Fragen Sie ChatGPT, Gemini und Perplexity nach dem besten Restaurant in Ihrer Kategorie und Ihrem Viertel — und notieren Sie, ob Sie vorkommen. Das ist Ihr Ausgangswert.
2. Prüfen Sie Ihren Bewertungsschnitt gegen die Plattformschwellen (4,3 / 4,1 / 3,9). Liegen Sie darunter, ist das Ihre erste Priorität.
3. Füllen Sie jedes Feld Ihres Google Business Profile aus, inklusive Feiertagsöffnungszeiten.
4. Prüfen Sie die NAP-Konsistenz über jeden auffindbaren Eintrag hinweg und korrigieren oder entfernen Sie Dubletten.
5. Beanspruchen und vervollständigen Sie Ihre regionalen Verzeichniseinträge — OpenRice, Dianping, TripAdvisor und die Buchungsplattformen Ihres Marktes.
6. Ergänzen Sie Restaurant-Schema auf Ihrer Website, mit servesCuisine, priceRange, openingHoursSpecification und acceptsReservations.
7. Veröffentlichen Sie Ihre Speisekarte als echten HTML-Text, nicht als PDF oder Bild. Eine Maschine kann Ihre Karte nicht lesen, wenn sie ein Foto ist.
8. Legen Sie eine FAQ-Seite an, die die Fragen beantwortet, die Gäste tatsächlich stellen — jeweils in 40 bis 60 Wörtern direkt unter der Frage.
9. Richten Sie automatisierte Bewertungsanfragen nach dem Besuch ein, damit Bewertungen kontinuierlich statt sporadisch eingehen.
10. Antworten Sie auf Bewertungen, auch auf negative — das Antwortverhalten ist ein sichtbares Qualitätssignal.
11. Definieren Sie Ihren Aufhänger und sorgen Sie dafür, dass er auf Ihrer eigenen Website, in Ihren Verzeichnisbeschreibungen und in jeder Pressearbeit vorkommt.
12. Wiederholen Sie Schritt 1 vierteljährlich. KI-Antworten verschieben sich, und Sie wollen es vor Ihren Wettbewerbern wissen.

Wie Bistrochat dabei hilft

Mehrere Punkte dieser Liste sind Dinge, die ein Reservierungssystem entweder für Sie erledigt — oder bei denen es im Weg steht. Bistrochat versendet automatisierte Bewertungsanfragen nach dem Besuch, damit Menge und Aktualität der Bewertungen stabil bleiben, statt davon abzuhängen, dass jemand daran denkt zu fragen. Buchungen von Google Reserve, OpenRice, Dianping und dem Guide Michelin landen auf demselben Live-Tischplan wie Ihre Direktbuchungen — Präsenz auf diesen Plattformen erzeugt also kein Abgleichsproblem. Und weil Öffnungszeiten in einem einzigen Backend gepflegt und einheitlich an jeden Kanal ausgespielt werden, sind die Zeiten, die ein Gast sieht, auch die Zeiten, die Sie tatsächlich einhalten — genau die Einheitlichkeit, auf die KI-Systeme prüfen.

Nichts davon ersetzt gutes Essen. Es beseitigt die betrieblichen Gründe, aus denen ein gutes Restaurant unsichtbar bleibt.

FAQ: KI-Suche und Restaurantempfehlungen

Ersetzt die KI-Suche Google bei der Restaurantsuche? Noch nicht, aber sie gewinnt Anteile. Googles Local Pack zeigt nach wie vor weit mehr Restaurants als jeder KI-Assistent. Praktisch behandelt man KI-Sichtbarkeit als zusätzlichen Kanal mit eigenen Regeln, nicht als Ersatz für lokales SEO.

Wie lange dauert es, bis man in KI-Empfehlungen auftaucht? Verbesserungen beim Live-Retrieval — Profilgenauigkeit, Schema, Einträge — können sich innerhalb von Wochen zeigen. In das antrainierte Wissen eines Modells zu gelangen, dauert deutlich länger, da es von angesammelter Berichterstattung über viele Quellen und von künftigen Trainingszyklen abhängt.

Kann ich dafür bezahlen, in ChatGPT- oder Gemini-Empfehlungen zu erscheinen? Nein. Innerhalb dieser organischen Empfehlungen gibt es keine Werbeplatzierung. Genau deshalb können unabhängige Restaurants hier wirksamer mit Ketten konkurrieren als in der bezahlten Suche.

Wissen KI-Assistenten, ob mein Restaurant geschlossen hat oder den Küchenchef gewechselt hat? Oft nicht. Auf älteren Daten trainierte Modelle empfehlen Restaurants häufig auf Basis veralteter Informationen — eines der von uns getesteten Modelle wies selbst darauf hin. Aktuelle Einträge zu pflegen ist der Weg, die Aufzeichnung zu korrigieren.

Hilft ein Buchungs-Widget auf meiner Website der KI-Sichtbarkeit? Indirekt, aber spürbar. acceptsReservations ist ein Schema-Feld, das KI-Systeme auslesen, und ein buchbares Restaurant ist die bessere Antwort auf "wo kann ich heute Abend reservieren" als eines, bei dem man anrufen muss.

Fallen KI-Empfehlungen in verschiedenen Sprachen unterschiedlich aus? Ja, erheblich. Modelle, die vorwiegend auf englischsprachigen Quellen trainiert wurden, tragen die Verzerrung englischsprachiger Medien in sich — ein Restaurant, das in kantonesischer oder thailändischer Berichterstattung gefeiert wird, kann in einer englischen Antwort unsichtbar sein, und umgekehrt.

Sollte ich Blogbeiträge schreiben, um empfohlen zu werden? Nur wenn sie wirklich Fragen beantworten, die Gäste stellen. Inhalte, die zitiert werden, sind meist strukturiert — klare Frage, direkte Antwort im ersten Satz, kurze belegende Fakten — statt werblicher Prosa über Ihre Leidenschaft für Gastfreundschaft.

Was ist die eine Maßnahme mit der größten Wirkung, die man zuerst angehen sollte? Prüfen Sie Ihren Bewertungsschnitt gegen die Schwellenwerte. Alles andere ist verlorene Mühe, wenn Sie herausgefiltert werden, bevor der Vergleich überhaupt beginnt.

Wenn Ihr Restaurant alles richtig macht und trotzdem nicht auftaucht, sobald Gäste eine KI fragen, wo sie essen sollen, melden Sie sich bei uns — wir gehen gemeinsam durch, was tatsächlich von Ihnen sichtbar ist.