Googles KI entscheidet: Warum Bewertungen über Ihre Sichtbarkeit bestimmen

Vom Ranking zur Empfehlung

Lange Zeit funktionierte lokale Sichtbarkeit nach einem einfachen Prinzip: Wer für „Zahnarzt München" oder „Dachdecker Hannover" weit oben stand, wurde gesehen. Der Nutzer bekam eine Liste, verglich selbst und entschied selbst. Ein Unternehmen mit einem Schnitt von 3,9 konnte in dieser Liste auftauchen und trotzdem den Auftrag bekommen, weil der Nutzer die Bewertungen las und sich ein eigenes Bild machte.

Dieses Prinzip löst sich auf. Google hat sein KI-Modell Gemini in Google Maps und in die Suche integriert. Nutzer tippen keine Stichworte mehr, sie stellen Fragen: „Wo bekomme ich heute Abend in der Nähe gutes Sushi?" oder „Welcher Zahnarzt in München ist für Angstpatienten geeignet?" Die Antwort ist keine Liste mit zwanzig Einträgen, sondern eine kleine Auswahl, die die KI für passend hält. Wer nicht in dieser Auswahl steht, existiert für diesen Nutzer nicht.

Das ist keine Zukunftsvision, sondern läuft bereits. In Maps lassen sich Fragen in natürlicher Sprache stellen, in der Suche erscheinen KI-Übersichten am oberen Rand der Ergebnisseite, und beide greifen auf dieselben Profildaten zu. Der Anteil der Nutzer, die auf diesem Weg zu einem Unternehmen finden, wächst mit jeder Version. Für Betriebe, die bisher über die Liste gefunden wurden, ändert sich damit die Grundlage ihrer Sichtbarkeit, ohne dass sie es in ihrer eigenen Statistik unmittelbar bemerken.

Wie Gemini in Maps und Suche auswählt

Google veröffentlicht nicht im Detail, wie die Auswahl entsteht, und wir erfinden hier keine Formeln. Erkennbar ist aber, welche Daten die KI zur Verfügung hat: den Bewertungsschnitt, Zahl und Aktualität der Bewertungen, die Bewertungstexte, Fotos, Öffnungszeiten und die Angaben im Unternehmensprofil. Von all diesen Signalen sind Bewertungen das mit Abstand aussagekräftigste, weil sie das Einzige sind, was etwas über die tatsächliche Erfahrung von Kunden sagt.

Eine Frage wie „geeignet für Angstpatienten" lässt sich weder mit Öffnungszeiten noch mit Fotos beantworten. Sie lässt sich nur beantworten, wenn in den Bewertungen steht, dass Patienten sich sicher gefühlt haben. Die KI liest also nicht nur die Sternzahl, sondern den Inhalt. Sie erkennt Themen, die sich wiederholen, und sie erkennt Begriffe, die aus dem Rahmen fallen.

Warum ein schwacher Schnitt Unsichtbarkeit bedeutet

In der Listenwelt kostete ein schwacher Schnitt Aufmerksamkeit. In der Empfehlungswelt kostet er die Existenz in der Antwort. Der Unterschied ist grundsätzlich: Ein Interessent, der die Liste sieht, kann sich trotz 3,9 Sternen für Sie entscheiden. Ein Interessent, der nur drei Empfehlungen sieht, kann das nicht, weil er Sie nie zu Gesicht bekommt.

Dazu kommt, dass die KI den Inhalt liest. Eine ausführliche 1-Stern-Bewertung mit Begriffen wie „unhygienisch", „Abzocke" oder „unprofessionell" ist für ein Sprachmodell kein Ausreißer, der im Durchschnitt untergeht, sondern ein klar formuliertes Signal. Wenn dieses Signal in keiner anderen Bewertung vorkommt, fällt es eher auf, nicht weniger. Und wenn die Bewertung neu ist, wiegt sie tendenziell schwerer als ältere, weil aktuelle Erfahrungen für eine Empfehlung mehr zählen.

Genau hier liegt das Problem regelwidriger Bewertungen. Eine Bewertung ohne Kundenkontakt, die „lange Wartezeiten" beklagt, erzeugt ein Thema, das es in Ihrem Betrieb nicht gibt. Die KI kann nicht prüfen, ob die Person je bei Ihnen war. Sie sieht nur den Text und behandelt das erfundene Defizit wie ein echtes.

Was Sie beeinflussen können und was nicht

Zwei Hebel sind stark, alle anderen ergänzen nur. Der erste ist das Sammeln echter Bewertungen: Wer Kunden im richtigen Moment bittet, baut über Monate ein Profil auf, in dem die Themen vorkommen, nach denen Nutzer fragen. Wie das regelkonform geht, beschreibt unser Beitrag zum Schreiben und Sammeln von Google-Bewertungen. Der zweite Hebel ist das Entfernen regelwidriger Bewertungen. Er wirkt in Tagen statt Monaten, weil er nicht neue Daten hinzufügt, sondern falsche entfernt, und zwar genau die, die der KI ein Gegenargument liefern.

Regelwidrige Bewertungen: der schnellste Hebel

Nicht jede negative Bewertung ist regelwidrig. Wenn ein echter Kunde tatsächlich lange gewartet hat und das schreibt, ist das legitime Kritik. Sie bleibt stehen, und das ist richtig so. Die Frage ist nie, ob eine Bewertung negativ ist, sondern ob sie gegen Googles Richtlinien verstößt. Typische Fälle sehen so aus:

Der Selbstversuch, solche Bewertungen von Google prüfen zu lassen, scheitert in über 80 Prozent der Fälle, meist weil die Einordnung zu allgemein bleibt. Nach einer Ablehnung wird es für dieselbe Bewertung schwerer. Ein Anwalt kostet 300 bis 1.500 Euro pro Fall, unabhängig vom Ergebnis, und die Bewertung bleibt derweil online und in den Daten, die die KI liest.

Fazit: Das Bild bereinigen, bevor die KI es liest

Die KI-Empfehlung ist keine Prognose mehr, sondern Alltag. Wer für Fragen in Maps und Suche sichtbar bleiben will, braucht ein Bewertungsprofil, das die Wirklichkeit seines Betriebs abbildet, ohne erfundene Defizite, ohne Beleidigungen, ohne Bewertungen von Leuten, die nie da waren.

BewertungsPush ordnet Ihre Bewertungen vorab ein und reicht nur die ein, bei denen ein Verstoß plausibel ist. Der Ablauf ist automatisiert: Unternehmen suchen, Bewertungen auswählen, einreichen lassen. Berechnet werden CHF 119 pro tatsächlich entfernter Bewertung, ab fünf Bewertungen günstiger, ohne Vorkosten und ohne Anwalt. Im Schnitt dauert es 3 Werktage, typisch 3 bis 7, bei einer Erfolgsquote von 94 %. Als Beleg erhalten Sie Googles Bestätigungsmail. Legitime Kritik fassen wir nicht an.