Es gibt eine Zahl, die die Rollenverteilung zwischen deiner Website und dem Rest des Internets ziemlich unangenehm klarstellt. Cloudbeds hat 2025 810 Prompts durch ChatGPT, Perplexity und Gemini geschickt, für 145 Häuser in sechs Reisezielen, und gezählt, worauf sich die Antworten stützen. 55,3 Prozent der Zitate zeigten auf OTAs. Auf Hotelwebsites zeigten 13,6 Prozent.
Wenn jemand heute ChatGPT fragt, wo er in Kufstein übernachten soll, liest die Maschine also zu mehr als der Hälfte Booking, Expedia und Tripadvisor. Und dort steht nicht dein Text. Dort stehen die Texte deiner Gäste.
Über dich wird woanders geschrieben
Das ist der Punkt, an dem Bewertungsmanagement aufhört, ein Reputationsthema zu sein. Jahrelang war die Logik: Bewertungen sind das, was Gäste vor der Buchung lesen, also kümmern wir uns darum, dass da nichts Schlimmes steht. Diese Logik unterstellt einen Menschen, der die Bewertung liest.
Inzwischen liest sie ein Modell. Und das Modell hat ein Zuordnungsproblem, das du in deinem eigenen Marketing nicht hast: Es muss entscheiden, welche Quelle über dein Haus glaubwürdig ist. Deine Website ist die eine Quelle, die per Konstruktion befangen ist.
Google hat diese Unterscheidung längst formalisiert. In der Dokumentation zu Bewertungs-Snippets steht seit Jahren und in der Fassung vom Juli 2026 unverändert: Wenn die bewertete Einheit die Bewertungen über sich selbst kontrolliert, sind ihre Seiten für das Sterne-Feature nicht zugelassen. Dazu die Regel, dass Bewertungen direkt von Nutzern stammen müssen. Übersetzt: Das schönste Testimonial-Widget auf deiner Startseite produziert für die Suche exakt null Signal.
Was daraus folgt, ist unbequem. Der Teil deiner Reputation, der in KI-Antworten überhaupt ankommt, ist genau der Teil, den du nicht redigieren kannst.
Was belegt ist und was nicht
Hier wird es in der Branche gerade unsauber, deshalb sage ich es deutlich: Die verbreitete These, KI-Systeme würden inzwischen den Bewertungstext höher gewichten als die Sternezahl, ist nicht belegt. Es gibt dazu keine Studie, die ich verantworten könnte, und kein offizielles Statement von OpenAI, Google oder Perplexity dazu, welche Signale bei lokalen Empfehlungen zählen. Wer dir das als Fakt verkauft, hat es sich zusammengereimt.
Was es gibt, sind drei Bausteine, die in dieselbe Richtung zeigen.
Erstens die Cloudbeds-Zahlen oben: Die Quellen, die zitiert werden, sind Bewertungsplattformen. Zweitens die Whitespark-Umfrage vom November 2025, in der 47 Local-SEO-Fachleute 187 Rankingfaktoren bewertet haben. Dort steht die Menge nativer Google-Bewertungen mit Text als eigener Faktor auf Rang 9, getrennt von der reinen Sternehöhe auf Rang 6. In der erstmals separat erhobenen Bewertung für KI-Sichtbarkeit landet die Autorität der Drittseiten, auf denen Bewertungen stehen, auf Rang 5. Drittens die Google-Policy: Bewertungssignale zählen strukturell nur extern.
Und ein Baustein, der gegen die bequeme Lesart spricht, weil er zur Ehrlichkeit dazugehört. In derselben Whitespark-Erhebung landet das Vorhandensein von Betreiberantworten für KI-Suche auf Rang 149, Keywords in diesen Antworten auf Rang 142. Antworten sind also kein direkter Rankinghebel. Sie wirken über einen Umweg, und der ist gut untersucht.
Der Umweg, über den Antworten wirken
Proserpio und Zervas haben in Marketing Science Zehntausende Tripadvisor-Bewertungen und Managementantworten ausgewertet. Hotels, die anfingen zu antworten, bekamen anschließend 12 Prozent mehr Bewertungen, und ihre Durchschnittsnote stieg um 0,12 Sterne. Die Antwort verändert nicht die einzelne Bewertung. Sie verändert, wer sich überhaupt die Mühe macht, eine zu schreiben.
Genau das ist der GEO-Effekt. Mehr Textbewertungen heißen mehr Material, aus dem ein Modell etwas über dein Haus ableiten kann. Ein Haus mit 40 Bewertungen und der Note 4,6 gibt einer Maschine fast nichts, woran sie eine Empfehlung festmachen könnte. Ein Haus mit 900 Bewertungen, in denen dreihundertmal das Wort Tagungsraum vorkommt, hundertmal Bergblick und achtzigmal Hunde, gibt ihr eine Entität mit Eigenschaften.
Nur gibt es eine Obergrenze. Eine Cornell-Studie von Anderson und Han aus 2016 fand ab etwa 40 Prozent Antwortquote abnehmende Erträge und formuliert es ziemlich drastisch: Zu viele Antworten seien für Bewertung und Umsatz schlechter als gar keine. Das Bauchgefühl “wir antworten ab jetzt auf alles” führt also in die falsche Richtung.
Was gute Bewertungen am Ende einbringen, hat Cornell 2012 durchgerechnet: Ein Prozent mehr im Online-Reputationsscore brachte bis zu 0,89 Prozent höheren Zimmerpreis, 0,54 Prozent mehr Auslastung und 1,42 Prozent mehr RevPAR. Die Studie ist alt, sie ist aber weiterhin die belastbarste Rechnung zu diesem Zusammenhang, und ich kenne keine neuere, die ihr widerspricht.
Warum die Abkürzung teurer wird
Parallel dazu läuft die andere Bewegung in der Branche, und die ist der eigentliche Grund, warum sich echte Bewertungsarbeit gerade lohnt.
Tripadvisor entdeckte oder verhinderte laut Transparenzbericht vom März 2025 im Jahr 2024 rund 2,7 Millionen gefälschte Bewertungen bei 31,1 Millionen eingereichten. Darunter 214.000, die als KI-generiert erkannt wurden. 54 Prozent des gesamten Betrugs entfielen auf Review-Boosting, dazu 360.000 entfernte Bewertungen aus Mitarbeiter-Incentive-Programmen. Also nicht nur die berüchtigte gekaufte Bewertung aus dem Ausland, sondern auch das gut gemeinte “schreibt uns doch mal was Nettes” ans eigene Team.
Rechtlich zieht es sich ebenfalls zu. Die FTC-Regel gegen gefälschte Bewertungen gilt in den USA seit Oktober 2024, aktuell mit bis zu 53.088 Dollar pro Verstoß, die ersten Abmahnschreiben gingen im Dezember 2025 an zehn Unternehmen. In der EU ist der Digital Fairness Act noch nicht Gesetz. Die Konsultation lief bis Oktober 2025, ein Vorschlag ist für Q4 2026 angekündigt. Als geltendes Recht sollte ihn niemand verkaufen, als Richtungsanzeige taugt er.
Fälschen wird also gerade teurer, riskanter und technisch schwieriger. Echte Bewertungen einzusammeln kostet weiterhin eine gut getimte Mail und zehn Minuten Antwortzeit pro Woche. Das Verhältnis zwischen den beiden Wegen hat sich in zwei Jahren umgedreht.
Was ich Hotels konkret empfehle
Frag am Abreisetag, nicht drei Tage später. Die Erinnerung ist dann noch konkret, und konkrete Bewertungen enthalten Substantive. “Sehr schön” hilft keiner Maschine. “Der Tagungsraum im ersten Stock hatte Tageslicht” schon.
Lenk auf Google und auf die eine Plattform, die für dein Segment zählt. Nicht auf dein eigenes Formular. Was auf deiner Seite landet, ist für die Suche und für KI-Systeme nicht vorhanden.
Antworte auf alle kritischen und etwa jede dritte positive Bewertung. Damit bleibst du unter der Cornell-Schwelle und nimmst den Mengeneffekt trotzdem mit.
Nimm in der Antwort die Sache beim Namen. Wer “danke für Ihr Feedback” schreibt, produziert Text ohne Information. Wer schreibt, dass der Küchenlärm in Zimmer 12 behoben und die Tür gedämmt ist, produziert einen Beleg.
Zähl einmal im Quartal nach, welche Wörter in deinen Bewertungen tatsächlich vorkommen. Das ist deine echte Positionierung. Die auf der Über-uns-Seite hat sie sich selbst gegeben.
Ein Rechenbeispiel
Nimm ein Haus mit 60 Zimmern, 65 Prozent Auslastung und im Schnitt zweieinhalb Nächten pro Aufenthalt. Das sind rund 5.700 Abreisen im Jahr. Schreiben davon fünf Prozent nach der Bitte am Abreisetag wirklich etwas, kommen 285 Texte zusammen, knapp 24 im Monat. Du antwortest auf alle kritischen, sagen wir zehn Prozent, und auf jede vierte positive. Das sind 93 Antworten und eine Quote von 33 Prozent, also unter der Cornell-Schwelle. Bei fünf Minuten pro Antwort landest du bei keinen zehn Minuten in der Woche. Nach drei Jahren steht das Haus bei rund 900 Textbewertungen, und ab dieser Menge liest ein Modell Eigenschaften aus deinen Gästestimmen statt einer Note. Die Zahlen sind gesetzt, nicht gemessen. Rechne sie mit deiner Auslastung und deiner echten Rücklaufquote nach, bevor du sie jemandem vorlegst.
Mein Standpunkt
Bewertungsmanagement war zehn Jahre lang eine Aufgabe für die Rezeption, irgendwo zwischen Beschwerdebearbeitung und Höflichkeit. Es ist jetzt die Stelle, an der über deine Auffindbarkeit entschieden wird, und zwar an einem Ort, den du nicht besitzt.
Das ist derselbe Mechanismus wie bei SEO und GEO überhaupt: Gutes Handwerk auf der eigenen Seite bleibt Voraussetzung, aber es entscheidet nicht mehr allein. Was dich in einer KI-Antwort auftauchen lässt, sind Aussagen über dich, die jemand anderes geschrieben hat. Bewertungen sind davon der größte Bestand, und in den meisten Häusern der am schlechtesten genutzte.
Wenn du wissen willst, wie dein Haus in ChatGPT und den Google-KI-Antworten dasteht, schau bei uns unter Hotelmarketing vorbei oder schreib mir kurz.