KI-Übersichten in der lokalen Suche: Warum Local Pack Rankings allein nicht mehr reichen

KI-Übersichten erscheinen inzwischen bei einem größeren Anteil lokaler Suchanfragen als das klassische Local Pack. Wer dort als Quelle genannt werden will, braucht faktendichte Inhalte, glaubwürdige Standortsignale und Sichtbarkeit auch außerhalb der eigenen Website.

Lokale Unternehmen, die gut im Google Map Pack platziert sind, tauchen bei denselben Suchanfragen häufig in der KI-Übersicht gar nicht auf. Beide Systeme folgen unterschiedlichen Logiken, und wer nur eines davon bedient, verschenkt einen wachsenden Teil der Sichtbarkeit.

Für die Einordnung im weiteren Text sind drei Begriffe wichtig, die häufig durcheinandergeworfen werden: Local Ranking bezeichnet die Position im klassischen lokalen Suchergebnis, etwa im Map Pack. AI Visibility bezeichnet, ob ein Unternehmen in einer KI-generierten Antwort überhaupt erwähnt wird. Citation bezeichnet konkret, ob die eigene Website oder ein eigenes Profil als Quelle herangezogen oder verlinkt wird. Ein Unternehmen kann in einer KI-Antwort erwähnt werden, ohne dass die eigene Website als Quelle zitiert wird, etwa wenn die Information über ein Verzeichnis oder eine Bewertungsplattform eingeflossen ist.

Die Sichtbarkeitslücke: KI-Übersichten vs. Local Pack

In einer Stichprobe von Whitespark, 540 manuell ausgewertete Suchanfragen aus sechs Branchen in drei US-Städten, erschienen KI-Übersichten bei rund 68 Prozent der Anfragen, das klassische Local Pack dagegen nur bei etwa 39 Prozent derselben Anfragen.

Diese Differenz von rund 29 Prozentpunkten stammt aus einer einzelnen, vergleichsweise kleinen US-Stichprobe und lässt sich nicht unverändert auf den deutschen Markt übertragen. Eine größere Untersuchung von Local Falcon mit 60.000 Suchanfragen aus 20 Ländern kam auf einen deutlich niedrigeren Wert von rund 40 Prozent, weil dort auch Suchanfragen einbezogen wurden, bei denen KI-Übersichten grundsätzlich selten erscheinen. Beide Werte widersprechen sich nicht, sie messen unterschiedliche Ausschnitte des Suchverhaltens. Belastbar ist die Richtung: KI-Übersichten nehmen bei lokalen Suchanfragen an Bedeutung zu, eine feste, weltweit gültige Prozentzahl gibt es dafür nicht.

Wie stark sich die Lücke nach Suchabsicht unterscheidet

Bei einfachen Transaktionsanfragen bleibt das Local Pack dominant, während informationelle und preisbezogene Suchanfragen zu einem sehr hohen Anteil KI-Übersichten auslösen.

Die Verteilung folgt einem klaren Muster:

• Einfache Transaktionsanfragen wie eine konkrete Restaurantsuche lösen weiterhin überwiegend das klassische Local Pack aus.
• Informationelle Nahbereichs-Anfragen, etwa zur Dauer einer Dienstleistung, führten in derselben Whitespark-Stichprobe in rund 92 Prozent der Fälle zu einer KI-Übersicht.
• Hybride Anfragen mit Preis- und Ortsbezug, etwa zu regionalen Durchschnittskosten einer Leistung, lösten dort sogar in rund 97 Prozent der Fälle eine KI-Übersicht aus.

Für Unternehmen, deren Zielgruppe vor der Kaufentscheidung recherchiert und vergleicht, bedeutet das: Der relevante Wettbewerb findet inzwischen überwiegend in der KI-Übersicht statt, nicht mehr ausschließlich im Map Pack. Wie sich eine vollständige Local SEO Strategie über beide Bereiche hinweg aufbauen lässt, behandeln wir in einem separaten Leitfaden.

Wichtig zur Einordnung: Google selbst weist in seiner offiziellen Dokumentation zu KI-Funktionen in der Suche darauf hin, dass es für die Aufnahme in KI-Übersichten keine gesonderten Anforderungen oder ein spezielles Markup gibt. Die grundlegenden SEO-Prinzipien bleiben maßgeblich, sie gewinnen im Kontext von KI-Übersichten jedoch an Bedeutung.

Google AI Overviews, ChatGPT und Perplexity: eine Taktik passt nicht für alle

„KI-Suche“ ist kein einheitliches System. Google AI Overviews, ChatGPT und Perplexity wählen ihre Quellen nach unterschiedlichen Verfahren aus, weshalb eine einzelne Optimierungsregel nicht für alle drei gleichermaßen gilt.

Mehrere unabhängige Analysen, unter anderem von Profound auf Basis von über 680 Millionen ausgewerteten Zitaten sowie von Ahrefs, kommen unabhängig voneinander zu einem übereinstimmenden qualitativen Befund, auch wenn sich die genauen Prozentwerte je nach Studie und Methodik deutlich unterscheiden:

• Google AI Overviews bauen auf der bestehenden Google-Suchinfrastruktur auf. Ergebnisse, die klassisch bereits gut ranken, tauchen tendenziell auch in der KI-Übersicht auf. Klassische SEO-Grundlagen wirken hier am direktesten.
• ChatGPT zeigt Quellenangaben nur dann an, wenn die Websuche-Funktion aktiv genutzt wird, zitiert im Schnitt deutlich weniger Quellen pro Antwort als die anderen beiden Systeme und griff in mehreren Auswertungen auffällig häufig auf Wikipedia zurück.
• Perplexity führt für praktisch jede Anfrage eine eigene Web-Recherche in Echtzeit durch, zeigt standardmäßig Quellenangaben an und zitiert im Schnitt deutlich mehr Quellen pro Antwort, darunter überdurchschnittlich häufig Diskussionsplattformen wie Reddit.

Für ein deutsches KMU mit begrenzten Ressourcen bedeutet das in der Praxis: Google AI Overviews verdienen die höchste Priorität, weil sie direkt in die dominante Suchmaschine des deutschen Marktes eingebettet sind und am stärksten von klassischer Local SEO profitieren. ChatGPT und Perplexity spielen für rein lokale, standortbezogene Suchanfragen aktuell eine kleinere, aber wachsende Rolle und folgen eigenen Regeln, die eine gesonderte Betrachtung erfordern, sobald die Grundlagen für Google AI Overviews stehen.

Google Gemini als eigenständige App ist von den KI-Übersichten in der Google-Suche zu unterscheiden: Beide nutzen zwar dieselbe zugrunde liegende Modellfamilie, greifen aber auf unterschiedliche Datenquellen zu.

Faktendichte statt Fließtext: Was KI-Systeme aus einer Seite herauslesen

Sprachmodelle extrahieren bevorzugt klar strukturierte, eindeutig belegbare Datenpunkte aus einer Seite, statt Bedeutung aus langen Fließtext-Absätzen zu interpretieren.

KI-Systeme funktionieren als Mustererkennung. Eine Tabelle mit Öffnungszeiten, Preisspannen oder Leistungsmerkmalen liefert eindeutige, isolierte Informationseinheiten. Ein Absatz, der dieselben Informationen in beschreibender Sprache verpackt, verlangt vom Modell zusätzliche Interpretationsarbeit, mit entsprechend höherer Fehleranfälligkeit.

Tabellen, FAQs und strukturierte Datenpunkte statt Prosa

Eine Untersuchung von Kevin Indig zu über einer Million ChatGPT-Antworten, nicht zu Googles KI-Übersichten, zeigt für dieses System, dass zitierte Textpassagen überproportional aus eindeutigen, entitätsreichen Aussagen stammen und dass rund 44 Prozent der Zitate aus dem oberen Drittel einer Seite stammen. Google AI Overviews, ChatGPT, Perplexity und Gemini nutzen unterschiedliche Verfahren zur Quellenauswahl, ein pauschaler Rückschluss von einem System auf alle anderen ist deshalb nicht zulässig. Das grundlegende Prinzip, dass klar strukturierte Fakten leichter extrahierbar sind als interpretationsbedürftiger Fließtext, gilt jedoch systemübergreifend als plausibel.

Für die praktische Umsetzung bedeutet das:

• NAP-Daten, Öffnungszeiten und Einzugsgebiet in Tabellenform statt im Fließtext.
• Standortspezifische FAQs, etwa zu regionalen Vorschriften oder saisonalen Besonderheiten.
• Konkrete Preisspannen statt allgemeiner Formulierungen wie „auf Anfrage“.
• Die wichtigste Information in den ersten 30 Prozent der Seite, da dieser Bereich laut der genannten Untersuchung überproportional häufig zitiert wird.

Eine grundlegende Struktur für Standortseiten, einschließlich Schema.org-Auszeichnung, haben wir bereits im Beitrag zur Local-SEO-Strategie beschrieben. Der Unterschied für KI-Zitierfähigkeit liegt in der Verdichtung: Wo eine Standortseite bisher mit beschreibendem Text auskam, verlangt die Aufnahme in eine KI-Übersicht zusätzlich isolierte, tabellarisch aufbereitete Fakten. Wer diese Struktur professionell umsetzen lassen möchte, findet einen Überblick über unsere Local-SEO-Leistungen.

Ortsbezogene Bilder statt generischer Stockfotos

Google bietet mit der Vision API eine öffentlich zugängliche Bilderkennung, die unter anderem Wahrzeichen identifizieren kann. Ob und wie stark dieselbe Art der Bildanalyse auch bei der Auswahl von Quellen für KI-Übersichten einfließt, ist von Google nicht offiziell bestätigt. Es handelt sich um eine in der SEO-Praxis beobachtete, plausible Annahme, nicht um einen belegten Rankingfaktor.

Unabhängig von der ungeklärten technischen Wirkung liefert ein Foto von lächelnden Personen in einem nicht identifizierbaren Büro für Menschen wie für Maschinen keine verwertbare Ortsinformation. Ein erkennbares lokales Wahrzeichen dagegen liefert diesen Kontext zusätzlich zum Text.

Praktische Vorgehensweise für Landmark-Bilder

Der SEO-Berater Steve Toth hat diesen Ansatz geprägt: Jede Standortseite erhält mindestens drei Bilder mit erkennbaren, lokalen Wahrzeichen, korrekt lizenziert und beschriftet. Als praktische Ergänzung zur inhaltlichen Substanz einer Standortseite ist die Methode plausibel, auch wenn sich ihr genauer Effekt auf KI-Zitate derzeit nicht seriös beziffern lässt.

Die konkrete Umsetzung läuft in fünf Schritten ab:

1. In der Google Bildersuche gezielt nach dem Namen des Wahrzeichens suchen, nicht nach dem Stadtnamen allgemein.
2. Unter „Tools“ die Nutzungsrechte auf Creative-Commons-Lizenzen filtern.
3. Über die Originalquelle die genaue Lizenzart prüfen, bevor das Bild heruntergeladen wird.
4. Die Bilddatei vor dem Hochladen sprechend benennen, etwa „hauptmarkt-neuss-altstadt.jpg“ statt einer Gerätebezeichnung.
5. Alt-Text mit natürlicher Ortsangabe ergänzen und die Lizenzquelle korrekt in einer Bildunterschrift nennen.

Drei aufeinander abgestimmte Bilder, kombiniert mit sprechenden Dateinamen und einem passenden Alt-Text, ergeben ein deutlich stärkeres Ortssignal als ein einzelnes Foto. Diese Maßnahme ersetzt keine inhaltliche Substanz, sie ergänzt die textbasierten Ortssignale um eine zusätzliche, plausible visuelle Ebene.

Preis- und Kosten-Guides als unterschätzter Zitier-Hebel

Suchanfragen mit Preisbezug lösen überdurchschnittlich häufig KI-Übersichten aus, viele lokale Unternehmen vermeiden jedoch bewusst konkrete Preisangaben auf der eigenen Website.

Die Zurückhaltung ist nachvollziehbar: Wer Preise veröffentlicht, befürchtet, sich auf eine Zahl festzulegen oder der Konkurrenz eine Kalkulationsgrundlage zu liefern. Bleibt die Preisfrage unbeantwortet, zieht die KI jedoch einen anderen Anbieter heran, der eine konkrete Spanne nennt, und dieser Anbieter erhält die Zitierung, die Aufmerksamkeit und in der Folge die Anfrage.

Eine belastbare Preis-Guide-Seite muss keine Festpreise enthalten. Eine realistische Spanne, etwa „Grundpakete für eine Rasenpflege liegen je nach Grundstücksgröße und Frequenz meist zwischen 80 und 150 Euro pro Monat“, verbunden mit einer Erklärung der preisbestimmenden Faktoren, liefert genau die Art von Information, die ein Sprachmodell mit Zuversicht zitieren kann. Relevante Preisfaktoren wie Fläche, Materialqualität, Dringlichkeit oder regionale Genehmigungspflichten sollten dabei benannt werden. Bei der Formulierung lohnt sich ein Blick auf die tatsächliche Wortwahl von Suchenden, etwa über die Fragen, die in Foren oder in der automatischen Google-Vervollständigung auftauchen, da diese oft von der Terminologie professioneller Anbieter abweicht.

Zitierautorität jenseits der eigenen Website

Eine Analyse von Omniscient Digital auf Basis von über 23.000 Zitationen zeigt, dass die eigene Website bei markenbezogenen Suchanfragen nur für rund 23 Prozent der KI-Zitate verantwortlich ist, während der überwiegende Teil aus externen Quellen stammt.

Eine perfekt aufgebaute Standortseite ist damit nur ein Teil der Aufgabe. KI-Systeme gleichen die eigenen Angaben mit externen Quellen ab, bevor sie ein Unternehmen mit Zuversicht zitieren.

Verzeichnisse, Foren und Aktualität als externe Signale

Konsistente Einträge in Branchenverzeichnissen, aktive Präsenz in nutzergenerierten Plattformen und regelmäßig aktualisierte Inhalte erhöhen die Wahrscheinlichkeit, von KI-Systemen als vertrauenswürdige Quelle eingestuft zu werden.

Vier Hebel wirken hier besonders deutlich:

• Verzeichnis-Konsistenz. Widersprüchliche Firmendaten über mehrere Portale hinweg senken das Vertrauen des Systems in die zugrunde liegende Entität. Wie ein systematisches Citations-Audit abläuft, beschreiben wir ausführlich im Beitrag zur NAP-Konsistenz.
• Präsenz auf nutzergenerierten Plattformen. Laut einer Untersuchung von Averi.ai ist Reddit inzwischen die am häufigsten zitierte Quelle in Googles KI-Übersichten, mit einem Anteil von rund 21 Prozent, gefolgt von YouTube mit knapp 19 Prozent. Das zeigt, dass diese Plattformen als Quelle relevant sind, ein Beleg dafür, dass einzelne Erwähnungen oder Bewertungen die eigene Zitierwahrscheinlichkeit unmittelbar erhöhen, liegt daraus allein nicht vor. Plausibel ist dennoch, dass eine authentische Präsenz dort, wo diskutiert wird, die Chance auf eine Erwähnung erhöht.
• Inhaltliche Aktualität. Eine Ahrefs-Analyse von 17 Millionen KI-Zitaten zeigt, dass zitierte Inhalte im Durchschnitt rund 26 Prozent aktueller sind als klassisch gerankte Inhalte. Das belegt eine Korrelation zwischen Aktualität und Zitierung, keinen bewiesenen ursächlichen Rankingfaktor. Ein wiederkehrender Rhythmus zur Aktualisierung bestehender Inhalte ist dennoch aus Vorsichtsgründen empfehlenswert.
• Eigene Daten, die niemand sonst hat. Ein Sprachmodell kann eine Information nur begrenzt eigenständig gewichten, wenn sie auf hundert anderen Websites identisch steht. Aggregierte, anonymisierte Beobachtungen aus der eigenen Praxis, etwa regionale Preisspannen aus mehreren betreuten Projekten oder eine Auswertung häufiger Kundenfragen einer Branche, lassen sich dagegen nirgendwo sonst finden und damit auch nicht austauschbar kopieren.

Für Unternehmen ohne große PR-Abteilung sind vor allem der erste, zweite und vierte Hebel zugänglich: ein bereinigtes Verzeichnis-Profil, eine ehrliche, aktive Präsenz dort, wo die eigene Zielgruppe tatsächlich diskutiert, und die systematische Auswertung ohnehin vorhandener eigener Erfahrungswerte. Bei Digi-Workx fließt diese externe Signalarbeit inzwischen standardmäßig in die Betreuung von Standortseiten ein, ergänzend zur klassischen Onpage-Optimierung.

So überprüfen Sie Ihre eigene AI-Sichtbarkeit

Ohne eine feste, wiederholbare Prüfroutine bleibt unklar, ob ein Unternehmen in KI-Übersichten überhaupt vorkommt oder ob die eigene Standortseite gar nicht das Problem ist.

Eine praktikable Vorgehensweise ohne zusätzliches Werkzeug lässt sich in vier Schritten umsetzen:

1. Eine feste Liste realistischer Suchanfragen definieren. Fünf bis zehn Fragen, wie sie ein Kunde tatsächlich stellen würde, informationell, kommerziell und preisbezogen gemischt, nicht nur die eigene Wunsch-Keyword-Phrase.
2. Diese Anfragen regelmäßig ohne Personalisierung testen. Im Inkognito-Modus, ohne angemeldetes Google-Konto, da personalisierte Suchhistorie das Ergebnis verzerrt.
3. Drei Ergebnisse pro Anfrage festhalten: Erscheint überhaupt eine KI-Übersicht? Wird das eigene Unternehmen dort erwähnt oder verlinkt? Welches Unternehmen wird stattdessen genannt?
4. Das Ergebnis dem klassischen Local-Pack-Ranking derselben Anfrage gegenüberstellen. Erscheint das eigene Unternehmen im Local Pack, aber nicht in der KI-Übersicht, liegt ein Citability-Problem vor, keine grundsätzliche Sichtbarkeitsschwäche. Fehlt es in beiden, liegt die Ursache wahrscheinlich tiefer, etwa bei der Standortseite selbst oder bei der Verzeichnis-Konsistenz.

Diese Prüfung liefert keine repräsentative Statistik, sie zeigt aber innerhalb weniger Minuten pro Monat, ob sich die eigene Zitierfähigkeit bei den tatsächlich relevanten Suchanfragen verbessert. Ein monatlicher Rhythmus reicht für die meisten lokalen Unternehmen aus, bei stark umkämpften Branchen empfiehlt sich ein zwei- bis vierwöchentlicher Test.

Klassischer Ansatz vs. KI-zitierfähiger Ansatz

Die folgende Tabelle stellt den bisher üblichen Umgang mit Standortinhalten der aktuell erforderlichen Herangehensweise gegenüber.

Häufig gestellte Fragen zu KI-Übersichten in der lokalen Suche

Fazit

Handlungsempfehlungen im Überblick:

• Standortseiten um tabellarische Fakten statt zusätzlichen Fließtextes ergänzen.
• Generische Stockfotos durch lizenzierte, ortsbezogene Wahrzeichen-Bilder ersetzen.
• Realistische Preisspannen statt „Preis auf Anfrage“ veröffentlichen.
• Verzeichnis-Einträge bereinigen und aktive Präsenz auf relevanten Bewertungs- und Forenplattformen aufbauen.
• Einen festen Rhythmus zur Aktualisierung bestehender Inhalte etablieren.

Local-Pack-Rankings bleiben relevant, sie sind jedoch nicht mehr die einzige Bühne, auf der lokale Sichtbarkeit entschieden wird. Die Verschiebung hin zu KI-Übersichten verändert, welche Inhalte überhaupt als zitierfähig gelten: faktendicht statt beschreibend, glaubwürdig bebildert statt generisch bebildert, und über die eigene Website hinaus sichtbar statt isoliert.

Die Ausgangslage ist für kleinere Unternehmen dabei nicht grundsätzlich schlechter als für große Marken, da die zugrunde liegenden Systeme nach nachvollziehbaren Fakten suchen, nicht nach Werbebudget. Wer diese Struktur frühzeitig aufbaut, verschafft sich einen Vorsprung gegenüber Wettbewerbern, die noch mit generischen Standortseiten arbeiten. Digi-Workx unterstützt Unternehmen dabei, Standortinhalte entsprechend dieser Anforderungen aufzubauen und zu pflegen.