Die meisten Leitfäden zum KI-Such-Ranking behandeln zwei Ebenen: Domain Authority und Schema Markup. Diese Leitfäden sind nicht falsch, aber sie sind auf eine Weise unvollständig, die Inseratseiten, Immobilienportale, Ferienwohnungsplattformen und jede Website mit standortbasiertem Inventar besonders beeinträchtigt.
Die dritte Ebene sind Geo-Daten. Sie ist am wenigsten dokumentiert, fehlt am häufigsten und bestimmt, ob Ihre Seiten standortspezifische Anfragen überhaupt beantworten können. Was AEO tatsächlich bedeutet zu verstehen ist der Ausgangspunkt, aber dieser Leitfaden geht tiefer in die strukturellen Faktoren, die bestimmen, ob einzelne Seiten zitiert werden.
Ebene 1: Domain- und Entitäts-Authority
Domain Authority ist die Eingangsbedingung, kein Ranking-Signal. Denken Sie daran als Schwellenwert. Seiten von Domains unterhalb von etwa DA 20 bis 30 erscheinen selten in KI-Zitationspools für wettbewerbsintensive Anfragen, unabhängig von der Inhaltsqualität. Oberhalb dieser Schwelle hat die reine DA eine abnehmende Korrelation mit der Zitationshäufigkeit.
Was sie als primäres Signal oberhalb der DA-Schwelle ersetzt hat, ist Entitäts-Authority: wie klar und konsistent KI-Modelle verstehen, was Ihre Website ist, was sie abdeckt und wen sie bedient.
Konsistente Entitätsidentität im Web. Ihr Unternehmensname, Ihre Adresse, URL und Kategorie müssen identisch in Ihrem eigenen Website-Schema, Google Business Profile, Branchenverzeichnissen und Zitationsquellen erscheinen. NAP-Inkonsistenz fragmentiert Ihre Entitätsidentität direkt in mehrere schwache Darstellungen anstatt einer starken.
Thematische Kohärenz. KI-Modelle beurteilen, ob Ihre Website einen klaren, konsistenten Themencluster hat. Eine Website mit 30 Artikeln in einer engen Nische hat in dieser Nische mehr Entitäts-Authority als eine Website mit derselben DA, die über 20 unzusammenhängende Themen verteilt ist.
sameAs-Referenzen. Das sameAs-Attribut in Ihrem JSON-LD verknüpft Ihre Entität mit ihren Darstellungen bei Wikidata, Crunchbase, LinkedIn und anderen autoritativen Graphen. KI-Modelle nutzen diese, um zu bestätigen, dass die Entität, über die sie schlussfolgern, dieselbe ist, die in mehreren Quellen beschrieben wird. Der vollständige LocalBusiness JSON-LD Implementierungsleitfaden erklärt, wie das korrekt strukturiert wird.
Wenn Ihre Domain die DA-Schwelle überschreitet, werden Verbesserungen der Entitäts-Authority mehr für KI-Zitate bewirken als zusätzlicher Linkaufbau.
Ebene 2: Schema Markup
Schema Markup ist die Kommunikationsebene zwischen Ihren Seiten und KI-Retrieval-Systemen. Seiten mit strukturierten Daten werden bei deutlich höheren Raten zitiert als Seiten ohne Schema. Google AI Overviews bevorzugen Seiten mit strukturierten Daten, und der Selektionsvorteil ist bei wettbewerbsintensiven Anfragen erheblich.
Die meisten Implementierungen stoppen bei den Feldern, die Googles Rich Results Test erfüllen, was nicht dasselbe ist wie KI-Zitationssysteme zu erfüllen.
Was die meisten Implementierungen richtig machen: @type, name, description, url, openingHours, telephone, address, FAQ-Schema.
Was die meisten Implementierungen für Inseratseiten verpassen: Die für Listungsinventare konzipierten Schema-Typen erfordern andere Eigenschaften als die Typen, die die meisten Leitfäden diskutieren.
Für Immobilien-, Ferienwohnungs- und Hospitality-Inseratseiten sind die relevanten Typen RealEstateListing, LodgingBusiness, Hotel, VacationRental, Apartment und SingleFamilyResidence, jeweils mit Offer für Preise und Verfügbarkeit verschachtelt. Diese Typen erfüllen ihre Funktion für KI-Retrieval nur, wenn sie mit den richtigen Standorteigenschaften kombiniert werden.
Der FAQ-Schema-Fehler
FAQ-Schema ist für redaktionelle Inhalte wertvoll. Es sagt KI-Engines genau, welche Frage ein Inhaltsstück beantwortet. Inseratseiten sind keine redaktionellen Inhalte. Ein Immobilieninserat beantwortet keine allgemeine Frage zu Ferienwohnungen. Es repräsentiert eine spezifische Entität an einem spezifischen Standort. FAQ-Schema hilft einer KI-Engine nicht, dieses Inserat mit "2-Zimmer-Wohnung nahe der U-Bahn" abzugleichen. Das richtige Schema für Inseratseiten ist entitäts-relational, nicht Q&A-förmig.
Ebene 3: Geo-Daten (die unterdokumentierte Ebene)
KI-Modelle, die standortspezifische Anfragen beantworten ("Ferienwohnungen nahe Yellowstone", "Wohnungen innerhalb von 10 Minuten von der Innenstadt"), führen implizites geospatiales Matching durch. Sie lösen geografische Beziehungen zwischen dem angefragten Standort und den Entitäten in ihrem Retrieval-Pool auf. Damit dieses Matching funktioniert, müssen Ihre Inseratseiten diese Beziehungen explizit in strukturierten Daten kodieren.
Präzise GeoCoordinates auf jeder Inseratseite
Die GeoCoordinates geo-Eigenschaft mit latitude und longitude auf mindestens vier Dezimalstellen ist das grundlegende Signal. Ohne sie geokodieren KI-Engines Ihren Adress-String, was bei jeder Inkonsistenz scheitert und deutlich niedrigere Präzision liefert. Die meisten Implementierungen, die geo überhaupt einschließen, wenden es nur auf ein Schema auf Website-Ebene an, nicht auf einzelne Inseratseiten. Jede Inseratseite muss ihre eigene auflösbare geografische Entität sein.
"geo": {
"@type": "GeoCoordinates",
"latitude": 48.8566,
"longitude": 2.3522
}
containedInPlace: Die Immobilie mit einer geografischen Hierarchie verknüpfen
Die containedInPlace-Eigenschaft verknüpft Ihr Inserat mit den Nachbarschafts-, Bezirks-, Stadt- und Regionsentitäten, die es enthalten. So beantworten KI-Engines Anfragen wie "Wohnungen im Marais" statt nur "Wohnungen an [Straßenadresse]". Ohne sie existiert eine Immobilie als Adresse, aber nicht als Mitglied einer geografischen Entität.
"containedInPlace": {
"@type": "Place",
"name": "Le Marais",
"containedInPlace": {
"@type": "City",
"name": "Paris"
}
}
Nahegelegene Place-Entitäten: Transit, Schulen, Sehenswürdigkeiten
Wenn ein Nutzer nach "Mietwohnungen nahe der U-Bahn" fragt, sucht die KI nach expliziten maschinenlesbaren Beziehungen zwischen der Immobilie und der Transitinfrastruktur. Ein Satz in Ihrer Beschreibung, der "5 Gehminuten zur U-Bahn Linie 4" sagt, tut nichts für das KI-Retrieval. Dieselbe Information, strukturiert als Place-Entität über amenityFeature verknüpft, ist abrufbar.
Warum Inseratdatenbanken diese Daten nicht nativ enthalten
Die meisten Immobilienverwaltungssysteme und Inseratdatenbanken speichern, was Betreiber eingeben: Adresse, Preis, Zimmer, Badezimmer, Fotos. Sie wurden für Menschen entwickelt, die ein Portal durchsuchen, nicht für maschinenlesbaren geografischen Kontext. Eine Karten-API füllt diese Lücke. Geocoding-APIs wandeln Adressen in präzise Koordinaten um. Points-of-Interest-APIs liefern Haltestellen, Schulen, Parks und Sehenswürdigkeiten innerhalb eines bestimmten Radius. Die Ausgabe bildet direkt auf Schema.org-Typen ab und kann in großem Maßstab in Inseratseiten-JSON-LD eingebettet werden.
Wie das Schließen aller drei Lücken aussieht
Eine Inseratseite, die beim KI-Retrieval gut abschneidet:
- Lebt auf einer Domain mit konsistenter Entitätsidentität,
sameAs-Referenzen und einem klaren Themencluster - Verwendet den spezifischsten zutreffenden Schema-Typ, mit
Offerfür Preise verschachtelt - Enthält
GeoCoordinatesauf der Inseratseite selbst,containedInPlacezur Verknüpfung mit Nachbarschafts- und Stadtentitäten, und strukturierte nahegelegene Place-Daten für Transit, Schulen und Sehenswürdigkeiten
Die meisten Inseratseiten decken Teile von Ebene 1 und grundlegende Teile von Ebene 2 ab. Fast keine deckt Ebene 3 ab. Die Seiten, die alle drei abdecken, sind diejenigen, die in KI-Antworten auf standortspezifische Anfragen erscheinen.
Nur 1,2 % der lokalen Unternehmen erscheinen derzeit in KI-Suchempfehlungen. Im Durchschnitt sind das nicht diejenigen mit der höchsten Domain Authority. Es sind diejenigen, die alle drei Lücken geschlossen haben.
Der MapAtlas AEO Checker überprüft Ihre Seiten auf alle drei Ebenen, einschließlich der Geo-Signale, die die meisten Tools überspringen: Koordinaten, containedInPlace und nahegelegene POI-Daten.
Häufig gestellte Fragen
Was ist der wichtigste Faktor, um von der KI-Suche zitiert zu werden?
Die Geo-Daten-Ebene fehlt am häufigsten. Domain Authority und Schema sind notwendig, aber nicht ausreichend. Explizite Geo- und Standortbeziehungen in strukturierten Daten sind es, die Zitate für standortbezogene Anfragen freischalten, und fast kein bestehender Leitfaden behandelt das.
Spielt Domain Authority in der KI-Suche 2026 noch eine Rolle?
Ja, aber als Grundvoraussetzung, nicht als Obergrenze. Seiten von Domains unterhalb von etwa DA 20 bis 30 erscheinen selten in KI-Zitationspools für wettbewerbsintensive Anfragen. Oberhalb dieser Schwelle sind Entitätsklarheit und Vollständigkeit strukturierter Daten stärkere Prädiktoren als die reine DA.
Welche Schema-Typen helfen am meisten für Inseratseiten?
RealEstateListing, LodgingBusiness, VacationRental, Apartment und SingleFamilyResidence, jeweils kombiniert mit GeoCoordinates, containedInPlace und nahe gelegenen Place-Entitäten. Generisches FAQ-Schema hat auf Inseratseiten begrenzten Wert.
Wie füge ich Geo-Daten in großem Maßstab hinzu, wenn meine Datenbank keine Koordinaten hat?
Eine Karten-API liefert Koordinaten, nahegelegene POI-Daten und Nachbarschaftskontext in Formaten, die direkt auf Schema.org-Typen abbilden, und ermöglicht so JSON-LD-Einbettung ohne manuelle Eingabe pro Inserat.
