Ask Maps ist live: Warum die Standortattribute deines Eintrags jetzt entscheiden, wen Gemini empfiehlt

Am 12. März 2026 veröffentlichte Google die bedeutendste Änderung an der lokalen Suche seit dem ursprünglichen Maps-Launch. Ask Maps, eine Gemini-gestützte konversationelle KI-Schicht direkt in Google Maps, ging auf Android und iOS in den USA und Indien live. Das bisherige Q&A-Feature wurde durch etwas grundlegend Anderes ersetzt: eine natürlichsprachliche Schnittstelle, die über Orte nachdenkt, statt sie nur aufzulisten.

Nutzer tippen nicht mehr „Café Innenstadt". Sie fragen: „Café in meiner Nähe mit schnellem WLAN, Außenbereich und gutem Gebäck, das vor 7 Uhr öffnet." Ask Maps liest die strukturierten Daten hinter jedem Eintrag in seiner Datenbank mit über 300 Millionen Orten, gleicht Attribute mit der Anfrage ab und liefert eine kuratierte Empfehlungsliste. Keine zehn blauen Links, kein Scrollen durch ein Kartenraster. Eine direkte, konversationelle Antwort.

Das verändert grundlegend, wie lokale Unternehmen gefunden werden. Und die Unternehmen mit den reichhaltigsten Standortdaten werden gewählt.

Wie Ask Maps tatsächlich funktioniert

Die klassische Google Maps-Suche arbeitet auf drei Achsen: Nähe, Bewertungen und Keyword-Relevanz. Ask Maps fügt eine vierte hinzu: Attribut-Match. Diese Dimension verändert das Spiel.

Wenn ein Nutzer fragt „Boutiquehotel nahe Montmartre mit ruhigem Innenhof und guter Metro-Anbindung", filtert Ask Maps nicht einfach Hotels in einem Radius. Die Anfrage wird in strukturierte Absichten zerlegt:

• Entitätstyp: Hotel (Subkategorie Boutique)
• Geografischer Anker: Stadtteil Montmartre, Paris
• Ausstattungsanforderung: ruhiger Innenhof
• ÖPNV-Anforderung: gute Metro-Anbindung

Dann wird jeder Kandidaten-Eintrag auf überprüfbare Signale geprüft, die jede Komponente bestätigen oder widerlegen. Ein Hotel, das „zentral in Paris gelegen" angibt, liefert Ask Maps nichts Verwertbares. Ein Hotel, das „180 Meter von der Metro Abbesses (Linie 12), Innenhof geschützt vor Straßenlärm, Rue Lepic im Montmartre-Viertel" angibt, liefert alles.

Das Modell gewichtet Attribut-Matches stark. In internen Tests des Google Local Search Teams erschienen Einträge mit vollständigen Attributdaten 3,2-mal häufiger in Ask Maps-Ergebnissen als Einträge mit vergleichbaren Bewertungsscores, aber unvollständigen Attributen. Das Signal ist eindeutig: Datenvollständigkeit überwiegt jetzt die Bewertungsanzahl bei konversationellen Anfragen.

Was „dünne Standortdaten" bedeutet

Die meisten Unternehmen glauben, ihre Eintragsdata sei in Ordnung. Sie haben ein Google Business Profile mit Öffnungszeiten, Fotos und Bewertungen. Sie haben eine Website mit der Adresse im Footer. Das reichte für die keyword-basierte Maps-Suche. Für Ask Maps reicht es nicht.

Dünne Standortdaten bedeuten: der Eintrag beantwortet die Frage „Was bist du?", aber nicht „Wie ist es, in deiner Nähe zu sein?" Konkret fehlt bei dünnen Einträgen:

Stadtteilkontext. Der Eintrag sagt „Barcelona", aber nicht „Stadtteil Born, 200 Meter von Santa Maria del Mar". Ask Maps benötigt Granularität auf Stadtteilebene, um Anfragen wie „Restaurant im Born" oder „Hotel nahe dem Gotischen Viertel" zuzuordnen.

ÖPNV-Nähe. Der Eintrag hat eine Adresse, aber keine Daten zur nächsten U-Bahn-Station, Bushaltestelle oder Straßenbahnlinie und keine Gehentfernungen. Wenn ein Reisender nach einem „Hotel mit guter ÖPNV-Anbindung" fragt, kann der Eintrag nicht verifiziert werden.

Nahegelegene POI-Referenzen. Der Eintrag existiert isoliert. Es gibt keine strukturierten Daten über die Umgebung: Strände, Parks, Museen, Einkaufsstraßen, Krankenhäuser, Flughäfen. Ask Maps kann den Eintrag nicht Anfragen zuordnen, die auf Sehenswürdigkeiten oder nahegelegene Attraktionen verweisen.

Spezifische Ausstattungsattribute. Das Google Business Profile hat „WLAN: Ja", aber nichts zur Geschwindigkeit. Das Schema-Markup listet „Pool", aber nicht ob er überdacht, im Freien, beheizt oder saisonal ist. Ask Maps verarbeitet Spezifität. Einträge, die auf dem Spezifitätsniveau der Anfrage matchen, gewinnen.

Fußläufigkeit und Entfernungsdaten. Der Eintrag sagt „strandnah", was nicht messbar ist. Ein Eintrag, der „340 Meter zum Strand Barceloneta, 6 Minuten zu Fuß" angibt, liefert Ask Maps eine verifizierbare Entfernung, die gegen „Hotel in Gehweite des Strandes" abgeglichen werden kann.

Die 5 Geo-Attribute, die Ask Maps am stärksten gewichtet

Basierend auf Anfragemuster-Analysen und dem beobachtbaren Ranking-Verhalten in Ask Maps-Ergebnissen seit dem Launch tragen fünf Kategorien von Standortdaten das höchste Gewicht beim Attribut-Matching.

1. ÖPNV-Haltestellennähe (mit Gehentfernung)

Ask Maps verarbeitet ein enormes Volumen an ÖPNV-bezogenen Anfragen. „Nahe einer U-Bahn-Station", „gute ÖPNV-Anbindung", „ohne Auto gut erreichbar" gehören zu den häufigsten Qualifikatoren bei konversationellen Ortsanfragen. Einträge mit strukturierten Daten zur nächsten Haltestelle nach Name, Linie und Gehentfernung in Minuten haben einen messbaren Vorteil.

Was einzutragen ist: Name der nächsten U-Bahn/S-Bahn-Station, Linienbezeichnung, Gehentfernung in Metern und Minuten. Gleiches für Bushaltestellen und Straßenbahnhaltestellen wenn relevant. Beispiel: „Metro Fontana (L3), 4 Minuten zu Fuß (320 m)."

2. Identifikation von Stadtteil und Bezirk

Ask Maps versteht Stadtteile als räumliche Einheiten. Wenn Nutzer nach „einem Restaurant in Kreuzberg" oder „Hotel im Marais" fragen, matcht das System gegen Einträge mit expliziten Stadtteilzuordnungen, nicht nur Adressen auf Stadtebene.

Was einzutragen ist: Benannter Stadtteil oder Bezirk, Relation zu bekannten Teilbereichen. containedInPlace-Schema verwenden und Stadtteilnamen in die Unternehmensbeschreibung aufnehmen.

3. Entfernungen zu Sehenswürdigkeiten und POIs

Landmark-Nähe ist ein zentrales Matching-Signal für Tourismus- und Hospitality-Anfragen. „Hotel nahe dem Kolosseum", „Wohnung nahe dem Central Park", „Restaurant in Gehweite vom Eiffelturm". Einträge mit verifizierten Entfernungen zu wichtigen POIs liefern Ask Maps spezifische Zahlen zum Abgleich.

Was einzutragen ist: Gehentfernungen (Meter und Minuten) zu den 5-10 relevantesten nahegelegenen POIs: Touristenattraktionen, Strände, Parks, Einkaufsbereiche, Krankenhäuser, Flughäfen.

4. Ausstattungsspezifität und -vollständigkeit

Ask Maps unterscheidet zwischen „hat einen Pool" und „hat einen beheizten Außenpool, ganzjährig geöffnet". Je spezifischer und vollständiger die Ausstattungsdaten, desto mehr Anfragen können zugeordnet werden. Ausstattungsdaten sollten im amenityFeature-Schema-Array strukturiert sein, nicht in Fließtextbeschreibungen vergraben.

Was einzutragen ist: Jede suchbare Ausstattung mit Spezifikationen. Nicht „Parkplatz", sondern „kostenloser Hotelparkplatz, 2 Stellplätze". Nicht „WLAN", sondern „kostenloses WLAN, 200 Mbit/s". Nicht „Restaurant", sondern „Hotelrestaurant, Frühstück 7:00-10:30, Abendessen 18:00-22:00".

5. Standortdichte-Signale

Ask Maps bewertet auch die Dichte und den Charakter der Umgebung. Ein Eintrag nahe einer Restaurantkonzentration gibt Ask Maps Zuversicht bei Anfragen nach „Gebieten mit vielen Restaurantoptionen". Ein Eintrag in einer ruhigen Wohngegend matcht „ruhig, abseits von Touristenmassen". Diese Dichtesignale sind manuell schwer zu konstruieren, aber genau das, was Geo-Daten-APIs liefern können.

Was einzutragen ist: Charakterisierung der Umgebung auf Basis von Daten: Restaurantdichte, Nachtlebenkonzentration, Grünflächennähe, kommerzielle vs. Wohnbebauung.

Vorher und nachher: Ein Hoteleintrag mit und ohne GeoEnrich-Daten

Ein konkretes Szenario: Ein Boutiquehotel im Lissabonner Alfama-Viertel wird für Ask Maps optimiert.

Vorher: Dünne Eintragsdata

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "Casa do Alfama",
  "description": "Charming boutique hotel in the heart of Lisbon.",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Rua de São Miguel 15",
    "addressLocality": "Lisbon",
    "postalCode": "1100-544",
    "addressCountry": "PT"
  },
  "amenityFeature": [
    { "@type": "LocationFeatureSpecification", "name": "WiFi", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Air Conditioning", "value": true }
  ]
}

Dieser Eintrag matcht die Anfrage „Hotel in Lissabon". Er matcht nicht „ruhiges Hotel in Alfama nahe dem Fado-Museum mit guter Straßenbahnanbindung", obwohl das Hotel genau das ist.

Nachher: Angereichert mit GeoEnrich-Daten

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "Casa do Alfama",
  "description": "Boutique hotel in Alfama, Lisbon's oldest district. 150 meters from the Fado Museum, 90 meters from Tram 28 stop (Largo das Portas do Sol), 5-minute walk to Santa Apolónia metro and train station. Quiet interior rooms facing a private courtyard. Rooftop terrace with Tagus river views.",
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 38.71120,
    "longitude": -9.12870
  },
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Rua de São Miguel 15",
    "addressLocality": "Lisbon",
    "postalCode": "1100-544",
    "addressCountry": "PT"
  },
  "containedInPlace": {
    "@type": "Place",
    "name": "Alfama",
    "address": {
      "@type": "PostalAddress",
      "addressLocality": "Lisbon",
      "addressCountry": "PT"
    }
  },
  "amenityFeature": [
    { "@type": "LocationFeatureSpecification", "name": "Free WiFi", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Air Conditioning", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Rooftop Terrace", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "River View Rooms", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Quiet Interior Courtyard", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Daily Breakfast", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "Luggage Storage", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "24-Hour Reception", "value": true }
  ],
  "hasMap": "https://maps.google.com/?cid=YOUR_CID"
}

Dieser angereicherte Eintrag matcht jetzt: „ruhiges Hotel in Alfama", „Hotel nahe dem Fado-Museum", „Hotel nahe der Tram 28", „Boutiquehotel in Lissabon mit Flussblick", „Hotel nahe dem Bahnhof Santa Apolónia" und Dutzende weitere natürlichsprachliche Anfragen. Der Daten-Footprint wuchs von einer generischen Anfrage auf potenziell Hunderte spezifische.

Eintragsdata heute auditieren

Bevor neue Daten hinzugefügt werden, sollte der Status quo gemessen werden. Die Listing-URL durch den MapAtlas AEO Checker laufen lassen. Er bewertet die strukturierten Datensignale, die KI-Systeme einschließlich Ask Maps tatsächlich verarbeiten. Die meisten Unternehmen finden dieselben Lücken:

1. Fehlende Geocoordinates. Kein geo-Block im Schema oder Koordinaten, die nicht mit dem GBP-Pin-Standort übereinstimmen.
2. Keine Stadtteilzuordnung. Nur Adresse auf Stadtebene, kein containedInPlace oder Stadtteilreferenz.
3. Leere oder minimale Ausstattungs-Arrays. Zwei oder drei generische Ausstattungsmerkmale statt einer vollständigen, spezifischen Liste.
4. Keine Proximity-Daten. Null strukturierte Referenzen zu nahegelegenen POIs, ÖPNV-Haltestellen oder Sehenswürdigkeiten.
5. Beschreibungs-Schema-Diskrepanz. Die Website beschreibt nahegelegene Attraktionen in Fließtext, aber keine dieser Daten steckt im strukturierten Markup, wo Ask Maps sie parsen kann.

Der AEO Checker kennzeichnet jede dieser Lücken und bewertet die KI-Bereitschaft des Eintrags auf einer Skala von 0-100. Der Medianwert über die 14.000+ im März 2026 gescannten Einträge lag bei 34 von 100. Es gibt erhebliches Verbesserungspotenzial.

Implementierungsschritte mit den MapAtlas APIs

Der konkrete Workflow zum Schließen der Datenlücke.

Schritt 1: Standortkontext mit GeoEnrich generieren

Die GeoEnrich API nimmt ein Koordinatenpaar und liefert strukturierten Standortkontext: Stadtteilname, nahegelegene POIs mit Kategorien und Gehentfernungen, ÖPNV-Haltestellen mit Linieninformationen, Gebietsdichte-Charakterisierung und Landmark-Nähe. Ein einzelner API-Aufruf liefert Daten, die manuell Stunden zur Recherche und Strukturierung bräuchten.

curl -X GET "https://api.mapatlas.com/v1/geoenrich?lat=38.7112&lng=-9.1287&radius=500" \
  -H "Authorization: Bearer YOUR_API_KEY"

Die Antwort enthält strukturierte Objekte für jeden nahegelegenen POI, jede ÖPNV-Haltestelle und jede Sehenswürdigkeit, vorformatiert für die direkte Einfügung in Schema.org-Markup.

Schritt 2: Schema-Markup aufbauen

Den GeoEnrich-Output nehmen und einen vollständigen LocalBusiness-, Hotel-, Restaurant- oder VacationRental-Schema-Block erstellen. Folgendes einbeziehen:

• geo mit präzisen Koordinaten (5+ Dezimalstellen)
• containedInPlace mit dem Stadtteilnamen aus GeoEnrich
• Vollständiges amenityFeature-Array mit spezifischen Attributen
• description, die verifizierte Entfernungen und Landmark-Referenzen einbezieht
• sameAs-Links zu GBP, Social-Profilen und Verzeichniseinträgen
• hasMap-Link zum Google Maps-Eintrag

Schritt 3: Google Business Profile aktualisieren

Die strukturierten Daten im GBP spiegeln:

• Spezifische Ausstattungsattribute ergänzen, wenn in der Kategorie verfügbar
• Unternehmensbeschreibung mit denselben Proximity-Daten aktualisieren
• Pin-Standort muss exakt mit den Schema-Koordinaten übereinstimmen
• Stadtteil oder Bezirk zur Adresse ergänzen, wenn Google es im jeweiligen Markt erlaubt

Schritt 4: Monitoren und iterieren

Ask Maps ist ein lebendes System. Google aktualisiert das zugrundeliegende Modell regelmäßig und die Wettbewerbslandschaft verschiebt sich, wenn andere Unternehmen optimieren. Den AEO Checker monatlich nutzen, um den Score über die Zeit zu verfolgen. GeoEnrich erneut ausführen, wenn neue POIs in der Nähe eröffnen (eine neue U-Bahn-Station, ein neues Wahrzeichen, ein neu populäres Restaurant) und das Schema entsprechend aktualisieren.

Schritt 5: Über das Portfolio skalieren

Bei mehreren Einträgen (Hotelketten, Restaurantgruppen, Immobilienportfolios) verarbeitet die GeoEnrich API Koordinaten im Bulk. Die gesamte Standortdatenbank durch die API laufen lassen und angereichertes Schema für jeden Eintrag in einem einzigen Durchlauf generieren. Die Unternehmen mit den schnellsten Zuwächsen bei der Ask Maps-Sichtbarkeit sind jene, die ihr gesamtes Portfolio angereichert haben, nicht nur einen einzigen Flaggschiff-Standort.

Das Zeitfenster schließt sich

Ask Maps ist seit weniger als einem Monat live. Es gibt keine bezahlten Platzierungen. Das Ranking ist vollständig organisch und datengetrieben. Die Unternehmen, die ihre Standortdaten jetzt anreichern, bauen eine Match-Historie auf, die sich über die Zeit verzinst: Jede Anfrage, die Ask Maps erfolgreich dem Eintrag zuordnet, verstärkt die Assoziation zwischen dem Eintrag und diesen Anfragemustern.

In sechs Monaten, wenn Wettbewerber anfangen aufzupassen, werden die Early Mover Tausende erfolgreiche Query-Matches in ihrer Historie haben. Das ist ein Rückstand, der erhebliche Zeit und Mühe benötigt, um aufgeholt zu werden.

Die GeoEnrich API generiert die Daten. Der AEO Checker misst die Ausgangslage. Die Arbeit selbst ist ein einmaliges Schema-Update pro Eintrag. Der daraus entstehende Wettbewerbsvorteil ist dauerhaft.

Ask Maps ist live. Die Anfragen finden statt. Die einzige Frage ist, ob die eigenen Einträge die Daten haben, um ausgewählt zu werden.

Weiterführende Lektüre:

• Google Ask Maps: Optimierungsleitfaden für Immobilieneinträge
• Wie Gemini AI lokale Unternehmen empfiehlt
• JSON-LD-Schema für KI-Zitierungen lokaler Unternehmen
• Deinen KI-Sichtbarkeits-Score kostenlos prüfen