Welche Daten nutzt ChatGPT für lokale Empfehlungen? (Und warum Foursquare den Großteil davon kontrolliert)

Die meisten Unternehmer gehen davon aus, dass sie in ChatGPT erscheinen, wenn sie bei Google gut ranken. Die Daten widersprechen dem. Hier erfahren Sie, was KI-lokale Empfehlungen wirklich antreibt und warum die Lücke zwischen Google-Sichtbarkeit und KI-Sichtbarkeit größer ist, als die meisten ahnen.

Wenn ein Kunde ChatGPT fragt "bestes italienisches Restaurant in meiner Nähe" oder "Immobilienverwaltung in Amsterdam gesucht", sucht ChatGPT nicht bei Google. Es prüft nicht Ihr Google Business-Profil. Es wirft keinen Blick auf Ihre Sternebewertung in Maps. Es bezieht Daten aus einer vollständig anderen Infrastruktur, und das Unternehmen, das für diese Infrastruktur am meisten verantwortlich ist, würden Sie nicht erwarten: Es ist Foursquare.

Zu verstehen, woher KI-Plattformen ihre lokalen Daten beziehen, ist der erste Schritt, um in KI-generierten Empfehlungen zu erscheinen. Und gerade jetzt operieren die meisten Unternehmen auf der Basis vollständig falscher Annahmen darüber, wie dieses System funktioniert.

Die Zahlen, die Ihr Denken über KI-Suche verändern sollten

Die Nutzung von KI für die Entdeckung lokaler Unternehmen hat sich schneller entwickelt als nahezu jede andere Technologie in jüngerer Vergangenheit. Im Jahr 2025 nutzten 6 % der Verbraucher KI-Assistenten, um lokale Unternehmensempfehlungen zu finden. Anfang 2026 sind es bereits 45 %.

Das ist keine graduelle Adoptionskurve. Das ist ein nahezu senkrechter Anstieg innerhalb eines Jahres.

Gleichzeitig erscheinen nur 1,2 % der lokalen Unternehmen tatsächlich in KI-generierten Empfehlungen. Die Lücke zwischen der Anzahl der Verbraucher, die KI nutzen, um Unternehmen zu finden, und der Anzahl der Unternehmen, die für diese Verbraucher sichtbar sind, ist enorm und wächst weiter.

Wenn Ihr Unternehmen nicht für KI-Sichtbarkeit ausgerichtet ist, sind Sie für nahezu die Hälfte Ihrer potenziellen Kunden unsichtbar, genau in dem Moment, in dem diese nach Ihrem Angebot suchen.

Woher ChatGPT seine lokalen Daten wirklich bezieht

Unabhängige Studien, die untersuchten, wie große KI-Plattformen lokale Unternehmensinformationen beziehen, lieferten Ergebnisse, die die meisten Marketer und Entwickler überraschten.

Foursquare ist die primäre Datenquelle für lokale ChatGPT-Empfehlungen und erscheint in etwa 70 % der analysierten lokalen Empfehlungsanfragen. Diese Partnerschaft wird nicht in Pressemitteilungen angekündigt. Es handelt sich um eine Datenpipeline-Beziehung, von der die meisten Unternehmen nichts wissen.

Yelp ist eine sekundäre Quelle und erscheint in etwa 33 % der KI-Plattform-Suchanfragen. Perplexity nutzt Yelp auffälligerweise als primäre lokale Datenquelle in jeder untersuchten Branchenkategorie.

Die Daten des Google Business-Profils fließen nicht auf dem Weg, den die meisten Menschen annehmen, direkt in ChatGPT-Empfehlungen ein. Ihr Google-Ranking und Ihre KI-Sichtbarkeit funktionieren weitgehend unabhängig voneinander.

Die Foursquare-Situation 2025-2026

Falls Sie mit Foursquares jüngerer Geschichte nicht vertraut sind, hier die Kurzversion.

Foursquare war ursprünglich eine Verbraucher-Check-in-App, die zu einer riesigen Ortsdatenbank wurde. Im Jahr 2025 stellte das Unternehmen seinen verbraucherorientierten Stadtführer ein, um sich vollständig auf B2B-Standortintelligenz zu konzentrieren. Heute verkauft es Fußgängerfrequenzanalysen, Ortsdaten und Standort-APIs an Unternehmen, Kartierungsplattformen und KI-Firmen.

Die Einstellung des Verbraucherangebots hat die Datenpipeline nicht beeinträchtigt. Foursquares Ortsdatenbank, aufgebaut aus Jahren von Check-ins, Venue-Daten und Unternehmenseinträgen, bleibt eine der umfassendsten verfügbaren Quellen für reale Ortsinformationen. KI-Unternehmen nutzen sie, weil sie präzise, strukturiert und regelmäßig aktualisiert ist.

Foursquare hat außerdem eine Partnerschaft mit Reprompt eingegangen, einem Start-up, das KI-Agenten einsetzt, um das Web nach Echtzeit-Updates zu durchsuchen, Foursquare-Einträge mit aktuellen Daten anzureichern und für jeden Datenpunkt eine transparente Herkunft bereitzustellen. Die Pipeline wird aktiv gepflegt und ist nicht statisch.

Das ist für Ihr Unternehmen relevant: Wenn Ihr Foursquare-Eintrag unvollständig, ungenau oder nicht vorhanden ist, sind Sie für 70 % der Datenpipeline unsichtbar, die ChatGPT für lokale Empfehlungen nutzt.

Warum Google-Rankings keine KI-Sichtbarkeit vorhersagen

Das ist die Annahme, über die die meisten Unternehmen und Marketer stolpern: Wenn ich auf Seite eins bei Google ranke, muss ich doch auch in der KI-Suche sichtbar sein.

Die Studienlage zeigt häufig das Gegenteil. Etwa 89 % der ChatGPT-Zitate stammen von Websites, die bei Google auf Position 21 oder niedriger rangieren. Die Überschneidung zwischen traditionellem lokalen Suchranking und KI-Empfehlungsauswahl beträgt etwa 45 %, was bedeutet, dass mehr als die Hälfte der KI-Empfehlungen Unternehmen sind, die in einem Standard-Google-Local-Pack-Ergebnis nicht erscheinen würden.

Dafür gibt es strukturelle Gründe. Traditionelles Local-SEO gewichtet Nähe stark. Befindet sich Ihr Unternehmen 300 Meter vom Standort einer Person entfernt, ranken Sie bei ansonsten gleichen Bedingungen höher als ein Unternehmen in 3 Kilometer Entfernung. KI-Plattformen funktionieren anders. Sie gewichten Datenqualität, Entitätskonsistenz und strukturelle Vollständigkeit gegenüber räumlicher Nähe.

Ein Unternehmen mit einem gut strukturierten Eintrag, korrekten Geo-Daten, konsistenten NAP-Informationen über Verzeichnisse hinweg und reichhaltigem Schema-Markup auf seiner Website kann in KI-Empfehlungen vor einem nahegelegenen Wettbewerber erscheinen, dessen Daten dünn, inkonsistent oder in wichtigen Quellen nicht vorhanden sind.

Das ist ein grundlegender Wandel darin, wie Entdeckung funktioniert. Die Regeln haben sich geändert, und die meisten Unternehmen haben ihren Ansatz noch nicht angepasst.

Die drei Datenschichten, die KI-Plattformen nutzen

Das vollständige Bild zu verstehen bedeutet zu begreifen, dass KI-lokale Empfehlungen nicht aus einer einzelnen Quelle aufgebaut werden. Sie überlagern mehrere Signale:

Schicht 1: Drittanbieter-Ortsdatenbanken (Foursquare, Yelp)

Das ist die primäre Schicht und diejenige, die die meisten Unternehmen vernachlässigen. Foursquare und Yelp fungieren als vorkuratierte, strukturierte Repositorien von Unternehmensinformationen. KI-Modelle vertrauen diesen Quellen, weil sie über Jahre gepflegt und validiert wurden.

Was Foursquare in Bezug auf Vollständigkeit bewertet:

• Unternehmensname, Adresse, Telefonnummer (exakt und konsistent)
• Öffnungszeiten (aktualisiert für Feiertage und saisonale Änderungen)
• Unternehmenskategorie (spezifisch, nicht generisch)
• Fotos (mindestens 10, aktuell)
• Beschreibung (150+ Wörter, standortspezifisch)
• Preisklasse und Attribute

Ein unvollständiger Eintrag auf Foursquare ist nicht nur eine verpasste Gelegenheit. Er reduziert aktiv die Wahrscheinlichkeit, in ChatGPT-Empfehlungen zu erscheinen, weil unvollständige Einträge in der Datenpipeline niedriger gewichtet werden.

Schicht 2: Strukturierte Daten auf der eigenen Website

KI-Crawler lesen Ihre Website und suchen nach maschinenlesbaren Signalen. JSON-LD-Schema ist das effektivste Format. Ein LocalBusiness-Schema mit vollständigen Feldern, einschließlich GeoCoordinates, teilt KI-Systemen genau mit, was Ihr Unternehmen ist, wo es sich befindet und was es anbietet, ohne dass die KI unstrukturierten Text interpretieren muss.

{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "name": "Your Business Name",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "123 Example Street",
    "addressLocality": "Amsterdam",
    "postalCode": "1000 AA",
    "addressCountry": "NL"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 52.3676,
    "longitude": 4.9041
  },
  "telephone": "+31-20-555-0100",
  "openingHours": "Mo-Fr 09:00-18:00",
  "url": "https://yourbusiness.com"
}

Das geo-Feld mit präzisen Koordinaten ist eines der am häufigsten unterschätzten Signale im lokalen AEO. KI-Plattformen extrahieren GeoCoordinates gezielt, weil Adressstrings mehrdeutig sind und geparst werden müssen. Koordinaten sind eindeutig.

Schicht 3: Kontextuelle Geo-Signale

Das ist die Schicht, die die meisten Leitfäden komplett überspringen. Über Ihre eigenen Eintragssdaten hinaus bewerten KI-Plattformen geografischen Kontext: Was befindet sich in der Nähe Ihres Unternehmens, welche Verkehrsmittel gibt es, in welchem Viertel oder Bezirk Sie sich befinden, welches Einzugsgebiet Sie abdecken.

Ein Ferienwohnungseintrag, der nahegelegene Sehenswürdigkeiten, Fußläufigkeit und Abstände zu öffentlichen Verkehrsmitteln enthält, erscheint deutlich häufiger in KI-Empfehlungen als ein Eintrag, der nur Adresse und Nachtpreis enthält. Das liegt nicht daran, dass die zusätzlichen Informationen Marketingtext sind. Es liegt daran, dass KI-Systeme geografischen Kontext nutzen, um die bewertete Entität zu verifizieren und anzureichern.

Für Unternehmen, die Mapping-APIs nutzen, kann dieser Kontext systematisch generiert werden: nahegelegene Points of Interest, Isochronen-basierte Einzugsgebiete, Verkehrsnähe aus Routing-Daten. Die Geo-Datenschicht ist keine manuelle Schreibaufgabe. Es ist eine Infrastrukturaufgabe.

Die plattformspezifische Aufschlüsselung

Verschiedene KI-Plattformen gewichten diese Schichten unterschiedlich:

ChatGPT Primärquelle: Foursquare (70 % der lokalen Empfehlungen) Sekundär: Yelp, Unternehmenswebsites, Web-Crawl Wichtigste Maßnahme: Foursquare for Business-Eintrag vollständig ausfüllen

Perplexity Primärquelle: Yelp (in jeder Branchenkategorie vertreten) Sekundär: Direkter Web-Crawl, strukturierte Daten auf Unternehmensseiten Wichtigste Maßnahme: Vollständiger und korrekter Yelp-Eintrag sowie JSON-LD auf der Website

Google AI Overviews Primärquelle: Googles eigener Index (Google Business-Profil, strukturierte Daten, Bewertungen) Erscheint in 68 % der lokalen Suchanfragen; 92 % der informativen lokalen Anfragen Wichtigste Maßnahme: Google Business-Profil optimieren, LocalBusiness-Schema, FAQ-Schema

Gemini Ähnlich wie Google AI Overviews, aber mit deutlich niedrigerer lokaler Empfehlungsrate (11 % vs. 1,2 % bei ChatGPT) Wichtigste Maßnahme: Wie bei Google AI Overviews

Die praktische Schlussfolgerung: Keine einzelne Plattform dominiert, und wer nur eine optimiert und die anderen vernachlässigt, ist exponiert. Ein Unternehmen, das nur an seinem Google Business-Profil gearbeitet hat, erscheint in Google AI Overviews, ist aber für die 31 % der Verbraucher unsichtbar, die ChatGPT für lokale Empfehlungen nutzen.

Was Entitätskonsistenz wirklich bedeutet

Der Begriff "NAP-Konsistenz" (Name, Adresse, Telefon) erscheint in fast jedem Local-SEO-Leitfaden, verdient aber im Kontext der KI-Suche eine spezifischere Behandlung.

Studien zur KI-Empfehlungsauswahl zeigen, dass Unternehmen mit konsistenten Entitätsdaten über 60 oder mehr Verzeichnisse hinweg ihre KI-Suchsichtbarkeit 74 % schneller steigern als Unternehmen, die Einträge manuell oder inkonsistent verwalten. Das liegt nicht daran, dass 60 Verzeichnisse eine magische Zahl wären. Es liegt daran, dass KI-Systeme plattformübergreifende Konsistenz als Signal für Entitätslegitimität nutzen.

Wenn ChatGPT Ihren Unternehmensnamen in mehreren Datenquellen antrifft, alle mit derselben Adresse, Telefonnummer und Unternehmenskategorie, behandelt es diese Entität als verifiziert. Wenn es Inkonsistenzen findet (alte Telefonnummern, mehrere Adressformate, leicht unterschiedliche Unternehmensnamen), gewichtet es die Entität als weniger zuverlässig und zeigt sie seltener an.

Die spezifischen Inkonsistenzen, die den größten Schaden anrichten:

• Namensvariationen (Abkürzungen, Unterschiede in der Interpunktion, fehlende Rechtsformen wie GmbH)
• Unterschiedliche Adressformatierungen (Str. vs. Straße, unterschiedliche Schreibweisen von Stockwerk oder Einheit)
• Alte Telefonnummern, die noch in Verzeichnissen erscheinen
• Veraltete Öffnungszeiten, die Ihrem Google-Eintrag widersprechen
• Kategorie-Abweichungen zwischen Plattformen

Für standortintensive Unternehmen wie Immobilienportale, Hotelgruppen oder mehrstöckige Gastronomiekonzerne multipliziert sich dieses Konsistenzproblem über jeden einzelnen Standort in Ihrem Portfolio.

Die Lücke, die die meisten Unternehmen übersehen

Standard-AEO-Leitfäden behandeln Domain-Autorität, Schema-Markup und NAP-Konsistenz. Diese sind notwendig, aber nicht ausreichend für standortbasierte Unternehmen.

Die Lücke sind Geo-Daten: präzise Koordinaten, Umgebungskontext, Verkehrsanbindung, Einzugsgebietsgrenzen. Das ist die Schicht, die KI-Systeme nutzen, um die physische Realität eines Standorts zu verstehen, und es ist die Schicht, die fast kein bestehender SEO- oder AEO-Leitfaden anspricht.

Für Unternehmen, die auf Mapping-APIs aufgebaut sind, ist diese Schicht ein Nebenprodukt der normalen Integration. Geocoding-APIs erzeugen Koordinaten. Routing-APIs erzeugen Reisezeitdaten. Points-of-Interest-APIs erzeugen Umgebungskontext. Die Daten sind vorhanden. Die Frage ist, ob sie in einem Format strukturiert und bereitgestellt werden, das KI-Crawler verwenden können.

Für Unternehmen ohne diese Infrastruktur ist die Lücke real und wächst. Da KI zum primären Entdeckungskanal für Standortanfragen wird, werden die Unternehmen mit der besten Geo-Datenschicht einen sich aufbauenden Vorteil gegenüber denjenigen ohne sie akkumulieren.

Was Sie zuerst prüfen sollten

Bevor Sie eine vollständige AEO-Überarbeitung in Angriff nehmen, beginnen Sie mit einer Diagnose Ihres aktuellen Stands:

1. Suchen Sie in ChatGPT nach Ihrem Unternehmen mit den genauen Anfragen, die Ihre Kunden verwenden würden
2. Tun Sie dasselbe in Perplexity
3. Prüfen Sie, ob Ihr Foursquare-Eintrag beansprucht und vollständig ist
4. Prüfen Sie Ihren Yelp-Eintrag auf Genauigkeit
5. Validieren Sie Ihr LocalBusiness-Schema mit dem Rich-Results-Test von Google
6. Bestätigen Sie, dass Ihre GeoCoordinates vorhanden und korrekt sind

Wenn Sie ein strukturiertes Audit darüber möchten, wie Ihre Standortseiten gegenüber den KI-Sichtbarkeitskriterien abschneiden, analysiert der MapAtlas AEO Checker die spezifischen Signale, die KI-Plattformen bewerten, einschließlich der Geo-Datenschicht, die die meisten Tools übersehen.

Häufig gestellte Fragen

Garantiert ein gutes Google-Ranking auch die Sichtbarkeit in ChatGPT-Empfehlungen?

Nein. Studien zeigen, dass 89 % der ChatGPT-Zitate von Websites stammen, die bei Google auf Position 21 oder niedriger rangieren. Traditionelles Google-SEO und KI-Suchsichtbarkeit sind weitgehend unabhängige Systeme mit einer Überschneidung von nur etwa 45 %.

Welche Daten nutzt Perplexity für lokale Unternehmensempfehlungen?

Perplexity nutzt Yelp als primäre Quelle für lokale Empfehlungen, und zwar in jeder untersuchten Branchenkategorie. Es crawlt auch direkt das Web und gewichtet strukturierte Daten auf Unternehmenswebsites.

Warum hat Foursquare seine Verbraucher-App eingestellt?

Foursquare hat 2025 seinen verbraucherorientierten Stadtführer eingestellt, um sich vollständig auf sein B2B-Datengeschäft zu konzentrieren. Die Location-Intelligence-Datenbank bleibt aktiv und treibt weiterhin KI-Empfehlungssysteme über Enterprise-Datenpartnerschaften an.

Wie bringe ich mein Unternehmen in ChatGPT-Empfehlungen?

Beanspruchen und vervollständigen Sie Ihren Foursquare for Business-Eintrag, stellen Sie NAP-Konsistenz über wichtige Verzeichnisse sicher, fügen Sie LocalBusiness-JSON-LD-Schema mit GeoCoordinates auf Ihrer Website hinzu und halten Sie Ihren Yelp-Eintrag aktuell. Strukturierte Geo-Daten, einschließlich Umgebungskontext und Einzugsgebietsinformationen, verbessern ebenfalls Ihre Position in der KI-Datenschicht.

Muss mein Unternehmen bei Foursquare gelistet sein, um in ChatGPT zu erscheinen?

Nicht ausschließlich, aber es ist ein erheblicher Vorteil. Foursquare macht etwa 70 % der lokalen Empfehlungsdaten von ChatGPT aus. Eine vollständige, konsistente Präsenz auf Foursquare, Yelp und in den strukturierten Daten der eigenen Website bietet die beste Abdeckung auf allen wichtigen KI-Plattformen.

Fazit

Die Annahme, dass Google-Ranking zu KI-Sichtbarkeit führt, ist der mit Abstand häufigste und kostspieligste Fehler, den Unternehmen machen, während KI zum primären Entdeckungskanal wird. ChatGPT bezieht Daten von Foursquare, nicht von Google. Perplexity von Yelp. AI Overviews aus Googles eigenem Index mit starkem Gewicht auf strukturierten Daten.

Die Unternehmen, die bei der lokalen KI-Entdeckung gewinnen werden, sind nicht unbedingt diejenigen, die am meisten für SEO ausgeben. Es sind diejenigen, die die Datenpipeline verstehen, vollständige und konsistente Einträge auf den richtigen Plattformen pflegen und ihre Standortdaten in den Formaten strukturieren, die KI-Systeme parsen und als vertrauenswürdig einstufen können.

Das ist genauso ein Infrastrukturproblem wie ein Marketingproblem. Und für Unternehmen, die standortintensive Plattformen betreiben, ist es eine der Investitionen mit dem höchsten Hebel, die gerade jetzt zur Verfügung stehen.

Weiterführende Lektüre:

• Warum Ihr Hotel auf ChatGPT unsichtbar ist
• NAP-Konsistenz und KI-Suche: warum es wichtiger ist, als Sie denken
• JSON-LD-Schema für lokale Unternehmens-KI-Zitate
• Der vollständige AEO-Leitfaden für lokale Unternehmen
• Kostenlose Prüfung Ihrer KI-Suchsichtbarkeit