Die meisten Restaurants sind für die KI-Suche unsichtbar. Dieser Leitfaden erklärt, warum das so ist und wie Sie es beheben, ob Sie 1 oder 100 Standorte betreiben.
JSON-LD-Schema-Markup, strukturierte Daten und Standortanreicherung, damit Restaurants in ChatGPT, Perplexity und Google AI Overviews sichtbar werden.
Ohne Geo-Daten
Was die KI sieht: nichts Verwertbares. Keine Näherungs- oder Küchen-Abfragen werden beantwortet.
Mit GeoEnrich
Was die KI sieht: zuordnungsfähig für 30+ Abfragetypen, darunter "Italienisches Restaurant am Bahnhof", "Außensitzplätze im Jordaan", "familienfreundlich mit Parkplatz".
GeoEnrich generiert die rechte Spalte automatisch aus einer Adresse. Ein einziger API-Aufruf.
Fügen Sie dieses JSON-LD auf der Website Ihres Restaurants ein und sind sofort für KI-Suchmaschinen sichtbar:
{
"@context": "https://schema.org",
"@type": "Restaurant",
"name": "Gracia Italian Kitchen",
"description": "Authentic Italian restaurant serving handmade pasta, wood-fired pizzas, and seasonal risottos in a cozy Amsterdam neighborhood setting.",
"url": "https://example.com",
"telephone": "+31 20 123 4567",
"address": {
"@type": "PostalAddress",
"streetAddress": "Graciaplein 10",
"addressLocality": "Amsterdam",
"postalCode": "1013 BA",
"addressCountry": "NL"
},
"geo": {
"@type": "GeoCoordinates",
"latitude": 52.3876,
"longitude": 4.9041
},
"servesCuisine": ["Italian", "Mediterranean"],
"priceRange": "€€",
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.7",
"ratingCount": "348"
},
"acceptsReservations": true,
"amenityFeature": [
{"@type": "LocationFeatureSpecification", "name": "Outdoor Seating"},
{"@type": "LocationFeatureSpecification", "name": "Wheelchair Accessible"},
{"@type": "LocationFeatureSpecification", "name": "Terrace"}
]
}
Möchten Sie die vollständige Version mit Menüpunkten, Diät-Markierungen und Standortanreicherung? Die vollständigen Restaurant-Schema-Beispiele finden Sie weiter unten.
Das Verständnis der Suchabsicht ist für GEO entscheidend. Menschen fragen nicht einfach "Restaurants". Sie stellen konkrete, kontextreiche Fragen:
Für jede dieser Abfragen durchsuchen KI-Engines Restaurantdaten nach bestimmten Attributen:
Ihre GEO-Strategie muss alle diese Dimensionen abdecken.
Der Restaurant-Schema-Typ ist Ihre Grundlage. Er teilt KI-Engines genau mit, was Ihr Unternehmen ist und was es besonders macht.
Verwenden Sie Restaurant als primären @type. Für spezifischere Zuordnungen nutzen Sie Untertypen: FastFoodRestaurant, BarOrPub oder CafeOrCoffeeShop.
Pflichtfelder für Restaurant-Schema
name: KI verwendet den genauen Namen, um Ihr Restaurant zu identifizieren und zu zitierendescription: KI zieht Beschreibungen heran, um "Was ist das Besondere an diesem Ort?" zu beantwortenaddress: Ermöglicht standortbasierte Abfragen und geografisches Rankinggeo: Breiten-/Längengrad für Umgebungssuchen und KartenkontextservesCuisine: Filtert Restaurants nach Küchentyp ("Italienisch", "Vegan" usw.)priceRange: Entspricht budgetbewussten AbfragenopeningHoursSpecification: Beantwortet "Haben sie jetzt geöffnet?" und "Spätabendoptionen?"aggregateRating: Signalisiert Qualität und Vertrauenswürdigkeitimage: KI kann Restaurant-Bilder in Antworten anzeigentelephone: Kontaktinformationen für Nutzer-NachverfolgungBeschreibungen für KI verfassen
Schlechte Beschreibung: "Wir servieren leckeres Essen in angenehmer Atmosphäre. Besuchen Sie uns noch heute!"
Gute Beschreibung: "Intime italienische Osteria, spezialisiert auf handgemachte Pasta und holzofengebackene Pizzen aus der Kampanien-Region. Die offene Küche blickt auf den intimen Speisesaal mit 18 Sitzplätzen. Die Weinkarte konzentriert sich auf weniger bekannte Erzeuger aus dem Piemont und der Toskana. Reservierung erforderlich. Kein festes Menü; das Angebot wechselt saisonal je nach Marktverfügbarkeit."
Gute Beschreibungen spezifizieren die Küchenregion, beschreiben das Esserlebnis, erwähnen Signature-Zubereitungen, notieren das Speiseformat und enthalten betriebliche Details.
Menüs sind der Bereich, in dem Restaurant-GEO richtig leistungsstark wird. Wenn jemand fragt "Haben Sie vegane Optionen?" oder "Kann ich ein Hauptgericht unter 20 Euro bekommen?", durchsucht die KI Ihr Menü-Markup.
{
"@context": "https://schema.org",
"@type": "Menu",
"name": "Gracia Italian Kitchen - Dinner Menu",
"hasMenuSection": [
{
"@type": "MenuSection",
"name": "Starters",
"hasMenuItem": [
{
"@type": "MenuItem",
"name": "Burrata with Heirloom Tomatoes",
"description": "Fresh burrata from Apulia with San Marzano tomatoes, basil, and aged balsamic",
"offers": {
"@type": "Offer",
"price": "12",
"priceCurrency": "EUR"
},
"suitableForDiet": ["VeganDiet", "GlutenFreeDiet"]
}
]
}
]
}Warum Menü-Markup für KI wichtig ist
Wenn eine KI-Engine eine Abfrage wie "Vegane Restaurants in Amsterdam, die Pasta servieren" erhält, filtert sie zunächst nach Standort, dann nach servesCuisine, und durchsucht dann die Menüpunkte nach suitableForDiet: VeganDiet. Ohne Menü-Markup erscheint Ihr Restaurant nicht bei ernährungsspezifischen Abfragen.
Ernährungsoptionen, die immer markiert werden sollten:
Bewertungen sind entscheidend für KI-Zitierungen. Wenn eine KI Ihr Restaurant empfiehlt, zitiert sie oft Bewertungen zur Untermauerung der Empfehlung.
Fügen Sie immer aggregateRating ein, auch wenn Sie bei 0 Bewertungen starten:
{
"@type": "AggregateRating",
"ratingValue": "4.7",
"ratingCount": "348",
"bestRating": "5",
"worstRating": "1"
}Ziehen Sie einzelne Bewertungen von Google, TripAdvisor oder Ihrer eigenen Plattform heran. KI-Engines verwenden diese Ausschnitte, um "Was sagen die Leute über dieses Restaurant?" zu beantworten.
Aktualisieren Sie aggregateRating regelmäßig. Veraltete Bewertungen schaden der Glaubwürdigkeit.
Hier transformiert GEO die Sichtbarkeit von Restaurants. Durch das Hinzufügen von Standortkontext helfen Sie der KI zu verstehen, nicht nur was Ihr Restaurant ist, sondern warum es eine Empfehlung wert ist.
Verwenden Sie additionalProperty, um nahegelegene Ressourcen zu markieren, die Mehrwert bieten:
nearest_parking: Beantwortet die Frage "Gibt es Parkmöglichkeiten?"nearest_metro: Erreichbarkeit für ÖPNV-Nutzernearest_bus_stop: Hilft bei "Wie komme ich dorthin?"attractions_nearby_1km: Kontext für Touristenhotels_nearby_500m: Tourismus- und Veranstaltungskontextwalkability_score: "Kann ich durch die Gegend spazieren?"nightlife_density_score: "Gibt es Nachtleben in der Nähe?"transit_score: "Gut mit öffentlichen Verkehrsmitteln erreichbar?"bike_friendly: Amsterdam-Kontext (Fahrradkultur)Anstatt jedes Standortattribut manuell zu recherchieren, verwenden Sie die GeoEnrich API unter mapatlas.eu/products-services/geoenrich-api, um diese Felder automatisch zu befüllen.
Ihr Website-Inhalt sollte so strukturiert sein, dass KI ihn leicht verarbeiten kann. Verwenden Sie semantisches HTML mit korrekter Überschriftenhierarchie und FAQ-Abschnitte, die für die KI-Extraktion strukturiert sind.
KI-Engines extrahieren Antworten aus FAQ-Abschnitten wie:
Wenn eine KI Ihr Restaurant empfiehlt, muss sie Sie zitieren. Es gibt fünf häufige Zitierungsmuster:
Muster 1: Direkte Unternehmensnennung, KI zieht Ihre Beschreibung direkt heran, um "Beste italienische Restaurants in Amsterdam?" zu beantworten
Muster 2: Attributbasiertes Matching, Ihr Menü-Markup mit suitableForDiet: VeganDiet ermöglicht das Matching für "Vegane Restaurants in Amsterdam mit Reservierung?"
Muster 3: Standort + Kontext, Ihre Standortanreicherungsdaten ermöglichen das Matching für "Wo soll ich in der Nähe des Anne-Frank-Hauses essen?"
Muster 4: Feature-Stacking, Ihr amenityFeature-Array ermöglicht Multi-Attribut-Matching für "Italienische Restaurants für Abende zu zweit in Amsterdam mit Außensitzplätzen und privatem Speisesaal?"
Muster 5: Review-Integration, Ihr Review-Schema ermöglicht es der KI, tatsächliches Gästefeedback zu zitieren, wenn nach der Restaurantqualität gefragt wird.
Fehler 1: Kein Menü-Schema vorhanden
Viele Restaurants haben ansprechende Menüs auf ihren Websites, aber keine strukturierten Menüdaten. Ohne diese erscheint Ihr Restaurant nicht bei ernährungsspezifischen Abfragen.
Fehler 2: Fehlende oder vage Öffnungszeiten
Geben Sie dayOfWeek für jeden Tag an. Vage Zeiten führen dazu, dass KI die Frage "Haben Sie jetzt geöffnet?" falsch beantwortet.
Fehler 3: Kein oder zu breiter Küchentyp
Verwenden Sie spezifische Küche: "servesCuisine": ["Italian", "Mediterranean", "Seafood"], nicht "Food".
Fehler 4: Vorlagenbeschreibungen
"Willkommen in unserem Restaurant. Wir servieren frisches, leckeres Essen." gilt für 10.000 Restaurants. KI-Engines sehen keine differenzierenden Informationen.
Fehler 5: Keine Ernährungs- oder Allergeninformationen
Menschen mit Ernährungseinschränkungen können Sie nicht finden. Markieren Sie jede Ernährungsverträglichkeit mit suitableForDiet.
Fehler 6: Fehlende genaue Koordinaten
KI kann nicht bestimmen, ob Sie "in der Nähe des Museums" oder "jenseits des Flusses" sind, ohne genaue Restaurantkoordinaten mit 4 Dezimalstellen.
Fehler 7: Keine Standortanreicherung
Nur Adresse und Koordinaten verpassen kontextgesteuerte Empfehlungen wie "Restaurants in der Nähe großer Sehenswürdigkeiten mit einfachen Parkmöglichkeiten".
Fehler 8: Veraltete oder fehlende Bewertungen
Die letzte Bewertung aus dem Jahr 2022 lässt KI Ihr Restaurant als inaktiv oder minderwertig einordnen.
Fehler 9: Fehlende amenityFeature-Daten
Ohne Außensitzplätze, Rollstuhlzugang und privates Speisezimmer in amenityFeature erscheinen Sie nicht bei entsprechenden Feature-Abfragen.
Fehler 10: Preisspannen-Mismatch
Die Verwendung von "priceRange": "€", wenn Ihr durchschnittlicher Hauptgang 28 Euro kostet, weckt falsche Erwartungen und führt dazu, dass KI budgetbewusste Abfragen falsch weiterleitet.
Validieren Sie Ihr Schema-Markup, bevor Sie es veröffentlichen.
Verwendung des AEO-Checkers
Besuchen Sie /ai-seo-checker, um Ihr Schema zu validieren. Geben Sie die URL Ihres Restaurants ein, um einen Bericht zu erhalten, der Pflichtfelder, gültige Schema-Struktur, Anreicherungsvollständigkeit und häufige Fehler prüft.
Manuelle Tests
Fragen Sie KI-Engines direkt nach Ihrem Restaurant:
Wenn Ihre strukturierten Daten korrekt sind, sollte KI präzise antworten. Wenn nicht, werden Sie vage oder fehlende Details sehen.
Code-Inspektion
Klicken Sie im Browser mit der rechten Maustaste auf Quelltext anzeigen. Suchen Sie nach application/ld+json. Sie sollten Ihr Restaurant-Schema sehen. Kopieren Sie das JSON und validieren Sie es unter jsonlint.com, um gültiges JSON sicherzustellen.
Im großen Maßstab automatisieren
Die MapAtlas GeoEnrich API fügt jedem Inserat automatisch Koordinaten, nahegelegene POIs, ÖPNV-Anbindung, Stadtteilkontext und schemafähige Geo-Daten hinzu – ein API-Aufruf pro Inserat, in beliebigem Maßstab.