Die Hotelbranche tritt in eine neue Phase der Suche ein — eine, in der das erste Ergebnis keine Linkliste ist, sondern eine direkte Empfehlung einer KI. Wir wollten verstehen, wie diese Empfehlungsmaschine funktioniert, wen sie bevorzugt und was einzelne Unterkünfte dagegen tun können.
Also führten wir 450 Anfragen durch. Hier ist, was wir herausfanden.
Methodik
Wir haben vier KI-Modelle getestet: **ChatGPT (GPT-4o)**, **Google Gemini**, **Perplexity** und **Mistral Large**. Über vier EU-Länder und die Schweiz: Kroatien, Slowenien, Österreich, Deutschland und die Schweiz.
Jede Anfrage war als natürliche Reisendenfrage formuliert: *„Wo soll ich im August in Split übernachten?"* oder *„Bestes Boutique-Hotel in Ljubljana unter 150 €."*
**Stichprobengröße:** 1.337 geprüfte Beherbergungswebsites. 450 ausgeführte Anfragen.
Der Kernbefund
**94,3 % der Beherbergungswebsites erhalten null KI-Empfehlungen** in unserem Anfrageset.
Diese Zahl ist kein Rundungsfehler. Sie bedeutet, dass von jeweils 18 Unterkünften in einem Reiseziel nur eine erwähnt wird — und diese eine ist fast immer ein OTA-Eintrag, nicht die eigene Website der Unterkunft.
Was KI-Modelle tatsächlich nutzen
Nach der Korrelation von Empfehlungen mit Website-Attributen haben wir die stärksten Prädiktoren für KI-Sichtbarkeit identifiziert:
- **Schema.org-Markup** (Hotel, LodgingBusiness) — 6,2-facher Anstieg
- **Englischsprachige Inhalte** — 4,1-facher Anstieg
- **Vorhandensein eines Direktbuchungssystems** — 3,3-facher Anstieg
- **Bewertungsdurchschnitt > 4,5** — 2,8-facher Anstieg
- **Strukturierter FAQ-Inhalt** — 2,1-facher Anstieg
- **Core Web Vitals bestanden** — 1,9-facher Anstieg
Das OTA-Problem
OTAs gewinnen, weil sie alle sechs Attribute haben — in großem Maßstab, für jede von ihnen aufgelistete Unterkunft. Booking.com hat Schema-Markup, englische Inhalte, Direktbuchungsinfrastruktur, Bewertungsaggregation, FAQ-Inhalte und schnell ladende Seiten.
Einzelne Unterkünfte haben das meistens nicht.
Die Marktübersicht
| Land | KI-Sichtbarkeits-Score | OTA-Abhängigkeit | Direktbuchungs-Score |
|---|---|---|---|
| Österreich | 40,1 | 22,4 % | 14,2 % |
| Deutschland | 38,9 | 24,1 % | 12,8 % |
| Schweiz | 37,6 | 25,1 % | 11,9 % |
| Slowenien | 36,2 | 26,3 % | 10,7 % |
| Kroatien | 34,8 | 30,7 % | 9,2 % |
Was funktioniert
Die Unterkünfte, die in KI-Empfehlungen erscheinen, teilen ein gemeinsames Profil: - Schema-Markup implementiert - Buchungssystem auf eigener Domain eingebettet - Inhalte in der Sprache der Anfrage verfasst - Bewertungsscore in strukturierten Daten sichtbar - Ladezeit unter 2 Sekunden
Nichts davon ist teuer in der Umsetzung. Das meiste ist kostenlos. Die Lücke zwischen den unsichtbaren 94,3 % und den empfohlenen 5,7 % ist weitgehend eine technische Bildungslücke, keine Ressourcenlücke.