Wie empfiehlt KI Hotels? Wir haben 450 Anfragen an 4 KI-Modelle getestet

Wie Reisende Unterkünfte finden und buchen, verändert sich grundlegend. Zwei Jahrzehnte lang folgte die Reise einem vorhersehbaren Muster: Suchbegriff bei Google eingeben, eine Liste blauer Links durchscrollen, einige Websites besuchen, Preise vergleichen, buchen. Dieses Muster wird gerade durch etwas grundsätzlich Anderes ersetzt.

Wenn ein Reisender ChatGPT, Perplexity oder Googles Gemini nach einem Hotel in Wien, einer Hütte im Schwarzwald oder einem Strandresort in Kroatien fragt, liefert die KI keine Liste mit zehn Links. Sie empfiehlt drei bis fünf konkrete Unterkünfte mit Namen. Entweder steht Ihre Unterkunft auf dieser Liste — oder eben nicht.

Keine blauen Links. Keine Seite-2-Rankings. Keine „Above the Fold"-Positionen. KI-Suche ist binär: empfohlen oder unsichtbar.

Das ist kein Zukunftsszenario. Studien zeigen, dass informationssuchende Anfragen fast 50 % aller ChatGPT-Konversationen ausmachen, wobei direktes Frageverhalten 37 % aller Interaktionen darstellt. KI-gestützte Reisesuchanfragen sind im Durchschnitt doppelt so lang wie klassische Google-Keywords — konversationell, spezifisch und absichtsreich.

Um zu verstehen, was darüber entscheidet, ob KI Ihre Unterkunft empfiehlt — und ob Ihre Website dafür bereit ist — haben wir die größte KI-Sichtbarkeitsstudie in der europäischen Hotellerie durchgeführt.

About the Research

Zwischen August 2025 und Februar 2026 haben wir zwei Originalstudien durchgeführt:

Studie 1 — KI-Antwortanalyse:

450 Anfragen aus dem Gastgewerbe, getestet an vier KI-Modellen (GPT-5, Gemini 2.5, Perplexity und Mistral). Ergebnis: 3.600 KI-Antworten mit 20.370 URL-Zitierungen und 13.859 Markenerwähnungen.

Studie 2 — Website-Audit:

1.337 Unterkunfts-Websites mit insgesamt 30.935 Einzelseiten geprüft — bewertet nach Content-Qualität, technischem SEO, Schema-Markup, Buchungstrichter und Vertrauenssignalen.

Fünf Länder: Deutschland, Österreich, Schweiz, Slowenien und Kroatien. Drei Anfragesprachen: Englisch, Deutsch und Kroatisch. Zehn Reiseabsichtskategorien, von Luxus- und Geschäftsreisen bis hin zu Budget-Städtereisen und Abenteuertourismus.

Den vollständigen Datensatz, die Methodik und die statistische Analyse finden Sie im Report. Dieser Artikel fasst die wichtigsten Erkenntnisse zusammen und erläutert, was sie für Beherbergungsbetriebe, Hotelvermarkter, DMOs und Technologieanbieter im Gastgewerbe bedeuten.

Wem gehört die KI-Reisesuche?

Wenn ein Reisender KI nach einer Unterkunft fragt — wer wird zitiert?

Die Antwort ist eindeutig: OTAs dominieren, unabhängige Hotels existieren am Rand, und eine Plattform überragt alles andere.

Online-Reisebüros (OTAs) erhalten 22,9 % aller von KI zitierten URLs — die größte einzelne klassifizierte Kategorie. Zählt man STR-Plattformen wie Airbnb und VRBO hinzu, liegt der Vermittleranteil bei 30,3 %.

Websites unabhängiger Hotels erhalten 11,8 % der Zitierungen. Websites von Hotelketten erhalten nur 4,3 % — weniger als ein Drittel der unabhängigen Hotels. Bewertungs- und UGC-Plattformen (vor allem TripAdvisor) machen 5,8 % aus. DMOs und Tourismusverbände tragen 3,9 % bei.

Für jede URL eines unabhängigen Hotels, die ein KI-Modell zitiert, zitiert es etwa zwei OTA-URLs.

Die Konzentration ist extrem. Nur 119 Domains machen 50 % aller KI-Reisezitierungen aus. 2.981 Long-Tail-Domains erscheinen nur ein- oder zweimal im gesamten Datensatz. Nur 86 von 4.043 Domains wurden in allen fünf Ländern zitiert — die wirklich „KI-kanonisierten" Marken im Gastgewerbe.

Booking.com — die unangefochtene Nummer 1 in der KI-Suche

Kein Einzelergebnis in diesem Datensatz ist eindrucksvoller als die Position von Booking.com in der KI-gestützten Hotelsuche.

2.962 Zitierungen. 95,3 % Abdeckung aller Anfragen. 14,5 % aller URLs.

Booking.com erschien in 95,3 % aller 450 getesteten Anfragen. Es fehlte nur bei 21 Anfragen — und diese Lücken offenbaren spezifische Nischen, in denen das OTA-Angebot nicht passt: umgebaute Klöster, Ultra-Luxus-Boutiquehotels, Nischen-Ökolodges mit starker redaktioneller Autorität.

Die praktische Konsequenz für die KI-Suchoptimierung im Gastgewerbe ist eindeutig: Für jede Unterkunft, die nicht auf Booking.com gelistet ist, liegt die Wahrscheinlichkeit einer KI-Zitierung bei nahezu null. Ein vollständiges, aktuelles Booking.com-Profil ist die wirkungsvollste Einzelmaßnahme für KI-Sichtbarkeit.

Aber es bedeutet auch etwas Unbequemeres: Wenn Booking.com der einzige Ort ist, an dem KI Ihre Unterkunft finden kann, geht die Zitierung — und die Provision — an Booking.com, nicht an Sie.

Wie verschiedene KI-Modelle Hotels empfehlen

Jedes KI-Modell zeigt ein eigenständiges Zitierverhalten. Diese Unterschiede sind statistisch signifikant und haben direkte Auswirkungen auf die KI-Suchoptimierungsstrategie von Hotels.

GPT-5 (ChatGPT) produziert die längsten Antworten (durchschnittlich 439 Wörter), zitiert die meisten URLs pro Antwort (10,6) und bietet die besten Direktbuchungsergebnisse (20,6 % Direktbuchungs-Score). Allerdings ist es das am wenigsten konsistente Modell — die Ergebnisse variieren erheblich bei identischen Anfragen.

Gemini 2.5 (Google) hat die höchste OTA-Abhängigkeit aller Modelle mit 29,4 %. Das ist besonders bedeutsam, weil Gemini in die Google-Suche integriert ist — also das KI-Modell, dem die meisten Reisenden zuerst begegnen. Für unabhängige Hotels und Direktbuchungsstrategien ist Gemini das härteste Schlachtfeld.

Perplexity ist das berechenbarste Modell (Jaccard-Ähnlichkeit: 0,47). Unterkünfte, die es einmal in Perplexitys Zitierset schaffen, können auf wiederkehrende Sichtbarkeit vertrauen. Es hat die geringste OTA-Abhängigkeit (20,5 %) und den höchsten Anteil an Bewertungs-/UGC-Zitierungen (17 %), was eine TripAdvisor-Präsenz besonders wertvoll macht.

Mistral produziert null URL-Zitierungen, generiert aber dennoch 2,5 Markenerwähnungen pro Antwort — ein Beweis dafür, dass Markenbekanntheit in der KI unabhängig von der Website-Indexierung funktioniert.

Man kann nicht für „KI-Suche" als einzelnen Kanal optimieren. Jedes Modell hat andere Verhaltensweisen, andere Quellenpräferenzen und andere Ergebnisse für Direkt- vs. OTA-Buchungen.

Wie die Anfragesprache die KI-Hotelempfehlungen beeinflusst

Jede Anfrage in dieser Studie wurde in drei Sprachen gestellt — Englisch, Deutsch und Kroatisch — für dasselbe Land und dieselbe Reiseabsicht. Das ergibt ein kontrolliertes Experiment: Verändert die Sprache der Frage, was die KI empfiehlt?

Die Antwort: Ja, erheblich.

OTA-Abhängigkeit bei österreichischen Hotels nach Anfragesprache:

• Englisch: 11.4 %
• Deutsch: 10.5 %
• Kroatisch: 20.6 %

Das ist ein Unterschied von 10 Prozentpunkten zwischen Deutsch und Kroatisch — für exakt dasselbe Land, dieselben Hotels, dasselbe KI-Modell. Dieses Muster gilt in allen fünf Märkten. Kroatischsprachige Anfragen erzeugen durchgehend die höchste OTA-Abhängigkeit, selbst für nicht-kroatische Reiseziele.

Die Hypothese: Kroatischsprachige Trainingsdaten zu DACH-Märkten sind weniger umfangreich. Wenn KI-Modelle in einer bestimmten Sprache weniger lokale Inhalte finden, greifen sie auf global indexierte OTA-Seiten zurück.

Für die KI-Suchoptimierung von Hotels heißt das konkret: Wenn Ihre Website nur in einer Sprache existiert, sind Sie für Reisende, die in anderen Sprachen suchen, unsichtbar. Englische und deutsche Versionen Ihrer Website erschließen die „direktfreundlichen" Sprachkanäle, in denen KI eher unabhängige Quellen zitiert.

Was Reisende fragen, bestimmt, wen KI empfiehlt

Die Absicht hinter einer Reiseanfrage beeinflusst dramatisch, welche Anbieter KI-Modelle zitieren. Dies ist die handlungsrelevanteste Erkenntnis für die Content-Strategie und KI-Suchoptimierung von Hotels.

Beste Reiseabsichten für Direktbuchungen über KI:

• Geschäftsreisen: 28,8 % Direktbuchungs-Score
• Luxus / Romantik: 22,8 %
• Wellness: 22,3 %

Schlechteste Reiseabsichten für Direktbuchungen:

• Events / Festivals: 6,1 % Direkt-Score (39,4 % OTA-Abhängigkeit die höchste)
• Ferienwohnungen: 7,2 % (plattformdominiert durch Airbnb und VRBO)
• Budget-Städtereisen: 9,4 %

Für Hotels, die Geschäfts-, Luxus- oder Wellness-Reisende bedienen, kann eine gut gestaltete eigene Website mit autoritativem Content tatsächlich mit OTAs in der KI-Suche konkurrieren. Für eventnahe Unterkünfte greift KI fast ausschließlich auf OTA-Bestand zurück — eventspezifische Landingpages mit Direktbuchungs-CTAs sind hier unverzichtbar.

KI spiegelt auch die Preissensibilität nach Reiseabsicht wider. Preisinformationen erscheinen in 100 % der Wellness-Anfragen, 83 % der Nightlife-Anfragen und 76 % der Ferienwohnungsanfragen — aber nur 36 % der Anfragen zu einzigartigen Unterkünften. Wenn Ihre Wellness-Unterkunft keine Preise auf der Website anzeigt, sind Sie in der Kategorie unsichtbar, in der KI immer über Preise spricht.

94,3 % der Hotel-Websites sind für KI unsichtbar

Die zweite Phase dieser Studie hat 1.337 Unterkunfts-Websites mit insgesamt 30.935 Seiten geprüft. Die Ergebnisse zeichnen ein ernüchterndes Bild einer Branche, die im Durchschnitt unter 40 % ihres digitalen Potenzials ausschöpft.

Durchschnittlicher digitaler Reifegrad: 38,1 von 100 Punkten.

Die Lücken sind strukturell:

• 77.1 % der Unterkünfte haben keine Buchungsmaschine auf ihrer Website
• 60.8 % haben keinerlei Schema-Markup
• Nur 7 % verwenden Hotel- oder LodgingBusiness-Schema
• Nur 1.5 % haben FAQPage-Schema
• 0 % haben eigenständige Zimmerlisting-, Gastronomie- oder Ausstattungsseiten
• Medianer Content-Vollständigkeitsgrad: ca. 41 % — die meisten Unterkünfte erzählen weniger als die Hälfte ihrer Geschichte

Von 1.337 getesteten Unterkünften wurden nur 76 (5,7 %) von irgendeinem KI-Modell erfasst. Die überwiegende Mehrheit der Unterkunfts-Websites ist für die KI-gestützte Hotelsuche vollständig unsichtbar.

Was KI-zitierte Unterkünfte anders machen

Die 76 Unterkünfte, die von KI zitiert werden, teilen ein konsistentes Profil — und es stellt gängige Annahmen über KI-Sichtbarkeit für Hotels infrage.

Wir haben die Effektstärke (Cohens d) jedes Faktors gemessen, der KI-zitierte Unterkünfte vom Rest unterscheidet — je höher der Wert, desto größer der messbare Unterschied zwischen Unterkünften, die KI zitiert, und solchen, die sie ignoriert:

1. URL-Qualität (d = 0.60) — Der größte Effekt. Saubere, beschreibende, menschenlesbare URLs.
2. Vertrauenssignale (d = 0.50) — Stornierungsbedingungen, Team-Seiten, Bewertungsintegration, Zertifizierungen.
3. Content-Qualität (d = 0.36) — Klare, faktische, entitätsreiche Texte mit spezifischen, überprüfbaren Aussagen.
4. Technisches SEO (d = 0.29)
5. Buchungstrichter (d = 0.26)
6. Schema-Vollständigkeit (d = 0.23)
7. Content-Vollständigkeit (d = 0.18)

Die Kernerkenntnis: KI-Modelle bevorzugen Unterkünfte, die klar schreiben, Vertrauen aufbauen und saubere URLs haben — nicht diejenigen mit den aufwändigsten Websites.

Schema-Markup — das die Diskussion zur KI-Suchoptimierung dominiert — zeigt die geringste Effektstärke in unseren Daten. Das heißt nicht, dass Schema unwichtig ist: Die Implementierung von Hotel/LodgingBusiness-Schema bringt Sie in die Top 7 % aller Unterkünfte, was ein wertvoller struktureller Vorteil ist. Aber wenn Sie entscheiden müssen, wo Sie Ihre nächste Stunde investieren, hat das Umschreiben Ihrer Objektbeschreibung mit spezifischen, faktischen, entitätsreichen Formulierungen einen größeren messbaren Effekt als das Hinzufügen von JSON-LD.

Eine gut geschriebene 10-Seiten-Website schlägt eine aufwändige 50-Seiten-Website.

Fünf Länder, fünf KI-Sichtbarkeitsprofile

Jeder der fünf Märkte erzeugt eine strukturell unterschiedliche KI-Zitierungslandschaft:

Österreich ist der ausgewogenste Markt — niedrigste OTA-Abhängigkeit (22,3 %), höchster Direktbuchungs-Score (12,8 %), stärkstes DMO-Ökosystem (Austria.info und Wien.info erreichen 10,3 % Zitierungsrate). Österreichische Unterkünfte erzielen auch die höchsten Vertrauenssignal-Werte.

Kroatien hat die höchste OTA-Abhängigkeit (30,7 %) und den niedrigsten Direktbuchungs-Score (9,2 %). Wenn KI Unterkünfte in Kroatien empfiehlt, leitet sie Reisende häufiger zu Booking.com als in jedem anderen Markt. Kroatische Unterkünfte brauchen stärkere Direktinhalte, insbesondere auf Englisch und Deutsch.

Deutschland hat die größte Stichprobe (540 Unterkünfte, durchschnittlich 39,1 Punkte) und die beste Buchungstrichter-Verbreitung — aber die Schema-Vollständigkeit liegt bei nur 1,8 %. Die meisten deutschen Betreiber betrachten ihre Website nach wie vor als technische Pflicht, nicht als strategisches Asset.

Slowenien ist der konzentrierteste Markt (die Top-10-Domains halten 33,3 % der Zitierungen), aber seine DMOs übertreffen ihre Gewichtsklasse (10,4 % Zitierungsrate). Drei unabhängige slowenische Unterkünfte schaffen es unter die 10 meistgenannten Unternehmen im gesamten Datensatz.

Die Schweiz hat die höchste STR-Plattform-Zitierungsrate (11,4 %), was den starken Ferienwohnungsmarkt widerspiegelt.

Die Direktbuchungs-Chance in der KI-Suche

Der „Direktbuchungs-Score" misst, welcher Anteil der KI-URL-Zitierungen direkt auf die Website eines Hotels oder einer Unterkunft verweist — statt über einen Vermittler zu leiten.

Unterkünfte mit Buchungsmaschine erzielen einen 25 % höheren digitalen Reifegrad als solche ohne (45+ vs. 36,3). Und unabhängige Hotels erhalten tatsächlich mehr URL-Zitierungen (11,8 %) als Hotelketten (4,3 %), was darauf hindeutet, dass eigenständige, gut aufgestellte Unterkünfte um direkten KI-Traffic konkurrieren können.

Aber der Median-Direktbuchungs-Score bei Gemini und Perplexity liegt bei 0,0 % — das bedeutet, dass in mehr als der Hälfte aller Antworten keine einzige URL auf eine direkte Hotel-Website verweist. GPT-5 liegt mit einem Median von 15,4 % deutlich besser.

Die Sichtbarkeitsformel aus unseren Daten: Unverwechselbare Identität (einzigartiges Konzept, Design oder Geschichte) + starke Drittpartei-Autorität (TripAdvisor, Wikipedia, redaktionelle Berichterstattung, DMO-Einträge) + absichtsgerechte Positionierung (Luxus, Wellness oder Business statt generische Unterkunft).

Kein unabhängiges Hotel in diesem Datensatz hat signifikante KI-Sichtbarkeit allein durch Website-Optimierung erreicht. Externe Validierung ist der primäre Treiber der KI-Markenerinnerung.

KI-Suchoptimierung für Hotels: Was jetzt zu tun ist

Der Report enthält einen priorisierten 90-Tage-Aktionsplan. Hier sind die wirkungsvollsten Maßnahmen, direkt aus dem Datensatz abgeleitet:

Heute

• Vervollständigen Sie Ihr Booking.com-Profil (95,3 % aller Anfragen) und Ihr TripAdvisor-Profil (#2 der meistzitierten Domains)
• Registrieren Sie sich bei Ihrem nationalen und regionalen DMO (kostenlos, hohe Zitierungsrendite)
• Prüfen Sie, ob robots.txt KI-Crawler erlaubt: GPTBot, GoogleExtended, ClaudeBot, PerplexityBot

Diese Woche

• Schärfen Sie Ihre einzigartige Positionierung in faktischer, spezifischer Sprache — vage USPs erzeugen null KI-Erinnerung
• Erstellen Sie absichtsspezifische Landingpages für Luxus-, Wellness- oder Geschäftsreisen
• Stellen Sie sicher, dass Ihre Website in den Sprachen Ihrer wertvollsten Quellmärkte verfügbar ist

Diesen Monat

• Implementieren Sie Hotel/LodgingBusiness-Schema (1–2 Stunden, bringt Sie in die Top 7 %)
• Erstellen Sie eventspezifische Landingpages, wenn Sie in der Nähe eines wichtigen Veranstaltungsortes liegen
• Fügen Sie eigenständige Zimmerlisting-, Gastronomie- und Ausstattungsseiten hinzu (0 % der geprüften Websites hatten diese)

Ab sofort

• Testen Sie 10–20 Anfragen, die ein potenzieller Gast an eine KI zu Ihrem Standort und Unterkunftstyp stellen könnte
• Notieren Sie, ob Sie erwähnt, zitiert oder absent sind
• Das ist Ihre Ausgangslage — wiederholen Sie dies vierteljährlich

Expertenperspektiven zur KI-Sichtbarkeit von Hotels

Der Report enthält Beiträge von vier Branchenspezialisten:

Niclas Aunin (ALLMO.ai) liefert ein Messframework für KI-Sichtbarkeit, aufgebaut auf vier Säulen: technische Klarheit, Content-Relevanz, zitierfähiges Schreiben und externe Autorität. Seine Erwähnungs-vs.-Zitierungs-Diagnosematrix hilft Unterkünften zu erkennen, ob sie unsichtbar, OTA-abhängig oder optimal sichtbar sind.

Sophia Milewski (Smartness / SmartPricing) argumentiert, dass dynamische Preisgestaltung nicht mehr nur eine Umsatzstrategie ist — sondern ein KI-Vertrauenssignal. Ein schwankender Preis ist „Lebenszeichen" für Algorithmen. Eine statische Preisliste wird als potenziell veraltet wahrgenommen und führt zu Herabstufung.

Domagoj Davidović (MinusMinus Agency) überbrückt die Spannung zwischen Markenbildung und KI-Optimierung, indem er die strukturellen Dimensionen der KI (Persona, Task, Context, Format) auf Branding-Grundlagen abbildet (Identität, Positionierung, Kanal, Tonalität). Kreativität lebt dort, wo Menschen entscheiden; Nutzwert dort, wo Maschinen ranken.

Arne Petersen (VRM Days) diagnostiziert die strukturelle OTA-Abhängigkeit des deutschen Marktes und argumentiert, dass Erfolg die Dringlichkeit zur Veränderung beseitigt hat — und dass die meisten Betreiber KI als Produktivitätswerkzeug sehen, nicht als Vertriebskanal.

Erstellt von Nokumo Research | Nokumo Services d.o.o. (Infranet Group)

Diese Studie wird unter Creative Commons Attribution 4.0 International (CC BY 4.0) veröffentlicht. Bei Weitergabe Nokumo als Quelle nennen und das Nokumo-Logo einbinden.

Mit Beiträgen von: Dario Alfirević (Studienleiter), Tihana Alfirević (Redaktion), Niclas Aunin (ALLMO.ai), Sophia Milewski (Smartness), Domagoj Davidović (MinusMinus Agency), Arne Petersen (VRM Days).