Hotels & KI-Suche: 83 % unsichtbar für ChatGPT

36,3 Prozent aller Hotel-Homepages tragen keine strukturierten Daten. Wo maschinenlesbarer Code hinterlegt ist, verwenden 41,1 Prozent den falschen Schema-Typ. Das zeigt eine Studie von Hotelrank.ai aus dem Jahr 2026, die 121.425 Hotel-Websites in sieben Ländern ausgewertet hat. In den KI-Antworten taucht die eigene Hotel-Website laut der Analysefirma Cloro nur in rund 6 Prozent der Fälle als Quelle auf – fast immer bei großen Ketten wie Marriott oder Four Seasons.

Wer Gemini, ChatGPT und andere Systeme nach Hotels fragt, bekommt vor allem große Marken empfohlen. Laut ahgz kommt eine aktuelle Studie von maxonline zu dem Ergebnis, dass deutsche Hotels bei KI-Suchen selten gefunden werden. Unter der Oberfläche widersprechen sich die Erhebungen jedoch.

Was die Studien zeigen – und wo sie sich widersprechen

Die Cloro-Studie basiert auf 1.548 KI-Antworten, jeweils 258 pro System über Google AI Mode, ChatGPT, Google AI Overview, Gemini, Copilot und Perplexity. OTAs und Metasuchmaschinen – also Online-Reisebüros wie Booking oder Expedia sowie Preisvergleicher wie Kayak – stellen rund 44 Prozent der zitierten Quellen, redaktionelle Reisemedien weitere etwa 38 Prozent. Die Website des Hotels selbst landet bei 6 Prozent.

Eine zweite Erhebung von Cloudbeds bestätigt die Richtung. Laut der Studie 2025, die 810 Prompts über ChatGPT, Perplexity und Gemini für 145 Betriebe in sechs Destinationen auswertete, entfallen 55,3 Prozent aller KI-Zitationen im Reisebereich auf OTAs. Tripadvisor, Booking.com und Expedia führen das Feld an.

Die entscheidende Differenzierung liefert eine Untersuchung von Nokumo. Sie kommt zu dem Befund, dass unabhängige Hotels mit 11,8 Prozent mehr URL-Zitationen erhalten als Ketten mit 4,3 Prozent. Der Haken: Von 1.337 getesteten Betrieben wurden nur 76 – also 5,7 Prozent – in irgendeiner KI-Antwort überhaupt erkannt. Der HotelWorld-AI-Index 2025 beziffert das Grundproblem noch schärfer: Fünf von sechs Hotelbetrieben weltweit sind für KI-Suchsysteme unsichtbar. Die Basis umfasst 2,36 Millionen Datenpunkte, 2.105 Hotelmarken und 130.884 Betriebe in 30 Ländern.

Die Trennlinie verläuft damit nicht zwischen Kette und Privathotel, sondern zwischen maschinenlesbar und unsichtbar. Wer als unabhängiger Betrieb erkannt wird, hat gute Karten. Nur werden die wenigsten erkannt.

Warum das Muster bekannt ist

Die Branche hat diese Dynamik schon einmal durchlebt. Als OTAs Anfang der 2000er-Jahre die Google-Suche über Backlink-Autorität, Domain-Skalierung und bezahlte Sichtbarkeit dominierten, bildete sich eine Distributionsschicht heraus, die einzelne Hotels kaum erreichen konnten. Laut der Analyse von digitaldialog.co.uk kumulierten die Folgen über zwei Jahrzehnte: Provisionsabhängigkeit, sinkender Direktbuchungsanteil, struktureller Nachteil.

Gegen die OTA-Übermacht gibt es inzwischen einen regulatorischen Rahmen. In Deutschland untersagte das Bundeskartellamt die Bestpreisklauseln, der Bundesgerichtshof bestätigte das 2021, wie tageskarte.io berichtet. In der Schweiz greift das über das UWG umgesetzte Verbot der Paritätsklauseln, das auf eine 2017 von beiden Räten angenommene Motion zurückgeht. Für KI-Empfehlungssysteme existiert nichts Vergleichbares. Wer hier nicht auftaucht, kann sich auf keine Klausel berufen.

Was das für die Direktbuchungsstrategie bedeutet

Die KI-Lücke trifft dort, wo DACH-Betriebe ihre Stärke haben. Laut Operto-Daten nutzen 40 Prozent der Reisenden bereits KI-Tools für Planung und Buchung, in 70 Prozent der Hotelbuchungen fließen KI-Empfehlungen ein. KI wird zum vorgelagerten Filter, bevor der Gast überhaupt auf die eigene Website kommt.

Die Direktbuchungsanteile im DACH-Raum sind solide, aber ungleich verteilt. Laut ÖHV-Vertriebsstudie 2024 buchen 67,4 Prozent der Übernachtungen in ÖHV-Mitgliedsbetrieben direkt – wobei der Verband vor allem 4- und 5-Sterne-Häuser vertritt. In der Schweiz bleibt die Direktbuchung laut der Distributionsstudie 2026 von HotellerieSuisse und der HES-SO Valais-Wallis mit 58,5 Prozent wichtigster Kanal; der Anteil der Echtzeit-Buchungen über die eigene Website stieg seit 2015 von 7,5 auf 20,9 Prozent. Was auf dem Spiel steht, zeigt eine Modellrechnung von nordsteg.at: Ein 40-Zimmer-Haus mit 70 Prozent Auslastung und 180 Euro Durchschnittspreis zahlt bei 45 Prozent OTA-Anteil und 17 Prozent gewichteter Provision rund 141.000 Euro pro Jahr an Vermittler.

Fürs Tagesgeschäft heißt das: Die maschinenlesbare Grundlage der eigenen Website wird zur Pflichtaufgabe. Der durchschnittliche Schema-Score liegt laut Hotelrank.ai bei 14,3 von 100 Punkten. Kritische Felder fehlen fast überall – aggregateRating ist nur bei 12,5 Prozent der Betriebe implementiert, amenityFeature bei 7,7 Prozent, Geo-Koordinaten bei 18,8 Prozent. Der erste Hebel ist damit weniger Marketing als Technik: den korrekten Schema-Typ Hotel statt Organization oder LocalBusiness setzen, Bewertungen, Ausstattung und Standortdaten strukturiert hinterlegen, Einträge in Wikidata und eine llms.txt prüfen.

Der zweite Hebel betrifft die Inhalte. Die GEO-Studie von Forschern aus Princeton, Georgia Tech, dem Allen Institute for AI und dem IIT Delhi testete 10.000 Anfragen über mehrere generative Systeme. Das wirksamste Einzelmittel war das Hinzufügen von Statistiken – es verbesserte die Sichtbarkeit um bis zu 40 Prozent. Konkrete Zahlen und überprüfbare Fakten schlagen werbliche Prosa. Der dritte Punkt liegt außerhalb der eigenen Domain: Da OTAs und Reisemedien zusammen über 80 Prozent der KI-Zitationen stellen, entscheidet die Präsenz auf Tripadvisor, in redaktionellen Beiträgen und auf Plattformen wie Reddit mit darüber, ob ein Haus überhaupt im Trainings- und Antwortkorpus der Modelle vorkommt.

Die Diagnose „Ketten dominieren“ greift zu kurz. Der Vorsprung großer Marken ist kein Markengesetz, sondern Folge sauberer Datenpflege und schierer Domain-Autorität. Beides ist für Einzelbetriebe in Teilen aufholbar, wenn die technische Basis steht, bevor der nächste Distributionskanal zementiert ist.