Ihr Hotel ist für KI unsichtbar. Das zeigen die Daten.

Ein reales KI-Sichtbarkeitsaudit eines Madrider Hotels zeigt ein Muster, das die meisten Unterkünfte teilen: starke Markenbekanntheit, nahezu null Entdeckungssichtbarkeit. Was das bedeutet – und was zu tun ist.

Die Falle der Markensichtbarkeit

Als wir ein vollständiges KI-Sichtbarkeitsaudit für ein bekanntes Hotel in Madrid durchführten und seine Präsenz bei Perplexity, ChatGPT und Google Gemini testeten, sahen die Hauptzahlen beruhigend aus. Wir testeten 100 verschiedene Anfragen, die echte Reisende an KI stellen würden, aufgeteilt in sechs Suchthemen und fünf Reisepersonas. Das Hotel erschien in der Mehrheit dieser Anfragen, mit über 800 Gesamtnennungen und Zitaten über alle drei KI-Engines.

Aber die Geschichte änderte sich komplett, als wir uns ansahen, welche Arten von Anfragen diese Erscheinungen antrieben. Die Daten zeigten ein Muster, das wir bei fast jedem Hotel sehen, das wir prüfen: Die Unterkunft dominierte Markenanfragen, war aber praktisch unsichtbar in der Entdeckungsebene, wo neue Gäste tatsächlich Hotels finden.

Wie wir KI-Sichtbarkeit gemessen haben

Wir stellten jeder KI-Engine 100 Anfragen über sechs Themen: Markenanfragen (bei denen das Hotel namentlich erwähnt wird), Vergleichsanfragen (bei denen Reisende es mit Konkurrenten vergleichen), Konkurrenz-Markenanfragen (bei denen Reisende nach einem Rivalen namentlich suchen) und drei Arten von Nicht-Markenanfragen – auf Stadtebene, regional und standortbasiert (in der Nähe einer bestimmten Sehenswürdigkeit oder eines Point of Interest). Jede Anfrage wurde auch einer von fünf Reisepersonas zugeordnet, von Geschäftsreisenden bis zu romantischen Kurzurlaub-Paaren.

Der Sichtbarkeitsindex reicht von 0 bis 100. Eine Punktzahl von 100 bedeutet, dass das Hotel über alle KI-Engines hinweg konsistent für diese Kategorie empfohlen wurde. Eine Punktzahl von 0 bedeutet, dass es nie erschien. Denken Sie daran: Von 100 Gelegenheiten, bei denen KI Ihr Hotel dieser Zielgruppe oder für diese Art von Anfrage empfehlen könnte, wie oft tat sie das tatsächlich?

Themen-Performance: Wo die wahre Geschichte liegt

Die Ergebnisse teilten sich deutlich in zwei Stufen.

Themen-Performance über alle drei KI-Engines — Tharro Dashboard

Das Muster ist eindeutig. Wenn jemand die KI fragt "Wie ist es, im [Hotelname] zu übernachten?", erreicht die Unterkunft perfekte 100 – die KI empfiehlt es jedes Mal. Aber wenn ein Reisender fragt "Was ist das beste Hotel in Madrid für eine Geschäftsreise?" – die Art von Anfrage, die tatsächlich neue Buchungen antreibt – erschien das Hotel nur in etwa 1 von 10 KI-Antworten. Bei regionalen Anfragen wie "Beste Hotels in Zentralspanien?" erschien es in etwa 1 von 100.

Das ist die Falle der Markensichtbarkeit: Das Hotel sieht insgesamt gesund aus, weil Markenanfragen die Gesamtzahlen aufblähen und eine fundamentale Schwäche in der Entdeckungsebene verbergen, wo unentschlossene Reisende suchen.

Persona-Performance: Nicht alle Reisenden sehen Sie gleich

Wir testeten die Sichtbarkeit über fünf verschiedene Reisepersonas. Die Ergebnisse zeigen, welche Gastsegmente die KI aktiv zum Hotel schickt – und welche still zu Konkurrenten umgeleitet werden.

Drei Personas – Geschäftsreisende, Luxussucher und Anlass-Reisende – erzielen alle perfekte 100, was bedeutet, dass die KI dieses Hotel praktisch jedes Mal empfiehlt, wenn jemand, der diesem Profil entspricht, nach einer Empfehlung fragt. Aber romantische Kurzurlaub-Paare fallen auf 69 und Event-Teilnehmer auf 55. In praktischen Begriffen bedeutet diese 45-Punkte-Lücke für Event-Teilnehmer, dass ungefähr ein von zwei Mal, wenn jemand die KI nach einem Madrider Hotel für eine Konferenz oder Veranstaltung fragt, diese Unterkunft überhaupt nicht erwähnt wird.

Es gibt eine interessante Nuance bei den Zitierraten. Romantische Kurzurlaub-Paare haben trotz geringerer Sichtbarkeit mit 23% die höchste Zitierrate – was bedeutet, dass die KI, wenn sie das Hotel für diese Zielgruppe erwähnt, die Empfehlung mit glaubwürdigen Quellen untermauert. Das Problem ist nicht die Qualität der Empfehlung. Es ist die Häufigkeit.

Was Zitate über KI-Vertrauen aussagen

Nicht alle Nennungen sind gleich. Wenn die KI über Ihr Hotel spricht, kann sie dies auf drei verschiedene Arten tun, die jeweils ein unterschiedliches Gewicht für den Reisenden haben, der eine Entscheidung trifft.

Direkte Zitate sind der Goldstandard. Dies bedeutet, dass die KI-Engine direkt auf die Website Ihres Hotels oder die offizielle Buchungsseite verlinkt, wenn sie Sie empfiehlt. Der Reisende sieht Ihren Namen, klickt durch und landet auf Ihrer Unterkunft. Kein Vermittler, keine OTA, kein Konkurrenzlärm. Direkte Zitate treiben den qualitativ hochwertigsten Traffic an, weil der Reisende mit Absicht ankommt und auf einer Seite landet, die Sie kontrollieren.

Indirekte Zitate bedeuten, dass die KI eine Drittquelle referenziert – einen Reiseblog, eine Bewertungsseite, einen Magazinartikel – die Ihr Hotel erwähnt. Der Reisende erhält immer noch eine Empfehlung, aber das Vertrauen wird durch den Inhalt einer anderen Person gefiltert. Sie kontrollieren die Erzählung nicht und teilen diese Seite oft mit Konkurrenten. Immer noch wertvoll, aber Sie sind einen Schritt von der Buchung entfernt.

Einfache Nennungen sind am häufigsten, aber am wenigsten kraftvoll. Die KI lässt den Namen Ihres Hotels in eine Antwort fallen – oft als Teil einer Liste – ohne auf eine Quelle zu verlinken. Es gibt keinen Klickpfad, kein Autoritätssignal, keine Möglichkeit für den Reisenden, die Empfehlung zu verifizieren. Es ist Bewusstsein ohne Konversionskraft.

Zitat-Aufschlüsselung: Direkt 66, Indirekt 248, Einfache Nennungen 487 — Tharro Dashboard

Für dieses Madrider Hotel war die Zitat-Aufschlüsselung über alle drei KI-Engines: 66 direkte Zitate (8%), 248 indirekte Zitate (31%) und 487 einfache Nennungen (61%). Das Hotel wird erwähnt, aber selten mit der Art von Autorität, die direkte Buchungen antreibt. Und das Ungleichgewicht ist am wichtigsten bei Nicht-Markenanfragen, wo Reisende noch entscheiden – und wo Vertrauenssignale den Unterschied ausmachen zwischen einem Klick auf Ihre Website oder dem Vorbeiblättern zu einem Konkurrenten.

Die Wettbewerbslandschaft: Eine 3x Autoritätslücke

Die Kopf-an-Kopf-Autoritätsmatrix erzählt die Wettbewerbsgeschichte deutlich. Als die KI das Hotel direkt mit seinem Wettbewerbsset verglich, erreichte das Hotel eine Sichtbarkeit von 27 von 100. Das Mandarin Oriental Ritz erreichte 84 – mehr als dreimal die Autorität. Das Ritz erfasste 71 einfache Nennungen gegenüber 21 des Hotels und erzielte 8 direkte Zitate gegenüber nur 3.

Was dies besonders bedeutsam macht, ist, dass das Mandarin Oriental Ritz in der Ultra-Luxus-Kategorie operiert – eine völlig andere Preisklasse. Die Tatsache, dass es die KI-Mindshare sogar im mittleren bis oberen Segment dominiert, legt nahe, dass die Positionierung und digitale Autorität des Hotels, nicht nur sein Marketingbudget, neu kalibriert werden muss, wie KI-Engines Unterkünfte kategorisieren und empfehlen.

KI-Sichtbarkeit im Zeitverlauf

KI-Rankings sind nicht statisch. Die Gesamt-Sichtbarkeitspunktzahl des Hotels hat zwischen Messperioden geschwankt, was die Volatilität von KI-Empfehlungen widerspiegelt.

Diese Volatilität ist selbst eine wichtige Erkenntnis. Hotels, die einmal messen und davon ausgehen, dass das Bild stabil ist, treffen eine gefährliche Annahme. KI-Engines aktualisieren ihre Modelle, trainieren mit neuen Daten neu und ändern ständig Empfehlungen. Kontinuierliche Überwachung ist der einzige Weg, Rückgänge zu erkennen, bevor sie zu anhaltenden Verlusten werden.

Von der Diagnose zur Aktion: Was Tharro empfiehlt

Die Lücke zu identifizieren ist nur der erste Schritt. Tharro diagnostiziert nicht nur KI-Sichtbarkeitsprobleme – es generiert spezifische, umsetzbare Anfrageempfehlungen, die auf das Wettbewerbsset, den Markt und die Schwachstellen jedes Hotels zugeschnitten sind. Für dieses Madrider Hotel identifizierte Tharro etwa 60 hochwertige Anfragen pro KI-Engine, bei denen die Unterkunft erscheinen sollte, aber derzeit nicht erscheint.

Diese Empfehlungen umfassen die Lücken, die das Audit aufdeckte. Zum Beispiel:

"Boutique-Hotels Madrid für romantischen Kurzurlaub" – zielt auf die Persona des romantischen Kurzurlaub-Paares ab, bei der die Sichtbarkeit auf 69 fiel. Das Hotel hat das Produkt für diese Zielgruppe, wird aber von der KI nicht angezeigt, wenn Paare danach suchen.

"Hotels in der Nähe von Kongresszentren Madrid" – zielt auf die Lücke bei Event-Teilnehmern ab. Mit einer Sichtbarkeit von nur 55 für diese Persona und null Präsenz bei Nicht-Marken-Stadtanfragen zu Veranstaltungen ist dies ein direkter Umsatzverlust.

"Luxushotels in der Nähe des Prado-Museums Buchung" – eine Nicht-Marken-POI-Anfrage, bei der das Hotel nur 27 Sichtbarkeit erzielte. Das Hotel liegt in der Nähe wichtiger Madrider Sehenswürdigkeiten, aber die KI verbindet es nicht damit. Währenddessen besitzen Konkurrenten wie Hotel Catalonia Plaza Mayor und Mandarin Oriental Ritz diesen Raum bereits.

Jede Empfehlung ordnet sich einer spezifischen Themen-Persona-Schnittstelle zu, sodass Hotels genau wissen, welche Art von Inhalt, strukturierten Daten oder digitalem Autoritätsaufbau die Lücke schließt. Dies ist der Unterschied zwischen dem Wissen, dass Sie ein Problem haben, und dem Wissen, wie Sie es genau beheben.

Was das für Hotels bedeutet

Dieses Audit ist nicht einzigartig für ein Madrider Hotel. Es ist das Muster, das wir bei den meisten Unterkünften sehen, die nicht speziell für KI-Sichtbarkeit optimiert haben. Die wichtigsten Erkenntnisse:

Themenanalyse ist unerlässlich. Aggregierte Punktzahlen verbergen die Marken-vs-Entdeckungs-Spaltung. Ein Hotel, das insgesamt hoch punktet, aber nur 11 von 100 bei Stadtanfragen erreicht, hat ein grundlegend anderes Problem als eines mit moderaten Gesamtpunktzahlen, aber starker Nicht-Marken-Präsenz.

Persona-Lücken sind Umsatzlücken. Jede Persona ordnet sich einem Buchungssegment mit eigenem Wert zu. Eine Event-Teilnehmer-Sichtbarkeit von 55 versus 100 bedeutet, dass das Hotel etwa ein Viertel der KI-getriebenen Nachfrage dieses Segments an Konkurrenten verliert – Reisende, die gut gepasst hätten, aber den Hotelnamen nie sahen.

Nicht-Marken-Sichtbarkeit ist die Wachstumsgrenze. Hier konkurrieren Hotels um Gäste, die noch nicht entschieden haben, wo sie übernachten. Im Moment schickt die KI diese Reisenden zu Konkurrenten. Content-Strategie, strukturierte Daten und digitale Autorität müssen auf diese spezifischen Anfragethemen abzielen.

Zitate treiben Konversion, nicht nur Bewusstsein. Der Wechsel von einfachen Nennungen (61% der Referenzen dieses Hotels) zu direkten Zitaten erfordert den Aufbau autoritativen, gut strukturierten Inhalts, den KI-Engines referenzieren, zuordnen und verlinken können. Eine Nennung schafft Bewusstsein. Ein direktes Zitat bringt einen Klick.

Spezifische Empfehlungen schlagen allgemeine Ratschläge. Zu wissen, dass Ihr Hotel "schwach bei Nicht-Marken" ist, reicht nicht aus. Sie müssen die genauen Anfragen, die genauen Personas und die genaue Wettbewerbsdynamik kennen, um eine gezielte Optimierungsstrategie aufzubauen. Das machen die Daten möglich.

KI-Sichtbarkeit ist volatil – die Gesamtpunktzahl dieses Hotels hat zwischen Messperioden erheblich geschwankt. Hotels, die überwachen, vergleichen und auf Themen-Persona-Daten reagieren, werden die Nachfrage erfassen, die andere auf dem Tisch lassen.