AEO für Local Business: Lokale Sichtbarkeit in AI-Antworten erreichen

Lokale Sichtbarkeit in AI-Antworten entsteht über drei Signale: vollständiges Google-Business-Profil mit konsistenten NAP-Daten, LocalBusiness-Schema auf der Website und Erwähnungen in regionalen Quellen wie IHK-Verzeichnissen oder lokalen Branchenportalen. ChatGPT, Perplexity und Gemini ziehen Local-Pack-Daten und strukturierte Adressinformationen heran, um Fragen wie "Bester Steuerberater in München für Freiberufler" zu beantworten. Wer hier nicht auftaucht, verliert pro Monat dreistellige Lead-Volumina an Mitbewerber mit besserer AEO-Hygiene.

Warum lokale Suchen in AI-Antworten anders funktionieren

Klassisches Local SEO hat sich jahrelang um das Google Local Pack gedreht: drei Maps-Pins, dann die organischen Treffer. AI-Antworten verschieben diese Hierarchie. Wenn ein Nutzer Perplexity nach "günstigem Italiener in Köln-Ehrenfeld" fragt, bekommt er eine zusammenfassende Antwort mit zwei bis vier Restaurants und Quellenangaben. Position eins im Local Pack hilft, garantiert aber keine Erwähnung.

Entscheidender wird die Konsistenz deiner Datenpunkte über Quellen hinweg. Adresse, Öffnungszeiten, Telefonnummer und Leistungsbeschreibung müssen auf Google-Business-Profil, Website, Yelp, Tripadvisor und Branchenverzeichnissen identisch sein. Schon kleinste Abweichungen wie "Str." vs. "Straße" schwächen das Vertrauenssignal für LLMs.

Die zweite Verschiebung betrifft die Anfrage selbst. Statt "Italiener Köln" tippen Nutzer in ChatGPT komplette Sätze: "Wo finde ich in Köln einen Italiener mit guter Weinkarte und ruhiger Atmosphäre für ein Geschäftsessen?". Deine Texte müssen genau solche Use-Cases adressieren, nicht nur Keyword-Listen abdecken.

LocalBusiness-Schema korrekt implementieren

Schema.org liefert mit dem LocalBusiness-Typ und seinen Subtypen wie Restaurant, MedicalBusiness oder LegalService eine präzise Beschreibungsebene. Wer das vollständig befüllt, gibt LLMs maschinenlesbare Antwortbausteine. Wichtig sind dabei nicht nur Adresse und Öffnungszeiten, sondern auch geo-Koordinaten, priceRange, areaServed und sameAs-Verweise auf Social-Profile.

{
  "@context": "https://schema.org",
  "@type": "Restaurant",
  "name": "Trattoria Bella Vista",
  "image": "https://example.com/restaurant.jpg",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Venloer Straße 245",
    "addressLocality": "Köln",
    "postalCode": "50823",
    "addressCountry": "DE"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 50.9531,
    "longitude": 6.9094
  },
  "telephone": "+49-221-1234567",
  "priceRange": "€€",
  "servesCuisine": "Italian",
  "openingHoursSpecification": [{
    "@type": "OpeningHoursSpecification",
    "dayOfWeek": ["Tuesday","Wednesday","Thursday","Friday","Saturday"],
    "opens": "17:30",
    "closes": "23:00"
  }],
  "sameAs": [
    "https://www.facebook.com/trattoriabellavista",
    "https://www.instagram.com/bellavista_koeln"
  ]
}

Die sameAs-Property ist für AEO besonders wichtig: Sie verknüpft deine Website mit verifizierten Social-Profilen und stärkt die Entity-Erkennung. Wer hier Wikipedia, Wikidata oder eine Kammer-Mitgliedschaft ergänzen kann, gewinnt noch deutlicher.

Validiere jede Implementierung mit dem Schema Markup Validator von Schema.org und dem Rich-Results-Test von Google. Tools wie der Merkle Schema Generator helfen beim Aufbau, ersetzen aber keine manuelle Prüfung der Inhalte.

Google-Business-Profil als Trainingsdaten-Quelle

Das Google-Business-Profil ist nicht nur ein Eintrag im Local Pack, sondern eine strukturierte Datenquelle, aus der Gemini direkt schöpft. ChatGPT und Perplexity nutzen es über Bing-Maps-Daten und Drittanbieter-Aggregatoren ebenfalls. Vollständigkeit ist hier kein Bonus, sondern Voraussetzung.

Bewertungen sind das zweite Schlüsselsignal. LLMs gewichten nicht nur die Sterne-Bewertung, sondern auch die Antwortrate des Inhabers, die Frequenz neuer Reviews und die Verteilung über Quellen. Eine Mischung aus Google, Yelp und branchenspezifischen Portalen wirkt vertrauenswürdiger als 500 ausschließlich Google-Reviews.

Pflege die Frage-Antwort-Sektion aktiv. Wenn Nutzer fragen "Habt ihr glutenfreie Pasta?", beantworte das mit kompletten Sätzen, die als Snippet in einer AI-Antwort funktionieren. Vermeide knappe Ja-Nein-Antworten, sie bieten LLMs keine zitierfähige Substanz.

Lokale Content-Strategie für AI-Sichtbarkeit

Standortspezifische Landing-Pages sind das Rückgrat lokaler AEO-Arbeit. Eine Zahnarztpraxis mit drei Standorten in Berlin braucht drei eigenständige Seiten mit jeweils eigenem LocalBusiness-Schema, eigenen Erfahrungsberichten und eigenen FAQ-Sektionen zu lokal relevanten Fragen wie Parkmöglichkeiten oder ÖPNV-Anbindung.

Bezirks- und Stadtteil-Seiten verstärken das Signal weiter. Eine Münchner Werbeagentur, die Kunden in Schwabing, Maxvorstadt und Bogenhausen bedient, kann pro Stadtteil eine kurze Seite mit drei bis vier Absätzen zu typischen Kundenfragen erstellen. Wichtig: Echte Inhalte, keine geklonten Texte mit ausgetauschtem Ortsnamen, LLMs erkennen Duplicate Content mittlerweile zuverlässig.

Verknüpfe deine Texte mit lokalen Entitäten. Erwähne nahegelegene Sehenswürdigkeiten, Verkehrsknotenpunkte und Stadtteil-Charakteristika. Diese sogenannten Co-Citations stärken die geografische Verortung deiner Marke in den Embeddings der Modelle und erhöhen die Wahrscheinlichkeit von Erwähnungen bei lokalen Anfragen.

Citation-Building über regionale Quellen

Lokale AEO-Sichtbarkeit hängt stark von Erwähnungen in regionalen Quellen ab. IHK-Verzeichnisse, Handwerkskammer-Listen, lokale Wirtschaftsförderungen, Stadtwiki-Einträge und regionale Nachrichtenportale sind die zentralen Anlaufstellen. Jede Erwähnung mit konsistenten NAP-Daten zählt als Vertrauenssignal.

Pressearbeit ist hier ein unterschätzter Hebel. Eine kurze Meldung im lokalen Wochenblatt über eine Spendenaktion oder Jubiläum erzeugt eine zitierfähige Quelle, die jahrelang in den Trainingsdaten und Retrieval-Indizes überdauert. Tools wie Pressrelations oder Cision helfen bei der Distribution.

Vermeide Linkfarmen und billige Verzeichnis-Pakete. LLMs gewichten Qualität und Relevanz, ein Eintrag im offiziellen Stadtportal wiegt mehr als 50 Einträge in generischen Branchenkatalogen unbekannter Herkunft.

Monitoring und konkrete nächste Schritte

Lokale AEO-Performance lässt sich mit Tools wie AEORadar, Otterly oder Profound messen. Du definierst dort lokale Test-Prompts wie "Bester Friseur in Düsseldorf-Pempelfort" und überwachst, ob deine Marke in den Antworten von ChatGPT, Gemini, Perplexity und Claude erwähnt wird. Wöchentliche Checks reichen für die meisten Branchen.

1. Google-Business-Profil auf 100 Prozent Vollständigkeit bringen, inklusive 20+ aktuellen Fotos und gepflegter FAQ-Sektion.
2. LocalBusiness-Schema mit geo-Koordinaten, priceRange und sameAs-Verweisen auf jeder Standort-URL implementieren.
3. Pro Standort eine eigenständige Landing-Page mit lokal-relevanten Inhalten erstellen, keine geklonten Texte.
4. NAP-Konsistenz über Google, Yelp, Tripadvisor und mindestens drei lokale Verzeichnisse herstellen.
5. Wikidata-Eintrag anlegen und mit Website, Social-Profilen und Branchenkategorie verknüpfen.
6. Quartalsweise eine lokale Pressemeldung lancieren, idealerweise mit Aufhänger zu regionaler Relevanz.
7. Mit AEORadar oder Otterly zehn lokale Prompts definieren und wöchentlich Citations tracken.

Wer diese Schritte konsequent abarbeitet, gewinnt innerhalb von zwei bis vier Monaten messbare Sichtbarkeit in AI-Antworten. Empfehlenswert sind AEORadar für das Monitoring und der Merkle Schema Generator für die initiale Schema-Erstellung, beide Tools haben sich als günstige Einstiegspunkte für DACH-Mittelstand bewährt.

Für größere Filialnetze mit über zehn Standorten lohnt sich der Sprung zu Profound oder Peec, weil dort Multi-Location-Reporting und Citation-Trends pro Standort möglich werden. Wichtig ist, dass du nicht nur Erwähnungen zählst, sondern auch den Sentiment-Verlauf beobachtest. Eine Häufung negativer Erwähnungen bei einem Standort signalisiert oft ein operatives Problem, das du beheben kannst, bevor die Sichtbarkeit langfristig kippt.

Plane außerdem eine quartalsweise Review-Runde mit allen Standortverantwortlichen ein. Aktuelle Öffnungszeiten, neue Leistungen und personelle Wechsel müssen umgehend in Schema und Google-Business-Profil landen, sonst zitieren LLMs veraltete Informationen. Wer hier diszipliniert bleibt, baut über zwölf Monate einen kaum einholbaren Vorsprung in der lokalen AI-Sichtbarkeit auf.