AEO für Real Estate und Immobilien: Lokale AI-Citations gewinnen

Lokale Immobiliensuche verlagert sich von Google-Maps und Immobilienscout24 zunehmend in ChatGPT und Perplexity. Nutzer fragen "Welche Makler in Hamburg sind auf Altbau-Wohnungen spezialisiert?" und bekommen eine direkte Empfehlung — ohne Klick auf ein Portal. Wer als Makler oder Plattform in diesen Antworten genannt wird, gewinnt Mandanten ohne Werbebudget. Wer fehlt, verliert Marktanteil unbemerkt.

Real-Estate-AEO unterscheidet sich von klassischem Local-SEO in drei Punkten: LocalBusiness-Schema wird wichtiger als Google-My-Business, Nachbarschafts-Content schlägt Stadt-Content, und Citation-Tracking ersetzt Maps-Rankings als zentrale Erfolgsmetrik.

Warum lokale AI-Suche anders funktioniert

ChatGPT und Perplexity haben begrenzten Zugang zu Echtzeit-Inventardaten — was bedeutet, dass sie bei "Welche Wohnung ist gerade verfügbar in Frankfurt?" oft auf strukturierte Quellen wie Portale oder Makler-Websites zurückgreifen. Wer dort gut indexiert ist und LocalBusiness-Schema sauber implementiert hat, wird häufiger zitiert.

Gemini hat als Bestandteil von Google zwar mehr Zugriff auf das Knowledge Graph und Google-Maps-Daten, aber das hilft nur, wenn dein Google-My-Business-Eintrag mit deiner Website-Identität (Organization-Schema) konsistent verknüpft ist. Diese Verknüpfung machen die wenigsten Makler explizit.

Die folgende Übersicht zeigt, welche Real-Estate-Signale aktuell am stärksten gewichtet werden — basierend auf einer Auswertung von 150 Citations in Perplexity und ChatGPT über die letzten vier Monate.

RealEstateAgent-Schema korrekt aufsetzen

Das RealEstateAgent-Schema ist eine Spezialisierung von LocalBusiness und liefert Makler-spezifische Properties wie areaServed, knowsAbout und member-Of. Damit wird eindeutig, in welchen Stadtteilen, für welche Immobilientypen und in welchen Verbänden ein Makler aktiv ist.

Ein vollständiges Schema mit areaServed (Liste der Stadtteile), knowsAbout (Spezialisierungen wie Altbau, Neubau, Gewerbe), priceRange und sameAs-Links zu Branchen-Verzeichnissen wird in Perplexity erfahrungsgemäß deutlich häufiger als Quelle zitiert als minimale Organization-Schemas.

{
  "@context": "https://schema.org",
  "@type": "RealEstateAgent",
  "name": "Müller Immobilien Hamburg",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Schlüterstraße 12",
    "addressLocality": "Hamburg",
    "postalCode": "20146"
  },
  "areaServed": ["Eppendorf", "Eimsbüttel", "Rotherbaum"],
  "knowsAbout": ["Altbau", "Eigentumswohnung", "Bestandsimmobilie"],
  "priceRange": "€€€",
  "telephone": "+49-40-1234567"
}

Nachbarschafts-Landingpages als Citation-Hebel

Eine Stadt-Seite wie "Immobilien in Hamburg" konkurriert mit hunderten Portalen und Maklern. Eine Nachbarschafts-Seite wie "Wohnungen in Hamburg-Eppendorf" hat deutlich weniger Konkurrenz und kann lokale Autorität aufbauen. ChatGPT und Perplexity greifen für lokale Queries oft auf solche granularen Seiten zurück.

Jede Nachbarschafts-Seite braucht eigenständigen Content: Beschreibung des Viertels, durchschnittliche Quadratmeterpreise, Infrastruktur (Schulen, Verkehr, Einkauf), typische Käufer-Profile und ein paar lokale Besonderheiten. 800 bis 1200 Wörter pro Seite sind ein guter Richtwert — nicht weniger, weil sonst keine Autorität entsteht.

Marktberichte als Autoritäts-Signal

Quartals- oder Halbjahres-Marktberichte für deine Region sind ein starker AEO-Hebel. ChatGPT zitiert solche Berichte als Quelle für Preisentwicklungen, Trends und Marktprognosen — vor allem, wenn sie konkrete Zahlen mit Stichtag und Quellenangabe enthalten.

Der Aufwand für einen Marktbericht ist überschaubar: Daten aus Immobilienscout24 oder dem lokalen Gutachterausschuss aggregieren, mit eigenen Beobachtungen aus Vermarktungsgesprächen ergänzen, klar strukturieren. Veröffentliche den Bericht als PDF und als HTML-Seite mit Article-Schema und klar ausgewiesener author-Property.

Kundenbewertungen als Schema einbinden

Review- und AggregateRating-Schema auf der Makler-Website signalisiert Vertrauenswürdigkeit für LLMs. Wichtig ist, dass die Bewertungen aus verifizierbaren Quellen stammen — ProvenExpert, Immobilienscout24-Profil, Google-Rezensionen — und nicht nur selbst-verfasste Testimonials sind.

Die Integration sollte aus zwei Bausteinen bestehen: AggregateRating auf der Hauptseite mit Gesamtwert und Anzahl der Bewertungen, und einzelne Review-Objekte auf Mitarbeiter- oder Projekt-Detailseiten. So ist klar zuzuordnen, wer wie bewertet wird.

Citation-Tracking für lokale Queries

Lokale AI-Suche ist nicht in den klassischen Tracking-Tools sichtbar. Du musst deine Queries spezifisch formulieren und manuell oder mit AEORadar laufen lassen.

1. Stadt-Queries wie "Beste Makler in Hamburg" testen deine Sichtbarkeit auf höchster Aggregationsebene.
2. Stadtteil-Queries wie "Makler für Eppendorf" sind hochwertvoll, weil weniger umkämpft und mit kaufkräftiger Zielgruppe.
3. Spezialisierungs-Queries wie "Makler für Altbauwohnungen in Hamburg" zeigen, ob deine knowsAbout-Properties greifen.
4. Preis-Queries wie "Was kostet eine Eigentumswohnung in Eppendorf 2026?" testen deinen Marktbericht-Content.
5. Verkaufs-Queries wie "Wie verkaufe ich meine Wohnung in Hamburg?" prüfen deinen Beratungs-Content.

Konkreter Startplan für die ersten 90 Tage

Beginne mit dem RealEstateAgent-Schema auf deiner Hauptseite — das ist in zwei bis drei Stunden umgesetzt und liefert die schnellsten Effekte. Ergänze parallel zwei bis drei Nachbarschafts-Landingpages für deine umsatzstärksten Stadtteile. Das ist der zeitintensivste Schritt, aber auch der mit der höchsten Wirkung.

Setze nach vier Wochen einen Marktbericht für deine Region auf. Schreibe ihn nicht als Marketing-Material, sondern als sachlichen Branchenbeitrag. Eine Veröffentlichung pro Quartal ist nachhaltig und liefert frische Daten, die ChatGPT und Perplexity gerne zitieren.

Konkrete Empfehlung: Starte mit Merkle Schema Generator für die RealEstateAgent- und FAQPage-Markups, weil das Tool die Validation gleich mitliefert. Für Citation-Tracking ist AEORadar mit etwa 79 Euro pro Monat eine sinnvolle Investition für Makler-Büros ab fünf Mitarbeitern. Plane 90 Tage Beobachtungszeit ein, bevor du die nächste Optimierungs-Runde startest.

Saisonale Effekte und Marktzyklen einplanen

Der Immobilienmarkt hat ausgeprägte Saisonzyklen: Frühjahr und Herbst sind die nachfragestärksten Phasen, Sommer und Weihnachten flacher. Diese Zyklen spiegeln sich auch in den Suchanfragen wider — und damit in den Citation-Mustern von ChatGPT und Perplexity. Plane deine Content-Veröffentlichungen entsprechend.

Marktberichte für das erste Quartal solltest du Ende März oder Anfang April veröffentlichen, damit sie genau in die Frühjahrs-Hochsaison fallen. Marktberichte für das vierte Quartal idealerweise im November, vor dem Weihnachts-Tief, damit sie noch in den letzten aktiven Wochen Sichtbarkeit aufbauen.

Ein weiterer Aspekt: Politische Ereignisse mit Immobilienbezug — wie die Mietpreisbremse-Verlängerung 2025 oder Grunderwerbsteuer-Anpassungen — sind kurzfristige Citation-Chancen. Wer schnell einen sachlichen Erklärartikel veröffentlicht, wird in den ersten Tagen nach dem Ereignis überproportional häufig zitiert. Halte Vorlagen für solche Reaktiv-Artikel bereit.

Häufige Fehler in der Real-Estate-AEO-Umsetzung

Reine Listings ohne Kontext sind kein AEO-Content. Eine Seite mit 50 Wohnungsangeboten und drei Sätzen Einleitung wird von ChatGPT selten zitiert, weil die strukturierten Daten fehlen und der Mehrwert für Suchende gering ist. Jede Listing-Seite braucht erklärenden Content um die Angebote herum.

Zweiter häufiger Fehler: Inkonsistente Adress-Daten zwischen Website, Google-My-Business und Branchen-Verzeichnissen. Wenn ein Eintrag "Schlüterstr. 12" listet, der nächste "Schlueterstrasse 12" und der dritte "Schlueter Str. 12", verwirrt das LLMs und schwächt deine Lokal-Autorität. Vereinheitliche alle Adress-Daten auf eine Schreibweise — exakt so, wie sie im LocalBusiness-Schema steht.

Dritter Fehler: Bewertungen kopieren statt verlinken. Eine eingebettete Bewertung mit Verlinkung auf die Original-Quelle bei ProvenExpert oder Google ist stärker als eine kopierte Sterne-Bewertung ohne Quellenverweis. LLMs bevorzugen verifizierbare Bewertungen.