Trotz guter Google-Bewertung bei ChatGPT unsichtbar: Die Ursachen nach Häufigkeit sortiert

Ein Betrieb hat 4,3 Sterne bei Google, über 40 Bewertungen, überwiegend positiv – und trotzdem fasst Perplexity die Lage mit "vereinzelt Beschwerden" zusammen, während ChatGPT den Betrieb bei derselben Frage gar nicht erwähnt. Dieses Auseinanderfallen von Sternedurchschnitt und KI-Aussage ist kein Zufall, sondern folgt erkennbaren Mustern. Dieser Artikel diagnostiziert das Symptom und ordnet die fünf häufigsten Ursachen so, dass sich jede einzeln prüfen und beheben lässt.

Das Symptom: Stabile Sterne, aber schwankende KI-Aussage

Das wiederkehrende Muster sieht so aus: Der Sternedurchschnitt bei Google bleibt über Monate stabil, doch die Formulierung in KI-Antworten wechselt zwischen neutral, vorsichtig und auffällig kritisch – je nachdem, welches Modell gefragt wird und wie die Frage formuliert ist. Manche Unternehmen mit einzelnen 1-Stern-Bewertungen werden trotzdem uneingeschränkt empfohlen, andere mit ähnlichem Profil nicht. Die Sternezahl allein erklärt dieses Verhalten nicht – sie ist nur ein Signal von mehreren, die ein Sprachmodell beim Zusammenfassen gewichtet.

Ursachenanalyse: fünf Ursachen in der Reihenfolge ihrer Häufigkeit

Ursache 1 (am häufigsten): Bewertungstext fehlt oder ist zu kurz

Sprachmodelle können aus reinen Sternezahlen keinen Kontext ziehen. Fehlt der Fließtext zu positiven Bewertungen, während die wenigen negativen ausführlich beschrieben sind, dominiert der ausführliche negative Text die Zusammenfassung – unabhängig vom rechnerischen Durchschnitt.

Prüfschritt: Öffnen Sie Ihr Google-Unternehmensprofil und zählen Sie, wie viele der letzten 20 Bewertungen einen Fließtext von mindestens einem Satz enthalten. Trennen Sie dabei positive und negative Bewertungen.

Lösung: Bitten Sie zufriedene Kundinnen und Kunden aktiv um ein paar Sätze statt nur um Sterne, etwa per Nachfass-Mail oder QR-Code vor Ort. Google selbst weist darauf hin, dass eine Mischung aus positivem und negativem Feedback bei potenziellen Kunden oft vertrauenswürdiger wirkt als ausschließlich positive Bewertungen – entscheidend ist also nicht die Abwesenheit negativer Stimmen, sondern das Verhältnis an aussagekräftigem Text Google Unternehmensprofil-Hilfe.

Ursache 2: Keine Reaktion auf negative Bewertungen

Eine unbeantwortete negative Bewertung wirkt wie ein ungelöstes Problem. Fasst ein Sprachmodell die öffentlich sichtbare Lage zusammen, fehlt ihm der Hinweis, dass das Unternehmen reagiert, sich entschuldigt oder eine Lösung angeboten hat.

Prüfschritt: Filtern Sie alle 1- und 2-Sterne-Bewertungen der letzten zwölf Monate und prüfen Sie, bei wie vielen eine Unternehmensantwort hinterlegt ist.

Lösung: Antworten Sie sachlich und zeitnah, ohne die Bewertung zu löschen oder zu verändern – Google stuft das Verändern oder Entfernen negativer Rezensionen als gefälschte Interaktion ein und verbietet es ausdrücklich Google Unternehmensprofil-Hilfe. Zudem gilt: Eine sachlich korrekte negative Bewertung darf nicht gemeldet werden, nur weil sie unangenehm ist; Google schlichtet keine Konflikte zwischen Unternehmen und Kundschaft und weist ausdrücklich darauf hin, dass negative Rezensionen auf echtes Verbesserungspotenzial hinweisen können Google Unternehmensprofil-Hilfe.

Ursache 3: Fehlende Angaben zur Echtheitsprüfung nach § 5b UWG

Wer Bewertungen auf der eigenen Website oder in Marketingmaterial zugänglich macht, muss seit dem 28. Mai 2022 offenlegen, ob und wie die Echtheit dieser Bewertungen sichergestellt wird. Fehlt diese Angabe, gilt das als wesentliche Information, deren Fehlen eine Irreführung darstellen kann Bundesministerium der Justiz.

Prüfschritt: Suchen Sie auf Ihrer eigenen Bewertungsseite nach einem Hinweis, wie Sie die Echtheit von Bewertungen prüfen. Eine Auswertung der Verbraucherzentrale aus dem Jahr 2023 stellte fest, dass bei vielen geprüften Online-Anbietern genau diese Information unzureichend oder gar nicht vorhanden war vzbv.

Lösung: Ergänzen Sie einen kurzen, transparenten Absatz dazu, nach welchem Verfahren Bewertungen bei Ihnen zustande kommen – etwa nur nach nachgewiesenem Kauf oder Auftrag. Das erfüllt nicht nur § 5b Abs. 3 UWG, sondern vermeidet auch den Vorwurf aus Nr. 23b des UWG-Anhangs, wonach die Behauptung geprüfter Echtheit ohne angemessene und verhältnismäßige Prüfmaßnahmen unzulässig ist Bundesministerium der Justiz. Diese Angaben sind zugleich ein Vertrauenssignal, das Sprachmodelle beim Zitieren Ihrer Seite als seriöse Quelle einordnen können – ein Thema, das auch im Wissensbereich vertieft wird.

Ursache 4: Veraltete oder zu kleine Bewertungsbasis

Wenn die letzten Bewertungen Jahre zurückliegen, kann eine einzelne alte negative Bewertung in einer KI-Zusammenfassung unverhältnismäßig viel Gewicht bekommen, weil keine aktuelleren Stimmen sie relativieren.

Prüfschritt: Sortieren Sie Ihre Bewertungen nach Datum. Liegen mehr als die Hälfte der negativen Bewertungen länger als zwei Jahre zurück, während neue Bewertungen insgesamt selten sind, liegt hier die Ursache.

Lösung: Etablieren Sie einen laufenden Prozess, um regelmäßig neue Bewertungen zu generieren, statt punktuell einmal im Jahr zu fragen. Für lokal tätige Betriebe lohnt sich dabei ein Blick auf GEO für lokale Unternehmen, da hier Bewertungsfrequenz und lokale Sichtbarkeit zusammenhängen.

Ursache 5 (seltenste, aber gravierendste): Erpressung oder gefälschte Bewertungswelle

Ein plötzlicher Schub negativer Bewertungen innerhalb weniger Tage ist meist kein organisches Feedback, sondern ein Warnsignal. Google beschreibt dieses Muster ausdrücklich: Bei Erpressungsversuchen mit negativen Rezensionen kommt es häufig zu einem plötzlichen Anstieg von 1- und 2-Sterne-Bewertungen im betroffenen Profil, verbunden mit der Forderung nach Geld, Waren oder Dienstleistungen im Gegenzug für das Entfernen der Bewertungen Google Unternehmensprofil-Hilfe.

Prüfschritt: Prüfen Sie, ob mehrere sehr kurze, inhaltlich austauschbare 1-Stern-Bewertungen innerhalb weniger Tage eingegangen sind, ohne konkreten Bezug zu einer realen Transaktion.

Lösung: Nicht zahlen, sondern den Vorfall über die dafür vorgesehene Meldefunktion bei Google dokumentieren und melden. Werden solche Bewertungen als unecht entfernt, verschwindet auch das verzerrte Signal, das sonst in automatisiert erstellte KI-Zusammenfassungen einfließen könnte.

Ursache	Häufigkeit in der Praxis	Prüfschritt	Lösung
Fehlender Bewertungstext	sehr häufig	Text- vs. Sternanteil zählen	Aktiv um Fließtext bitten
Keine Unternehmensantwort	häufig	Antwortquote bei 1–2 Sternen prüfen	Sachlich und zeitnah antworten
Fehlende Echtheits-Angabe (§5b UWG)	häufig	Eigene Bewertungsseite prüfen	Prüfverfahren transparent beschreiben
Veraltete Bewertungsbasis	gelegentlich	Bewertungen nach Datum sortieren	Laufenden Review-Prozess etablieren
Erpressung / Fake-Welle	selten, aber schwerwiegend	Zeitliches Muster prüfen	Melden statt zahlen

Qualitätssicherung in eigener Sache: Testsätze, Metriken und Monitoring für KI-Antworten

Wer wissen will, wie stark negative Bewertungen tatsächlich wirken, sollte die eigene KI-Sichtbarkeit so testen, wie man auch die Qualität eines Chatbots prüfen würde – mit wiederholbaren Testsätzen statt Einzelstichproben.

• Standardisierte Testsätze: dieselbe Frage, etwa "Ist [Branche] in [Ort] empfehlenswert?", monatlich in ChatGPT, Perplexity, Gemini und Copilot stellen und die Antworten archivieren.
• Individuelle Testsätze: Formulierungen, die echte Kundenfragen widerspiegeln, zum Beispiel konkrete Leistungsbezeichnungen statt allgemeiner Branchenbegriffe.
• Stresstests: bewusst kritische Formulierungen wie "Gibt es negative Erfahrungen mit [Unternehmen]?" testen, um zu sehen, ob veraltete oder falsche Informationen auftauchen.

Für die Auswertung lassen sich klassische Qualitätsmetriken sinngemäß übertragen, auch wenn sie ursprünglich aus der technischen Bewertung von Sprachmodellen stammen:

Metrik	Anwendung auf Bewertungs-Monitoring
Genauigkeit	Stimmen die von der KI genannten Fakten zu Bewertungen (Zahl, Zeitraum)?
Relevanz	Wird eine negative Bewertung im Kontext oder isoliert genannt?
Fehlerrate	Wie oft werden veraltete oder falsche Angaben zitiert?
Aktualität	Wie zeitnah reagiert die KI-Antwort auf neue Bewertungen?
Regressionsüberwachung	Wiederholung derselben Prompts über mehrere Wochen, um Verschlechterungen früh zu erkennen

Textähnlichkeits-Metriken wie BLEU oder ROUGE, die in der klassischen Übersetzungsbewertung verwendet werden, helfen hier kaum weiter – es geht nicht um sprachliche Nähe zu einem Referenztext, sondern um Faktentreue gegenüber den tatsächlichen Bewertungen. Wichtiger ist die laufende Beobachtung: Eine einzelne Momentaufnahme sagt wenig darüber aus, wie Sichtbarkeit in ChatGPT sich über Wochen entwickelt. Wer die KI-Zusammenfassung ungeprüft übernimmt, läuft zudem Gefahr, die eigene Fähigkeit zu verlieren, Kundenfeedback selbst einzuordnen – stichprobenartiges Lesen der Originalbewertungen bleibt deshalb sinnvoll, unabhängig vom Automatisierungsgrad.

Praxisbeispiel: Vom Bewertungsschnitt zur KI-Antwort

Beispiel, als Rechenweg konstruiert: Ein Betrieb hat 40 Bewertungen mit einem Durchschnitt von 4,3 Sternen. Darunter sind drei 1-Stern-Bewertungen ohne Fließtext, alle älter als drei Jahre, keine davon beantwortet. Rechnerisch machen diese drei Bewertungen nur 7,5 Prozent aller Bewertungen aus (3 von 40). Trotzdem fasst eine KI-Antwort die Lage mit "überwiegend positiv, aber vereinzelt Beschwerden" zusammen. Der Grund liegt nicht im Anteil, sondern im Zusammenspiel der Ursachen: fehlender Kontext (Ursache 1), keine Reaktion (Ursache 2) und Alter ohne neuere Gegenstimmen (Ursache 4) summieren sich zu einem Signal, das stärker wirkt als die reine Prozentzahl vermuten lässt. Nach Behebung aller drei Ursachen – mehr Fließtext, nachträgliche Antworten, laufende neue Bewertungen – verschiebt sich die KI-Zusammenfassung in der Regel in Richtung eines neutraleren oder positiveren Tons.

Fachliche Einordnung und nächste Schritte

Einschätzung: Die Sternezahl ist aus Sicht von Sprachmodellen ein schwaches Signal, sobald Textkontext, Aktualität und Reaktion fehlen – wer nur auf den Durchschnitt schaut, übersieht die eigentlichen Hebel. Eine branchenweit einheitliche Metrik dafür, wie stark einzelne negative Bewertungen in KI-Antworten gewichtet werden, existiert bislang nicht; eine Arbeitsgruppe des Bundesverbands Digitale Wirtschaft beschäftigt sich im Projekt zu den zehn wichtigsten GEO-Kennzahlen aktuell mit vergleichbaren Fragestellungen rund um die Sichtbarkeitsmessung in KI-gestützten Suchsystemen BVDW. Bis klare Standards vorliegen, bleibt die systematische Diagnose nach den fünf genannten Ursachen der verlässlichste Weg. Wer die eigene Ausgangslage strukturiert festhalten möchte, findet Orientierung in der ChatGPT-Empfehlungen 2026: GEO-Checkliste mit Vor- und Nachteilen im Vergleich, und wer zusätzlich glaubwürdige externe Inhalte aufbauen will, kann die Entscheidungshilfe aus dem Beitrag Pressemitteilung, Fachartikel oder Verzeichniseintrag nutzen. Für eine individuelle Einordnung der eigenen Bewertungslage lohnt sich ein kostenloses Erstgespräch anfragen.

Häufige Fragen

Wie stark wirken negative Bewertungen auf ChatGPT-Empfehlungen?

Nicht proportional zur Sternezahl, sondern über den begleitenden Kontext: Textumfang, Aktualität und sichtbare Unternehmensreaktion wiegen meist schwerer als der reine Durchschnittswert. Fehlen diese Kontextsignale, kann eine einzelne alte Bewertung überproportional stark in eine Zusammenfassung einfließen.

Kann ich negative Bewertungen löschen oder ändern lassen?

Nein, das Verändern oder Entfernen echter negativer Rezensionen gilt bei Google ausdrücklich als gefälschte Interaktion und ist verboten Google Unternehmensprofil-Hilfe. Erlaubt ist, sachlich zu antworten und bei Verstößen gegen die Richtlinien eine Meldung einzureichen.

Was bedeutet § 5b UWG konkret für meine Bewertungsseite?

Seit dem 28. Mai 2022 müssen Unternehmen offenlegen, ob und wie sie die Echtheit veröffentlichter Bewertungen sicherstellen; fehlt diese Angabe, kann das als Irreführung gelten Bundesministerium der Justiz. Eine Prüfung im Einzelfall, auch mit anwaltlicher Beratung, wird empfohlen, Stand 25. Oktober 2026.

Wie erkenne ich eine Erpressung mit negativen Bewertungen?

Ein typisches Muster ist ein plötzlicher, zeitlich gebündelter Anstieg von 1- und 2-Sterne-Bewertungen ohne konkreten Sachbezug, oft gefolgt von einer Forderung nach Geld oder Leistungen für das Entfernen Google Unternehmensprofil-Hilfe. In diesem Fall sollte gemeldet, nicht gezahlt werden.

Helfen viele positive Bewertungen gegen einzelne negative?

Nur bedingt, wenn die positiven Bewertungen kaum Text enthalten und die negativen ausführlich formuliert sind. Entscheidend ist weniger die Zahl als der Kontext, den die einzelnen Bewertungen liefern.

Wie oft sollte ich die KI-Wiedergabe meiner Bewertungen prüfen?

Eine monatliche Stichprobe mit denselben Testfragen über mehrere KI-Assistenten hinweg reicht in der Regel aus, um Verschlechterungen frühzeitig zu erkennen. Bei akuten Vorfällen, etwa einer plötzlichen Bewertungswelle, sollte kurzfristig zusätzlich geprüft werden.

Muss ich auf jede negative Bewertung reagieren?

Eine zeitnahe, sachliche Antwort ist sinnvoll, weil sie zeigt, dass das Problem wahrgenommen wurde – eine gesetzliche Pflicht dazu besteht jedoch nicht. Wichtig ist, dabei keine echten Bewertungen zu löschen oder zu verfälschen.

Was kostet eine systematische Qualitätssicherung der KI-Wiedergabe?

Der Aufwand hängt vom Umfang der Testsätze und der Anzahl geprüfter KI-Assistenten ab; eine pauschale Marktzahl dafür liegt im Dossier nicht vor. Orientierung zum eigenen Bedarf bietet der Wissensbereich sowie ein unverbindliches Erstgespräch.