Wie wird eine Immobilienmakler-Website an der Costa Blanca für KI-Suchen sichtbar? (Kurz beantwortet)
KI-Suchen wie ChatGPT oder Perplexity empfehlen Immobilienmakler an der Costa Blanca nur, wenn ihre Inserate maschinenlesbar sind: Preis, Quadratmeter, Schlafzimmer und Lage müssen als strukturierter HTML-Text und als RealEstateListing-Schema vorliegen, nicht nur im Bild oder PDF-Exposé. Dazu kommen echte Bewertungen im AggregateRating-Feld, Mehrsprachigkeit mit hreflang-Tags für Deutsch, Englisch und Spanisch, und verkaufte Objekte, die als „sold” markiert statt gelöscht werden. Wer diese Struktur nicht liefert, wird bei Anfragen wie „Reihenhaus Marina Alta, deutschsprachiger Makler, max. 350.000 Euro” schlicht nicht genannt, unabhängig von der Qualität der Objekte.
Ein Käufer in London fragt Perplexity nach einem Haus in Jávea
Stellen Sie sich folgende Situation vor: Ein britisches Pärchen sitzt an einem Dienstag Abend in London und tippt in Perplexity: “property for sale Jávea sea view 400-600k EUR three bedrooms terrace”. Perplexity antwortet mit drei bis fünf konkreten Inseraten, einer kurzen Einschätzung der Marktlage und einem Überblick, welche Makler in diesem Segment aktiv sind. Das Pärchen notiert zwei Namen. Rightmove hat es in dieser Sitzung nie geöffnet.
Ob Ihr Inserat in dieser Antwort auftaucht, entscheidet sich nicht in dem Moment, in dem die Anfrage gestellt wird. Es entscheidet sich damit, wie Ihre Website heute strukturiert ist. Das ist der Kern dieses Artikels, der als vierter Spoke zu meinem Pillar-Artikel über KI-Sichtbarkeit an der Costa Blanca erscheint.
Warum Immobilien besonders stark von KI-Suche betroffen sind
Immobilienkauf ist eine Hochpreis-Entscheidung mit einem langen Recherche-Funnel. Käufer aus Deutschland, der Schweiz, den Niederlanden, Belgien oder Großbritannien beginnen die Suche nach einer Ferienimmobilie oder einem festen Wohnsitz an der Costa Blanca oft sechs bis zwölf Monate vor dem ersten Besichtigungstermin. Diese frühe Recherchephase findet zunehmend in KI-Werkzeugen statt, nicht in klassischen Suchmaschinen.
Der Grund ist praktisch: KI-Suchen filtern sofort. Eine deutsche Käuferin aus Stuttgart fragt ChatGPT: “Reihenhaus Marina Alta, deutschsprachiger Makler, max. 350.000 Euro, kleiner Garten” und bekommt keine Liste von 200 Treffern, die sie selbst durchsuchen muss. Sie bekommt drei bis vier Vorschläge mit kurzer Begründung. Wer in diesen Vorschlägen fehlt, wird im gesamten frühen Funnel nicht gesehen. Kein späteres SEO-Ranking holt diesen Moment zurück.
Wo Maklerwebsites besonders häufig scheitern
Die meisten Maklerwebsites an der Costa Blanca haben ein grundlegendes Problem: Der Hauptinhalt ist visuell. Preis, Quadratmeter und Schlafzimmeranzahl stehen im Bild der Anzeige, im PDF-Exposé oder als unformatierter Fließtext. Für einen menschlichen Besucher ist das lesbar. Für eine KI ist es unsichtbar.
Dazu kommt, dass viele Seiten Preise als “Auf Anfrage” angeben oder hinter einem Kontaktformular verstecken. Für die oben beschriebene Schweizer Familie, die nach einem Objekt in Moraira mit Bewertungen über 4,5 Sterne filtert, ist das ein sofortiger Ausschluss. Die KI kann keine preislich gefilterte Anfrage beantworten, wenn der Preis nicht maschinenlesbar vorhanden ist.
Weitere typische Schwachstellen: Energieklassen erscheinen nur als Scan des spanischen Zertifikats, nicht als strukturiertes Datenfeld. Standorte werden als Stadtname angegeben, ohne geo-Koordinaten. Inserate existieren nur auf Spanisch, obwohl die Zielgruppe überwiegend deutschsprachig oder englischsprachig ist. Und Maklerprofile zeigen keine Bewertungen mit Schema-Markup, obwohl KI-Systeme nachweislich Sentiment-Signale für die Vorauswahl nutzen. Ein niederländisches Pärchen aus Amsterdam, das nach einem energieeffizienten Apartment in Calpe fragt, wird keinen Makler empfohlen bekommen, dessen Seite diese Daten nicht maschinenlesbar enthält.
Ein weiterer Fehler, der leicht vermeidbar wäre: Verkaufte Immobilien werden von der Website gelöscht. Aus KI-Perspektive verschwinden damit alle Signale der Aktivität. Besser ist es, das Inserat als sold zu markieren und sichtbar zu lassen.
Welche strukturierten Daten KI für Immobilien-Empfehlungen braucht
Für die Maklerentität selbst ist das RealEstateAgent-Schema der Ausgangspunkt. Es enthält Name, Adresse mit Postleitzahl, geo-Koordinaten, Telefon, E-Mail, das Einzugsgebiet (areaServed) und die Sprachen, die gesprochen werden (knowsLanguage: de, en, es, nl). Das AggregateRating-Feld mit echten, verknüpften Bewertungen ist kein optionales Extra. Es ist der Filter, nach dem Anfragen wie “deutschsprachiger Makler Moraira mit Bewertungen über 4,5 Sterne” ausgewertet werden.
Für jedes einzelne Inserat braucht die Seite entweder ein RealEstateListing-Schema oder, wo noch nicht vollständig unterstützt, ein Product-Schema mit den passenden Feldern. Dazu gehören: Preis mit priceCurrency: EUR, Quadratmeter als QuantitativeValue mit der Einheit MTK, numberOfBedrooms, numberOfBathroomsTotal, eine präzise address mit postalCode und addressLocality, geo-Koordinaten, energyEfficiencyScale (A bis G nach EU-Standard) und offers.availability mit den Werten InStock für aktive Inserate und Discontinued für verkaufte Objekte. Ausstattungsmerkmale wie Pool, Meerblick oder Garage kommen über amenityFeature hinzu.
Die drei Schichten folgen dabei einer klaren Logik: Zuerst alle Inseratsdaten als strukturierter HTML-Text, nicht als Bild oder PDF. Dann das Schema-Markup, das diese Daten maschinenlesbar codiert. Und als dritte Ebene eine mehrsprachige Struktur mit hreflang-Tags, die KI-Systemen signalisiert, welche Sprachversion für welche Käufergruppe vorgesehen ist. Deutsch, Englisch und Spanisch sind für die Costa Blanca das Minimum. Niederländisch ist ein sinnvoller vierter Schritt.
Was Sie diese Woche konkret angehen können
Sechs Punkte, nach Aufwand sortiert:
1. Inseratsdaten als HTML strukturieren. Preis, m², Schlafzimmer, Energieklasse und Standort müssen als Text auf der Seite stehen, nicht nur im Bild. Das ist eine einmalige Vorlagenanpassung, die sich dann automatisch auf alle Inserate überträgt.
2. Schema-Markup pro Inserat einbinden. RealEstateListing oder Product-Schema als JSON-LD im <head> jedes Inserats. Einmalige Template-Arbeit, danach automatisch.
3. Energieklasse strukturiert angeben. Nicht als PDF-Anhang, sondern als energyEfficiencyEnumeration-Feld im Schema. Käufer aus Deutschland, den Niederlanden und Großbritannien filtern danach.
4. Mehrsprachige Inserate mit hreflang. Mindestens eine deutsche und eine englische Version pro Inserat. Die hreflang-Tags verknüpfen die Versionen und machen die Mehrsprachigkeit für KI-Systeme erkennbar.
5. Bewertungen einsammeln und ins Schema einbinden. Bestehende Kunden um eine Google-Bewertung bitten, diese dann über ein Bewertungs-Plugin ins AggregateRating-Feld des RealEstateAgent-Schemas einbinden. Drei Wochen, wenn Sie es strukturiert angehen.
6. Verkaufte Inserate behalten, aber als sold markieren. offers.availability auf Discontinued setzen, Inserat sichtbar lassen. Das kostet nichts und gibt der KI ein Aktivitätssignal.
Diese sechs Punkte lassen sich nicht in einem Nachmittag abarbeiten, aber sie folgen einer klaren Reihenfolge. Punkt 1 und 2 bringen den größten Effekt in der kürzesten Zeit.
Ob ChatGPT, Gemini und Perplexity Ihre Maklerwebsite überhaupt kennen, zeigt der kostenlose KI-Sichtbarkeits-Check in wenigen Minuten. Für die strukturelle Analyse gibt es den Website-Check, der speziell für Handwerk und Immobilien Inserats-Markup, Mehrsprachigkeit, Bewertungsstruktur und lokale SEO-Signale prüft. Zum Einstieg gibt es außerdem einen kostenlosen Erstcheck unter webdesign-costablanca.es/audit/. Beide Angebote sind für Makler an der Costa Blanca ausgelegt. Fragen gerne direkt an mich.