Wie wird mein Restaurant an der Costa Blanca in ChatGPT gefunden? (Kurz beantwortet)
Ein Restaurant wird von ChatGPT, Perplexity oder Google AI Overview empfohlen, wenn Speisekarte, Öffnungszeiten und Reservierungsmöglichkeit als lesbarer HTML-Text vorliegen, nicht als PDF oder Bild, ergänzt durch Restaurant-Schema mit Menu, AggregateRating, servesCuisine und acceptsReservations. Fehlt diese Struktur, bleibt das Restaurant bei Anfragen wie „gutes Restaurant Dénia, Terrasse, deutschsprachige Karte” unsichtbar, auch wenn Küche und Bewertungen stimmen. Eine llms.txt-Datei mit den wichtigsten Seiten verstärkt diesen Effekt zusätzlich.
Stellen Sie sich vor: Ein Gast fragt ChatGPT nach Ihrem Restaurant
Es ist 19 Uhr. Ein deutsches Ehepaar sitzt in der Ferienwohnung in Dénia und tippt in ChatGPT: „Kennst du ein gutes Restaurant in Dénia mit Terrasse, deutschsprachiger Karte, nicht zu touristisch?” ChatGPT antwortet mit zwei oder drei konkreten Vorschlägen. Ihr Restaurant ist nicht dabei.
Nicht weil Ihre Küche schlechter ist. Nicht weil Sie schlechtere Bewertungen haben. Sondern weil Ihre Website den Maschinen nicht sagt, was sie wissen müssen.
In meinem Pillar-Artikel habe ich die Grundlagen erklärt: warum über 57 % des Web-Traffics inzwischen Maschinen sind und was das für jede Website an der Costa Blanca bedeutet. Dieser Artikel geht einen Schritt weiter und zeigt, was das konkret für Restaurants, Bars und Cafés an der Costa Blanca heißt.
Warum die „4-Prozent-Beruhigung” für Gastronomie nicht gilt
Laut einer Analyse von Yoast bekommen E-Commerce-ähnliche Suchanfragen, zu denen auch Restaurant-Suchen zählen, nur in 4 % der Fälle ein KI-Overview. Auf den ersten Blick klingt das beruhigend. Es bedeutet aber nicht, dass KI für Gastronomie keine Rolle spielt.
Die entscheidende Unterscheidung: Eine oberflächliche Suche wie „Restaurant Dénia” liefert noch oft klassische Google-Treffer. Aber sobald jemand spezifisch sucht, also mit Anforderungen, Filtern, persönlichem Ton, verschiebt sich das Bild deutlich. Die Anfrage „gutes Restaurant Dénia, Terrasse, vegetarisch, deutschsprachige Karte” wird zunehmend direkt von ChatGPT, Perplexity oder Google AI Overview beantwortet. Der Gast öffnet dabei keine einzige Restaurant-Website.
Diese Szenarien passieren heute, nicht irgendwann in der Zukunft:
- Eine britische Familie plant den Urlaub in London und fragt Perplexity nach der besten Paella in Calpe mit Platz für Kinder.
- Niederländische Gäste in Moraira suchen nach einem Brunch-Café mit englischem Frühstück.
- Eine spanische Familie aus Valencia sucht ein Fischrestaurant in Jávea mit Meerblick.
- Ein Geschäftsreisender fragt, welches Restaurant in Altea sonntagabends noch geöffnet hat.
In jedem dieser Fälle trifft eine KI die Vorauswahl. Wer dort nicht auftaucht, existiert für diesen Gast schlicht nicht.
Die sechs Fehler, die Restaurants für KI unsichtbar machen
Aus Website-Audits an der Costa Blanca sehe ich immer wieder dieselben Probleme. Keines davon ist ungewöhnlich, aber zusammen machen sie eine Website für KI-Systeme praktisch unlesbar.
Speisekarte als PDF oder Bild. PDFs werden von KI-Systemen langsamer und unzuverlässiger erfasst. Speisekarten als Bild sind für Maschinen vollständig unsichtbar. Was nicht im HTML-Code steht, kann eine KI nicht weiterempfehlen. Die Frage eines Gastes, ob es vegetarische Gerichte gibt, bleibt damit unbeantwortet.
Öffnungszeiten im Footer-Bild. Das ist einer der häufigsten Fehler. Die Maschine sieht: keine Öffnungszeiten. Ein KI-System, das prüfen soll, ob ein Restaurant sonntagabends offen hat, findet keine Antwort und schlägt einen anderen Betrieb vor, dessen Zeiten im Code stehen.
Mehrsprachigkeit ohne Trennung. Deutsch und Englisch auf derselben Seite ohne hreflang-Tags verwirren KI-Systeme. Sie wissen nicht, welche Sprachversion deutschen Gästen empfohlen werden soll, und lassen das Restaurant im Zweifel weg.
Kein Sentiment-Signal auf der eigenen Website. Perplexity nutzt Social-Media-Inhalte und öffentlich zugängliche Bewertungen, um ein Stimmungsbild über Betriebe zu bekommen. Wenn auf Ihrer Website weder Google-Bewertungen noch TripAdvisor-Sterne eingebettet sind, fehlt der KI genau dieses Signal.
Reservierungssystem nicht erkennbar. Tools wie TheFork oder OpenTable sind nicht das Problem. Das Problem entsteht, wenn die eigene Restaurant-Website kein klares Reservierungssignal zeigt. KI-Systeme bevorzugen Empfehlungen, bei denen direkt reserviert werden kann.
Schema-Markup fehlt vollständig. Das ist der Kern des Problems, und dazu kommen wir jetzt.
Was Maschinen über Ihr Restaurant wissen müssen
Schema-Markup ist strukturierter Code, der Ihrer Website eine Sprache gibt, die KI-Systeme direkt verstehen. Für Restaurants gibt es dafür spezifische Typen, die weit über das hinausgehen, was andere Branchen brauchen.
Das Wichtigste zuerst: Nutzen Sie den Schema-Typ Restaurant, nicht nur das allgemeinere LocalBusiness. Nur so bekommt die KI Hinweise auf Küche, Preisniveau und Atmosphäre.
Dann kommen die spezifischen Felder:
Menu mit MenuSection und MenuItem erlaubt es KI-Systemen, Ihre Speisekarte Punkt für Punkt zu lesen. Ein Restaurant in Dénia mit vollständigem Menu-Schema wird bei der Anfrage „mediterranes Restaurant mit Terrasse, vegetarische Optionen” empfohlen. Eines ohne dieses Markup taucht dort nicht auf, auch wenn die Küche besser ist.
AggregateRating und Review bringen Bewertungen direkt ins HTML. Nicht nur als externer Link, sondern als maschinenlesbare Daten, die KI-Systeme bei Empfehlungen einbeziehen.
OpeningHoursSpecification gibt präzise Öffnungszeiten pro Wochentag an, einschließlich Siestazeiten, Ruhetagen und saisonaler Änderungen. Das ist der Unterschied zwischen „wird empfohlen” und „wird übergangen” bei Anfragen wie „offen Sonntagabend”.
acceptsReservations: true ist ein einzelnes Feld, das aber erheblichen Einfluss hat. KI-Systeme empfehlen reservierungsfähige Restaurants bevorzugt.
servesCuisine mit konkreten Werten wie Mediterranean, Spanish, German oder Vegetarian ist entscheidend für alle Filter-Anfragen. Ohne dieses Feld weiß die KI nicht, was Ihr Restaurant serviert.
priceRange mit €, €€ oder €€€ beantwortet die häufige Anfrage nach günstigeren oder gehobeneren Optionen.
Alle diese Felder werden als JSON-LD im <head> der Website eingebunden. Ein gutes Schema-Plugin wie Yoast Local SEO macht das ohne Programmierkenntnis möglich.
Drei Schichten, die zusammenpassen müssen
Konkret bedeutet das für Restaurants an der Costa Blanca drei aufeinander aufbauende Schritte.
Schicht 1, die Pflicht: Speisekarte als HTML auf einer eigenen Unterseite, nicht als PDF. Öffnungszeiten als lesbarer Text, nicht als Bild. Adresse und Telefonnummer im Code, nicht in einer Grafik.
Schicht 2, der Hebel: Das vollständige Restaurant-Schema mit Menu, Öffnungszeiten, Bewertungen, Küche, Preisniveau und Reservierungshinweis. Eingebunden als JSON-LD, geprüft mit dem Google Rich Results Test.
Schicht 3, der Vorsprung: Eine llms.txt-Datei, die KI-Crawlern den direkten Weg zu Speisekarte und Reservierung zeigt. Dazu eine FAQ-Sektion mit den fünf häufigsten Gästefragen: Gibt es eine deutschsprachige Karte? Sind vegetarische Optionen vorhanden? Brauche ich eine Reservierung? Akzeptieren Sie Kreditkarte? Wie komme ich mit dem Auto?
Was Sie diese Woche konkret tun können
Wenn Sie Ihr Restaurant diese Woche sichtbarer machen möchten, gibt es eine klare Reihenfolge:
Erstens: Speisekarte als HTML auf eine eigene Seite bringen. Das dauert mit einem guten Page-Builder zwei bis vier Stunden und hat sofortige Wirkung. Zweitens: Restaurant-Schema einbinden mit den oben genannten Feldern. Mit Yoast Local SEO dauert das rund 30 Minuten. Drittens: Google-Bewertungen als echtes Widget im Footer einbetten, nicht nur als Link. Viertens: Öffnungszeiten als strukturierten Text einpflegen, mit Sonderzeiten und Ruhetag. Fünftens: Eine FAQ-Seite mit den häufigen Gästefragen anlegen. Das gibt KI-Systemen fertige Antworten zum Weitergeben.
Keiner dieser Schritte erfordert ein Redesign. Die meisten lassen sich in bestehende Websites einbauen, auch wenn diese schon einige Jahre alt sind.
Lassen Sie Ihre Website auf diese Punkte prüfen
Ob Ihr Restaurant in einer solchen KI-Antwort überhaupt vorkommt, zeigt der kostenlose KI-Sichtbarkeits-Check in wenigen Minuten, er fragt ChatGPT, Gemini, Perplexity, Claude und Google direkt ab.
Ob Ihre Restaurant-Website darüber hinaus strukturell für KI-Anfragen bereit ist, lässt sich systematisch prüfen. Der Website-Check ist ein Website-Audit, für Restaurants und Ferienwohnungen an der Costa Blanca untersucht er genau diese Punkte: Schema-Markup, maschinenlesbare Speisekarte, Öffnungszeiten, Bewertungen, Mehrsprachigkeit. Den Snapshot-Audit gibt es für 149 €, den Vollaudit für 490 €, Lieferzeit jeweils 2 Werktage.
Wer zuerst einen unverbindlichen Erstcheck möchte, findet das kostenlose Formular unter webdesign-costablanca.es/audit/. Ich schaue mir die Website an und sage Ihnen, wo der größte Handlungsbedarf liegt.