Welche Betriebe werden von ChatGPT, Gemini und Perplexity genannt?

Wer einen Handwerker, eine Kanzlei oder eine Praxis sucht, fragt zunehmend einen KI-Assistenten. Offene Daten dazu, welche Betriebe dort genannt werden und worauf sich die Antworten stützen, sind uns für den deutschsprachigen Raum nicht bekannt. Wir haben am 29.09.2026 in zehn Branchen und 32 deutschen Orten je zehn Kundenfragen an ChatGPT, Gemini und Perplexity gestellt (Programmierschnittstelle mit Websuche, 4.000 Antworten) und nach vorab veröffentlichten Kriterien ausgewertet. Vier Beobachtungen:

1. Die Dienste nennen verschiedene Betriebe. Im Mittel werden nur 5 % der Betriebe, die bei einer Frage genannt werden, von allen drei Diensten genannt (je Branche 2 % bis 12 %); 78 % nennt nur ein einziger Dienst.
2. Dieselbe Frage bringt nicht dieselbe Antwort. Zwei Antworten desselben Dienstes auf dieselbe Frage am selben Tag stimmen bei Perplexity zu 76 % überein, bei Gemini zu 47 %, bei ChatGPT zu 27 %.
3. Bei Leistungsfragen zählt die eigene Website. Fragt man nach einer bestimmten Leistung, zitieren 94 % der Antworten die Website eines genannten Betriebs. Bei allgemeinen Empfehlungs- und Vergleichsfragen sind es 64 %; dort stützen sich die Antworten stärker auf Portale und Verzeichnisse.
4. Keine einzelne Plattform beherrscht die Antworten, mit einer Ausnahme. Die häufigste Quelle, die kein Betrieb ist, wird je Branche in 18 % bis 34 % der Antworten zitiert; nur bei Zahnärzten ist es mit jameda.de mehr als die Hälfte (56 %).

Es handelt sich um eine Einzelmessung an einem Tag. Die Aussagen sind beschreibend; sie zeigen, was die Dienste an diesem Tag über die Schnittstelle geantwortet haben, nicht, warum.

Die Arbeit von Aggarwal u. a. (2023) hat unter dem Namen „Generative Engine Optimization“ gezeigt, dass sich beeinflussen lässt, welche Quellen eine KI-Suche zitiert. Für lokale Betriebe stellt sich eine einfachere Frage zuerst: Wer wird überhaupt genannt, wie stabil ist das, und woher nehmen die Dienste ihre Angaben? Die Breitenmessung beantwortet das beschreibend für zehn Branchen. Sie diente zugleich dazu, nach vorab festgelegten Kriterien die Branche für eine Langzeitstudie auszuwählen (Fischer 2026b).

Forschungsfragen:

1. Wie viele Betriebe nennt eine Antwort, und wie stark überschneiden sich die Dienste?
2. Wie stark schwankt die Antwort desselben Dienstes auf dieselbe Frage?
3. Wie oft werden die Websites der genannten Betriebe zitiert, wie oft Portale und Verzeichnisse?
4. Unterscheiden sich Branchen und Ortsgrößen?

2.1 Stichprobe

Zehn Branchen: Kfz-Werkstätten, Steuerberater, Rechtsanwälte, Elektriker, Immobilienmakler, Dachdecker, Zahnärzte, Hotels, Fahrschulen und Tischler. Je Branche fünf Orte: Köln und Bonn in jeder Branche, dazu je ein per Los gezogener Ort aus drei Größenklassen (über 500.000, 100.000 bis 500.000 und 20.000 bis 100.000 Einwohner; Startwert des Zufallsgenerators 20260929). Insgesamt 32 Orte in 50 Kombinationen von Branche und Ort.

2.2 Fragen

Je Branche zehn Fragen in drei Typen, in allen Branchen gleich aufgebaut: drei allgemeine Empfehlungsfragen („Welchen Elektriker in {Ort} kannst du empfehlen?“), fünf Fragen nach einer bestimmten Leistung („Wer installiert in {Ort} eine Wallbox für mein Elektroauto?“) und zwei Vergleichsfragen („Welche Elektriker in {Ort} haben die besten Bewertungen?“). Der Ort steht immer im Fragetext. Der Katalog wurde vor der Messung festgeschrieben und liegt dem Datensatz bei.

2.3 Dienste und Erhebung

Jede Frage wurde je Ort achtmal gestellt: Gemini dreimal (Modell gemini-3.8-flash), ChatGPT zweimal (gpt-5-mini), Perplexity dreimal (Voreinstellung „fast“), jeweils über die Programmierschnittstelle mit eingeschalteter Websuche, ohne Anmeldung und Verlauf, auf Deutsch. Alle 4.000 Abfragen liefen am 29.09.2026 zwischen 13 und 23 Uhr (UTC) und wurden ohne Fehler beantwortet. Gespeichert wurden der Antworttext und alle zitierten Quellen.

2.4 Erkennung der Betriebe

Die genannten Organisationen wurden mit einem Sprachmodell aus den Antworten gezogen (gemini-3.8-flash ohne Websuche, festes Ausgabeschema) und je Ort zu einer Stammliste zusammengeführt, in der Schreibweisen desselben Betriebs eine gemeinsame Kennung tragen. Als Betrieb zählen Einträge vom Typ Betrieb oder Kette, die zur Branche gehören; Portale, Hersteller, Netzbetreiber und Ähnliches werden getrennt geführt. Einzelne Zuordnungen wurden von Hand korrigiert (15 Korrekturen in 9 der 50 Kombinationen von Branche und Ort).

Am 07.10.2026 hat der Autor eine Zufallsstichprobe von Hand geprüft. Teil A: 100 zufällig gezogene Nennungen, die als Betrieb gezählt wurden, je zwei pro Kombination von Branche und Ort. Alle 100 betrafen einen Betrieb der Branche und waren dem richtigen Betrieb zugeordnet; in einem Fall führte die Liste den Betrieb unter dem Namen eines Inhabers statt unter dem Firmennamen. Teil B: 50 zufällig gezogene Betriebe, je einer pro Kombination, jeweils mit dem Eintrag desselben Orts, dessen Name am ähnlichsten ist. In keinem der 50 Paare handelte es sich um denselben Betrieb. Bei null Fehlern in 100 und in 50 Fällen liegt die jeweilige Fehlerquote mit 95 % Sicherheit unter 3 % und unter 6 %. Nicht geprüft wurde, ob in einer Antwort ein Betrieb übersehen wurde, und Teil B findet doppelt geführte Betriebe nur, wenn sich ihre Namen ähneln.

2.5 Kennzahlen

Die vier Kennzahlen wurden vor der Messung veröffentlicht (Fischer 2026a, Datei „Auswahlkriterien“):

• K1 Anteil der Antworten, die die häufigste Quelle zitieren, die kein Betrieb der Branche ist.
• K2 Zahl der verschiedenen genannten Betriebe je Ort.
• K3 Anteil der Antworten, die die Website eines genannten Betriebs zitieren.
• K4 Überschneidung: je Frage und Ort die Betriebe, die alle drei Dienste nennen, geteilt durch alle Betriebe, die mindestens ein Dienst nennt.

Ergänzend, nach der Messung festgelegt und deshalb explorativ: die Übereinstimmung zweier Antworten desselben Dienstes auf dieselbe Frage (gemeinsame Betriebe geteilt durch alle Betriebe beider Antworten), K3 getrennt nach Fragetyp und K2 getrennt nach Größenklasse.

3.1 Die Dienste im Vergleich

Gemini nennt im Mittel mehr als doppelt so viele Betriebe je Antwort wie Perplexity. Perplexity gibt immer Quellen an; bei Gemini kommen 7 % der Antworten ohne Quellenangabe, bei ChatGPT 11 %.

3.2 Überschneidung zwischen den Diensten

Über alle 500 Kombinationen von Frage und Ort werden im Mittel 5 % der genannten Betriebe von allen drei Diensten genannt. Paarweise ist die Überschneidung in neun von zehn Branchen am höchsten zwischen Gemini und ChatGPT (je Branche 11 % bis 32 %), am niedrigsten zwischen ChatGPT und Perplexity (6 % bis 20 %). Von 9.872 Paaren aus Betrieb und Frage entfallen 78 % auf Betriebe, die nur ein Dienst genannt hat.

3.3 Schwankung bei wiederholter Frage

Die letzte Zeile der Tabelle in 3.1 zeigt, wie ähnlich sich zwei Antworten desselben Dienstes auf dieselbe Frage sind. Perplexity antwortet am gleichförmigsten (76 %), ChatGPT am wechselhaftesten (27 %). Wer einen Dienst einmal fragt und seinen Betrieb nicht findet, hat damit wenig erfahren.

3.4 Quellen: eigene Website oder Portal

Anteil der Antworten, die die Website eines genannten Betriebs zitieren, nach Fragetyp:

Bei Leistungsfragen zitieren alle drei Dienste fast immer eine Betriebs-Website. Bei Empfehlungs- und Vergleichsfragen fällt vor allem Perplexity ab und stützt sich häufiger auf Portale.

3.5 Branchen

Die Tabelle ist nach K4 sortiert. Zahnärzte sind die einzige Branche, in der ein Portal in mehr als der Hälfte der Antworten zitiert wird. Bei Hotels zitieren die Antworten am seltensten die Website eines genannten Betriebs (57 %); zugleich sind sich die Dienste dort am ehesten einig (12 %).

3.6 Ortsgröße

In größeren Orten werden mehr verschiedene Betriebe genannt. Auch in den kleinsten Orten der Stichprobe sind es mindestens 34.

• Einzelmessung. Ein Tag, ein Modellstand. Die Anbieter ändern ihre Modelle ohne Ankündigung. Eine Wiederholung nach etwa vier Wochen soll zeigen, welche Aussagen Bestand haben.
• Schnittstelle, nicht App. Gemessen wurde über die Programmierschnittstellen. Die Apps der Anbieter verwenden teils andere Modelle und eigene Darstellungen (Karten, Produktkarten) und können abweichen.
• Erkennung der Namen. Die Betriebe wurden automatisch erkannt und zusammengeführt. Die Stichprobe aus 2.4 fand keinen Fehler, hat aber der Autor selbst geprüft, und sie erfasst weder übersehene Betriebe noch doppelt geführte mit unähnlichen Namen. Doppelt geführte Betriebe senken die gemessene Überschneidung, fälschlich zusammengelegte erhöhen sie. Das Modell, das die Namen aus den Antworten zog, stammt von einem der gemessenen Anbieter.
• Ungleiche Wiederholungen. ChatGPT wurde je Frage zweimal gefragt, die anderen Dienste dreimal. Die Zahl der verschiedenen Betriebe je Dienst hängt davon ab; die Kennzahlen je Antwort nicht.
• Beschreibend. Die Messung zeigt nicht, warum ein Betrieb genannt wird. Die Kennzahlen aus 2.5, die erst nach der Messung festgelegt wurden, sind explorativ.
• Auswahl. Zehn Branchen, deutsche Orte ab 20.000 Einwohnern, deutsche Sprache.

Was daraus folgt, prüft die Langzeitstudie in einer Branche über mehrere Monate, mit wöchentlicher Messung und vorab festgelegten Prüfannahmen (Fischer 2026b).

Die zusammengefassten Tabellen, der Fragenkatalog und die vorab festgelegten Kriterien sind frei verfügbar (Fischer 2026a, CC BY 4.0). Sie enthalten keine Namen einzelner Betriebe und keine Antworttexte. Die Kennzahlen aus 3.1 bis 3.4 und 3.6 stehen dort seit Fassung 1.1.

Der Autor betreibt die Agentur FischerNetzDesign und bietet Unternehmen Leistungen zur Suchmaschinenoptimierung (SEO) und zur Sichtbarkeit in KI-Antworten (GEO) an. Er hat damit ein geschäftliches Interesse am Gegenstand dieser Untersuchung. Die Messung wurde aus eigenen Mitteln bezahlt; es gab keine Auftraggeber und keine Förderung. Die Anbieter der KI-Dienste waren nicht beteiligt. Unter den genannten Betrieben ist ein Kunde der Agentur (eine Kfz-Werkstatt, in den Antworten zu einem der 50 Orte); gezählt wurde allein, was die Dienste geantwortet haben.

Aggarwal, P.; Murahari, V.; Rajpurohit, T.; Kalyan, A.; Narasimhan, K.; Deshpande, A. (2023): GEO: Generative Engine Optimization. arXiv:2311.09735.

Fischer, R. (2026a): Breitenmessung KI-Sichtbarkeit 2026: zusammengefasste Daten zu zehn Branchen in 32 deutschen Orten. Zenodo. https://doi.org/10.5281/zenodo.23207495

Fischer, R. (2026b): Versuchsprotokoll: Was bewirkt KI-Sichtbarkeit? Zenodo. https://doi.org/10.5281/zenodo.23211067