top of page

In 30 von 36 KI-Empfehlungen tauchte das Hotel auf

VENDÉG SZERZŐ
vor 15 Stunden
5 Min. Lesezeit

Doch in einem wichtigen Gastsegment blieb es fast unsichtbar.



Artikel von Mark Peter Gasparik


Eine anonymisierte Hotelprüfung zeigte, warum scheinbar gute KI-Transparenz einen gravierenden blinden Fleck im Geschäftsbetrieb verschleiern kann.

In einem KI-gestützten Empfehlungsaudit eines ungarischen Wellnesshotels untersuchten wir 21 Fragen in zwei KI-Systemen, wobei jede Frage zweimal wiederholt wurde. Insgesamt analysierten wir somit 84 Antworten.

Davon sind 36HotelempfehlungEs gab einen Fall, in dem das Hotel in der Frage nicht genannt wurde. Wir haben untersucht, ob die Systeme es automatisch anhand der Bedürfnisse des Gastes in die Liste der empfohlenen Hotels aufgenommen haben.


Das Hotel wurde in 30 von 36 Antworten erwähnt.


ChatGPT erwähnte es 15 von 18 Mal, und auch Google AI Mode erwähnte es 15 von 18 Mal. Auf den ersten Blick ist das ein besonders gutes Ergebnis.


Als wir die Antworten jedoch nach Gästesituation aufschlüsselten, ergab sich ein völlig anderes Bild. Bei Fragen zu den Stärken des Hotels tauchte es durchgängig auf. Bei Gästen, die einen Familienurlaub suchten, war es jedoch nur eine von vier Antworten, die in die Empfehlungen einflossen.


Die Gesamtquote der KI-Impressionen war also gut. Dennoch blieb sie in einem kommerziell wichtigen Gästesegment nahezu unsichtbar.



Die Zahl war gut, die Diagnose fehlte.

Ein einzelner aggregierter Prozentsatz kann leicht ein beruhigendes Ergebnis vermitteln. Eine detaillierte Aufschlüsselung zeigte jedoch, dass die KI-Empfehlungsfähigkeit eines Hotels stark von der vom Gast beschriebenen Reisesituation abhing.


  

Die Ergebnisse stellen weder Marktwahrscheinlichkeiten noch eine feste KI-Rangliste dar. Es handelt sich um wiederkehrende Muster in einer diagnostischen Messung.


Die Führungsfrage lautet daher:Was passiert, wenn das Hotel bei den KI-Empfehlungen für genau die Gästesituation, für die es mehr Buchungen generieren möchte, nicht berücksichtigt wird?

Die allgemeine Sichtbarkeitsrate liefert darauf keine Antwort.



Das Angebot war relevant, aber der Zusammenhang war nicht durchgängig erkennbar.


Das Hotel bot laut seinen öffentlich zugänglichen Angeboten Services und Leistungen an, die Familienaufenthalte begünstigten. Die getesteten KI-Systeme konnten das Hotel jedoch nicht durchgängig mit dieser Gästesituation verknüpfen.


Aus den Messungen ging hervor, dass die Beziehung zwischen Hotel und Gästenachfrage in den Antworten nicht durchgängig genug zum Ausdruck kam.


Mögliche Erklärungen sollten durch eine separate Quellenanalyse überprüft werden:

•Auf den Webseiten des Hotels selbst wird nicht klar angegeben, für wen das Angebot gilt und in welcher Situation.

•Externe Quellen vertreten nicht einheitlich dieselbe Position.

•Andere Hotels gehen stärker auf die spezifischen Bedürfnisse ihrer Gäste ein.

•Die von der KI gefundenen Informationen sind unvollständig, widersprüchlich oder veraltet.

•Die Hotelkommunikation listet zwar die angebotenen Leistungen auf, gibt aber kaum Aufschluss über die individuelle Situation der Gäste.


Der nächste Schritt im Audit besteht daher darin, die Quellen, Behauptungen und Alternativvorschläge zu überprüfen. Zunächst muss untersucht werden, was die KI findet, was sie daraus interpretiert, welche Quellen sie anzeigt und welche sie anstelle des Hotels empfiehlt.



Die gleiche Anzahl an Erwähnungen kann auf unterschiedliche Leistungen hinweisen.


Die beiden getesteten Systeme erwähnten das Hotel gleich oft: jeweils 15 Mal bei 18 markenunabhängigen Hotelempfehlungen. Dies bedeutet jedoch nicht, dass sie das Hotel auf dieselbe Weise wahrnahmen.


Die Situationen, in denen es empfohlen wurde, die Position, an der es erschien, mit welchen Konkurrenten es aufgeführt wurde, die Qualitäten, die zur Rechtfertigung der Empfehlung herangezogen wurden, und die zitierten Quellen können variiert haben.


Wir stellten einen weiteren Unterschied bei den Fragen zur Faktenprüfung fest, die Markennamen betrafen. In allen 14 Antworten im ChatGPT-Test und in 10 der 14 Antworten im Google AI Mode-Test war ein Link zur offiziellen Domain des Hotels enthalten.


Das Vorhandensein des Links allein beweist nicht, dass das System ausschließlich mit dieser Quelle funktionierte. Die beiden Systeme unterschieden sich jedoch deutlich darin, ob sie die offizielle Website des Hotels zusammen mit der Antwort anzeigten.


Daher ist es irreführend, verschiedene Plattformen mit einem einzigen KI-Sichtbarkeitswert zusammenzufassen.



Ein einzelner fehlerhafter Datensatz kann ein direktes Geschäftsrisiko darstellen.


Die Prüfung untersuchte nicht nur, ob das Hotel angezeigt wurde, sondern auch, ob die Systeme es korrekt meldeten.


Bei einer Frage zu Geschäftsveranstaltungen lieferten mehrere Antworten widersprüchliche und teils veraltete Kapazitätsangaben. Ein System gab wiederholt nicht die aktuellen offiziellen Daten des Hotels zurück.


Wenn ein potenzieller Kunde eine KI nach der Eignung eines Veranstaltungsortes fragt, können fehlerhafte Kapazitätsdaten dazu führen, dass das Hotel bereits vor der Angebotsanfrage disqualifiziert wird.


Die Anzahl positiver Indikatoren ist in diesem Fall zweitrangig. Ein einzelner Fehler, der eine Entscheidung beeinflusst, kann ein unmittelbares Geschäftsrisiko darstellen.


Die Untersuchung der Empfehlungsfähigkeit von KI sollte sich daher nicht auf die bloße Zählung von Markennamen beschränken. Die Richtigkeit der Antworten, die Qualität der Quellen und die geschäftliche Relevanz der Fehler sind gleichermaßen wichtig.


Eine einzelne Antwort ist keine Messung.


Die KI-Antwort entspricht nicht einem festen Google-Suchranking. Sie kann von der Formulierung der Frage, den Angaben des Gastes, dem verwendeten System, verfügbaren Online-Ressourcen, Standortinformationen und dem Messzeitpunkt abhängen.


Laut Angaben von OpenAI kann ChatGPT Search die Frage auch in gezielte Suchanfragen umformulieren, wobei die Ergebnisse und Links jedoch unvollständig, veraltet oder ungenau sein können.


Google beschreibt, wie seine KI-Funktionen mehrere zusammenhängende Suchanfragen durchführen und anschließend die Antwort aus verschiedenen Webquellen zusammenstellen können.


Deshalb genügt es nicht, die Frage nur einmal zu stellen:

Welches ist das beste Wellnesshotel?


Das so erhaltene Ergebnis mag zwar interessant sein, zeigt aber nicht die Position des Hotels in den KI-Empfehlungen. Der Vorgang kann zur Messung wiederholt werden.FragensystemMehrere Plattformen, eine Aufschlüsselung nach Gästesituation und eine einheitliche Bewertungsmethode sind erforderlich.



Das Durchführen der Fragen ist erst der Anfang.


Jeder kann ein paar Dutzend Fragen in ein KI-System kopieren. Die professionelle Arbeit beginnt damit, aus den Antworten eine Diagnose zur Entscheidungsfindung zu erstellen.


Dazu benötigen Sie:

•Gästesituationen definieren, die mit den Geschäftszielen des Hotels übereinstimmen.

•Trennung von markenbezogenen und nicht markenbezogenen Fragen.

•Einheitliche Kodierung der Antworten.

•Unterscheidung zwischen einer bloßen Erwähnung, einer konkreten Empfehlung und einer Auflistung.

•Identifizierung von Wettbewerbern, die als Ersatzstoffe erscheinen.

•Überprüfung von Quellenangaben und Fakten.

•Die geschäftliche Bedeutung der Messergebnisse ermitteln.

•Wiederholte Messung nach Interventionen.


Das Ergebnis eines solchen Audits ist daher nicht einfach nur ein einzelner Sichtbarkeitswert. Es zeigt vielmehr, in welchen Gästesituationen das Hotel empfohlen wird, wo es nicht empfohlen wird, welche Wettbewerber seinen Platz einnehmen, welche Quellen neben den Antworten erscheinen, wo es Lücken in der Datenqualität oder im Inhalt gibt und welche Probleme tatsächlich geschäftliche Relevanz haben könnten.



Fünf Managementfragen zur Weiterempfehlungsfähigkeit


Nach einem KI-Audit im Hotel sollte das Management Antworten auf mindestens fünf Fragen haben:

1.In welchen Gästesituationen wird das Hotel durchgehend empfohlen?

2.In welchen strategischen Segmenten weist es Schwächen auf?

3.Welche Hotels werden stattdessen angezeigt?

4.Welche Quellen und Fakten prägen die Antworten?

5.Hat sich das Überweisungsmuster nach den Interventionen tatsächlich verändert?


Wenn ein Bericht lediglich anzeigt, wie oft der Name des Hotels erwähnt wurde, wurde zwar die Sichtbarkeit berechnet, aber noch keine geschäftliche Diagnose gestellt.


Das Hotel gewinnt oder verliert pro Gast


Das betreffende Hotel tauchte häufig in markenunabhängigen Empfehlungen auf und wurde in bestimmten Gästesituationen regelmäßig hervorgehoben. In anderen, wirtschaftlich wichtigen Segmenten wurde es jedoch selten erwähnt. Zudem enthielten einige Antworten ungenaue Informationen darüber.


Die Managementfrage lautet daher nicht, ob die KI das Hotel kennt.

In welchen Gästesituationen empfehlen Sie es, wen empfehlen Sie stattdessen und auf welche Erkenntnisse stützen Sie Ihre Entscheidung?


Wenn das Hotel das nicht weiß, kennt es seine eigene Position im KI-Empfehlungssystem nicht wirklich. Und wenn es ChatGPT nur einmal befragt hat, hat es nicht gut abgeschnitten. Es hat nur eine einzige Antwort erhalten.


Methodischer Hinweis


Die Studie wertet die Ergebnisse einer einzelnen Messwelle in einem anonymisierten ungarischen Wellnesshotel aus dem Jahr 2026 aus. Der Test umfasste 21 Fragen, zwei KI-Systeme und zwei Durchläufe pro Frage, was insgesamt 84 Antworten ergab.


Das 30/36-Verhältnis in diesem Artikel gilt nur für die 36 Testläufe mit Hotelempfehlungen ohne Markenbindung. Die beiden Wiederholungen eignen sich zur Identifizierung diagnostischer Muster, nicht aber zur Bestimmung präziser Wahrscheinlichkeiten oder repräsentativer Marktschlussfolgerungen.


Über den Autor

Mark Peter GasparikEr arbeitet an KI-gestützten Empfehlungen und Geo-Strategien. Er führt plattformübergreifende Audits durch, um zu untersuchen, in welchen Situationen Gästen Marken aus dem Gastgewerbe und Tourismus empfohlen werden, welche Alternativen angezeigt werden, welche Quellen die Antworten stützen und wo Geschäftsrisiken entstehen. Seine Untersuchungen basieren auf neutralen Fragen, Quellenverifizierung und wiederholten Basismessungen.

Kontakt:LinkedIn

Webseite: AuditUniversePro

Dieser Beitrag wurde aus dem ungarischen Original mit Unterstützung künstlicher Intelligenz ins Deutsche übersetzt. Maßgeblich ist die ungarische Originalfassung.

 
 
 

Kommentare


bottom of page