Wirst du empfohlen? So misst du die KI-Sichtbarkeit deiner Reinigungsfirma

Warum die KI-Empfehlung für Reinigungsfirmen zählt

Ein Facility-Manager, der eine neue Unterhaltsreinigung für sein Bürogebäude sucht, tippt heute oft zuerst in ChatGPT: 'Empfiehl mir zuverlaessige Gebaeudereiniger in Muenster fuer 1.200 Quadratmeter Bueroflaeche.' Die KI liefert eine Handvoll Namen mit kurzer Begruendung. Wer genannt wird, kommt in die engere Wahl. Wer fehlt, bekommt gar nicht erst eine Anfrage. Das ist der neue, unsichtbare Vorfilter im Reinigungsmarkt, und er laeuft ohne dein Zutun.

Anders als bei einer Google-Suche siehst du diese Empfehlungen nicht in deinen Statistiken. Kein Klick, kein Referrer, kein Eintrag in Google Analytics. Deshalb merken die meisten Reinigungsbetriebe gar nicht, dass sie in KI-Antworten fehlen. Sie wundern sich nur, dass die Anfragen fuer Fensterreinigung oder Grundreinigung leiser werden, obwohl die Bewertungen gut sind. Der Grund liegt in einem Kanal, den sie nie gemessen haben.

Generative Engine Optimization, kurz GEO, ist die Antwort darauf. Es geht darum, herauszufinden und zu beeinflussen, wie Sprachmodelle deine Reinigungsfirma darstellen. Der erste Schritt ist nicht Optimierung, sondern Messung: Du musst wissen, wo du heute stehst, bevor du irgendetwas veraenderst.

Die richtigen Testfragen fuer deine Reinigungssparte

Miss nicht mit Fantasiefragen, sondern mit den Saetzen, die deine echten Kunden tippen. Fuer eine Gebaeudereinigung sind das zum Beispiel: 'Welche Reinigungsfirma in Augsburg macht Treppenhausreinigung fuer Hausverwaltungen?' oder 'Wer bietet Bueroreinigung mit Nachweis nach DGUV in meiner Naehe?' Fuer eine Fensterreinigung eher: 'Empfiehl mir einen Glasreiniger fuer eine Ladenzeile mit hohen Schaufenstern.' Je konkreter die Sparte und die Stadt, desto aussagekraeftiger das Ergebnis.

Erstelle dir eine Liste von 15 bis 25 solcher Fragen, aufgeteilt nach deinen Leistungen: Unterhaltsreinigung, Grundreinigung, Bauendreinigung, Glas- und Fassadenreinigung, Industriereinigung. Ergaenze Varianten mit Preis ('guenstige'), mit Qualitaet ('zuverlaessige', 'zertifizierte') und mit Zielgruppe ('fuer Arztpraxen', 'fuer Kindergaerten', 'fuer Hausverwaltungen'). Genau diese Zusaetze entscheiden oft darueber, ob du genannt wirst.

Wichtig: Reinigung ist extrem lokal. Eine KI, die dich in Koeln empfiehlt, kennt dich in Bonn vielleicht gar nicht. Teste deshalb jede Frage fuer jeden Ort, in dem du aktiv bist. So entsteht eine ehrliche Landkarte deiner Sichtbarkeit statt eines Zufallstreffers.

So fuehrst du den ersten Sichtbarkeits-Test durch

Nimm deine Fragenliste und stelle sie nacheinander in ChatGPT, Google Gemini, Microsoft Copilot und Perplexity. Nutze pro System ein frisches, nicht eingeloggtes Fenster, damit deine eigene Historie das Ergebnis nicht verfaelscht. Notiere zu jeder Frage: Wurde deine Firma genannt? An welcher Stelle? Mit welcher Begruendung? Und welche Wettbewerber tauchen auf?

Trage alles in eine simple Tabelle ein: Spalten fuer die Frage, das KI-System, die Position und die genannten Mitbewerber. Nach 20 Fragen mal vier Systemen hast du 80 Datenpunkte und ein klares Bild. Vielleicht stellst du fest, dass Perplexity dich bei Bueroreinigung nennt, ChatGPT dich aber komplett ignoriert und stattdessen dreimal denselben Regionalkonkurrenten lobt.

Wiederhole diesen Test monatlich am selben Tag. KI-Antworten schwanken, und nur die Wiederholung zeigt dir Trends statt Momentaufnahmen. So siehst du auch, ob eine Massnahme wirkt – zum Beispiel, nachdem du deine Referenzen fuer Praxisreinigung auf der Website ausgebaut hast.

Welche Kennzahlen bei Reinigungsbetrieben wirklich zaehlen

Die wichtigste Kennzahl ist deine Nennungsquote: In wie viel Prozent der relevanten Fragen wirst du ueberhaupt erwaehnt? Liegt sie unter zwanzig Prozent, bist du fuer KI-Nutzer praktisch unsichtbar. Die zweite Kennzahl ist die durchschnittliche Position – wirst du als Erstes oder erst als Fuenfter genannt? Der erste Name bleibt haengen, der fuenfte selten.

Die dritte, oft unterschaetzte Kennzahl ist die Tonalitaet der Begruendung. Sagt die KI 'bekannt fuer gruendliche Grundreinigung und faire Preise' oder nur 'existiert auch'? Reinigung ist ein Vertrauensgeschaeft, und die Worte, mit denen dich ein Modell beschreibt, wirken wie eine digitale Mundpropaganda. Notiere die wiederkehrenden Adjektive – sie verraten, welches Bild von dir im Netz haengt.

Vergleiche diese drei Werte konsequent mit zwei, drei direkten Wettbewerbern in deiner Region. Erst der Vergleich macht die Zahlen greifbar. Wenn dein Konkurrent bei 'zertifizierte Reinigung fuer Lebensmittelbetriebe' immer genannt wird und du nie, weisst du sofort, wo dein Content-Loch sitzt.

Warum dich die KI nicht kennt: die haeufigsten Ursachen

Sprachmodelle lernen aus dem, was ueber dich im Netz steht. Wenn deine Reinigungsfirma nur eine duenne Website mit drei Saetzen und einem Kontaktformular hat, fehlt schlicht das Material. Kein Modell kann dich fuer Fassadenreinigung empfehlen, wenn nirgends steht, dass du Fassadenreinigung anbietest, in welchen Staedten und fuer welche Objektarten.

Die zweite Ursache sind fehlende Drittquellen. KI-Systeme vertrauen Branchenverzeichnissen, Bewertungsportalen, lokalen Presseartikeln und Fachportalen fuer Gebaeudedienstleistung. Wenn du nur auf deiner eigenen Seite existierst, wirkst du fuer das Modell wie eine unbestaetigte Behauptung. Eintraege bei etablierten Portalen und echte Kundenbewertungen sind die Belege, die dich glaubwuerdig machen.

Die dritte Ursache ist Unschaerfe. Firmen, die alles anbieten ('Reinigung aller Art'), werden seltener empfohlen als Betriebe mit klarem Profil. Eine KI empfiehlt lieber den 'Spezialisten fuer Praxis- und Laborreinigung in Kassel' als den Alleskoenner ohne Kante. Praezision schlaegt Breite.

Vom Messen zum Handeln: konkrete Hebel

Sobald du deine Luecken kennst, setzt du gezielt an. Schreibe fuer jede Leistung eine eigene, ausfuehrliche Seite: Unterhaltsreinigung, Glasreinigung, Bauendreinigung. Beschreibe Objektarten, Staedte, Frequenzen, Zertifikate und typische Fragen deiner Kunden im Klartext. Genau diese Formulierungen sind das Futter, aus dem KI-Antworten entstehen.

Sammle aktiv strukturierte Beweise: echte Bewertungen mit Ortsbezug, benannte Referenzobjekte ('woechentliche Reinigung eines Aerztehauses in Leipzig'), Zertifikate wie die Mitgliedschaft im Gebaeudereiniger-Handwerk. Solche konkreten, ueberpruefbaren Details zitieren Modelle bevorzugt, weil sie belastbar wirken. Vage Werbefloskeln ignorieren sie dagegen.

Beantworte auf deiner Seite offen die Fragen, die Kunden wirklich stellen: Was kostet eine Grundreinigung pro Quadratmeter? Wie schnell koennt ihr nach einer Baustelle uebernehmen? Reinigt ihr auch am Wochenende? Diese Frage-Antwort-Struktur ist ideales Material fuer generative Systeme und hebt deine Nennungsquote messbar.

Der Widerspruch, den du aushalten musst

Es gibt eine unbequeme Wahrheit: Du kannst die KI nicht direkt steuern. Kein Modell hat einen Knopf, mit dem du deine Reinigungsfirma nach oben schiebst. Du beeinflusst nur mittelbar, ueber die Spuren, die du im Netz hinterlaesst. Das fuehlt sich langsam an und widerspricht dem Wunsch nach schnellen Ergebnissen, den viele Betriebe haben.

Gleichzeitig ist genau das die Chance. Weil du nicht zahlen kannst wie bei Google Ads, gewinnt hier der Betrieb mit dem klarsten, ehrlichsten Profil – nicht der mit dem groessten Budget. Eine mittelgrosse Fensterreinigung kann einen Konzern schlagen, wenn ihr Content praeziser und ihre Belege glaubwuerdiger sind.

Halte den Widerspruch aus: messen, veraendern, wieder messen, geduldig bleiben. Wer diesen Zyklus drei bis vier Monate durchhaelt, sieht die Nennungsquote steigen. Wer nach zwei Wochen aufgibt, weil sich nichts bewegt, verschenkt genau den Vorsprung, den die abwartende Konkurrenz ihm laesst.

Dein Fahrplan fuer die naechsten 90 Tage

Woche eins: Baue deine Fragenliste und fuehre den ersten Test in allen vier Systemen durch. Dokumentiere Nennungsquote, Position und Tonalitaet je Stadt und je Leistung. Das ist deine Nulllinie, an der du spaeter jeden Fortschritt misst.

Woche zwei bis sechs: Schliesse die groessten Luecken. Schreibe die fehlenden Leistungsseiten, ergaenze konkrete Referenzen mit Ortsbezug, raeume Eintraege in Branchenportalen auf und bitte zufriedene Kunden gezielt um Bewertungen, die deine Sparte und deinen Ort nennen. Arbeite dich von der schwaechsten Kennzahl nach oben.

Woche sieben bis zwoelf: Miss erneut mit derselben Fragenliste und vergleiche mit der Nulllinie. Achte darauf, ob neue Staedte hinzukommen und ob die Begruendungen konkreter werden. So wird KI-Sichtbarkeit vom diffusen Gefuehl zu einer Zahl, die du steuerst – und deine Reinigungsfirma zu einem Namen, den die Maschine kennt und weiterempfiehlt.

Welche Daten die KI ueber deine Reinigungsfirma braucht

Damit ChatGPT oder Perplexity deine Firma nennen, muss die KI verstehen, was du genau anbietest. Ein Reinigungsbetrieb, der Unterhaltsreinigung, Fensterreinigung und Bauendreinigung mischt, wird oft nur unscharf erfasst. Formuliere deine Leistungen darum eindeutig: Nenne die Sparte, das Einsatzgebiet und die typischen Objekte, also Buerogebaeude, Praxen oder Wohnanlagen. Je klarer die Zuordnung, desto haeufiger taucht dein Name bei passenden Fragen auf.

Achte auch auf konsistente Grunddaten. Firmenname, Adresse und Telefonnummer sollten auf Website, Branchenverzeichnis und Google-Profil identisch stehen. Widerspruechliche Angaben, etwa eine alte Adresse in einem Portal, verwaesseln das Bild, das die KI von dir aufbaut. Pruefe zusaetzlich, ob deine Sparte im Klartext auf der Startseite steht und nicht nur in einem Bild oder Logo versteckt ist, das Sprachmodelle nicht auslesen koennen.

Beispiel: So testet ein Gebaeudereiniger in Muenchen

Nimm einen Betrieb fuer Bueroreinigung in Muenchen. Der Inhaber stellt drei Fragen an die KI: Welche Bueroreinigung in Muenchen wird empfohlen, wer reinigt Arztpraxen im Muenchner Sueden und welcher Dienstleister uebernimmt regelmaessige Unterhaltsreinigung fuer Kanzleien. Er notiert bei jeder Frage, ob sein Name faellt, an welcher Stelle und welche Wettbewerber davor genannt werden.

Das Ergebnis ist ehrlich: Bei der allgemeinen Frage taucht er nicht auf, bei der Praxis-Frage landet er auf Platz vier. Daraus zieht er einen konkreten Schluss. Er baut eine eigene Seite zur Praxisreinigung mit Hygienestandards und Referenzen aus, weil dort schon Substanz vorhanden ist. Nach acht Wochen wiederholt er den Test und dokumentiert die Verschiebung. So wird aus einem vagen Gefuehl eine messbare Entwicklung, die du steuern kannst.

Haeufige Fragen zur KI-Sichtbarkeit

Wie oft solltest du messen? Ein Rhythmus von vier bis sechs Wochen reicht fuer die meisten Reinigungsbetriebe. Sprachmodelle aktualisieren ihr Wissen nicht taeglich, darum bringen taegliche Tests kaum Erkenntnis, kosten aber Zeit. Halte deine Fragen stabil, sonst vergleichst du Aepfel mit Birnen.

Zaehlt jede Erwaehnung gleich viel? Nein. Eine Nennung mit Begruendung, etwa weil du auf Glas- und Fassadenreinigung spezialisiert bist, ist mehr wert als ein reiner Namenstreffer in einer langen Liste. Achte auf den Kontext, in dem die KI dich einordnet.

Reicht ein gutes Google-Ranking? Nicht automatisch. Klassische Suchmaschinenplatzierung und KI-Empfehlung haengen zusammen, sind aber nicht identisch. Manche Betriebe ranken oben bei Google und bleiben in der KI unsichtbar, weil ihre Inhalte nicht klar strukturiert sind. Behandle beide Kanaele als getrennte Baustellen mit eigener Messung.