Wer wird empfohlen?

Worum es geht

Drei große KI-Modelle — ChatGPT, Claude und Perplexity — werden zunehmend als Empfehlungsquelle für lokale Dienstleister genutzt. Wenn jemand fragt „Welcher Optiker in Köln?" oder „Guter Anwalt in Hamburg?", liefern die Modelle konkrete Namen. Wir haben systematisch untersucht, welche Anbieter genannt werden, wie ungleich diese Empfehlungen verteilt sind und ob sie die reale Marktstruktur abbilden.

Datenbasis: 706 systematisch erhobene Empfehlungs-Anfragen über 15 Branchen und 17 Städte, bestehend aus 6.750 Empfehlungs-Aufrufen (2.250 je Modell). Daraus entstanden 32.385 Firmen-Erwähnungen auf 17.654 unique benannte Anbieter.

Die fünf Hauptbefunde

1. Markt-Konzentration variiert dramatisch nach Branche. Bei Optikern vereinen die zehn meistgenannten Anbieter pro Stadt 43,1 % aller Erwähnungen auf sich, bei Rechtsanwälten nur 21,6 %. 95 %-Konfidenzintervalle: Optiker 39,6–47,0 %, Anwalt 20,1–23,1 %.
2. Die Empfehlungen sind ungleich verteilt. Der Gini-Koeffizient liegt zwischen 0,25 (Allgemeinarzt — breit gestreut) und 0,44 (Optiker — stark konzentriert). Zum Vergleich: der Gini der Einkommensverteilung in Deutschland liegt bei rund 0,30.
3. Ein langer Long-Tail. Bei Allgemeinärzten werden 71,3 % der genannten Firmen nur ein einziges Mal erwähnt — selbst bei stark konzentrierten Branchen wie Optikern sind es noch 43,0 %.
4. KI-Nennung folgt der Marktgröße — aber verzerrt zugunsten der Online-Präsenz. Es gibt eine starke Rangkorrelation zwischen KI-Nennung und realer Marktgröße (Optiker: Spearman ρ = 0,74; Fitnessstudio: ρ = 0,69). Die Abweichungen sind jedoch systematisch: große, aber online-schwache Anbieter werden kaum genannt, online- und markenstarke überrepräsentiert.
5. Die Modelle sind nicht erklärbar — aber beobachtbar. Die Studie dokumentiert das Verhalten der KIs systematisch, ohne den Anspruch, die internen Entscheidungsmechanismen zu rekonstruieren.

Der zentrale Befund

Methodik