Bewertungen 2026: Warum Masse nicht mehr reicht

„Sammelt so viele Bewertungen wie möglich" ist seit zehn Jahren der Standard-Rat von Marketing-Beratern. Die Datenlage 2026 zeigt, dass dieser Rat schädlich werden kann. Frische, Konsistenz über Plattformen und Bewertungs-Score schlagen pure Anzahl deutlich. Und KI-Systeme behandeln Bewertungen anders, als die meisten Geschäfte annehmen — als Filter, nicht als Ranking.

Was sich an der Erwartung der Kunden geändert hat

Die jährlich erhobene BrightLocal Local Consumer Review Survey ist die belastbarste Längsschnitt-Studie zum Konsumentenverhalten bei lokalen Bewertungen. Die 2026er Auflage liefert mehrere Befunde, die mit dem alten „Masse zählt"-Rat nicht mehr vereinbar sind.

Der 4,5-Sterne-Standard ist Realität

31 % der Nutzer ziehen 2026 nur noch Unternehmen in Betracht, die mindestens 4,5 Sterne aufweisen. 2025 lag dieser Wert bei 17 %. Innerhalb eines Jahres hat sich also die Zahl der Konsumenten, die unterhalb dieser Schwelle kategorisch ausschließen, fast verdoppelt.

Bei einem Score unter 4,0 Sternen greift ein messbarer Conversion-Penalty: Kunden brechen die Recherche ab und wechseln zur Konkurrenz, oft ohne das Geschäft je kontaktiert zu haben. Der „4,4-Stern-Betrieb" — vor zwei Jahren noch Standard — ist 2026 für ein Drittel der Kundschaft unsichtbar.

74 % interessieren sich nur für aktuelle Bewertungen

Der zweite Befund ist wichtiger als der erste: 74 % der Konsumenten interessieren sich ausschließlich für Rezensionen, die in den letzten drei Monaten verfasst wurden. Alles davor wird ausgeblendet — egal wie gut.

Das hat eine direkte Konsequenz: Ein Geschäft mit 50 aktuellen Bewertungen schlägt eines mit 500, deren letzte drei Jahre alt ist. Die schiere Masse, die viele über Jahre angesammelt haben, verfällt — sowohl in der Wahrnehmung der Kunden als auch in der Gewichtung der Algorithmen.

BrightLocal beschreibt das als Wechsel von einer „Trophäen-Logik" (möglichst viele Sterne sammeln) zu einer „Frische-Logik" (kontinuierliche Kadenz). Whitespark bestätigt das in ihrer 2026er Local Search Ranking Factors Studie: Review Velocity (Frequenz neuer Bewertungen) ist als eigener Faktor stärker geworden als reine Review Count.

Konsistenz über Plattformen ist Topkriterium

Der vermutlich am meisten unterschätzte Befund: 56 % der Konsumenten geben an, dass eine konsistente Tonalität (Sentiment) über mehrere Plattformen hinweg der wichtigste Einzelaspekt bei Bewertungen ist. Wichtiger als der Score selbst.

Wenn ein Geschäft auf Google 4,8 Sterne, auf Facebook aber 2,5 Sterne hat, registrieren das nicht nur Kunden — sondern auch KI-Systeme. Widersprüchliche Stimmungen lösen in LLMs Verifikationsprozesse aus, die das Geschäft oft komplett aus „Top-Empfehlungen" herauskippen.

Wie KI-Systeme Bewertungen tatsächlich verwenden

Hier wird es technisch interessant — und deutlich anders, als die gängige SEO-Logik suggeriert.

Reviews als Ausschlussfilter, nicht als Ranking-Signal

Eine BrightLocal-Analyse zur ChatGPT-Quellenarchitektur und Whitespark-Daten zur LLM-Gewichtung zeigen: KI-Modelle wie ChatGPT, Perplexity und Gemini nutzen Bewertungen primär als Qualifikations-Filter (wer wird überhaupt in Erwägung gezogen) — nicht als Ranking-Signal (wer kommt auf Platz 1).

Das bedeutet praktisch: Ein Geschäft mit 4,2 Sternen und 800 Bewertungen wird vor der eigentlichen Empfehlungs-Auswahl bereits aussortiert. Das Modell „sieht" das Geschäft, qualifiziert es aber nicht für die Antwort. Anders als bei klassischer Google-Suche, wo schwache Bewertungen einfach „weiter unten" gerankt würden, kann das KI-System das Geschäft komplett auslassen.

Das Sentiment ist wichtiger als der Score

KI-Modelle lesen Bewertungstexte semantisch — das heißt, sie analysieren nicht nur die Sterne, sondern was steht. Eine konstant positive Tonalität über mehrere Plattformen erzeugt für die KI „Konsens-Konfidenz". Eine 4,8-Stern-Bewertung mit Text „okay, würde wiederkommen" wird semantisch schwächer gewichtet als eine 4,5-Stern-Bewertung mit Text „beste Erfahrung mit Steuerberatern, die ich je hatte". Das Sterne-System ist eine grobe Annäherung — die KI versteht den Unterschied.

SOCi-Daten zur KI-Selektivität

Eine groß angelegte SOCi-Studie (350.000 Standorte über 2.751 Marken) quantifiziert, wie selektiv KI-Systeme im Vergleich zu klassischer Google-Suche sind:

Plattform	Empfehlungs-Quote für relevante Anfragen
Google 3-Pack (klassisch)	35,9 %
Gemini	11,0 %
Perplexity	7,4 %
ChatGPT	1,2 %

SOCi formuliert die Schlussfolgerung scharf: KI-Sichtbarkeit ist bis zu 30-mal schwerer zu erreichen als ein klassisches Maps-Ranking. Und der häufigste Grund für die binäre Auslassung — keine Empfehlung versus Empfehlung — ist nicht ein zu schlechtes Google-Profil, sondern Inkonsistenz in den Reputationsdaten.

Mythen-Check: Was Berater oft predigen vs. Datenlage

Was das für lokale Geschäfte konkret heißt

Aus den Daten ergeben sich drei strategische Verschiebungen:

1. Kontinuierliche Kadenz statt Sammelaktionen

Wer einmal im Jahr alle Stammkunden um Bewertungen bittet, erzeugt einen Spike, der binnen weniger Wochen wieder verfällt — und dann drei Monate Funkstille im Profil. Das ist für KI-Systeme ein Signal von Inaktivität. Besser: ein systematischer, kleiner Bewertungs-Strom (2-5 pro Woche), eingebaut in den Geschäftsablauf — nach Termin, nach Lieferung, nach Service. Whitespark identifiziert das als wichtigsten Wandel der 2026er-Erhebung.

2. Plattform-Konsistenz vor Plattform-Anzahl

Bevor Sie auf der zehnten Plattform präsent sind, prüfen Sie die Konsistenz auf den drei wichtigsten. Sind Name, Adresse und Telefonnummer überall identisch? Stimmen die Branchenkategorien überein? Liegt der Bewertungsdurchschnitt nicht weit auseinander? Die DAC Group hat 500 deutsche Unternehmen mit über 180.000 Filialen analysiert — Durchschnittsbewertung der lokalen Online-Daten-Hygiene: 2 von 5 Sternen. Das heißt: Wer hier sauber arbeitet, gewinnt asymmetrischen Vorteil.

3. Inhaberantworten als Ranking-Hebel

Die Whitespark-Studie 2026 zeigt: Die Antwortgeschwindigkeit auf Bewertungen — idealerweise unter 24 Stunden — und die Antwortrate sind eigenständige Ranking-Signale. Konsumenten betrachten zunehmend langsame oder generische Standardantworten als Red Flag. Eine kurze, individuelle Antwort auf jede Bewertung — auch die positiven — ist 2026 nicht mehr „nice to have", sondern algorithmisch und wahrnehmungstechnisch relevant.

Wo die Datenlage Lücken hat

Drei Punkte zur Belastbarkeit:

• Hohe Konfidenz für die BrightLocal LCRS 2026 (Längsschnittstudie über 15 Jahre, repräsentative Konsumentenbefragung). Hohe Konfidenz auch für SOCi (350.000 Standorte) und Whitespark (47 Local-SEO-Experten, 187 Faktoren).
• Mittlere Konfidenz für die exakten KI-internen Gewichtungen — die Modelle sind „Blackboxes", und alle Aussagen darüber, wie genau ein Sentiment versus eine Sternebewertung gewichtet wird, basieren auf Reverse-Engineering aus Beobachtungen, nicht auf offizieller Dokumentation.
• Datenlücke DACH-spezifisch: Die meisten quantitativen Studien stammen aus US-Daten. Für den deutschen Markt fehlen breit angelegte Erhebungen, ob etwa „Trustpilot DE" oder „Provenexpert" im KI-Kontext stärker oder schwächer gewichtet werden als US-Pendants. DACH-Geschäfte können das aus dem internationalen Befund nur ableiten, nicht direkt belegen.