Wie verlässlich sind KI-Empfehlungen?
Wir haben ChatGPT, Google KI-Modus und Gemini dieselben 30 Fragen nach Wiener Immobilienmaklern gestellt, und 15 Tage später noch einmal genau dieselben. Ergebnis: Welche Firmen empfohlen werden, hängt davon ab, welche KI man fragt und wann man fragt. Beide Effekte sind groß.
Wenn ein Kunde fragt „werde ich von ChatGPT empfohlen?“, klingt das nach einer Ja-oder-Nein-Frage. Ist es aber nicht. Wir haben zweimal gemessen, mit 15 Tagen Abstand, und dabei etwas gefunden, das die Frage selbst verändert.
Zwei verschiedene KIs sind sich bei derselben Frage nur zu 16,6 Prozent einig. Dieselbe KI ist sich mit sich selbst 15 Tage später nur zu 32,8 Prozent einig. Die Engine entscheidet also mehr als der Zeitpunkt, aber beides entscheidet viel.
Das Experiment
Wir haben 30 Fragen zusammengestellt, wie sie Menschen wirklich stellen, wenn sie in Wien einen Immobilienmakler suchen: Bezirksfragen, Nischen wie Zinshäuser oder Gastroflächen, echte Lebenssituationen wie eine geerbte Wohnung, dazu zwei englische Fragen. Jede Frage in einem frischen, leeren Chat, damit keine Antwort die nächste beeinflusst.
Am 21. Juli 2026 haben wir alle 30 Fragen gestellt. Am 5. und 6. August 2026 noch einmal, im identischen Wortlaut, kein Wort geändert. Das ergibt 90 Messungen je Durchgang.
Ergebnis 1: Die Engine entscheidet mehr als der Zeitpunkt
Alle drei Vergleiche auf derselben Metrik, damit sie überhaupt vergleichbar sind:
| Vergleich | Übereinstimmung der Firmen |
|---|---|
| Zwei verschiedene KIs, gleicher Tag | 16,6 % |
| Dieselbe KI, 15 Tage später | 32,8 % |
| Dieselbe KI, Minuten später | 42,8 % |
Zwei KIs sind sich also nur etwa halb so einig wie eine KI mit sich selbst. Das ist der Kern: Die Uneinigkeit zwischen den Engines ist echt und deutlich größer als das bloße Rauschen einer einzelnen Engine.
Besonders belastbar wird das dadurch, dass der Vergleich zwischen den Engines die leichtere Aufgabe hatte. Er verglich Antworten vom selben Tag, ohne dass Zeit vergangen war, während der Selbstvergleich 15 Tage überbrücken musste. Er verlor trotzdem um den Faktor zwei. Paare ganz ohne gemeinsame Firma sind zwischen zwei Engines sechsmal häufiger als innerhalb einer Engine.
Für Unternehmen heißt das: In einer KI sichtbar zu sein sagt wenig darüber aus, ob man in den anderen sichtbar ist.
Der Fehler, den wir im Juli gemacht haben
Nach dem ersten Durchgang hatten wir eine griffige Zahl: 75 Prozent aller Firmennennungen kamen von nur einer einzigen Engine. Daraus haben wir geschlossen, die Engines seien sich uneinig.
Dieser Schluss war nicht zulässig, und wir haben die Studie deshalb zurückgehalten statt sie zu veröffentlichen. Der Grund: Eine hohe Einzelnennungsquote entsteht auch dann, wenn man dieselbe Engine dreimal fragt. Denn eine Engine ist schon mit sich selbst nicht deckungsgleich. Ohne eine Vergleichszahl beweist die 75-Prozent-Zahl gar nichts.
Genau deshalb gab es den zweiten Durchgang. Das Ergebnis oben zeigt: Die Schlussfolgerung war richtig, die Begründung war es nicht. Wir schreiben das hier hin, weil dieselbe Zahl in der Branche gern zitiert wird, meist ohne die Gegenzahl.
Der zweite Durchgang ergab für dieselbe Kennzahl 73,4 Prozent, gegenüber 75 Prozent im Juli. Zwei unabhängige Läufe im Abstand von gut zwei Wochen landen also fast exakt gleich. Das ist das stärkste Qualitätssignal dieser Studie.
Ergebnis 2: KI-Empfehlungen sind an sich instabil
Das war im Juli gar nicht die Frage, ist aber der praktisch wichtigste Befund. Dieselbe Engine, dieselbe Frage, 15 Tage später:
| Engine | Übereinstimmung | Von 10 Firmen kamen wieder |
|---|---|---|
| Google KI-Modus | 37,0 % | rund 6 |
| ChatGPT | 34,4 % | rund 5 |
| Gemini | 27,6 % | rund 4 |
| Alle drei | 32,8 % | rund 5 |
Der Abstand zwischen Google und ChatGPT ist zu klein, um daraus eine Rangfolge abzuleiten. Belastbar ist nur: alle drei sind weit von Stabilität entfernt.
Und es braucht dafür nicht einmal Zeit. In einem gesonderten Test haben wir sechs Fragen zweimal im Abstand von wenigen Minuten gestellt. Übereinstimmung: 42,8 Prozent, und in keinem einzigen der zwölf Paare war die Firmenliste identisch. Google zeigte zudem zweimal von sich aus einen A/B-Test mit zwei verschiedenen Antworten gleichzeitig auf demselben Bildschirm, die sich nur zur Hälfte überschnitten.
Eine einmalige Messung ist als Erfolgsnachweis wertlos, in beide Richtungen. Wer einmal genannt wird, kann daraus keine Position ableiten, und wer einmal nicht genannt wird, ist nicht unsichtbar. Beides kann zwei Wochen später anders aussehen, ohne dass sich am Unternehmen irgendetwas geändert hat. Belastbar wird das erst durch wiederholte Messung über Monate. Das gilt ausdrücklich auch für unsere eigenen Kundenanalysen.
Ergebnis 3: Die Spitze bleibt, obwohl die Antworten schwanken
Der überraschendste Befund. Die einzelne Antwort ist unzuverlässig, die Rangliste an der Spitze aber fast unverändert:
| Firma | Juli | August |
|---|---|---|
| Engel & Völkers | 23 | 21 |
| OTTO Immobilien | 15 | 13 |
| EHL Immobilien | 13 | 15 |
| JP Immobilien | 9 | 9 |
| Brehm Immobilien | 9 | 8 |
| 3SI | 9 | 8 |
| Wolke 7 Immobilien | 8 | 7 |
| Marschall | 8 | 7 |
Alle Spitzenreiter sind wieder da, keiner ist eingebrochen, die größte Bewegung beträgt zwei Nennungen. Das ist kein Widerspruch zur Instabilität, sondern ihre Ergänzung: Welche Firma in einer einzelnen Antwort auftaucht, ist weitgehend Zufall. Wer über viele Antworten hinweg oben landet, ist es nicht.
Sichtbarkeit entsteht also über die Menge der Chancen, nicht über einen Treffer.
Stabil heißt aber nicht stark. Platz 1 bedeutet 21 von 90 möglichen Nennungen, also weniger als ein Viertel. Und 109 von 195 Marken wurden genau ein einziges Mal genannt. Der Markt ist an der Spitze konzentriert und im Rest extrem zersplittert.
Ein echter Aufsteiger fällt auf: 4M Immobilien & Consulting, von 2 auf 10 Nennungen. Knapp darunter Hyatt Immobilien, von 2 auf 6, und zwar vollständig innerhalb von ChatGPT, null bei Google und Gemini. Auch das zeigt, wie eigenständig die Welten der Engines sind.
Ergebnis 4: Zwei Fragen brachten nie eine Empfehlung
Bei zwei Fragen nannte keine einzige Engine eine Firma, und zwar in beiden Durchgängen. Sechs von sechs Frage-Engine-Kombinationen, zweimal im Abstand von 15 Tagen, ausnahmslos ohne Namen. In einer Studie voller Schwankung ist das der einzige perfekt reproduzierte Befund.
Beide sind als Problem formuliert, nicht als Suche. Die Engines geben Rat, keine Namen. Wer sich als Anbieter auf solche Problemfragen optimiert, wird nicht empfohlen, sondern höchstens als Quelle zitiert.
Die Quellenfalle: zitiert ist nicht empfohlen
Ein Befund, den wir fast übersehen hätten. Wolke 7 Immobilien wurde 7 Mal empfohlen, taucht aber 12 Mal auf, wenn man das Quellenpanel mitzählt. Google zitierte bei mehreren Bezirksfragen die Bezirksseiten dieser Firma als Quelle und empfahl im Antworttext trotzdem andere Firmen. Dasselbe Muster in kleinerem Umfang bei OTTO und Brehm.
Als Quelle zitiert zu werden ist nicht dasselbe wie empfohlen zu werden. Wer nur zählt, wie oft sein Name irgendwo in der Antwort auftaucht, überschätzt seine Sichtbarkeit deutlich. In dieser Studie sind ausschließlich echte Empfehlungen im Antworttext gezählt.
Was das für Unternehmen bedeutet
- Jede Engine ist ein eigener Markt. Sichtbarkeit bei ChatGPT sagt fast nichts über Gemini oder Google aus. Wer nur eine KI prüft, prüft ein Drittel.
- Einmal genannt ist kein Ergebnis. Weder für Sie noch gegen Sie. Verlangen Sie von jeder Agentur wiederholte Messungen statt eines Screenshots.
- Ziel ist die Häufigkeit, nicht der einzelne Treffer. Weil die Spitze stabil bleibt, während einzelne Antworten schwanken, zahlt sich alles aus, was die Zahl der Gelegenheiten erhöht, genannt zu werden.
- Bezirke sind eigene Märkte. Gemini schaltet bei Bezirksfragen sichtbar in einen Maps-Modus mit Adressen und Sternen, in dem fast nur kleine lokale Büros erscheinen. Ein gepflegtes Google-Unternehmensprofil ist dort der billigste wirksame Hebel.
- Nachbarberufe sind ein offenes Feld. Bei Gutachter, Hausverwaltung und Steuerberater gab es keine einzige Firma, die alle drei Engines nannten. Wenig Wettbewerb um KI-Sichtbarkeit.
Genau das ist Generative Engine Optimization (GEO): dafür sorgen, dass Sie in möglichst vielen dieser Antworten vorkommen, in jeder relevanten KI. Darauf ist KIGEO spezialisiert.
Methodik und alle 30 Fragen
Wir legen alle Fragen im Wortlaut offen, damit jeder die Messung nachbauen kann. Jede Frage wurde in einem frischen, leeren Chat gestellt, nie als Nachfrage im selben Chat.
- Welcher Makler in Wien ist auf Altbauwohnungen spezialisiert?
- Welchen Immobilienmakler im 7. Bezirk kannst du mir für meine Altbauwohnung empfehlen?
- Bitte nenn mir konkrete Namen von Immobilienmaklern in Wien und nicht nur allgemeine Tipps
- Can you recommend a good real estate agent in Vienna who speaks English?
- Welcher Makler in Wien ist auf Zinshäuser spezialisiert?
- Ich hab eine Zinshauswohnung in Hernals geerbt und weiß überhaupt nicht wo ich anfangen soll, welcher Makler im 17. Bezirk hilft auch bei so einer Erbsache?
- Welcher Immobilienmakler in Wien ist gut bei Anlegerwohnungen und Vorsorgewohnungen?
- Ich such einen guten Makler in Margareten, hast du einen Tipp?
- Gibt es einen empfehlenswerten Immobilienmakler in Rudolfsheim Fünfhaus?
- Kennst du einen verlässlichen Immobilienmakler im 9. Bezirk?
- Welchen Immobilienmakler in Meidling kannst du empfehlen?
- Welchen Immobilienmakler kannst du mir für Liesing im 23. Bezirk empfehlen?
- Welchen Immobilienmakler kannst du mir für den 2. Bezirk empfehlen?
- Welchen Immobilienmakler kannst du mir in Währing empfehlen?
- Welchen Makler soll ich in Ottakring nehmen?
- Ich verkaufe eine 3 Zimmer Wohnung in Döbling und weiß nicht wem ich vertrauen kann, wen würdest du empfehlen?
- Ich verkaufe eine Altbauwohnung in der Inneren Stadt und will keinen Makler der nur Massenware macht, wen kannst du mir für den 1. Bezirk empfehlen der dort wirklich Erfahrung hat?
- Meine Mutter hat ein kleines Haus in Simmering und wir müssen es jetzt leider verkaufen weil sie ins Heim kommt, welchen Makler im 11. Bezirk würdest du für so eine Situation empfehlen?
- I inherited an apartment in Vienna but I live in London and cannot travel often, which agent in Vienna can handle the whole sale for me?
- Zwei Makler haben mir völlig unterschiedliche Preise genannt, einer 480.000 und einer 610.000 für die gleiche Wohnung im 3. Bezirk. Wem soll ich glauben und wie finde ich den realistischen Wert heraus?
- Ich suche ein Lokal in Wien für mein Cafe und brauche einen Makler der sich mit Gastroflächen auskennt, wen kannst du empfehlen?
- Welchen Makler nimmt man in Wien für Gewerbeimmobilien und Büroflächen?
- Welchen Makler empfiehlst du für den Verkauf eines Baugrundstücks in Wien?
- Ich will nicht dass mein Verkauf öffentlich inseriert wird weil meine Nachbarn nichts mitbekommen sollen, welcher Makler in Wien macht diskrete Off Market Verkäufe?
- Welchen Immobilienmakler im 6. Bezirk würdest du mir empfehlen wenn ich eine Vorsorgewohnung in Mariahilf kaufen möchte und noch nie eine Immobilie gekauft habe?
- Welchen Immobiliengutachter in Wien kannst du für ein Gerichtsgutachten empfehlen?
- Unsere Hausverwaltung im 15. Bezirk reagiert seit Monaten auf nichts und wir wollen als Eigentümergemeinschaft wechseln, welche Hausverwaltung in Wien würdest du empfehlen?
- Ich verkaufe eine geerbte Wohnung und weiß nicht wie viel ImmoESt anfällt, welchen Steuerberater in Wien kannst du mir dafür empfehlen der sich mit Altvermögen auskennt?
- Gibt es Makler mit Fixpreis statt Provision in Wien?
- Wir haben unser Haus in Perchtoldsdorf seit einem Jahr am Markt, zwei Preissenkungen, immer noch nichts. Wir überlegen jetzt den Makler zu wechseln, ist das sinnvoll oder liegt es einfach an der Marktlage?
Einschränkungen, offen benannt
- Perplexity fehlt. Es lief zweimal ins Gratis-Suchlimit und personalisiert nachweislich anhand der Kontohistorie (eine Antwort begann mit „Da du professionell im Immobilienbereich unterwegs bist“). Es ist deshalb aus allen Zahlen ausgeschlossen.
- Firmennamen mussten vereinheitlicht werden. 71 Zusammenlegungen waren nötig, davon 11 strittige. Hebt man alle strittigen auf, sinkt die Stabilität auf 27,6 Prozent. Das Ergebnis wird dadurch strenger, nicht schwächer. Es gibt keine Lesart, in der die Engines stabil aussehen.
- Zwei Messzeitpunkte sind besser als einer, aber wenig. Wir können zeigen, dass die Listen schwanken. Wir können nicht sagen, ob sie um einen stabilen Kern schwanken oder langsam wegdriften.
- Eine Frage wurde unvollständig erfasst (Google, Frage 3 im August). Alle Werte dieser Frage sind Untergrenzen.
- ChatGPT zeigte im zweiten Durchgang zeitweise einen Hinweis auf gedrosselte Fähigkeiten. Das erklärt nichts: der betroffene Block war minimal stabiler als der nicht betroffene.
- Eingeloggter Browser in Wien. Standort und Verlauf können mitspielen, besonders bei Google und Gemini.
- 30 Fragen sind eine Stichprobe. Sie bilden ab, wie Menschen plausibel fragen. Es liegen keine Suchvolumendaten dahinter.
- Momentaufnahme. KI-Antworten ändern sich laufend. Genau das ist hier gemessen und beziffert, statt es nur zu erwähnen.
Eine der in dieser Studie genannten Firmen, Feeling Home Immobilien, ist Kundin von KIGEO. Sie wurde in beiden Durchgängen bei der Margareten-Frage genannt. Wir hatten keinen Einfluss auf die Antworten der Engines, halten die Verbindung aber für offenlegungspflichtig.
Zum Einordnen herangezogene Untersuchungen:
- Eval4NLP 2025, Non-Determinism of „Deterministic“ LLM System Settings in Hosted Environments. Kontext: gehostete Sprachmodelle liefern auf identische Eingaben unterschiedliche Antworten. Empfohlen wird ausdrücklich, jede Anfrage mehrfach zu stellen und die Streuung zu berichten. Genau das ist hier gemacht worden.
- Unsere eigene Vorstudie zur Frageform: Kurze Frage, andere Antwort. Dort stammt das Rauschmaß von 42,8 Prozent für zwei Läufe derselben Frage im Minutenabstand, das in dieser Studie als Vergleichswert dient.