Wahlarzt in ChatGPT, Perplexity, Gemini — wer zitiert wird und warum

Wer heute unter 40 ist und in Wien einen Wahlarzt für ein konkretes Anliegen sucht, googelt nicht zwingend zuerst. Viele öffnen ChatGPT, Perplexity oder Gemini und fragen direkt: „Welche:r Wahlarzt:ärztin für [Anliegen] in [Bezirk]?”. Was dort in der Antwort steht — welche Praxis genannt wird, welche nicht, welche Beschreibung mitgeliefert wird — ist die neue Erstkonsultation. Sie unterscheidet sich von Google-Suchergebnissen in drei wichtigen Punkten, und entsprechend funktionieren die Optimierungs-Hebel anders.

Wie LLMs Wahlärzt:innen aktuell zitieren

Drei kurze Beispiele aus realen Antworten auf vergleichbare Fragen (Mai 2026, eigene Tests):

ChatGPT (GPT-4-Variante): zitiert in der Antwort auf „Wahlarzt für Innere Medizin in Wien 1010” typischerweise 3 bis 5 Praxisnamen, meist mit Verweis auf DocFinder als Quelle. Die Antwort enthält keine Bewertungs-Zahlen, dafür Hinweise auf Schwerpunkte, wenn diese in DocFinder oder auf der Praxis-Website explizit genannt sind.

Perplexity: liefert dieselbe Frage strukturierter zurück — Praxisname, Adresse, eine kurze Beschreibung, und sichtbare Quellen-Links zu den Stellen, aus denen die Information stammt. Wer eine eigene, gut strukturierte Praxis-Website hat, wird hier häufiger und genauer zitiert als wer nur einen Verzeichnis-Eintrag hat.

Google Gemini: zeigt zusätzlich Sterne-Bewertungen und Öffnungszeiten an, weil es direkt auf Google Maps und das Business Profil zugreifen kann. Hier zählt das GBP-Setup stark — eine schlampige GBP-Präsenz übersetzt sich in eine schlampige Gemini-Antwort.

Die strukturelle Beobachtung: alle drei LLMs zitieren bevorzugt Praxen, die in mindestens zwei strukturierten Quellen auftauchen — eigene Website + DocFinder + Google Business sind das Minimum für regelmäßiges Vorkommen in den Antworten.

Was LLMs als Quelle ziehen

LLMs greifen nicht ad hoc auf das Internet zu — sie ziehen auf indexierte oder trainierte Daten. Drei Quellgruppen dominieren bei medizinisch-lokalen Suchen:

• Strukturierte Verzeichnisse: DocFinder, Jameda, Sanego, Google Business — werden regelmäßig gecrawlt und in jüngere Trainings-Snapshots aufgenommen
• Eigene Praxis-Websites: solche mit klarer Struktur, Schema.org-Markup und konsistenten NAP-Daten (Name, Adresse, Telefonnummer)
• Erwähnungen in Drittquellen: Lokalpresse-Artikel, Wikipedia-Verweise, Blog-Beiträge anderer Praxen oder Branchenpublikationen

Was kaum zitiert wird: Social-Media-Profile (außer LinkedIn-Profile von Praxisinhaber:innen), Foren-Beiträge, Anzeigen jeder Art. LLMs erkennen Werbung als solche und unterdrücken sie systematisch in inhaltlichen Antworten.

Die fünf strukturellen Signale, die zitierbar machen

1. Konsistente NAP-Daten über alle Plattformen. Name, Adresse, Telefonnummer müssen exakt gleich geschrieben sein — auf der Website, im Google Business Profil, bei DocFinder, im Impressum. Jede Abweichung erzeugt Unsicherheit beim LLM, ob es um dieselbe Entität geht.
2. Schema.org-Markup auf der Website. Konkret: das „Physician"- oder „MedicalBusiness"-Schema mit Adresse, Telefonnummer, Öffnungszeiten, Fachrichtung. LLMs nutzen diese strukturierten Daten direkt als Antwort-Quellen.
3. Eigene Website mit echten Inhalten. Eine Praxis-Website mit nur Kontaktangaben und „Über uns"-Block wird kaum zitiert. Eine mit Beschreibungen der Schwerpunkte, der Diagnostik-Möglichkeiten, der Patient:innen-Gruppe wird häufig zitiert.
4. Eintrag in den drei Haupt-Verzeichnissen (DocFinder, Google, Apple Maps). Wer in allen drei steht, wird strukturell häufiger zitiert als wer in nur einem steht — egal wie gut der eine Eintrag ist.
5. Erwähnungen in einer dritten Quelle. Eine Erwähnung in einem Branchenartikel, ein Interview in einer Ärztezeitung, ein Eintrag in einer KMU.DIGITAL-Berater-Liste — solche Quellen erhöhen die Zitations-Wahrscheinlichkeit deutlich, weil das LLM mehrere unabhängige Belege für die Praxis hat.

Was nicht hilft

Eine ganze Branche von „LLM-SEO”-Berater:innen behauptet derzeit, mit speziellen Keyword-Tricks oder Prompt-Manipulation Praxen in ChatGPT-Antworten platzieren zu können. Das funktioniert nicht — und es schadet, weil es Aufmerksamkeit von den wirksamen Hebeln abzieht.

• Keyword-stuffed Texte auf der Website („Wahlarzt Wien Top Experte Spezialist") — LLMs erkennen das als Spam und unterdrücken die Quelle
• Versuch, in ChatGPT-Antworten manipulativ zu erscheinen über reddit oder andere Foren — wird gefiltert
• Gekaufte „LLM-Optimierung" mit unklarer Methodik — meist nur SEO-Standardarbeit in neuer Verpackung
• Strukturierte Daten mit falschen Angaben (z.B. Bewertungs-Markup ohne echte Bewertungen) — LLMs vertrauen geprüften Quellen und nicht selbsterklärten Daten

Praktischer 4-Schritte-Plan

1. NAP-Audit: alle Online-Präsenzen prüfen, Inkonsistenzen beseitigen. Adresse exakt wie im Impressum, Telefonnummer einheitlich formatiert, Praxisname identisch.
2. Schema.org-Markup auf der Website: mindestens „Physician" und „MedicalBusiness", idealerweise auch „LocalBusiness" mit Öffnungszeiten und Geo-Koordinaten.
3. Echte Inhalte auf der Website: mindestens 800 Wörter zu Schwerpunkten, Diagnostik, typischen Patient:innen — das gibt LLMs Material zum Zitieren.
4. Eine dritte Quelle aufbauen: Gastbeitrag in einer Ärzte-Publikation, Erwähnung in einem WKO-Verzeichnis, KMU.DIGITAL-Berater-Listing. Eine genügt zu Beginn, mehrere sind besser.

Was sich in den nächsten 24 Monaten ändert

LLM-Antworten zu lokalen Wahlarzt-Anfragen sind heute noch unzuverlässig — Praxisnamen werden manchmal verwechselt, Telefonnummern erfunden, Öffnungszeiten erraten. Diese Phase wird vorbeigehen. Anbieter wie OpenAI, Perplexity und Google bauen ihre Faktentreue für lokale Anfragen massiv aus, und in 18 bis 24 Monaten werden LLM-Antworten in vielen Fällen die erste Berührung der:des Patient:in mit einer Praxis sein.

Wer heute die strukturellen Signale setzt — konsistente NAP, Schema-Markup, echte Website-Inhalte, dritte Quellen — wird in dieser Übergangsphase bevorzugt zitiert. Wer wartet, bis LLM-Antworten messbar Patient:innen bringen, hat den Aufbau-Vorsprung verloren.

Was nicht zu erwarten ist

LLM-Sichtbarkeit ist kein Ersatz für Google-Sichtbarkeit. Sie ist eine Ergänzung. Patient:innen, die in ChatGPT nach einer Praxis fragen, gehen anschließend trotzdem auf Google, um Öffnungszeiten und Bewertungen zu prüfen. Wer in LLMs gut zitiert ist, aber bei Google schlecht rankt, gewinnt nicht. Wer in beiden präsent ist, hat eine kohärente digitale Identität — und genau das ist das Ziel.