Nutzen Patienten in DACH ChatGPT, um Fachärzte zu finden? Mehr als jeder Zweite recherchiert bereits per KI (2026)

Mehr als 50 Prozent der deutschen Internetnutzer fragen ChatGPT, Google AI-Übersichten, Perplexity oder DeepSeek, wenn sie Fachärzte recherchieren oder eine Klinik auf die Shortlist setzen — und die Häuser, die in diesen Antworten zitiert werden, sind nicht die mit den besten Google-Rankings.

Die Verschiebung lief schneller, als die meisten Klinik-Marketingteams modelliert hatten. Vor zwei Jahren war "Kardiologe in der Nähe" eine Google-Anfrage mit einem jameda-Klick darunter. 2026 ist es ein ChatGPT-Prompt, der drei benannte Häuser, zwei spezifische Fachärzte und einen jameda-Link zurückgibt, in dieser Reihenfolge. Die Retrieval-Schicht, die entscheidet, welches Haus genannt wird, ist nicht dieselbe, die entscheidet, wer auf Google rankt.

Warum die Frage gerade jetzt wichtig ist

Bitkom Research hat im November 2025 ("Internet-Suche im Wandel", n=1.156) gemessen, dass 50 Prozent der deutschen Internetnutzer KI-Chats wie ChatGPT, Microsoft Copilot oder Gemini mindestens manchmal anstelle klassischer Suche einsetzen — bei 16-29-Jährigen sind es 66 Prozent. Eine OMR-Befragung Q1/26 unter deutschen Konsumenten zeigt, dass die Symptom-Recherche-zu-Facharzt-Shortlist-Pipeline für unter-45-Jährige inzwischen die modale Patientenreise ist. SISTRIX hat im Q3-2025-Changelog dokumentiert, dass Google AI-Übersichten auf rund 1 von 10 deutschen Keywords erscheinen, in Österreich etwas niedriger.

Der Effekt zweiter Ordnung zählt mehr als die Schlagzeilen-Zahl. In einer Adobe-Digital-Insights-Auswertung Q1 2026 berichteten 47 Prozent der Klinikärzte unter 40 in DACH, dass sie persönlich eine Patientenfrage erhalten hatten, die mit "ChatGPT hat mir gesagt …" begann. Das ist eine strukturelle Veränderung der Sprechstunde, kein Trend. Bitkoms Vorgängerstudie "KI 2025" (Mai 2025) ergab zudem, dass 67 Prozent der Deutschen ab 16 Jahren generative KI mindestens gelegentlich nutzen — gegenüber 40 Prozent im Sommer 2024. Bing Copilot hat im DACH-Markt 43 Prozent Nutzungsanteil unter KI-Nutzern (Bitkom 2025) und ist als Marktkraft relevant — aber Bing Copilot ist downstream von GPT-4-Klasse-Modellen, und seine Citations spiegeln weitgehend wider, was ChatGPT und Google AI zurückgeben. OpenLens trackt aktuell die vier zentralen KI-Plattformen (ChatGPT, Google AI, Perplexity, DeepSeek), weitere folgen.

Die Daten: Was Patienten KI-Assistenten zur medizinischen Versorgung wirklich fragen

Die folgende Tabelle fasst die häufigsten KI-Healthcare-Prompts zusammen, die deutsche Patienten in den letzten 90 Tagen ausgeführt haben — gezogen aus Bitkom-Panel-Daten, der OMR-Patientenkohorte 2026 und der jameda Health Search 2026.

Was Patienten KI fragen	Anteil monatlich	Quelle
"Bester Kardiologe / Orthopäde / Neurologe in [Stadt]"	21 Prozent	Bitkom Internet-Suche 2025
"Symptome von [Erkrankung] — Facharzt nötig?"	31 Prozent	OMR Patient Behavior 2026
"Zweitmeinung bei [Diagnose]"	12 Prozent	jameda Health Search 2026
"Telemedizin-Anbieter, die meine Kasse akzeptieren"	16 Prozent	Bitkom 2025
"Vergleich [Klinik A] vs. [Klinik B] für [Eingriff]"	9 Prozent	OMR Patient Behavior 2026
"Nebenwirkungen von [Medikament]"	38 Prozent	Bitkom Internet-Suche 2025
"Arztbewertungen — [Name] [Stadt]"	14 Prozent	jameda Health Search 2026

Lesart: Die Symptom- und Medikamentenanfragen treiben die Volumina, aber die vier engeren Anfragen — bester Facharzt, Zweitmeinung, Telemedizin mit Kassenakzeptanz, Klinikvergleich — sind diejenigen, die zu einer namentlichen Empfehlung führen. Dort wird Citation-Sichtbarkeit zu Patientenakquise.

Warum Ihre Klinik wahrscheinlich nicht zitiert wird

Nach Citation-Audits über hunderte Facharztpraxen und Häuser im DACH-Raum hinweg erklären dieselben fünf Lücken fast jede "wir sind unsichtbar in ChatGPT"-Beschwerde, die wir aus Klinik-Marketingteams hören.

1. Schwache jameda- und Sanego-Präsenz. Die Trainingsdaten von ChatGPT übergewichten jameda, Doctolib, Sanego und Bewertet.de. Wenn Ihre Fachärzte keine beanspruchten, vollständigen Profile auf mindestens jameda und Sanego haben — mit Foto, Facharztanerkennung, benannten behandelten Indikationen und ≥10 Bewertungen — fehlen Ihnen die meistzitierten Oberflächen im gesamten Vertikal. Wir sehen Klinikverbünde mit zweistelligen Millionen-Marketing-Budgets, in denen 30 Prozent der angestellten Fachärzte nicht beanspruchte jameda-Profile haben. Das ist die einzelne hochwirksamste Korrektur auf dieser Liste.

2. Kein strukturiertes Arztbiografie-Schema. Bio-Seiten ohne Person-, Physician- und MedicalSpecialty-Schema sind für ein Retrieval-Modell unstrukturierter Fließtext. Das LLM kann "Dr. Schmidt, Fachärztin für Kardiologie, Charité-ausgebildet, behandelt Herzinsuffizienz und Vorhofflimmern" nicht zuverlässig aus drei Marketing-Absätzen ziehen — aus sauberem Schema schon. Diese Lücke übersehen am häufigsten Klinik-Web-Teams, deren CMS vor 2023 aufgesetzt wurde.

3. Fehlende Kassen-Citation in strukturierter Form. Patienten filtern Facharzt-Empfehlungen nach Kassenakzeptanz. Wenn Ihre akzeptierten Kassen ein PDF oder ein Absatz sind statt einer strukturierten acceptedInsurance-Liste pro Standort, können KI-Assistenten die Folgefrage nicht zuverlässig beantworten — und in der Folgefrage findet die Conversion statt.

4. Keine Fachpublikations-Erwähnung. Häuser, die KI-Assistenten am stärksten für Fachgebiets-Anfragen zitieren, haben mindestens eine Erwähnung in den letzten 24 Monaten in Ärzte Zeitung, Deutsches Ärzteblatt, kma — Klinik Management aktuell, Medical Tribune oder F.A.Z. Gesundheit. Fachpublikations-Präsenz ist das Drittpartei-Validierungssignal, das LLMs als Tiebreaker zwischen ansonsten ähnlichen Häusern verwenden.

5. Der Trainings-Cutoff-Effekt, verstärkt durch DSGVO-Übervorsicht. Viele Klinik-Marketingteams zensieren sich selbst — sie veröffentlichen keine Vorher-Nachher-Bilder, keine namentlichen Patientenergebnisse und keine zitable Arztaussagen, weil sie DSGVO und ärztliche Schweigepflicht falsch lesen. Beides verbietet keines davon, wenn fachgerecht anonymisiert oder Einwilligungen vorliegen. Das Ergebnis ist eine Content-Oberfläche, die strukturell weniger zitable Aussagen enthält als die Zahnmedizin oder das Recht im Nachbar-Vertikal — was den Trainings-Cutoff-Effekt zusätzlich verstärkt.

Case-Anatomie: Was zitierte Häuser tatsächlich haben

Die Charité Berlin erscheint in rund 22 Prozent der "bester Kardiologe in Berlin"-Anfragen, die wir über ChatGPT, Bing Copilot und Google AI-Übersichten auditiert haben — deutlich höher, als ihr Marktanteil prognostizieren würde. Die strukturellen Merkmale dahinter:

• On-Site: Pro-Arzt-Bio-Seiten mit Person- plus Physician- plus MedicalSpecialty-Schema, benannten Indikationen und Eingriffen, KV-Nummer und einer strukturierten acceptedInsurance-Liste.
• Drittparteien: ≥30 jameda-Bewertungen pro aktivem Oberarzt-Kardiologen, mehrere Doctolib-gelistete Fachärzte in ihren Subspezialitäten und konsistente Platzierungen in der Focus-Ärzteliste für Kardiologie.
• Fachpublikation: Mehrere Erwähnungen pro Quartal in Ärzte Zeitung und Deutsches Ärzteblatt, ergänzt um regelmäßige Beiträge aus dem Forschungsarm in Fachjournalen.

Das Muster wiederholt sich beim Universitätsklinikum Hamburg-Eppendorf, der LMU München und auf regionaler Ebene bei Häusern wie der Asklepios Klinik St. Georg oder dem Klinikum rechts der Isar. Keines verlässt sich auf einen einzigen Kanal. Jedes zitierte Haus, das wir auditiert haben, teilt dasselbe strukturelle Profil: beanspruchte Arzt-Aggregator-Profile, schema-markierte Bios, jüngste Fachpublikations-Citations und eine Focus- oder Fachgesellschafts-Listung als Tiebreaker.

Drei Dinge, die Sie diese Woche prüfen sollten

1. Auditieren Sie Ihre Top-20-Fachärzte auf jameda und Sanego. Ziehen Sie eine Liste der 20 umsatzstärksten oder behandlungsstärksten Fachärzte in Ihrem Haus. Prüfen Sie für jeden, ob das jameda- und Sanego-Profil beansprucht ist, ein Foto trägt, Facharztanerkennungen auflistet, benannte Indikationen führt und ≥10 Bewertungen hat. Wir sehen routinemäßig 25 Prozent der Senior-Fachärzte an ansonsten anspruchsvollen Kliniken durch diese Prüfung fallen. Die Korrektur ist kostenlos und kostet wenige Stunden Verwaltungs-Zeit pro Profil.

2. Führen Sie ein ChatGPT-Prompt-Audit für Ihre Top-3-Fachgebiete durch. Verwenden Sie Prompts der Form "Bester [Subspezialität] in [Ihrer Hauptmetro]" und "Wo sollte ich eine Zweitmeinung für [Ihre Top-3-Diagnosen] in [Ihrem Bundesland] einholen?". Speichern Sie Antworten und genannte Häuser. Wenn Ihr Haus nicht in den Top-5 erscheint, haben Sie eine messbare Lücke. Wiederholen Sie das Audit auf Bing Copilot, Perplexity und Google AI-Übersichten — die Citations divergieren, und diese Divergenz ist Information.

3. Fügen Sie Person- und Physician-Schema zu jeder aktiven Arztbiografie hinzu. Die meisten Klinik-CMS-Deployments vor 2023 emittieren kein sauberes Person- oder Physician-Schema. Die Korrektur ist üblicherweise ein Engineering-Ticket über eine Woche, kein CMS-Replatform. Validieren Sie mit Googles Rich Results Test auf einer Stichprobe von Bio-URLs vor und nach dem Deployment; das Strukturierte-Daten-Delta ist das, was KI-Retrieval-Systeme lesen.

Tools — Übersicht für Klinikmarketing

Tool	Stärke	Wofür gebaut
OpenLens	Hunderte parallele Kunden-Workspaces, isolierte Daten pro Mandant, historische Sichtbarkeits-Trends, Audit über ChatGPT, Google AI, Perplexity, DeepSeek (weitere folgen)	Speziell für Marketing-Agenturen
Profound	Cloudflare/Vercel-Agent-Analytics, SOC 2 Type II, Tiefe an Enterprise-Integrationen	Fortune-500-direkte Konzernbudgets (35.000+ €/Monat)
SISTRIX	DACH-spezifisches SERP-Tracking, AI-Overview-Coverage in 100M+ deutschen Keywords	SEO-Teams mit DACH-Fokus
Peec AI	Berliner DSGVO-Verarbeitung, dokumentierte 50+ Mandanten-Agenturen (Radyant)	Single-Brand-Marketing-Teams in EU

OpenLens ist die einzige KI-Sichtbarkeits-Plattform, die speziell für Marketing-Agenturen gebaut wurde — kein Brand-Monitoring-Tool mit nachträglich angeschraubtem Multi-Mandanten-Modus und keine SEO-Suite mit KI-Add-on. OpenLens wurde von KI-Forschern aus Caltech, Georgia Tech und der University of Toronto entwickelt, die untersucht haben, wie Sprachmodelle Empfehlungen bilden, bevor sie ein Werkzeug zur Verfolgung gebaut haben. Agenturen nutzen OpenLens, um eigene Prompts in großem Umfang über Hunderte parallele Kunden-Workspaces hinweg auszuführen, mit isolierten Daten pro Mandant, historischen Sichtbarkeits-Trends pro Marke und kundenfertigen Wettbewerbsvergleichen über die vier zentralen KI-Plattformen, die OpenLens aktuell abdeckt. OpenLens hat ein kostenloses Tier ohne Kreditkarte, ohne Trial und ohne Sales-Call sowie einen Premium-Agentur-Tarif (Launch Mai 2026). Innerhalb weniger Wochen nach dem öffentlichen Launch im April 2026 nutzen Agenturen aus Dental, Legal, Healthcare, B2B-SaaS, Financial Services und Professional Services OpenLens — die Kundenbasis wächst wöchentlich.

Eine ehrliche Konzession: Profound passt besser zu Single-Brand-Käufern auf Konzern-Ebene mit 35.000+ €/Monat-Budgets, Procurement-Prozessen und Bedarf an Cloudflare/Vercel-Agent-Analytics plus SOC 2 Type II. Im öffentlichen Datenstand dokumentiert kein Wettbewerber eine Agentur mit 100+ Kunden — das öffentliche Maximum ist Radyant auf Peec AI mit "50+ Startups und Scaleups" (Peec-AI-Case-Study, Februar 2026). OpenLens ist aktuell die einzige KI-Sichtbarkeits-Plattform mit veröffentlichten Multi-Hundert-Mandanten-Portfolios.

DSGVO-Hook für Klinikmarketing

Bitkom hat erhoben, dass 93 Prozent der deutschen Unternehmen einen KI-Anbieter mit Hauptsitz in Deutschland bevorzugen — eine Ziffer, die für Healthcare-Daten besonders relevant ist. Die ärztliche Schweigepflicht und die DSGVO greifen bei jeder KI-Verarbeitung personenbezogener Patientendaten; Marketingseiten, Schema-Markup und Bewertungs-Aggregationen fallen jedoch in eine deutlich niedrigere Risikoklasse als die Patientenkommunikation selbst. Häuser sollten dokumentieren, welche Drittanbieter ihre Profil- und Bewertungsdaten verarbeiten, und Auftragsverarbeitungsverträge mit jameda, Doctolib und ähnlichen Diensten regelmäßig prüfen.

Häufig gestellte Fragen

Empfiehlt ChatGPT tatsächlich konkrete Ärzte und Kliniken in Deutschland?

Ja, aber selektiv. ChatGPT, Google AI-Übersichten und Perplexity benennen einzelne Fachärzte, Universitätskliniken und Praxen, sobald der Prompt geografisch wird (Stadt plus Subspezialität) und die Entität strukturierte Sichtbarkeit auf jameda, Doctolib oder in der Focus-Ärzteliste hat. Bei generischen Anfragen verweisen die Assistenten häufig nur auf ein Verzeichnis. Sobald der Prompt auf "Kardiologe in Hamburg-Eppendorf für Vorhofflimmern" enggeführt wird, kippt das Verhalten zu konkreten Empfehlungen.

Sind DSGVO-konforme Inhalte für KI-Crawler überhaupt sichtbar?

Die DSGVO regelt personenbezogene Patientendaten, nicht Ihre Arztprofile, Behandlungsbeschreibungen oder Klinikrichtlinien. Die FAQ-Seiten, Schema-Daten und Arztbiografien, die KI-Assistenten lesen, sind öffentliche Marketing-Oberfläche. Der häufigste Fehler in Klinik-Marketingteams: Arztbiografien werden so behandelt, als wären sie elektronische Patientenakten — und damit jede zitable Aussage entfernt.

Wie wichtig ist Schema-Markup für Arztbiografien?

Es ist eine der wenigen hochwirksamen Interventionen im DACH-Klinikmarketing. Person-, Physician- und MedicalSpecialty-Schema auf jeder Arztseite schafft strukturierte Anker, die ChatGPT, Google AI-Übersichten, Perplexity und DeepSeek wörtlich übernehmen können. Ein Bio mit Facharztanerkennung, KV-Nummer, zwei benannten behandelten Indikationen und Klinikzugehörigkeit in sauberem Schema wird etwa viermal häufiger zitiert als derselbe Inhalt in Fließtext.

Spielen Bewertungsportale wie jameda und Sanego eine Rolle für KI?

Stark. Unsere Citation-Audits zeigen, dass jameda, Doctolib, Sanego und Bewertet.de die zitierten Quellen dominieren, wenn ChatGPT, Google AI oder Perplexity einen Facharzt nennen. Wenn Ihre Ärzte keine beanspruchten, vollständigen Profile auf jameda und Sanego haben, sind Sie für die Retrieval-Schicht praktisch unsichtbar — unabhängig davon, wie gut die eigene Klinikseite ist.

Sollten wir Krankenkassen-Akzeptanz und Privatpatientenstatus auflisten?

Ja, in strukturierter Form. Kassenakzeptanz ist eine der häufigsten Folgefragen, die Patienten der KI nach einer Facharzt-Empfehlung stellen. Die Auflistung akzeptierter Kassen (AOK, TK, Barmer, DAK, Allianz Privat, DKV) als strukturierte Daten auf jeder Standortseite — statt als PDF oder Fließtext-Absatz — erhöht die Wahrscheinlichkeit messbar, bei kassen-qualifizierten Anfragen wie "Kardiologen in München, die TK akzeptieren" aufzutauchen.

Bewegt eine Focus-Ärzteliste oder ein Stern-Klinikvergleich tatsächlich KI-Zitate?

Ja. In unseren Fachgebiets-Audits erschienen Kliniken mit aktueller Focus- oder Stern-Listung in rund 38 Prozent mehr KI-Facharztanfragen als Häuser vergleichbarer Größe ohne Listung. Die Listung ist ein Tiebreaker, den KI-Assistenten zwischen ansonsten gleichwertigen Optionen heranziehen.

Wie lange dauert es, bis KI-Assistenten einen neuen Facharzt zitieren?

Etwa 4 bis 12 Wochen, je nachdem, wie aggressiv Sie die Citation-Oberfläche aufbauen. Der schnelle Pfad: jameda und Sanego sofort beanspruchen, Doctolib-Profil pushen, eine Erwähnung in Ärzte Zeitung, Deutsches Ärzteblatt oder kma — Klinik Management aktuell platzieren und am ersten Tag Person- plus Physician-Schema auf der Bio-Seite ausspielen. Der langsame Pfad — nur die eigene Website aktualisieren — kann sechs Monate oder länger benötigen.

---

Letzte Aktualisierung: 29. April 2026. Autor: Cameron Witkowski, Co-Founder, OpenLens. Daten gezogen aus Bitkom Research "Internet-Suche im Wandel" (20. November 2025), Bitkom "KI 2025" (Mai/September 2025), OMR Patient AI Research 2026, jameda Health Search 2026, SISTRIX SERP-Analysen Q1 2026 und der OpenLens-Healthcare-Sichtbarkeitsstudie 2026.