Local GEO: So werden Sie von KI lokal empfohlen.

Jemand sitzt zum Beispiel in Ehrenfeld in Köln am Küchentisch, braucht eine Agentur, eine Kanzlei oder jemanden, der die Heizung wieder zum Laufen bringt, und tippt die Frage nicht mehr in den Suchschlitz, sondern in ein Chatfenster: "Wer macht das gut in Köln?" Zurück kommen drei bis fünf Namen mit je zwei Sätzen Begründung, nicht zehn blaue Links. Wer in dieser kurzen Liste fehlt, wird nicht abgelehnt, sondern gar nicht erst geprüft. Damit verschiebt sich der Wettbewerb um lokale Aufträge von der Ergebnisseite in den Antworttext, und zwar bei Fragen, die vorher zuverlässig im Local Pack gelandet sind. Das Muster gilt für jede Stadt in DACH, Köln dient hier nur als Beispiel.

Local GEO ist die Arbeit daran, dass ein Sprachmodell Ihr Unternehmen bei ortsbezogenen Fragen als Antwort nennt, statt Sie in einer Ergebnisliste zu platzieren; gemessen wird der Anteil der Antworten, in denen Ihr Name fällt, der Anteil mit einem Beleg auf Ihre Domain und die Tonlage, in der das Modell Sie beschreibt.

Wie groß dieser Verschiebung ist, lässt sich beziffern. Nicht mit Bauchgefühl, sondern mit vier Erhebungen, die Sie selbst nachlesen können.

Wie groß das Problem in Zahlen ist

Die belastbarsten Zahlen zur lokalen KI-Nutzung stammen aus einer US-Erhebung. Laut BrightLocal nutzen 45 % der Konsumenten KI-Werkzeuge für lokale Unternehmensempfehlungen, im Vorjahr waren es 6 % (Quelle: https://www.brightlocal.com/research/lcrs-ai-trust/, 10.03.2026). Dieselbe Studie nennt 31 % für ChatGPT und 23 % für den Google AI Mode als Werkzeug der Wahl. Von den aktiven Nutzern vertrauen 63 % den Empfehlungen, 88 % prüfen die Quellen aber nach, auch das laut BrightLocal. Befragt wurden 1.002 US-Erwachsene, davon 455 aktive KI-Nutzer; nach Angaben der Studie ist das die Basis. Für Deutschland gibt es bis heute keine vergleichbare Erhebung zur lokalen KI-Sichtbarkeit, also übertragen Sie diese Anteile nicht eins zu eins auf den eigenen Markt. Was sich übertragen lässt, ist die Richtung: Der Zuwachs innerhalb eines Jahres ist zu groß, um ihn als Randerscheinung abzutun.

Die zweite Zahl ist die unangenehme. Der SOCi Local Visibility Index 2026 zeigt, dass ChatGPT nur 1,2 % aller lokalen Standorte überhaupt empfiehlt und 83 % der Restaurants in KI-generierten lokalen Empfehlungen gar nicht vorkommen (Quelle: https://natlawreview.com/press-releases/ai-search-recommends-only-12-local-businesses-rest-are-invisible, 10.03.2026). Die Überlappung zwischen klassischer Sichtbarkeit und KI-Sichtbarkeit liegt laut derselben Auswertung bei rund 45 %. Basis sind über 350.000 Standorte und 2.751 Marken, nach Angaben von SOCi ebenfalls US-Daten. Praktisch heißt das: Ein guter Platz im Local Pack sagt Ihnen wenig darüber, ob ein Modell Sie nennt. Wer aus der klassischen lokalen Suche zufrieden nach Hause geht, kann in der KI-Antwort trotzdem fehlen, und umgekehrt.

Die dritte Zahl stammt von Local Falcon und dreht die verbreitete Annahme um, dass man nur den Ortsnamen bespielen muss. Die Auswertung von 60.000 Suchanfragen zu 4.423 Unternehmen in 20 Ländern zeigt, dass AI Overviews bei 40,2 % lokaler Suchanfragen erscheinen (Quelle: https://www.localfalcon.com/blog/whitepaper-studies-the-impact-of-google-ai-overviews-on-local-business-search-visibility, 21.05.2025).

Anfragen ohne Ortsnamen lösen AI Overviews 11,1 Prozentpunkte häufiger aus als Anfragen mit Ortsnamen: 46,1 % gegen 35,0 %, laut Local Falcon. Und die Korrelation zwischen Entfernung und Platzierung liegt bei 0,001, nach Angaben derselben Studie praktisch null.

Für die Praxis ergibt sich daraus zweierlei. Erstens entstehen die generativen Antworten gerade dort, wo niemand den Ortsnamen mittippt, weil das Gerät den Standort ohnehin kennt: "Steuerberater in meiner Nähe" ist der Fall mit der höheren Wahrscheinlichkeit auf eine KI-Antwort, nicht "Steuerberater Köln". Zweitens rettet Sie Ihre Adresse nicht. Wenn Nähe kaum korreliert, entscheidet etwas anderes darüber, wer genannt wird, und das ist die Belegdichte im Netz rund um Ihren Namen.

Alle drei Werte stammen aus US-Erhebungen. Eine vergleichbare Studie für Deutschland gibt es nicht.

Wie ein Modell eine lokale Empfehlung zusammenbaut

Der erste Schritt ist keine Suche, sondern eine Zerlegung. Google beschreibt für den AI Mode die Query-Fan-Out-Technik: Die gestellte Frage wird in Unterfragen aufgeteilt, und viele Suchen laufen gleichzeitig (Quelle: https://blog.google/products-and-platforms/products/search/google-search-ai-mode-update/, 20.05.2025). Aus "gute Agentur in der Nähe" werden im Hintergrund Teilfragen nach Leistungen, Branchen, Preisen, Bewertungen sowie Referenzen. Ihre Sichtbarkeit hängt damit nicht an einem Keyword, sondern daran, ob Sie zu vielen dieser Teilfragen irgendwo im Netz auffindbare Antworten hinterlassen haben.

Der zweite Schritt ist die Verankerung in Ortsdaten. Google verankert generative Antworten in Maps-Daten mit über 250 Millionen Orten und nennt dabei ausdrücklich auch Nutzerbewertungen als Quelle (Quelle: https://blog.google/innovation-and-ai/technology/developers-tools/grounding-google-maps-gemini-api/, 17.10.2025). Bewertungstexte sind also kein Sternchen-Schmuck, sondern Rohmaterial. Was Ihre Kunden dort in eigenen Worten schreiben, ist Text, den ein Modell lesen und wiedergeben kann. Ein Bewertungstext, der die Leistung benennt, den Stadtteil nennt und den Ablauf beschreibt, trägt für diese Systeme deutlich mehr als fünf Sterne ohne Kommentar.

Der dritte Schritt ist der, bei dem viele Agenturen zu viel versprechen. Google sagt für seine KI-Funktionen ausdrücklich, dass kein eigenes Markup nötig ist und strukturierte Daten dem sichtbaren Text entsprechen müssen; die einzige lokale Empfehlung in der Dokumentation lautet, Merchant-Center- und Business-Profile-Daten aktuell zu halten (Quelle: https://developers.google.com/search/docs/appearance/ai-features, Stand 10.12.2025).

Und hier die Lücke, die wir offen benennen, statt sie zu überkleben: Es gibt keine offizielle Google-Quelle, die belegt, dass das Google Business Profile AI-Overview- oder AI-Mode-Antworten direkt speist. Google dokumentiert lediglich, dass diese Daten aktuell sein sollen. Jede Formulierung im Stil "Ihr Google-Profil ist die Datenquelle der KI-Antwort" ist eine Agenturbehauptung, keine belegte Aussage. Wir halten das Profil trotzdem sauber, weil es billig ist, weil es für die klassische lokale Suche nachweislich zählt und weil Maps-Grounding zumindest in derselben Datenwelt stattfindet. Wir verkaufen es Ihnen aber nicht als Hebel mit Beleg. Ähnlich ehrlich muss man beim Thema Verzeichnisse bleiben: Welche Bewertungsportale und Branchenverzeichnisse bei ortsbezogenen Prompts konkret zitiert werden, ist durch keine belastbare Primärquelle geklärt.

Was lokal anders läuft als in der Suchmaschine

Jede Stadt ist für lokale Sichtbarkeit kein Punkt auf der Karte, sondern ein Bündel aus Vierteln mit eigenem Ruf. Ein Modell, das nach einer Agentur in einem bestimmten Viertel gefragt wird, zum Beispiel in Ehrenfeld in Köln, arbeitet mit anderem Textmaterial als bei einem Nachbarviertel wie Sülz oder Deutz, weil über diese Viertel unterschiedlich geschrieben wird. Dazu kommt das Umland: Wer aus einer Nachbarregion anfragt, meint die nächstgelegene Stadt oft mit, ohne sie zu schreiben. Handwerk und Dienstleistung mit Einzugsgebiet müssen deshalb neben dem Stadtnamen auch das Gebiet ausschreiben, in dem sie tatsächlich arbeiten. Steht das nirgends im Fließtext, kann es kein Modell rekonstruieren.

Der Unterschied zwischen "Agentur Köln" und "Agentur in meiner Nähe" ist dabei kein sprachlicher, sondern ein technischer. Die erste Formulierung nennt den Ort im Text und lässt sich klassisch bearbeiten. Die zweite überlässt den Ort dem Gerät und trifft, wie oben belegt, häufiger auf eine generative Antwort. Für Sie heißt das: Der Ortsname gehört weiterhin auf die Seite, aber er reicht nicht. Gebraucht wird beschreibbarer Kontext: welche Branchen, welche Projektgrößen, welche Wege, welche Erreichbarkeit. Diese Angaben gehören in Fließtext, nicht in eine Tabelle am Seitenende, weil ein Modell zusammenhängende Sätze besser wiedergeben kann als Datenfelder ohne Satzbau.

Google nennt als lokale Rankingfaktoren weiterhin Relevanz, Entfernung und Bekanntheit; mehr und bessere Bewertungen können die lokale Platzierung verbessern (Quelle: https://support.google.com/business/answer/7091). Zwei dieser Faktoren sind für KI-Antworten schwach. Relevanz ist Fleißarbeit, Entfernung korreliert nach der Local-Falcon-Studie praktisch nicht mit der Platzierung. Bleibt Bekanntheit, und die ist genau das, was ein Sprachmodell überhaupt lesen kann: Erwähnungen in Presse und Fachbeiträgen, Einträge in Verzeichnissen, Bewertungstexte, Referenzen auf fremden Seiten. In jeder Stadt kommen ähnliche Signale dazu: Mitgliedschaften und Einträge bei der örtlichen IHK oder Handwerkskammer, regionale Gründer- und Startup-Netzwerke, lokale Branchencluster. Solche Nennungen stehen auf Seiten, die Ihnen nicht gehören, und genau deshalb wiegen sie im Belegumfeld schwerer als Ihre eigene Leistungsseite. Sie lassen sich auch nicht in einer Woche einkaufen. Sie entstehen daraus, dass Sie irgendwo als Ansprechpartner auftauchen, den jemand zitieren kann.

Was der Google AI Mode bei einer ortsbezogenen Frage tatsächlich ausgibt

Am 05.09.2026 haben wir den Google AI Mode (udm=50) auf google.de mit vier kommerziellen Prompts abgefragt, ohne Login und ohne Personalisierung. Einer davon hatte Ortsbezug zu Köln, und dessen Antwort sah anders aus als die drei übrigen: Zu jeder genannten Agentur standen eine Sternebewertung, die Anzahl der Bewertungen und die Straßenadresse. Wörtlich aus der Antwort: "4,9 von 5 Sternen bei 138 Bewertungen, Aachener Str. 75, 50931 Lindenthal" (Quelle: eigene Messung, 05.09.2026).

Das sind genau die Felder des Google-Unternehmensprofils. Bei einer lokal gestellten Frage zieht die generierte Antwort also nicht nur Texte über Anbieter heran, sondern zusätzlich strukturierte Profildaten, die jeder Betrieb selbst pflegt. Für Sie verschiebt das den Hebel: Ein gepflegtes Profil mit aktueller Adresse, richtiger Kategorie und echten Bewertungen wirkt bei Ortsfragen direkt in den Antworttext hinein, nicht nur in die Kartenansicht darunter.

Zur Ehrlichkeit gehört die Einschränkung: Das ist eine Beobachtung aus einer einzigen Antwort an einem Tag. Google hat nichts dergleichen offiziell erklärt. Ob dieselbe Antwortform bei jedem Ortsprompt entsteht, lässt sich daraus nicht ableiten, es ist ein Befund, keine Regel.

Das Handwerkszeug dafür ist nicht neu. Es liegt im Local SEO und wird durch die Denkweise aus GEO ergänzt: Belege statt Behauptungen, Wiederholung derselben Aussage an vielen Orten, Messung statt Gefühl. Der Unterschied liegt darin, wofür Sie optimieren: für eine Position in einer Liste oder für einen Satz, den ein Modell über Sie formuliert.

Fünf Hebel, mit denen Sie lokal in KI-Antworten kommen

Standortseite, die eine Frage beantwortet statt eine Stadt zu nennen

Eine Seite, auf der ein Ortsname nur im Titel und im Fließtext auftaucht, beantwortet keine Frage. Modelle zerlegen eine Anfrage in Unterfragen und suchen parallel danach, so beschreibt Google die Query-Fan-Out-Technik im AI Mode (Quelle: https://blog.google/products-and-platforms/products/search/google-search-ai-mode-update/, 20.05.2025). Ihre Standortseite gewinnt also, wenn sie diese Unterfragen sichtbar bedient: Wer betreut das Projekt vor Ort, was kostet der Einstieg, welche Branchen liegen in Ihrer Region auf dem Tisch. Beantworten Sie jede dieser Fragen in zwei bis vier Sätzen unter einer eigenen Zwischenüberschrift, damit die Antwort einzeln zitierbar ist. Umgesetzt ist es, wenn Sie jede Zwischenüberschrift der Seite als eigenständige Nutzerfrage vorlesen können und die darunterstehenden Sätze allein stehen, ohne den Rest der Seite.

Strukturierte Daten, die zum sichtbaren Text passen

Google schreibt in der Dokumentation zu KI-Funktionen ausdrücklich, dass kein eigenes Markup für KI-Antworten nötig ist und strukturierte Daten dem sichtbaren Seiteninhalt entsprechen müssen (Quelle: https://developers.google.com/search/docs/appearance/ai-features, Stand 10.12.2025). Markup ersetzt also keinen Inhalt. Es bestätigt ihn.

Praktisch heißt das: Was im JSON-LD als Telefonnummer, Adresse oder Öffnungszeit steht, muss auf derselben Seite lesbar sein. Umgesetzt ist es, wenn Sie jedes Feld Ihres Markups auf der gerenderten Seite mit dem Finger zeigen können.

In fremde lokale Listen kommen

Ihre eigene Seite ist eine Quelle. Sie reicht selten. Regionale Verzeichnisse, Kammerlisten, Branchenübersichten von Fachmedien, Vergleichsartikel anderer Anbieter: Das sind die Texte, die ein Modell heranzieht, wenn es eine Empfehlung für eine Stadt zusammensetzt. Dazu gehört eine Ehrlichkeit, die im Markt selten ist. Es gibt keine belastbare Primärquelle zu der Frage, welche Portale bei ortsbezogenen Prompts tatsächlich zitiert werden. Wer Ihnen eine Liste der zwölf wichtigsten KI-Verzeichnisse verkauft, verkauft eine Vermutung. Was Sie stattdessen tun können: erfassen, welche Seiten in echten Antworten als Quelle auftauchen, und genau dort einen Eintrag anstreben. Umgesetzt ist es, wenn Sie eine gepflegte Liste fremder Seiten haben, auf denen Ihr Unternehmen mit vollständigen Kontaktdaten steht, und jede davon in einer echten KI-Antwort als Quelle aufgetaucht ist.

Bewertungen als Quelle, nicht als Dekoration

Google verankert generative Antworten in Maps-Daten mit über 250 Millionen Orten und nennt Nutzerbewertungen ausdrücklich als Quelle (Quelle: https://blog.google/innovation-and-ai/technology/developers-tools/grounding-google-maps-gemini-api/, 17.10.2025). Für die lokale Platzierung können laut Google mehr und bessere Bewertungen zusätzlich helfen (Quelle: https://support.google.com/business/answer/7091). Relevant wird dabei der Text, nicht der Sternwert: Eine Bewertung, die Leistung samt Ergebnis benennt, liefert einem Modell Material. "Top, gerne wieder" liefert nichts. Bitten Sie nach Projektabschluss um eine Bewertung und fragen Sie konkret nach der erbrachten Leistung. Umgesetzt ist es, wenn Ihre letzten zehn Bewertungen die Leistung im Klartext benennen und nicht nur eine Sternzahl tragen.

Einheitliche Angaben über alle Einträge hinweg (Name, Adresse, Telefon)

Firmierung, Anschrift und Rufnummer müssen überall identisch sein. Nicht sinngemäß gleich, sondern zeichengleich. Ein vollständiger Firmenname und eine verkürzte Version sind für einen Menschen dasselbe Unternehmen; für ein Modell, das Signale über mehrere Quellen zusammenzieht, sind es zwei Kandidaten mit halber Evidenz. Dasselbe gilt für die Rufnummer mit und ohne Ländervorwahl oder für unterschiedliche Schreibweisen einer Hausnummer. Umgesetzt ist es, wenn Sie Ihren Firmennamen in Anführungszeichen suchen und jeder Treffer dieselbe Adresse und dieselbe Nummer zeigt.

Der LocalBusiness-Block, den Sie kopieren können

Pflicht sind nur name und address; empfohlen sind geo, telephone, url, openingHoursSpecification und priceRange (Quelle: https://developers.google.com/search/docs/appearance/structured-data/local-business, Stand 10.12.2025). Der folgende Block zeigt nur die Struktur. Tragen Sie dort Ihre eigenen, echten Angaben ein: Erfunden werden sollte an dieser Stelle nichts, Koordinaten und Öffnungszeiten gehören nur hinein, wenn sie stimmen.

{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "@id": "https://www.deine-domain.de/#organization",
  "name": "Name Ihres Unternehmens",
  "url": "https://www.deine-domain.de/",
  "telephone": "+49 …",
  "email": "info@deine-domain.de",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Straße Hausnummer",
    "postalCode": "PLZ",
    "addressLocality": "Ort",
    "addressRegion": "Bundesland",
    "addressCountry": "DE"
  },
  "identifier": {
    "@type": "PropertyValue",
    "name": "Handelsregister",
    "value": "HRB-Nummer, Amtsgericht"
  }
}

Drei Fehler tauchen in fast jedem Vorlagen-Snippet auf, das im Markt kursiert:

Auffällig ist: Viele lokale Wettbewerber liefern überhaupt kein LocalBusiness-Schema aus (eigene Prüfung, 05.09.2026).

Wie Sie messen, ob es wirkt

Die Methode steht ausführlich auf unserer Leistungsseite, deshalb hier nur das Gerüst: ein festes Prompt-Set mit Ortsbezug, dieselben Prompts über mehrere Modelle, jede Abfrage in einer neuen Sitzung ohne Login, dazu ein fester Takt statt sporadischer Stichproben.

Zwei Kennzahlen reichen für den Anfang. Die Nennungsrate sagt, in wie vielen Antworten Ihr Unternehmen genannt wird; die Zitationsrate, wie oft dabei eine Ihrer Seiten als Quelle verlinkt ist. Nennung ohne Zitation heißt: Ein Modell spricht über Sie, zeigt aber auf fremde Quellen. Wie wir das Prompt-Set aufbauen und protokollieren, steht bei unserer GEO-Agentur.

Häufige Fragen

Wie werde ich als lokales Unternehmen von ChatGPT empfohlen?

Indem Sie in den Quellen auftauchen, aus denen das Modell die Antwort baut: Ihre eigenen Seiten, fremde lokale Listen und Bewertungstexte. Ein Modell erfindet keine Empfehlung, es setzt sie aus vorhandenem Material zusammen. Für eine Stadt wie Köln heißt das zum Beispiel: eine Seite, die lokale Fragen beantwortet, Einträge in regionalen Verzeichnissen, Bewertungen mit Klartext. Eine Platzierung kann niemand zusagen, auch wir nicht. Steuerbar ist nur die Materiallage.

Reicht mein Google-Unternehmensprofil, um in KI-Antworten vorzukommen?

Nein, und die häufigste Gegenbehauptung ist unbelegt. Es gibt keine offizielle Google-Quelle, die zeigt, dass das Unternehmensprofil AI-Overview- oder AI-Mode-Antworten direkt speist. Die einzige lokale Empfehlung in Googles Dokumentation zu KI-Funktionen lautet, Merchant-Center- und Business-Profile-Daten aktuell zu halten (Quelle: https://developers.google.com/search/docs/appearance/ai-features, Stand 10.12.2025). Pflegen Sie das Profil also und halten Sie die Angaben aktuell, aber behandeln Sie es als eine Quelle unter mehreren, nicht als Schalter für KI-Sichtbarkeit.

Brauche ich für jeden Stadtteil eine eigene Seite?

Nein. Eine Seite pro Stadtteil lohnt sich nur, wenn Sie für diesen Stadtteil etwas Eigenes zu sagen haben: Referenzen, Ansprechpartner, Fälle. Zwanzig Seiten, die sich nur im Ortsnamen unterscheiden, erzeugen Dubletten ohne Substanz. Bei Google liegt die Korrelation zwischen Entfernung und Platzierung in AI Overviews laut Local Falcon bei 0,001, also praktisch bei null (Quelle: https://www.localfalcon.com/blog/whitepaper-studies-the-impact-of-google-ai-overviews-on-local-business-search-visibility, 21.05.2025). Nähe allein trägt nichts.

Wie lange dauert es, bis lokale KI-Sichtbarkeit entsteht?

Rechnen Sie in Monaten, nicht in Wochen. Änderungen an Ihrer Seite wirken erst nach dem Crawl und der Übernahme in die Quellenbasis; Einträge in fremden Listen und neue Bewertungen brauchen zusätzlich Vorlauf. Belastbar wird die Aussage erst durch eigene Messung: Ohne Ausgangswert aus einem festen Prompt-Set können Sie später keine Veränderung nachweisen, weder eine gute noch eine schlechte. Messen Sie deshalb, bevor Sie anfangen zu ändern, und halten Sie den Takt über mehrere Monate durch.

Zählen Bewertungen für KI-Empfehlungen?

Ja. Google nennt Nutzerbewertungen ausdrücklich als Quelle für generative Antworten, die in Maps-Daten verankert sind (Quelle: https://blog.google/innovation-and-ai/technology/developers-tools/grounding-google-maps-gemini-api/, 17.10.2025). Für die klassische lokale Platzierung können mehr und bessere Bewertungen laut Google zusätzlich helfen (Quelle: https://support.google.com/business/answer/7091). Entscheidend ist der Inhalt: Ein Text, der die erbrachte Leistung benennt, ist zitierfähig, eine reine Sternzahl nicht. Zehn ausführliche Bewertungen sind für ein Modell also wertvoller als hundert wortlose Sterne.

Was ist der Unterschied zwischen Local SEO und Local GEO?

Local SEO arbeitet auf eine Liste hin, Local GEO auf einen Absatz. Bei der klassischen Suche entscheidet die Platzierung im Kartenausschnitt und in den blauen Links; bei einer generativen Antwort entscheidet, ob Ihr Unternehmen im Fließtext genannt und als Quelle verlinkt wird. Die Überlappung ist unvollständig: Zwischen klassischer und KI-Sichtbarkeit liegt sie laut dem SOCi Local Visibility Index 2026 bei rund 45 Prozent (Quelle: https://natlawreview.com/press-releases/ai-search-recommends-only-12-local-businesses-rest-are-invisible, 10.03.2026). Gute Rankings garantieren also keine Nennung.

Lohnt sich das auch für ein kleines Unternehmen abseits der Großstadt?

Oft gerade dann. Laut dem SOCi Local Visibility Index 2026 empfiehlt ChatGPT nur 1,2 Prozent aller lokalen Standorte, ausgewertet über mehr als 350.000 Standorte (Quelle: https://natlawreview.com/press-releases/ai-search-recommends-only-12-local-businesses-rest-are-invisible, 10.03.2026). Im Wettbewerb um kleinere Städte im Umland, etwa Bergisch Gladbach, Frechen oder Hürth bei Köln, ist das Feld deutlich dünner besetzt als in einer Großstadt. Ein sauber gepflegter Datensatz und drei aussagekräftige Bewertungen bewegen dort oft mehr als ein großes Budget im Stadtzentrum.

Wenn Sie wissen wollen, wie Ihr Unternehmen in ortsbezogenen KI-Antworten derzeit dasteht, ist der erste Schritt eine Messung, kein Umbau. Wir richten das Prompt-Set ein und legen den Ausgangswert offen, bevor irgendetwas an Ihrer Seite geändert wird. Melden Sie sich über Kontakt, wenn Sie diesen Ausgangswert sehen möchten.