Es gibt eine besondere Art von Frustration, die etwa dreißig Minuten nach Beginn einer Reise einsetzt. Man steht in einer unbekannten Stadt, es ist Nachmittag, man hat ein paar freie Stunden und öffnet das Handy, um „Aktivitäten in meiner Nähe" zu suchen. Was zurückkommt, ist eine Wand aus gesponserten Einträgen, Review-Farm-Restaurants und Sehenswürdigkeiten, die vor zwei Stunden geschlossen haben. Man scrollt. Man wechselt die App. Man scrollt wieder. Schließlich gibt man auf und betritt das nächste Lokal — was in Ordnung ist, aber nicht das, was man gewählt hätte, wenn man bessere Informationen gehabt hätte.
Das ist kein Versagen durch mangelnden Einsatz. Es ist ein Versagen der Werkzeuge. Die Plattformen, auf die wir uns bei der lokalen Entdeckung verlassen, wurden nicht gebaut, um die Frage zu beantworten, die wir eigentlich stellen. Und wenn man versteht, warum sie scheitern, erkennt man etwas Nützliches darüber, wie ein besseres System aussehen würde.
Google Maps ist der Standard-Ausgangspunkt für die meisten Menschen, die „Aktivitäten in meiner Nähe" suchen — und auch der am meisten kompromittierte. Googles lokale Suchergebnisse werden von einer Kombination aus bezahlten Platzierungen, SEO-Signalen und Bewertungsvolumen gesteuert. Wenn man nach etwas sucht, sieht man nicht „die besten Dinge in der Nähe". Man sieht die Dinge, die bezahlt haben, um aufzutauchen, gefolgt von den Dingen mit den meisten Bewertungen, gefolgt von allem anderen.
Das ist keine Verschwörungstheorie. Googles eigene Dokumentation beschreibt, wie lokale Anzeigen funktionieren: Unternehmen zahlen dafür, mit einem kleinen „Gesponsert"-Label oben in den Maps-Ergebnissen zu erscheinen. In dichten Stadtgebieten sind die ersten zwei oder drei Ergebnisse oft bezahlte Platzierungen. Die darunter liegenden organischen Ergebnisse werden teilweise nach „Bekanntheit" gerankt — wie Google dies definiert anhand von Informationen aus dem gesamten Web. In der Praxis bedeutet das, dass Kettenrestaurants und stark vermarktete Sehenswürdigkeiten kleinere, interessantere Alternativen konsistent übertreffen.
Es gibt ein zweites, subtileres Problem. Google Maps optimiert für Unternehmen, nicht für Erlebnisse. Es kann dir sagen, dass ein Café 4,3 Sterne hat und 200 Meter entfernt ist. Es kann dir nicht sagen, dass der Park auf dem Weg dorthin samstags einen Wochenmarkt hat, dass der Aussichtspunkt auf dem Hügel hinter dir zu dieser Tageszeit spektakulär ist oder dass die Gegend, in der du bist, am besten zu Fuß erkundet wird statt durch die Suche nach einem bestimmten Ziel.
Google Maps beantwortet „Wo ist ein Unternehmen?" Es beantwortet nicht „Was soll ich tun?"
TripAdvisor funktioniert nach einem anderen Modell, kommt aber zu einem ähnlichen Problem. Seine Ergebnisse werden hauptsächlich durch Bewertungsvolumen und Aktualität gesteuert. Die meistbewerteten Orte schwimmen nach oben, was eine selbstverstärkende Schleife erzeugt: Touristen sehen das bestbewertete Restaurant, gehen hin, hinterlassen eine Bewertung und schieben es weiter nach oben. Unterdessen sitzt das exzellente Bistro um die Ecke, das Einheimische bevorzugen, auf Platz 47, weil es keine Bewertungen anregt und seine Stammkundschaft kein TripAdvisor nutzt.
Das ist die Touristenfallen-Fabrik. TripAdvisors Algorithmus beabsichtigt nicht, einen zu mittelmäßigen Orten zu schicken, aber die Anreizstruktur garantiert es. Orte, die gut darin sind, Bewertungen zu generieren, sind nicht notwendigerweise gut darin, Erlebnisse zu schaffen. Das Restaurant, das auf jeden Tisch eine „Bewerte uns auf TripAdvisor"-Karte legt, wird immer höher ranken als das, das einfach hervorragendes Essen kocht.
TripAdvisor leidet auch unter einem Veraltungsproblem. Bewertungen sammeln sich über Jahre an, und das Ranking spiegelt die kumulative Geschichte statt der aktuellen Qualität wider. Ein Restaurant, das 2022 ausgezeichnet war, aber 2025 den Besitzer wechselte und nachließ, erscheint immer noch nahe an der Spitze, weil vier Jahre positiver Bewertungen ein Jahr mittelmäßiger überwiegen. Das Signal hinkt nach.
Das Oxford Internet Institute hat untersucht, wie Plattform-Ranking-Algorithmen „Alles-oder-Nichts"-Dynamiken im lokalen Handel erzeugen. Sobald ein Lokal eine kritische Masse an Bewertungen erreicht, ist es für Konkurrenten nahezu unmöglich, es zu verdrängen, unabhängig von der tatsächlichen Qualität. Das Ranking wird zur Realität.
Yelp ist ein nützlicher Datenpunkt in jeder Diskussion über lokale Entdeckung, weil es zeigt, wie geografisch abhängig diese Plattformen sind. In den Vereinigten Staaten hat Yelp eine sinnvolle Abdeckung und eine große Rezensenten-Basis. In den meisten Teilen Europas, Asiens, Südamerikas und Afrikas ist Yelp funktional nutzlos. In Lyon, Taipeh oder Medellín nach „Aktivitäten in der Nähe" auf Yelp zu suchen liefert eine Handvoll Ergebnisse, die meisten davon von amerikanischen Touristen verfasst.
Das ist wichtig, weil Reisen von Natur aus international ist und ein Entdeckungswerkzeug, das nur in einem Land funktioniert, kein Entdeckungswerkzeug ist. Google Maps hat eine bessere globale Abdeckung, aber seine Ergebnisse außerhalb der USA sind ähnlich zu Gunsten von Unternehmen verzerrt, die sich mit Google Business-Profilen befasst haben — was in vielen Ländern Ketten und Hotels statt lokale Orte bedeutet.
Das übergeordnete Problem ist, dass keine dieser Plattformen für Reisende entwickelt wurde. Sie wurden für lokale Verbraucher bei Routineentscheidungen entwickelt: Wo esse ich in der Nähe des Büros zu Mittag, welchen Klempner rufe ich an, ob das neue Thai-Lokal gut ist. Reisende haben grundlegend andere Bedürfnisse. Ihnen fehlt Ortskenntnisse, sie sind zeitlich eingespannt, sie sind mit der Nachbarschaftsgeografie nicht vertraut, und sie werden weit häufiger von Faktoren wie Öffnungszeiten, Wetter und Wochentag beeinflusst.
Der tiefste Fehler in aktuellen „Aktivitäten in meiner Nähe"-Ergebnissen ist das Fehlen von Kontext. Jede Plattform behandelt eine Suche als statische Anfrage: „Zeig mir Orte in der Nähe dieser Koordinaten." Keine berücksichtigt die Variablen, die tatsächlich bestimmen, ob eine Empfehlung nützlich ist.
Ein Nachtclub ist um 9 Uhr morgens kein nützlicher Vorschlag. Ein Frühstückslokal hilft um 23 Uhr nicht weiter. Dennoch liefert dieselbe Suchanfrage im Wesentlichen dieselben Ergebnisse, unabhängig davon, wann man sie stellt, weil das Ranking auf aggregierten Bewertungspunktzahlen statt auf zeitlicher Relevanz basiert. Ein wirklich nützliches System würde Ergebnisse je nach Uhrzeit unterschiedlich gewichten. Morgenergebnisse sollten Cafés, Märkte, Parks und Galerien betonen. Abendergebnisse sollten zu Restaurants, Bars, Livemusik und Kulturveranstaltungen wechseln.
Es regnet. Man sucht nach Aktivitäten. Ein logisches System würde Innenaktivitäten priorisieren: Museen, überdachte Märkte, Kinos, Galerien, Einkaufspassagen. Stattdessen bekommt man dieselbe Liste von Outdoor-Führungen und malerischen Aussichtspunkten, die man an einem sonnigen Tag bekäme. Wetterdaten sind von Dutzenden von Quellen kostenlos verfügbar. Keine große Entdeckungsplattform integriert sie in ihr Ranking.
Das sollte der grundlegendste Filter sein, und er ist konsequent unzuverlässig. Google Maps hat Öffnungszeiten für viele Unternehmen, aber sie sind häufig ungenau, besonders für unabhängige Unternehmen, die ihre Zeiten saisonal ändern oder ohne Aktualisierung ihres Eintrags an Feiertagen schließen. An einem Feiertag-Montag in den meisten europäischen Städten ist die Hälfte der Ergebnisse einer „Aktivitäten in der Nähe"-Suche geschlossen. Die Suchmaschine weiß das nicht und interessiert sich nicht dafür.
Viele der besten Aktivitäten in jeder Stadt sind tagesspezifisch. Flohmärkte, die sonntags laufen. Museumslangen am Donnerstagabend. Straßenlebensmittelmärkte freitags. Happy-Hour-Angebote an Wochenabenden. Brunchplätze am Wochenende. Keine dieser Informationen wird durch eine generische „Aktivitäten in meiner Nähe"-Anfrage angezeigt, obwohl es genau die Information ist, die ein Besucher braucht.
Wenn man gestern „Aktivitäten in meiner Nähe" gesucht und drei der Ergebnisse besucht hat, sollte die heutige Suche nicht dieselben drei Dinge zeigen. Aber das wird sie. Diese Plattformen haben keine Erinnerung an die eigene Entdeckungsreise innerhalb eines Trips. Jede Suche wird behandelt, als wäre man gerade angekommen, obwohl man vielleicht an Tag vier ist und spezifisch deshalb keine Ideen mehr hat, weil man die offensichtlichen Dinge bereits gemacht hat.
Es gibt eine weitere Schicht dieses Problems, die webbasierte Suche stärker als Apps betrifft: Suchmaschinenoptimierung. Googelt man „Aktivitäten in [beliebige Stadt]", dominiert die erste Seite der Ergebnisse Content-Farmen und provisionsgetriebene Listicles. „47 UNGLAUBLICHE Dinge in Barcelona tun" entpuppt sich als Liste derselben sieben Sehenswürdigkeiten, neu verpackt mit verschiedenen Stockfotos, durchsetzt mit Buchungs-Affiliate-Links.
Diese Artikel wurden nicht geschrieben, um zu helfen. Sie wurden geschrieben, um für „Dinge in Barcelona tun" zu ranken und Affiliate-Provisionen zu verdienen, wenn man durchklickt, um eine Tour zu buchen. Der tatsächliche Inhalt ist für das Geschäftsmodell irrelevant. Daher ist er tendenziell generisch, oberflächlich und nicht von den anderen 200 Artikeln zu unterscheiden, die dasselbe Keyword anvisieren.
Das Paradoxon ist, dass die Suchanfrage „Aktivitäten in meiner Nähe" eine der meistgesuchten Reisesuchanfragen der Welt ist und die Ergebnisse, die sie erzeugt, zu den am wenigsten nützlichen gehören. Je mehr Menschen nach etwas suchen, desto aggressiver wird es optimiert und desto weiter driften die Ergebnisse von tatsächlicher Nützlichkeit weg.
Wenn man ein lokales Entdeckungssystem von Grund auf neu entwerfen würde und dabei alles wüsste, was an den aktuellen Optionen falsch ist, was würde man bauen?
Erstens würde man es kontextbewusst machen. Die Ergebnisse um 7 Uhr morgens wären andere als um 22 Uhr. Die Ergebnisse im Regen wären andere als bei Sonnenschein. Das System würde wissen, welcher Wochentag es ist, und tagesspezifische Ereignisse und Lokale anzeigen.
Zweitens würde man nach dem filtern, was gerade wirklich geöffnet und zugänglich ist. Nicht „heute geöffnet", sondern „in diesem konkreten Moment geöffnet, und wie lange noch bis zur Schließung". Ein Museum, das in 20 Minuten schließt, ist kein nützlicher Vorschlag, auch wenn es eine 4,9-Bewertung hat.
Drittens würde man bezahlte Platzierungen vollständig entfernen. In dem Moment, in dem man Werbung in ein Empfehlungssystem einführt, kompromittiert man seine Nützlichkeit. Die beste Empfehlung ist die relevanteste, nicht die, für die jemand bezahlt hat. Ein Einmalkauf-Modell oder Abonnement würde die Anreize der App mit denen des Nutzers in Einklang bringen: Die App gewinnt, wenn die Empfehlungen gut sind, nicht wenn jemand dafür bezahlt, darin aufzuauchen.
Viertens würde man über Unternehmen hinausdenken. Das Beste, was man in einer neuen Stadt zur goldenen Stunde tun kann, könnte sein, am Fluss entlangzugehen. Das Beste an einem regnerischen Dienstagnachmittag könnte sein, einen überdachten Markt zu erkunden. Das Beste um 6 Uhr morgens könnte gar nichts sein, und stattdessen sollte man wissen, dass die lokale Bäckerei um 6:30 Uhr öffnet und die besten Croissants der Stadt macht. Ein gutes Entdeckungssystem würde Erlebnisse empfehlen, nicht nur kommerzielle Lokale.
Fünftens würde man es von Anfang an global bauen. Keine US-zuerst-Plattform, die sich allmählich ausdehnt, sondern etwas, das global verfügbare Datenquellen nutzt — Kartendaten, Öffnungszeitdatenbanken, Wetter-Feeds, Veranstaltungslisten — und in Lissabon, Osaka und Buenos Aires gleich gut funktioniert.
Es ist es wert anzuerkennen, dass die besten Reiseempfehlungen meist von Menschen kommen. Ein Freund, der zwei Jahre in Rom gelebt hat. Ein Concierge, dem es wirklich wichtig ist. Ein Reddit-Thread, in dem jemand fragt „Was machen Einheimische eigentlich in Kyoto?" und echte Antworten statt SEO-Inhalte bekommt.
Das Problem ist Zugänglichkeit und Skalierbarkeit. Man hat nicht immer einen gut gereisten Freund. Hotel-Concierges variieren stark in Qualität und haben oft kommerzielle Beziehungen zu den Restaurants, die sie empfehlen. Reddit-Threads sind ausgezeichnet, erfordern aber Aufwand zum Finden, Lesen und Filtern. Und keiner davon aktualisiert sich in Echtzeit. Der großartige Reddit-Thread über Kyoto wurde 2024 geschrieben, und drei der empfohlenen Orte haben seitdem geschlossen.
Lokale Guides — sowohl gedruckte als auch App-basierte — nehmen eine Mittelstellung ein. Die besten, wie die City-Guides von Time Out, werden von Menschen kuratiert, die in der Stadt leben und sie wirklich kennen. Aber Kuration ist teuer, Aktualisierungen sind langsam, und die Abdeckung ist auf Großstädte beschränkt. In einer Sekundärstadt oder Kleinstadt gibt es entweder keine kuratierten Guides oder sie sind zu dünn, um nützlich zu sein.
Das ideale System würde das Qualitätssignal menschlicher Kuration mit dem Echtzeitbewusstsein automatisierter Daten kombinieren. Kontextbewusste Empfehlungen, die berücksichtigen, was ein ortskundiger Einheimischer vorschlagen würde, gefiltert durch das, was gerade wirklich relevant ist. PingNear arbeitet auf diesen Ansatz hin — kontextbewusste Entdeckung, die Zeit, Wetter und das berücksichtigt, was gerade in der Nähe geöffnet ist, statt was als erstes bezahlt hat.
Bis bessere Werkzeuge verbreitet sind, gibt es praktische Strategien, um nützlichere Ergebnisse aus bestehenden Plattformen zu erhalten.
Spezifisch in Suchanfragen sein. „Aktivitäten in meiner Nähe" ist die denkbar schlechteste Anfrage. „Innenaktivitäten jetzt geöffnet" oder „Cafés mit Außensitzbereich" liefern relevantere Ergebnisse, weil man die kontextuelle Filterung selbst übernimmt.
Öffnungszeiten unabhängig prüfen. Den auf Google Maps oder TripAdvisor aufgeführten Zeiten nicht ohne Überprüfung vertrauen. Die eigene Website oder sozialen Medien des Lokals prüfen, besonders an Feiertagen und in Ländern, wo Geschäftszeiten weniger standardisiert sind.
Reddit und Foren nutzen, aber auf Daten achten. Subreddits für „Dinge zu tun in [Stadt]" liefern oft echte lokale Empfehlungen. Aber sicherstellen, dass die Informationen aktuell sind. Ein drei Jahre alter Thread ist ein Ausgangspunkt, keine Garantie.
In Unterkünften fragen, aber konkret fragen. Statt „Was soll ich tun?" fragen: „Wo würden Sie an einem regnerischen Morgen Kaffee trinken?" Spezifische Fragen liefern spezifische, nützliche Antworten. Vage Fragen liefern dieselben fünf Touristenattraktionen.
Zuerst laufen, dann suchen. Das klingt kontraintuitiv, aber einige der besten Entdeckungen passieren, wenn man einfach in eine Richtung geht und aufmerksam ist. Die Suchmaschine weiß nichts vom Innenhofgarten hinter der Kirche, der Bäckerei, die unglaublich riecht, oder dem Platz, auf dem sich Menschen für etwas versammeln, das in zehn Minuten beginnt. Augen und Nase sind bessere Entdeckungswerkzeuge als jeder Algorithmus — zumindest vorerst.
„Aktivitäten in meiner Nähe" ist eine der natürlichsten Fragen, die man an einem unbekannten Ort stellen kann, und die verfügbaren Werkzeuge zur Beantwortung sind in ihrer Arbeit bemerkenswert schlecht. Google Maps verkauft die eigene Aufmerksamkeit. TripAdvisor verstärkt, was bereits beliebt ist. Yelp funktioniert nur in einem Land. SEO-Content-Farmen begraben nützliche Informationen unter Affiliate-Links. Keine von ihnen weiß, wie spät es ist, was das Wetter macht oder ob irgendetwas tatsächlich geöffnet ist.
Die Informationen, die nötig sind, um wirklich gute lokale Empfehlungen zu geben, existieren bereits. Öffnungszeiten, Wetterdaten, Veranstaltungspläne, Standortkoordinaten und zeitliche Muster sind alle verfügbar. Was fehlt, ist ein System, das sie intelligent kombiniert und die eigentliche Frage des Nutzers in den Vordergrund stellt, ohne Unternehmen dafür zu belasten, in der Antwort zu erscheinen. Das ist kein technisches Problem. Es ist ein Anreizproblem. Und es ist lösbar.