20 Jahre Online-Bewertungen: Von Amazon 1995 bis zur KI-Ära 2026

Das Internet war 1995 ein seltsamer Ort. Mosaic war kurz zuvor von Netscape abgelöst worden. Die meisten amerikanischen Haushalte nutzten noch eine Einwahlverbindung. Und Jeff Bezos, der eine aufstrebende Online-Buchhandlung aus einer Garage in Bellevue, Washington, betrieb, traf eine Entscheidung, die viele seiner eigenen Mitarbeiter verblüffte: Er würde Kunden erlauben, Bewertungen zu den Produkten zu veröffentlichen, die er zu verkaufen versuchte.

Die erste Kundenrezension auf Amazon erschien 1995 auf der Website. Sie war für ein Buch von Douglas Hofstadter, „Fluid Concepts and Creative Analogies“, und sie war nicht durchweg begeistert. Die Verleger waren alarmiert. Warum sollte ein Händler negative Meinungen über seine Produkte verbreiten? Die gängige Meinung von 1995 besagte, dass man die Botschaft kontrolliert. Man übergab das Megafon nicht der Masse.

Bezos verstand etwas, was die Verleger nicht verstanden. Bewertungen waren kein Marketing – sie waren Infrastruktur. Einmal aufgebautes Vertrauen potenziert sich. Ein Käufer, der weiß, dass die negativen Bewertungen echt sind, vertraut den positiven weitaus mehr als jedem Werbetext. Amazons Bewertungen waren keine Funktion. Sie waren das eigentliche Produkt.

Die ersten reinen Bewertungsplattformen

Bis 1999 hatte sich die Idee verbreitet. Drei wegweisende Plattformen starteten innerhalb weniger Monate: RateItAll, Deja.com und Epinions. Zusammen generierten sie in ihrem ersten Jahr über eine Million Bewertungen. Epinions, im Juni 1999 gegründet, war architektonisch interessant – es zahlte den Rezensenten einen winzigen Anteil der Affiliate-Einnahmen, die ihre Bewertungen generierten, und schuf so ein frühes „Vertrauensnetz“, das Bewertungen nach der Reputation des Rezensenten gewichtete.

TripAdvisor erschien im Februar 2000 und fasste zunächst professionelle Reiseinhalte aus Zeitungen und Reiseführern zusammen. Der Button „Eigene Bewertung hinzufügen“ kam später hinzu – fast wie ein nachträglicher Einfall –, aber er sollte die Plattform vollständig neu definieren. Dies waren die Jahre, die das Konzept bewiesen: echte Menschen, echte Meinungen, echter Einfluss auf Kaufentscheidungen.

Im Jahr 2001 geschah etwas Wichtiges am Rande: Die Gelben Seiten und CitySearch fügten ihren Branchenverzeichnissen Bewertungsfunktionen hinzu. Zum ersten Mal konnte man nicht nur einen Installateur finden, sondern auch lesen, was seine letzten drei Kunden von ihm hielten. Lokale Dienstleistungsunternehmen würden nie wieder dieselben sein.

Aber 2004 ist das Jahr, in dem lokale Bewertungen wirklich ankamen. Jeremy Stoppelman bekam in San Francisco eine schwere Grippe und konnte keine Bewertungen für lokale Ärzte finden. Er und Russel Simmons – beide ehemalige PayPal-Ingenieure – gründeten im selben Jahr Yelp, um genau dieses Problem zu lösen. Innerhalb von fünf Jahren sammelte Yelp über 4,5 Millionen Bewertungen. Bis 2007 verzeichnete die Seite 4 Millionen einzigartige Besucher pro Monat.

Yelp unterschied sich von Amazon-Bewertungen in einem entscheidenden Punkt: Es ging um *Orte*, nicht um Produkte. Bei den Bewertungen stand mehr auf dem Spiel als bei einem Buchkauf. Eine Zwei-Sterne-Bewertung auf Yelp konnte ein Restaurant ruinieren. Ein Fünf-Sterne-Ansturm konnte eines zum Erfolg führen. Unternehmen, die sich nie viele Gedanken über Kundenfeedback gemacht hatten, fanden plötzlich ihre gesamte Existenzgrundlage indexiert und für jeden Passanten mit Smartphone sichtbar.

Die Ökonomie einer Fünf-Sterne-Bewertung

Der Harvard Business School Professor Michael Luca veröffentlichte eine Untersuchung, die zeigte, dass eine Erhöhung der Yelp-Bewertung um einen Stern zu einer Umsatzsteigerung von 5–9 % bei Restaurants führt. Diese Zahl, die in Dutzenden späterer Studien bestätigt wurde, kristallisierte für Geschäftsinhaber etwas heraus: Die Bewertungsnote war keine Eitelkeitsmetrik. Sie war ein direkter Hebel auf den Umsatz.

Google Maps startete im Februar 2005. Bewertungen auf Maps kamen 2007 hinzu – leise, fast wie eine Fußnote. Aber die Kombination aus Satellitenbildern, Wegbeschreibungen, Unternehmenseinträgen und Nutzerbewertungen schuf etwas nie Dagewesenes: eine in Echtzeit von der Masse erstellte Karte menschlicher Urteile über jedes Unternehmen auf der Welt.

Im April 2010 startete Google Google Places, das das Local Business Center ablöste und Bewertungen in den Mittelpunkt der lokalen Suchergebnisse stellte. Ein Unternehmen ohne Google-Bewertungen war nun für jeden, der danach suchte, im Wesentlichen unsichtbar. Das „Local Pack“ – jene drei Unternehmen, die Google über den organischen Ergebnissen hervorhebt – basierte fast ausschließlich auf Bewertungssignalen.

In der Zwischenzeit führte Facebook 2007 Unternehmensseiten ein und stieß bis 2009 seine 350 Millionen Nutzer an, Unternehmen zu bewerten, die sie besucht hatten. Die Bewertung war nicht mehr etwas, das man aktiv suchte. Sie war etwas, das einen fand – im eigenen Feed, auf der Karte, in den Suchergebnissen.

Warum TripAdvisor unumgänglich wurde

TripAdvisor hatte bis 2010 über 40 Millionen Bewertungen und 20 Millionen einzigartige monatliche Besucher angesammelt. Als es 2011 das Zertifikat für Exzellenz einführte – das nur an die Top 10 % der gelisteten Unternehmen vergeben wurde – hatten Hoteliers und Gastronomen plötzlich einen neuen Maßstab: nicht nur „Sind unsere Bewertungen gut?“, sondern „Gehören sie zum obersten Dezil?“. Die Gamifizierung der Reputation hatte begonnen.

Das iPhone kam 2007 auf den Markt. Android folgte. Aber erst zwischen 2011 und 2013 überschritt die Smartphone-Durchdringung in den entwickelten Märkten einen Wendepunkt – und das veränderte das Bewertungs-Ökosystem nachhaltig.

Vor dem Smartphone recherchierte man ein Restaurant zu Hause und ging dann zum Abendessen. Nach dem Smartphone recherchierte man es, während man draußen auf dem Bürgersteig stand. Man hinterließ auf dem Heimweg im Bus eine Bewertung. Die Reibung zwischen Erlebnis und Bewertung brach auf fast nichts zusammen. Dies war in zweierlei Hinsicht revolutionär: Es erhöhte das Bewertungsvolumen drastisch (mehr Bewertungen, frischere Bewertungen) und es erhöhte die Anfälligkeit von Unternehmen für Reputationsverschiebungen in Echtzeit dramatisch.

Google Maps für Mobilgeräte, im Dezember 2012 als eigenständige App wieder eingeführt, wurde in den ersten beiden Tagen über zehn Millionen Mal heruntergeladen. Bis 2013 war es die weltweit beliebteste Smartphone-App – genutzt von über 54 % der globalen Smartphone-Besitzer. Die Bewertungsaufforderung, versteckt am Ende einer Maps-Navigation, erreichte Hunderte von Millionen Menschen in Momenten maximaler Relevanz.

Facebook-Bewertungen und die soziale Vertrauensebene

2013 führte Facebook spezielle Bewertungsfunktionen für Unternehmensseiten ein und fügte dem Bewertungs-Ökosystem eine neue Dimension hinzu: sozialen Beweis mit angehängter Identität. Eine Facebook-Bewertung kam von einer echten Person mit echtem Namen und Profilbild – im Gegensatz zu anonymen Yelp-Bewertungen, bei denen Plattformen wie Yelp Elite bereits vorgeworfen wurde, unfair zu kuratieren.

Mitte der 2010er Jahre kam es zu einer Verbreitung von vertikalen Bewertungsplattformen: Healthgrades und Vitals für Ärzte; Houzz für Heimwerker; G2 und Capterra für B2B-Software; Glassdoor für Arbeitgeber. Die Bewertung hatte jeden Bereich der professionellen Urteilsbildung erobert.

Das Problem mit einem auf Vertrauen basierenden System ist, dass es zu einem Ziel wird, sobald der Einsatz hoch genug ist. Bis 2016 war der Markt für gefälschte Bewertungen eine kleine, aber florierende Untergrundindustrie. Dienste auf Craigslist, später in Dark-Web-Foren, boten Fünf-Sterne-Bewertungen für Google und Yelp für 10 Dollar pro Stück an. Bei Amazon, das Hunderte von Millionen Bewertungen angesammelt hatte, wurde entdeckt, dass es ganze Produktkategorien gab – insbesondere Elektronik und Nahrungsergänzungsmittel –, in denen die Manipulation von Bewertungen fast allgegenwärtig war.

Die FTC hatte diesen Bereich seit Jahren im Visier. Sie reichte 2019 und 2020 formelle Beschwerden gegen Unternehmen wegen gefälschter Bewertungen ein. In New York führte der Generalstaatsanwalt die „Operation Clean Turf“ durch – eine verdeckte Ermittlung, bei der ein gefälschter Frozen-Yogurt-Laden in Brooklyn eröffnet wurde, um Manipulationsdienste für Bewertungen auf frischer Tat zu ertappen. Neunzehn Unternehmen wurden angeklagt und 350.000 Dollar an Bußgeldern eingezogen. Es war ein Signal, auch wenn das Ausmaß im Vergleich zum Umfang des Problems gering war.

Yelp seinerseits gab zu, dass etwa 25 % der auf seiner Plattform eingereichten Bewertungen nie veröffentlicht werden – sie werden von seinen Betrugserkennungsalgorithmen abgefangen, bevor sie die Unternehmensrankings beeinflussen können. Google entwickelte im Stillen ML-Klassifikatoren, um plötzliche Bewertungsspitzen, Anomalien im Muster der Rezensenten und koordiniertes unechtes Verhalten zu erkennen. Die Plattformen bekämpften das Problem der gefälschten Bewertungen – aber sie gewannen nicht.

Das Paradox der Plattform-Anreize

Im Kern des Problems der gefälschten Bewertungen gab es eine unangenehme strukturelle Spannung. Bewertungsplattformen brauchten vertrauenswürdige Bewertungen, um Wert zu haben. Aber sie monetarisierten auch die Unternehmen, deren Rankings von diesen Bewertungen abhingen. Das Ergebnis war ein perverses Gleichgewicht: Die Plattformen gingen mäßig aggressiv gegen gefälschte Bewertungen vor – genug, um eine oberflächliche Glaubwürdigkeit aufrechtzuerhalten –, aber nicht so aggressiv, dass sie die Geschäftskunden verprellten, die für Werbung und Premium-Platzierungen bezahlten.

ChatGPT startete am 30. November 2022. Innerhalb von Wochen wurde jedem in der Bewertungsbranche klar, was kommen würde. Ein Dienst, der in vier Sekunden eine überzeugende 5-Sterne-Restaurantbewertung generieren konnte – eine, die Rechtschreibung, Grammatik und Stimmungsanalyse mit Bravour bestand – war gerade jedem mit einer Internetverbindung in die Hände gefallen.

Mitte 2023 hatte das Ausmaß des KI-generierten Bewertungsbetrugs dramatisch zugenommen. Google reagierte mit seiner bisher aggressivsten Durchsetzungsmaßnahme: 170 Millionen gefälschte Bewertungen wurden allein 2023 von Maps und der Suche entfernt – ein Anstieg von 45 % gegenüber dem Vorjahr. Der Erkennungsmechanismus war ein neuer Algorithmus für maschinelles Lernen, der längerfristige Verhaltenssignale analysierte: Hat ein Rezensent identische Bewertungen für mehrere Unternehmen hinterlassen? Hat ein Unternehmen eine plötzliche Spitze von Fünf-Sterne-Bewertungen in der Woche nach dem Start einer Werbekampagne erhalten? Diese Muster waren schon immer verdächtig; jetzt wurden sie automatisch in großem Umfang markiert.

Die FTC verabschiedete im August 2024 ihre Handelsregulierungsbestimmung zu gefälschten Bewertungen und Testimonials, die zivilrechtliche Strafen von bis zu 50.000 US-Dollar pro Verstoß für Unternehmen ermöglicht, die wissentlich gefälschte Bewertungen kaufen, einsetzen oder Anreize dafür schaffen. Die Regel war der bedeutendste rechtliche Eingriff im Bewertungsbereich seit Jahrzehnten – und kam genau zu dem Zeitpunkt, als die Technologie zur Erzeugung gefälschter Bewertungen trivial billig geworden war.

Das Wettrüsten bei der Erkennung 2024–2026

Das Erkennungsproblem ist in technischer Hinsicht unlösbar – oder zumindest mit den derzeitigen Methoden unlösbar. Forscher, die sich mit KI-Erkennung befassen, stellen fest, dass sie von Natur aus gegnerisch ist: Während sich die Erkennung verbessert, entwickeln sich die Generierungstechniken, um sie zu umgehen. Studien zeigen, dass Verbraucher KI-generierte Bewertungen als deutlich weniger vertrauenswürdig und nützlich einstufen, wenn sie wissen, dass eine Bewertung von einer KI geschrieben wurde – aber ohne Offenlegung ist die Lücke in der wahrgenommenen Authentizität gering.

Die seriösesten Plattformen haben mit Identitätsprüfungsanforderungen, Verhaltensbiometrie und Kaufverifizierungs-Schranken reagiert – Bewertungen werden nur akzeptiert, wenn sie mit einer bestätigten Transaktion abgeglichen werden. Google verlangt ein Maps-Konto mit Aktivitätsverlauf. Amazons „Verifizierter Kauf“-Badge ist zu einer Mindestschwelle für Glaubwürdigkeit geworden. Das Wettrüsten geht weiter. Keine Seite gewinnt entscheidend.