Googles Filter für abgelehnte Bewertungsantworten: Was 12.752 abgelehnte Antworten verraten

Google lehnt Bewertungsantworten inzwischen stillschweigend ab. Keine Benachrichtigung. Keine Erklärung. Ihre Antwort verbleibt in der API mit dem Status „ABGELEHNT“, während Sie davon ausgehen, dass sie veröffentlicht wurde.

Das wissen wir, weil wir es direkt beobachten können. Die Google Business Profile API hat am 1. April 2026 den „ReviewReplyState“ eingeführt (Google Dev Change Blog). Zuvor wurde jede über die API veröffentlichte Antwort automatisch publiziert. Keine Moderation. Kein Filter.

Das hat sich geändert. Damit entstand ein Problem stillschweigender Ablehnungen, von dem die meisten Unternehmen und Agenturen nicht einmal wissen, dass sie betroffen sind.

Wir haben 12.752 abgelehnte Bewertungsantworten aus den Daten unserer Plattform analysiert – in zwei separaten Auswertungen: einmal unmittelbar nach der Datenerhebung am 22. April 2026 und ein weiteres Mal am 28. Mai 2026. Unser Ziel war es herauszufinden, was den Filter von Google tatsächlich auslöst. Diese Daten werden hier erstmals veröffentlicht. Hier sind unsere Erkenntnisse.

Das Ausmaß des Problems ist größer, als den meisten bewusst ist

Unser zusammengefasster Datensatz umfasst 12.752 abgelehnte Antworten:

92,6 % der abgelehnten Antworten entfielen auf 5-Sterne-Bewertungen. Positive Bewertungen führen am häufigsten zu Ablehnungen. Das liegt mit hoher Wahrscheinlichkeit daran, dass Unternehmen (und KI-Tools) darauf häufig mit vorgefertigten und übertrieben enthusiastischen Formulierungen reagieren.

Die Zahl der Ablehnungen stieg im Jahr 2024 sprunghaft an. Nach 354 Ablehnungen im gesamten Jahr 2022 und 398 im Jahr 2023 schnellte die Zahl allein im Jahr 2024 auf 9.393 hoch. Entweder wurde Googles Filter deutlich strenger, oder die Art der Überprüfung hat sich verändert.

Die durchschnittlich abgelehnte Antwort wurde 1.221 Stunden – also rund 50 Tage – nach Veröffentlichung der ursprünglichen Bewertung verfasst. Verspätete oder im Voraus geplante Antworten sind in den Daten überproportional häufig vertreten, und dieser Durchschnittswert ist seit unserer ersten Datenerhebung weiter gestiegen. Das eigentliche Problem besteht darin, dass all dies stillschweigend geschieht. Eine abgelehnte Antwort erzeugt keinen Fehler. Sie wird nicht ausdrücklich zurückgewiesen. Sie erscheint schlicht nicht. Ohne Einblick auf API-Ebene bliebe dies unbemerkt.

Zwei Momentaufnahmen, eine gemeinsame Entwicklung

Die nachstehende Grafik zeigt die monatlichen Ablehnungszahlen aus beiden Datenerhebungen. Die erste Datenextraktion (22. April 2026, hellblau dargestellt) erfasste 7.151 abgelehnte Antworten. Die zweite Datenextraktion (28. Mai 2026, blau dargestellt) identifizierte 12.752 abgelehnte Antworten – ein Anstieg von 78 % innerhalb von nur fünf Wochen. Dieser Zuwachs umfasst sowohl neue Ablehnungen als auch historisch abgelehnte Antworten, die bei der ersten Datenerhebung noch nicht indexiert waren.

Die gelbe Linie zeigt den prozentualen Anteil der abgelehnten Antworten pro Monat, die erkennbare KI-Standardformulierungen enthalten. Ihr Verlauf stellt die zentrale Erkenntnis dieser Analyse dar.

Beide Datensätze zeichnen ein konsistentes Bild: eine stabile Ausgangslage bis 2022–2023, ein sprunghafter Anstieg im Jahr 2024 und eine deutliche Veränderung der Zusammensetzung ab Mitte 2025. Dabei nimmt das Gesamtvolumen ab, während sich die Struktur der verbleibenden Daten deutlich verändert.

Grund 1: Standardisierte KI-Texte sind mit Abstand der häufigste Auslöser

67 % aller abgelehnten Antworten in unserem Datensatz enthielten mindestens eine eindeutig erkennbare KI-Standardformulierung. Dieser Anteil stieg von rund 35 % Anfang 2024 auf 85 % Mitte 2024 und blieb bis Anfang 2025 auf diesem Niveau.

Die Formulierungen, die in abgelehnten Antworten am häufigsten auftreten, entsprechen genau den Textbausteinen, die von generischen oder nicht individuell konfigurierten KI-Antworttools erzeugt werden:

Diese Formulierungen tauchen nicht nur vereinzelt in abgelehnten Antworten auf – sie dominieren sie regelrecht. Das ist kein Zufall. Die Muster sind zu konsistent und die zeitlichen Zusammenhänge zu eindeutig, um zufällig zu sein.

Unsere Hypothese lautet: Googles Moderationssystem nutzt ein statistisches Modell zur Erkennung minderwertiger automatisierter Bewertungsantworten. Die oben genannten Formulierungen fungieren dabei als „Fingerabdrücke“ massenhaft generierter KI-Texte. Sie erscheinen in Millionen von Antworten unterschiedlichster Unternehmen mit auffällig hoher Häufigkeit. Der Google-Filter scheint Antworten zu markieren, die mehrere dieser Signale zu einem klar erkennbaren Muster kombinieren.

Man kann es mit einem Spamfilter vergleichen. Nicht einzelne Wörter sind problematisch, sondern bestimmte Kombinationen. Eine typische Abfolge aus Begrüßung, Kompliment, Zufriedenheitsaussage und zukunftsorientiertem Abschluss entspricht genau dem Muster, das Google offenbar gelernt hat zu erkennen und abzulehnen.

Hier ist ein konkretes Beispiel aus unseren Daten (eine Antwort auf eine 5-Sterne-Bewertung für einen Klempnerbetrieb, 1.731 Zeichen lang und unmittelbar abgelehnt):

„Hallo Tannas, vielen Dank für Ihre begeisterte Bewertung und die wärmsten Empfehlungen für Kingstree Plumbing! Wir sind unglaublich dankbar für Ihre Unterstützung … Es freut uns sehr zu hören, dass Danes kompetente, effiziente und freundliche Art einen so positiven Eindruck hinterlassen hat … Ihr Feedback ist für uns von unschätzbarem Wert … #KingstreePlumbing #SehrEmpfehlenswert #EffizienterService …“

Diese Antwort enthält Hashtags, eine übermäßige Anzahl an Schlüsselwörtern, ist ungewöhnlich lang, verwendet übertrieben lobende Formulierungen im typischen KI-Stil und wirkt, als wäre sie ohne jede menschliche Überarbeitung generiert worden. Sie wurde sofort abgelehnt.

Die Erkenntnis daraus: Wenn Ihr KI-Antworttool Texte erzeugt, die genauso klingen wie die Antworten zahlloser anderer KI-Tools, besteht ein hohes Risiko, dass sie früher oder später von Googles Filter aussortiert werden.

Grund 2: Anstößige Begriffe in Namen, Unternehmensnamen und Speisekarten

Das überrascht viele. Googles Schimpfwortfilter analysiert den gesamten Antworttext, kann jedoch nicht zwischen einer Beleidigung und einem Kontext unterscheiden, in dem dieselbe Wortfolge völlig legitim ist.

Das Problem tritt in drei unterschiedlichen Varianten auf.

Faustregel:Bevor Ihr Antworttool eine Antwort versendet, sollte der gesamte Text vorab geprüft werden – einschließlich des Namens des Rezensenten, möglicher Produktnamen und der Unternehmenssignatur. Enthält der Text eine Formulierung, die einen automatischen Schimpfwortfilter auslösen könnte, sollte die Antwort vor dem Versand von einem Mitarbeiter überprüft werden.

Grund 3: Exakte Duplikate und Antworten mit minimalem Inhalt

Unsere Daten zeigen, dass ein Konto auf mehr als 100 aufeinanderfolgende Bewertungen mit exakt derselben Antwort reagiert hat: „Danke!“ – wortwörtlich und mit genau zehn Zeichen. Jede einzelne Antwort wurde abgelehnt. Ein anderes Konto verschickte 46-mal hintereinander die identische Nachricht „Danke für die gute Bewertung“. Ein drittes Muster bestand aus „Danke 🙏“, ergänzt lediglich um den Vornamen des Rezensenten, und wurde über ein Konto hinweg Hunderte Male verwendet.

Im Extremfall wurden sogar Antworten abgelehnt, die ausschließlich aus einem einzelnen Emoji („👍“, „🙌“, „😊“) oder lediglich aus Satzzeichen wie „!!!“ oder „.“ bestanden.

Wahrscheinlich greifen hier zwei unterschiedliche Mechanismen. Erstens gilt die massenhafte Verwendung identischer Texte als klassisches Spam-Signal. Wenn derselbe Text innerhalb kurzer Zeit von demselben Konto bei Dutzenden oder Hunderten von Bewertungen verwendet wird, entspricht dieses Muster bekanntem automatisiertem Verhalten geringer Qualität – unabhängig davon, ob der Inhalt selbst problematisch ist. Zweitens scheint Google eine Mindestqualität für Antworten durchzusetzen. Eine Antwort wie „Danke!“, die keinen zusätzlichen Informationswert bietet, enthält nichts, was Leser nicht bereits aus der Sternebewertung ableiten können. Solche Antworten könnten daher die Qualitätsschwelle des Moderationssystems verfehlen.

Die praktische Konsequenz: Bei der Template-Erstellung geht es nicht nur um das Problem der Standardformulierungen. Selbst eine kurze, saubere Antwort, die nicht von einer KI stammt, wird abgelehnt, wenn sie mit Dutzenden anderer Antworten desselben Kontos identisch ist.

Grund 4: Kontaktdaten im Antworttext

Antworten auf Bewertungen sind nicht dazu gedacht, Besucher auf eine Website zu lenken oder Leads zu generieren. Das geht klar aus den Google-Richtlinien hervor – und unsere Daten bestätigen dies.

327 Antworten (2,6 %) enthielten eine direkt im Antworttext eingebettete E-Mail-Adresse. In den meisten Fällen handelte es sich um den gut gemeinten Versuch, eine Beschwerde zu lösen: „Bitte kontaktieren Sie uns unter[email protected], damit wir das Problem beheben können.“

287 Antworten (2,3 %) enthielten Formulierungen wie „Kontaktieren Sie uns“ oder „Rufen Sie uns an“, die den Rezensenten dazu aufforderten, die Kommunikation außerhalb der Plattform fortzusetzen. Dieses Muster trat sowohl bei negativen als auch bei neutralen Bewertungen auf, bei denen Unternehmen instinktiv versuchen, die Diskussion in einen privaten Kanal zu verlagern.

Die Haltung von Google ist eindeutig: Eine Antwort auf eine Bewertung sollte sich öffentlich an den Verfasser der Rezension richten. Wenn Sie den Kontakt privat fortsetzen möchten, sollten Sie dafür die vorgesehenen privaten Kommunikationskanäle von Google nutzen. Das Einfügen einer Support-E-Mail-Adresse in eine öffentliche Antwort kann als Werbung oder als Versuch gewertet werden, Nutzer von der Plattform wegzuleiten, und dadurch zur Ablehnung der Antwort führen.

Grund 5: Hashtags im Antworttext

In unserem Datensatz enthielten 38 Antworten Hashtags – und alle 38 wurden abgelehnt. Hashtags gehören zu sozialen Netzwerken, in denen Inhalte über Tags auffindbar gemacht werden. Bewertungen in Google Business Profile sind jedoch kein soziales Netzwerk, sondern ein strukturiertes Vertrauenssignal.

Ein Beispiel aus unseren Daten verdeutlicht das Problem: #KingstreePlumbing #SehrEmpfehlenswert #ExpertenAusDerRegionEdmonton

Solche Hashtags wirken wie ein Versuch, lokale Suchsignale zu beeinflussen, indem Unternehmensnamen und Ortsbezüge in die Antwort eingebaut werden. Ob dies beabsichtigt ist oder nicht, spielt dabei keine Rolle – Googles Filtersystem interpretiert es entsprechend.

Die Regel ist einfach: Verwenden Sie keine Hashtags in Antworten auf Bewertungen.

Grund 6: Massenplanung und Antwortgeschwindigkeit

Die Reaktionszeit allein führt nicht zur Ablehnung einer Antwort. Sie scheint jedoch Teil eines größeren Musters zu sein, das Google analysiert.

78,7 % der abgelehnten Antworten in unserem Datensatz wurden mehr als 24 Stunden nach Veröffentlichung der Bewertung gepostet. Die durchschnittliche Verzögerung lag bei 1.221 Stunden beziehungsweise rund 50 Tagen – ein deutlicher Anstieg gegenüber den 720 Stunden in unserer ersten Datenerhebung. Dies spiegelt das Verhalten von Unternehmen wider, die Antworten sammeln und häufig nur einmal pro Woche oder sogar einmal pro Monat per KI in großen Mengen erstellen, statt zeitnah zu reagieren. Dieser Durchschnittswert entwickelt sich nicht in die gewünschte Richtung, sondern steigt weiter an.

Wenn dasselbe Konto innerhalb kurzer Zeit eine große Anzahl von Antworten veröffentlicht, die alle derselben Struktur folgen, kann dieses Muster als automatisiertes Verhalten interpretiert werden. Es ist das digitale Äquivalent zum Versand von 500 E-Mails von derselben IP-Adresse innerhalb einer Stunde – technisch zulässig, statistisch jedoch auffällig.

Unsere Hypothese zur Massenplanung lautet daher: Google bewertet Antworten möglicherweise nicht isoliert, sondern im Kontext ihres Veröffentlichungsmusters. Dabei könnten Faktoren wie die Anzahl der Antworten innerhalb eines bestimmten Zeitraums, ihre strukturelle Ähnlichkeit sowie die Übereinstimmung mit bekannten Mustern automatisierter Inhalte geringer Qualität berücksichtigt werden. Allein anhand des Antworttextes lässt sich dies schwer nachweisen. In Kombination mit den Daten zu Standardformulierungen und Duplikaten sprechen die Zeitdaten jedoch deutlich für diese Annahme.

Was Googles Inhaltsrichtlinien tatsächlich verbieten

Die Richtlinien von Google für Antworten auf Bewertungen sind bewusst weit gefasst und nicht vollständig dokumentiert. Auf Grundlage unserer Daten und der API-Dokumentation lassen sich jedoch Inhaltskategorien identifizieren, die mit einem besonders hohen Risiko für eine Ablehnung verbunden sind:

Eindeutige Ursachen:

• Obszöne oder beleidigende Ausdrücke (einschließlich solcher in Namen von Rezensenten, Unternehmensnamen oder Produktbezeichnungen, die in der Antwort erwähnt werden)

• E-Mail-Adressen

• Hashtags

• Exakte Duplikate von Antworten, die in großer Zahl vom selben Konto veröffentlicht wurden

• Antworten, die keine Mindestanforderungen an Qualität oder Informationsgehalt erfüllen (z. B. ein einzelnes Emoji oder lediglich „Danke!“)<br><br>

Fundierte Hypothesen auf Grundlage unserer Daten:

• Standardisierte KI-Vorlagen (der wichtigste Faktor – 67 % aller Ablehnungen)

• Massenhafte Veröffentlichungsmuster eines einzelnen Kontos

• Keyword-Stuffing oder SEO-Manipulation innerhalb des Antworttexts

• Antworten, die möglicherweise einen nicht dokumentierten Grenzwert für die Textlänge überschreiten (die längste abgelehnte Antwort in unserem Datensatz umfasste 1.731 Zeichen)

Geringeres Risiko – dennoch im Blick behalten:

• Mehrsprachige Antworten, bei denen Inhalte in einer Sprache problematisch sind, in einer anderen jedoch nicht

• Antworten mit einer hohen Anzahl an Emojis, insbesondere in Kombination mit sehr kurzen Texten

• Zeitleiste: Wann sich der Filter verändert hat – und wie er sich weiterentwickelt

Die Daten zeigen eine klare Entwicklung in zwei Phasen.

Phase 1: 2024 bis Anfang 2025 – die Welle standardisierter KI-Antworten.Vor 2024 waren Ablehnungen in unserem Datensatz selten: 354 im Jahr 2022 und 398 im Jahr 2023. Ab März 2024 stieg ihre Zahl jedoch deutlich an. Bereits im Mai 2024 enthielten mehr als 70 % aller abgelehnten Antworten typische KI-Standardformulierungen. Bis Juli 2024 erhöhte sich dieser Anteil auf 85 % und blieb bis Februar 2025 auf diesem Niveau.

Dieser Zeitraum fällt genau mit der breiten Einführung KI-gestützter Tools für Bewertungsantworten zusammen. Da die Zahl KI-generierter Antworten im gesamten Google-Ökosystem stark zunahm, scheint Googles Moderationssystem die charakteristischen Muster dieser Tools erkannt zu haben. Im Kern führte die Verbreitung solcher Werkzeuge zu einer Flut standardisierter Antworten – und Google reagierte darauf mit einem entsprechenden Filtermechanismus.

Phase 2: Ab April 2025 –Ab April 2025 sinkt der Anteil der abgelehnten KI-Standardantworten drastisch: von über 70 % auf teilweise nur noch einstellige Prozentwerte. Gleichzeitig geht auch das Gesamtvolumen der Ablehnungen deutlich zurück.

Dafür gibt es zwei mögliche Erklärungen, und beide könnten teilweise zutreffen. Entweder sind die KI-Tools inzwischen deutlich ausgereifter, sodass Unternehmen weniger generische Vorlagen verwenden und entsprechend weniger Standardantworten eingereicht werden. Oder Google filtert solche Antworten bereits in einem früheren Schritt des Veröffentlichungsprozesses heraus, bevor sie überhaupt den offiziellen Status „ABGELEHNT“ erhalten. Letzteres erscheint jedoch eher unwahrscheinlich. Möglich ist auch, dass Bewertungsantworten im ersten Jahr nach Veröffentlichung nur eingeschränkt für die KI-basierte Entitäts- und Kontextanalyse genutzt werden. In den Daten aus Ende 2025 und 2026 dominieren jedenfalls andere Ablehnungsgründe: kontextabhängige Obszönitäten, exakte Spam-Duplikate und Antworten mit minimalem Inhalt – also die Kategorien, die in den Gründen 2, 3 und 6 behandelt werden.

Was das für Ihre Strategie bei Bewertungsantworten bedeutet

Überprüfen Sie den aktuellen Status Ihrer Antworten. Wenn Sie Antworten über die API veröffentlichen, sollten Sie den Wert &nbsp;„ReviewReplyState“. überwachen. Antworten, die über die Google-Business-Oberfläche oder Drittanbieter-Tools veröffentlicht werden und dieses Feld nicht anzeigen, erfolgen ohne diese Transparenz. Ein Teil Ihrer bestehenden Antworten könnte sich bereits im Status „REJECTED “. Um den Filtern einen Schritt voraus zu sein, befolgen Sie diese 5 Schritte:

1. Überprüfen Sie Ihr KI-Antworttool.Wenn Ihr System Formulierungen wie „Wir freuen uns sehr darüber“, „Ihre Zufriedenheit hat für uns oberste Priorität“ oder „Wir freuen uns darauf, Sie bald wieder begrüßen zu dürfen“ verwendet, erzeugt es Inhalte mit erhöhtem Ablehnungsrisiko. Solche Phrasen sind statistisch stark mit minderwertiger Automatisierung korreliert. Optimieren Sie Ihr Tool mit spezifischeren, kontextbezogenen und abwechslungsreicheren Formulierungen.

2. Bevor Ihr Antworttool eine Antwort versendet, sollte der gesamte Text vorab geprüft werden – einschließlich des Namens des Rezensenten, möglicher Produktnamen und der Unternehmenssignatur. Googles Filter bewertet keine Kontexte. „Pornstar Martini“ ist beispielsweise ein Cocktail – der Filter erkennt darin jedoch lediglich potenziell problematische Begriffe.This includes the reviewer’s name, any product or menu items referenced, and your business name in the sign-off. Google’s filter doesn’t understand context. “Pornstar Martini” is a cocktail; the filter sees two flagged strings.

3. Vermeiden Sie identische Antwortvorlagen.Wenn Ihr Tool dieselbe Antwort mehrfach versendet, entsteht ein klares Ablehnungssignal – unabhängig von der eigentlichen Qualität des Inhalts. Jede Antwort sollte individuell formuliert sein, selbst wenn die Unterschiede nur gering ausfallen.

4. Entfernen Sie Kontaktdaten aus Ihren Vorlagen.Antworten mit E-Mail-Adressen, Telefonnummern oder direkten Kontaktaufforderungen sollten überarbeitet werden. Bei Beschwerden ist eine allgemeine Gesprächsbereitschaft sinnvoller als die direkte Aufforderung, außerhalb der Plattform Kontakt aufzunehmen.

5. Verteilen Sie Antworten über einen längeren Zeitraum.Wenn 200 Antworten gleichzeitig veröffentlicht werden, ist dieses Muster leicht erkennbar. Verteilen Sie Antworten auf unterschiedliche Zeitfenster und versuchen Sie möglichst, innerhalb von 24 Stunden nach Eingang der Bewertung zu reagieren.

Die eigentliche Herausforderung ist die Informationslücke

Die meisten Unternehmen wissen nicht einmal, dass ihre Antworten abgelehnt wurden. Genau das ist das eigentliche Problem.

Es gibt keine E-Mail von Google. Keine Benachrichtigung im Unternehmensprofil. Die Antwort erscheint schlicht nicht öffentlich, während sie intern im Status „ABGELEHNT“ verbleibt – ein Status, der ausschließlich über die API sichtbar ist. Für Unternehmen, die Drittanbieter-Tools nutzen, welche dieses Feld nicht anzeigen, bleibt das Problem vollständig verborgen.

Deshalb ist der Zugriff auf „ReviewReplyState“ auf API-Ebene kein technisches Detail, sondern eine betriebliche Notwendigkeit. Ohne diese Transparenz veröffentlichen Sie Inhalte praktisch in einer Black Box.

Bei GMBapi.com wird für jede Antwort der Status„ReviewReplyState“ angezeigt. Wird eine Antwort abgelehnt, markiert die Plattform sie automatisch, damit sie überprüft, angepasst und erneut eingereicht werden kann. Die in diesem Artikel analysierten Daten stammen direkt aus dieser Monitoring-Infrastruktur und wurden im Rahmen von zwei Datenerhebungen im Abstand von fünf Wochen erfasst.

Es geht nicht darum, Ihnen vorzuschreiben, was Sie tun oder lassen sollen. Es geht darum, Unsichtbares sichtbar zu machen.