KI-Matratzensuche: ChatGPT & AI Overviews — Chancen und Grenzen

Die Frage „Welche Matratze soll ich kaufen?" landet seit 2024 zunehmend bei ChatGPT, Gemini, Perplexity und in Google AI Overviews. KI-Systeme sind gut darin, Überblick zu geben. Sie sind schlecht darin, die Details zu liefern, auf die es wirklich ankommt.

Als Textilingenieur mit sieben Jahren Qualitätssicherung bei einem Matratzenhersteller habe ich systematisch getestet, was KI-Tools auf Matratzenfragen antworten. Hier ist mein Befund.

Was KI-Tools gut machen

Orientierung geben: Auf die Frage „Was ist der Unterschied zwischen Kaltschaum und Taschenfederkern?" liefern ChatGPT und Gemini brauchbare, korrekte Antworten. Die grundlegenden Eigenschaften — Punktelastizität, Bewegungsübertragung, Haltbarkeit — werden meist korrekt beschrieben.

Schlafpositions-Grundregeln: „Welche Matratze für Seitenschläfer?" wird von KI-Systemen tendenziell richtig beantwortet: weicherer Härtegrad, Schulterzone wichtig.

Einstiegsfilter: Wer nicht weiß, wo anfangen, bekommt von KI-Tools einen nützlichen Rahmen: Budget, Material, Körpergewicht als Grundparameter.

Was KI-Tools systematisch falsch machen

Das Raumgewicht fehlt fast immer

In keiner KI-Antwort, die ich getestet habe, tauchte das Raumgewicht (RG) als kritische Entscheidungsgröße auf. Das ist der schwerwiegendste blinde Fleck.

Warum fehlt es? Weil Raumgewichte in Produktbeschreibungen selten angegeben werden — und KI-Modelle aus öffentlich verfügbarem Text lernen. Was der Markt nicht kommuniziert, lernt die KI nicht.

Für den Verbraucher bedeutet das: Wer ausschließlich KI-Empfehlungen folgt, kauft möglicherweise einen Kaltschaum RG 28, der in drei Jahren zusammenbricht — und wird nie erfahren, warum.

Preis ≠ Qualität wird nicht erklärt

KI-Systeme empfehlen häufig bekannte Marken — Matratzen, die in den Trainingsdaten (Rezensionen, Blogposts, Produktseiten) am häufigsten vorkommen. Das sind oft die meistgekauften, nicht die qualitativ besten.

„Emma Matratze" und „Casper" sind KI-häufige Empfehlungen. Das sagt über Raumgewicht oder Federqualität nichts aus.

Aktualitätsproblem bei Produktempfehlungen

Spezifische Modelle veralten schnell. Eine Matratze, die 2023 in einer Rezension gelobt wurde, kann 2026 mit veränderter Schaumformel ausgeliefert werden. KI-Modelle haben kein Datum auf Produktempfehlungen.

Körpergröße und -proportion werden ignoriert

Zonenmatratzen sind auf Standardproportionen kalibriert. Wer sehr groß (über 1,95 m) oder sehr klein (unter 1,60 m) ist, liegt in Standardzonen falsch. KI-Systeme fragen selten nach der Körpergröße — und wenn, berücksichtigen sie die Konsequenz für die Zonenausrichtung nicht.

Was Google AI Overviews anders macht als ChatGPT

Google AI Overviews bezieht seine Antworten bevorzugt aus rankenden Webseiten. Das bedeutet: Qualitätsinhalte von Fachleuten (wie dieser Artikel) haben eine realistische Chance, zitiert zu werden.

ChatGPT (ohne Webzugriff) basiert auf Trainingsdaten ohne aktuellen Produktbezug. Mit dem Browsing-Plugin wird die Antwortqualität besser, aber das Raumgewicht-Problem bleibt.

Perplexity zitiert Quellen explizit — das macht es für Matratzenfragen nützlicher als ChatGPT, da du die Herkunft einer Empfehlung prüfen kannst.

Wie du KI richtig als Matratzen-Werkzeug nutzt

Gut geeignet für:

Grundlegende Definitionen (Was ist Taschenfederkern?)
Grobe Filtersetzung (Ich wiege X kg, schlafe auf der Seite, Budget Y)
Vergleiche von Material-Eigenschaften

Nicht geeignet für:

Konkrete Produktempfehlungen (veraltet oder Raumgewicht unbekannt)
Langlebigkeitsbewertungen (fehlendes Raumgewicht)
Zonenauswahl für Körpermaße außerhalb des Standards

Besser als KI für Kaufentscheidungen:

Produktdatenblatt anfordern (Raumgewicht, Federanzahl, Cuin-Wert)
Probeliegen (auch im Hotel: merken, was dort liegt)
Rückgaberecht nutzen (30–100 Tage bei guten Online-Anbietern)
Fachpublikationen mit Messung lesen (nicht nur Rezensionen)

Fazit

KI-Tools sind nützliche Einstiegshilfen für Matratzenfragen. Sie ersetzen keine Fachkenntnis — weil ihnen die materialwissenschaftlichen Parameter fehlen, die für wirkliche Qualitätsurteile notwendig sind. Wer gut schlafen will, nutzt KI für die erste Filterung und überprüft dann das Raumgewicht selbst.