Ich habe fünf KIs eine Safari planen lassen. Das kam dabei heraus.

Immer mehr Reisende tippen ihren Traum zuerst in ein KI-Fenster. „Plan mir zwei Wochen Kenia.“ Sekunden später liegt ein fertiger Reiseplan da, sauber nach Tagen sortiert, mit Lodges und Budget. Sieht überzeugend aus. Aber stimmt es auch?

Ich wollte es genau wissen. Also habe ich fünf der gängigen KI-Plattformen denselben Auftrag gegeben und die Ergebnisse so gelesen, wie ich eine Route lese, bevor ich sie verkaufe. Mit dem Blick aus drei Jahren Leben am Fuß des Kilimanjaro und aus jeder Menge gefahrener Pisten.

Hier ist, was dabei herauskam. Ehrlich, mit Punkten und mit den schönsten Patzern.

Ich habe fünf Tools getestet: ChatGPT, Gemini, Perplexity, Microsoft Copilot und Claude.

Jedes bekam zwei Aufträge, wortgleich. Einmal Kenia, einmal Tansania:

Bewusst so formuliert, wie ein echter Interessent fragt. Ohne Fachbegriffe. Und ohne Reisemonat, denn an der Reaktion darauf zeigt sich, ob ein Planer weiß, wie wichtig die Saison ist.

Bewertet habe ich jeden Plan nach sieben Kriterien, von Entfernungen über Saison und aktuelle Preise bis zur Frage, ob faire, lokale Strukturen vorkommen. Pro Kriterium null bis zwei Punkte, macht maximal vierzehn.

Die vier neutralen Tools im Vergleich, je null bis zwei Punkte pro Kriterium:

Stand des Tests: Juli 2026.

Copilot lag vorn, vor allem weil es Strecken realistischer einschätzte und die Saison sauber trennte. Aber auch der beste neutrale Plan hatte dieselben blinden Flecken wie der schwächste. Drei davon zogen sich durch alle.

Auf einer Landkarte sieht vieles nah aus. Auf der Piste nicht.

Nimm die Etappe von Amboseli zum Lake Naivasha. Die fahre ich selbst, sie gehört zu einer guten Kenia-Route dazu. Nur sind das sechs bis sieben Stunden, einmal halb um Nairobi herum. Ein ganzer Transfertag. Im ChatGPT-Plan stand er da wie ein leichter Tag mit Bootsfahrt am Nachmittag, kein Wort davon, dass der halbe Tag im Wagen vergeht. Das Problem ist nicht die Strecke. Das Problem ist, dass der Plan die Stunden im Auto verschweigt und falsche Erwartungen weckt.

Manchmal kippt die Logik ganz. Perplexity baute neun Stationen in vierzehn Tage, darunter die Etappe von der Maasai Mara nach Amboseli, per Straße kaum unter zehn Stunden. Ein halber Reisetag im Auto, quer durchs Land. Immerhin gab das Tool selbst zu, „realistische Fahrzeiten“ erst auf Nachfrage liefern zu können.

Von allein dachte das keines der anonymen Tools mit. Nur Copilot erkannte wenigstens, dass die Etappe von der Mara nach Tsavo zu lang ist, und empfahl einen entspannteren Zwischenstopp.

Ich hatte absichtlich keinen Reisemonat genannt. Das war die Falle.

Denn die Reisezeit entscheidet in Ostafrika über alles. Wo die Herden stehen. Welche Pisten du befahren kannst. Welche Camps überhaupt geöffnet haben. Ein guter Planer fragt deshalb zuerst nach dem Monat, bevor er auch nur einen Tag plant.

Die KIs fragten nicht. Sie legten sofort los und schoben die Saison als Fußnote nach.

Und wenn sie die Saison ansprachen, dann meist zu grob. Gemini riet, die lange Regenzeit im April und Mai zu meiden. Klingt vernünftig, ist aber selbst ein Klischee. Diese Wochen sind grün, ruhig und günstiger, die Tierdichte in vielen Gebieten bleibt hoch, und für ruhige Reisende ist das oft die schönste Zeit. Ja, einzelne Camps schließen und manche Piste wird weich. Doch pauschal abraten heißt, einer ganzen Jahreszeit ihre Stärken abzusprechen. Genau diese Abwägung, statt einer roten Kalenderampel, macht die gute Planung aus.

Copilot war da feiner und trennte sauber zwischen der Gnuwanderung im Norden von Juli bis Oktober und der Kalbungszeit im Süden von Dezember bis März. Die übrigen Tools blieben vage.

Was keines der frei zugänglichen Tools tat: nachfragen, worauf es dir ankommt, und die Reisezeit darauf abstimmen. Ob du die Herden willst, die Ruhe oder den besten Preis, ändert alles. Dass in der Regenzeit einzelne Camps schließen, ein Detail, das eine Route kippen kann, erwähnte ebenfalls keines.

Hier wurde der Unterschied am größten, und am grundsätzlichsten.

Die Pläne empfahlen fast ausschließlich große Hotelketten. ChatGPT nannte im Kenia-Plan nur Kettennamen, die in jedem Prospekt stehen. Gemini und Copilot mischten immerhin ein paar kleinere Häuser dazu.

Doch kein einziges der anonymen Tools nannte einen lokalen Veranstalter. Keines stellte die Frage, wie viel vom Reisepreis vor Ort bleibt. Keines kannte eine private Schutzzone mit ihren Vorteilen. Copilot riet wenigstens allgemein, „lokale Anbieter mit guten Bewertungen“ zu suchen, blieb dabei aber ohne einen einzigen Namen.

Dazu kam die Sprache. Fast alle führten mit „Big Five“, als wäre eine Reise eine Sammelkarte zum Abhaken. Gemini empfahl im Tansania-Plan sogar einen Besuch bei den Hadzabe als Begegnung mit „einem der letzten echten Jäger-und-Sammler-Stämme“, samt optionaler Teilnahme an einer Jagd. Genau diese Art von Inszenierung verkaufe ich nicht.

Den auffälligsten Punkt habe ich mir bis hierhin aufgehoben, weil er über den einzelnen Reiseplan hinausgeht.

In Tansania empfahl jedes einzelne Tool denselben Nordkreis: Tarangire, Lake Manyara, Ngorongoro, Serengeti. Fünfmal hintereinander, ohne Ausnahme. Den Süden mit dem Nyerere-Park, das ruhige Mkomazi, die stilleren Gebiete: kein einziges Tool brachte sie ins Spiel.

In Kenia dasselbe Bild. Jeder Plan stand auf der Maasai Mara, Amboseli und den Rift-Valley-Seen. Zwei Tools streuten immerhin Samburu und Ol Pejeta dazu, aber auch das sind bekannte Namen.

Das ist kein Zufall, sondern Bauart. Eine KI lernt aus dem, was am häufigsten im Netz steht. Und im Netz stehen die berühmten Parks, tausendfach. Also gibt die Maschine nicht den besten Ort zurück, sondern den meistgenannten.

Nairobi Nationalpark: Wer dieselben Parks nimmt wie alle, landet in dieser Situation.

Wie sich das anfühlt, hat mir vor Kurzem einer meiner Partner aus dem Süden Tansanias geschrieben, aus dem Nyerere-Park. Ein kleines, inhabergeführtes Camp, das Gäste exklusiv buchen: keine fremden Zelte nebenan, das ganze Camp für eine Reisegruppe allein. Genau das, wovon viele träumen.

Trotzdem bleibt es still. Kaum Buchungen.

Ein paar Kilometer weiter, bei den großen Lodges, sind die Zimmer voll.

Der Süden Tansanias: still, weit, und in keinem einzigen KI-Plan.

Mkomazi, Tansania: Drei Tage im Juni, kein anderes Fahrzeug. Das ist es, was KI nicht empfiehlt.

Der Unterschied liegt nicht an der Qualität. Er liegt an der Sichtbarkeit. Die großen Häuser haben Übersee-Veranstalter, die sie füttern, und über Jahre eine Autorität im Netz aufgebaut, die kaum jemand einholt. Ein neues, inhabergeführtes Camp bekommt kaum einen Fuß in die Tür. Es steht nicht in den Ranglisten, nicht in den Blogs, nicht in den Empfehlungen.

Und jetzt kommt die KI und verschärft genau das. Sie empfiehlt, wer ohnehin schon sichtbar ist. Sie liest das Netz, und das Netz gehört denen mit Budget und Vorsprung. Für die Kleinen wird es damit nicht schwerer, sondern fast aussichtslos, überhaupt gefunden zu werden.

Das ist die stille Seite des digitalen Overtourism. Nicht nur volle Orte, sondern leere Camps bei denen, die es am nötigsten hätten.

Die Tourismusforschung hat dafür bereits einen Begriff geprägt: digitaler Overtourism. Eine vergleichende Analyse in der Fachzeitschrift Current Issues in Tourism (2026) beschreibt, wie KI-Empfehlungen immer wieder auf dieselbe schmale Auswahl ikonischer Orte zusammenlaufen.⁵ Beobachter aus der Branche warnen seit Längerem, dass Algorithmen die Besucher genau dorthin lenken, wo der Druck schon am größten ist⁶, und dass große Hotelketten die KI-Ergebnisse dominieren, während kleine, familiengeführte Häuser unsichtbar bleiben.⁷

Ein Nischeneffekt wäre verschmerzbar. Das hier ist keiner.

ChatGPT zählt rund 900 Millionen Nutzer pro Woche¹, Gemini etwa 900 Millionen im Monat². Reiseplanung gehört zu den häufigsten Anwendungen überhaupt. In Deutschland nutzt bereits rund jeder siebte Reisende KI für die Reiseplanung³, weltweit etwa vier von zehn⁴. Mehr als ein Drittel vertraut den Vorschlägen genug, um danach zu buchen, und ChatGPT ist das meistgenutzte Werkzeug unter Reisenden.⁴

So wird aus einem Herdentrieb ein Massenphänomen. Der Algorithmus verstärkt die Konzentration auf wenige Orte, statt sie aufzubrechen.

An dieser Stelle muss ich fair bleiben, sonst hinkt der Befund. In meinem Auftrag stand „möglichst viele Tiere sehen“. Diese Vorgabe schiebt jede Planung von allein in Richtung Parks. Ein Teil des Park-Trichters geht also auf meine Kappe, nicht auf die der Maschine.

Deshalb habe ich gegengetestet. Dieselben Tools, ein neuer Auftrag, diesmal ohne ein Wort von Tieren: „Wir möchten vor allem das Land und die Menschen kennenlernen.“

Das Ergebnis war eindeutig und über alle Tools gleich. Sie drehten sofort.

ChatGPT schrieb wörtlich, es würde „nicht versuchen, möglichst viele Nationalparks abzuhaken“, und legte Stadtviertel, eine Community-Conservancy, die Küste und Lamu in die Route. Gemini baute einen Tag ein, der ausdrücklich „kein touristisches Schaudorf“ sein sollte, sondern eine an lokale Initiativen geknüpfte Gemeinde, und wählte Eco-Camps. Perplexity stellte „Land, Menschen und Alltag statt nur Safaris“ in den Mittelpunkt, riet zu familiengeführten Häusern und zum Entschleunigen. Und für Tansania tauchten plötzlich Dar es Salaam, die Usambara-Berge und Bagamoyo auf, Orte, die im ersten Test bei keinem einzigen Tool vorkamen.

Daraus folgen zwei ehrliche Schlüsse.

Erstens: Die KI tut, was du sagst. Sie reproduziert den Herdentrieb vor allem dann, wenn du nach einer Safari mit vielen Tieren fragst. Und genau so fragen die meisten. Für diesen Normalfall bleibt der Trichter zu den immer gleichen Parks real.

Zweitens, und das ist der Punkt, der bleibt: Selbst wenn die KI auf Menschen umschwenkt, bleibt die Begegnung schablonenhaft. Ein schneller Marktbummel hier, ein Standard-Dorfbesuch dort, ein allgemeines „Community-Programm“. Ein Tool schickte die Reisenden sogar in ein Armenviertel von Nairobi. Es bleibt bei Etiketten. Den echten Namen, den geprüften Kontakt, die Familie, die dich wirklich in ihre Küche lässt, liefert kein Algorithmus. Den kennt nur jemand, der dort lebt.

Ein Plan erreichte als einziger die volle Punktzahl. Er schickte die Reisenden in eine ruhige Conservancy statt ins überlaufene Reservat. Er baute die Route so, dass lange Pisten selten blieben, und griff nur dort zum kurzen Flug, wo eine Strecke sonst einen ganzen Tag gefressen hätte. Er prüfte die aktuellen Parkgebühren für 2026, nannte echte Partner vor Ort und wies offen darauf hin, dass manche Camps in der Regenzeit schließen.

Das war Claude, auf meinem Konto. Und genau hier liegt der Haken und zugleich die Erkenntnis.

Diese KI war nur deshalb so gut, weil sie mein Wissen schon kannte. Meine Partner Laura und Moses in Kenia, Adam in Tansania. Meine Routen. Meine Regeln, etwa kein „Big Five“ und mindestens achtzig Prozent des Reisepreises für die Menschen vor Ort.

Nimm ihr dieses Wissen weg, und sie fällt zurück in dieselben Muster wie der Rest.

Nutz die KI ruhig. Als erster Wurf ist sie nützlich, um ein Gefühl für Stationen, Reihenfolge und grobe Preise zu bekommen.

Aber behandle das Ergebnis als Entwurf, nicht als fertige Reise. Stell ihm die Fragen, die es selbst nicht stellt:

• In welchem Monat reise ich wirklich, und passt die Route dazu?
• Sind die Tagesetappen ehrlich gerechnet, oder versteckt sich darin ein ganzer Tag auf der Piste?
• Wer steht hinter den Lodges, und wie viel bleibt vor Ort?
• Was passiert, wenn das Wetter oder die Tiere sich nicht an den Plan halten?

Diese Fragen beantwortet kein Algorithmus aus zweiter Hand. Die beantwortet jemand, der dort war.

Wenn du erst einmal mitlesen willst, wie Reisen ohne Klischee aussieht, hol dir meinen Newsletter ins Postfach. Dort schreibe ich aus dem Alltag vor Ort, mit den Geschichten und Kontakten, die in keinem Katalog stehen.