Immer mehr Menschen beginnen eine Kaufentscheidung nicht mehr in einer Suchmaschine, sondern in einem KI-Assistenten. Sie fragen nach einem Geschenk unter einem bestimmten Betrag, nach einem Ersatzteil für ein bestimmtes Gerät oder nach einer Alternative zu einem Produkt, das nicht mehr lieferbar ist. Der Assistent antwortet mit einer kurzen Auswahl – und verlinkt im besten Fall auf einen Shop.
Für Händler stellt sich damit eine neue Frage: Wie kommt das eigene Produkt in diese Auswahl? Unter Schlagworten wie „Generative Engine Optimization“ wird dafür bereits eine eigene Disziplin ausgerufen, samt Werkzeugen und Beratungspaketen. Auch Shopify hat begonnen, Händlern Hinweise zu geben, wie Produktseiten für KI-Systeme lesbar werden. Bei näherem Hinsehen ist der größte Teil der Arbeit allerdings weder neu noch geheimnisvoll. Es geht um saubere, vollständige und widerspruchsfreie Produktdaten.
Wie KI-Systeme einen Shop lesen
Ein KI-Assistent, der Produkte empfiehlt, stützt sich auf das, was er über einen Shop findet: den sichtbaren Text der Produktseite, strukturierte Daten im Quelltext, Produkt-Feeds, die an Plattformen übermittelt werden, und Informationen von Dritten wie Bewertungen oder Vergleichsseiten. Anders als ein Mensch schaut er sich keine Bilder in Ruhe an und lässt sich nicht von einer schönen Gestaltung überzeugen. Er braucht Angaben, die er eindeutig zuordnen kann.
Daraus folgt eine nüchterne Regel: Was nicht in Textform und nicht eindeutig auf der Seite steht, existiert für eine Maschine kaum. Ein Produktbild, auf dem die Maße abgebildet sind, hilft keinem Assistenten. Eine Beschreibung, die aus drei Sätzen Markensprache besteht, beantwortet keine Frage nach Material, Größe oder Kompatibilität.
Welche Angaben zählen
Die folgenden Felder sind in den meisten Shopsystemen bereits vorhanden. Entscheidend ist, ob sie gepflegt sind.
| Angabe | Wofür sie gebraucht wird | Häufiges Problem |
|---|---|---|
| Produkttitel | Zuordnung zur Anfrage | Nur Markenname oder Fantasiename ohne Produktart |
| Beschreibung | Antworten auf konkrete Fragen | Werbetext ohne Fakten |
| Eigenschaften (Material, Maße, Gewicht, Inhalt) | Filtern und Vergleichen | Nur im Fließtext oder im Bild enthalten |
| Varianten | Passende Größe oder Farbe finden | Uneinheitliche Bezeichnungen |
| Preis und Verfügbarkeit | Empfehlung überhaupt aussprechen | Veraltete Angaben im Feed |
| Kennungen (GTIN, Herstellernummer) | Produkt eindeutig identifizieren | Fehlen ganz |
| Versand und Rückgabe | Kaufentscheidung absichern | Nur auf einer separaten Seite |
Bei Shopify lassen sich viele dieser Angaben über Produktfelder und Metafelder abbilden. Ein aktuelles Theme gibt einen Teil davon als strukturierte Daten aus. Ob das für den eigenen Shop vollständig und korrekt geschieht, sollte man allerdings prüfen und nicht voraussetzen – besonders bei Shops, deren Theme stark angepasst wurde.
Ein Beispiel aus der Praxis
Ein Händler für Küchenzubehör verkauft Ersatzdichtungen für Espressokocher. Auf der Produktseite steht ein Titel wie „Dichtungsset Classic“, darunter ein Absatz über italienische Kaffeekultur. Für welche Modelle und Größen die Dichtung passt, zeigt eine Tabelle – als Bild.
Ein Mensch, der die Seite aufruft, findet die Information. Ein Assistent, der gefragt wird, welche Dichtung in einen bestimmten Espressokocher für sechs Tassen passt, findet sie nicht. Er empfiehlt ein anderes Produkt, dessen Seite die Kompatibilität in Textform nennt.
Die Korrektur ist überschaubar: Der Titel nennt Produktart und Größe, die Kompatibilitätsliste steht als Text und zusätzlich in einem Metafeld, der Absatz über Kaffeekultur rückt nach unten. Davon profitiert nicht nur die KI-Suche, sondern auch die interne Shopsuche, die klassische Suchmaschine und die Kundin, die auf dem Smartphone nicht in ein Bild zoomen möchte.
Was Händler jetzt tun sollten
Es braucht kein neues Werkzeug und kein eigenes Projekt mit neuem Namen. Sinnvoller ist eine Bestandsaufnahme mit klarer Reihenfolge:
- Mit den wichtigsten Produkten beginnen. Die Produkte, die den größten Teil des Umsatzes bringen, werden zuerst geprüft. Ein vollständiger Katalog kann später folgen.
- Fakten aus Bildern und Fließtext herausholen. Maße, Material, Inhalt und Kompatibilität gehören in eigene Felder und in lesbaren Text.
- Titel nach einem festen Schema bauen. Produktart, wichtigste Eigenschaft, Marke – in derselben Reihenfolge für das ganze Sortiment.
- Widersprüche beseitigen. Wenn Produktseite, Feed und Marktplatz unterschiedliche Preise oder Lieferzeiten zeigen, verliert jede Quelle an Glaubwürdigkeit.
- Strukturierte Daten prüfen. Gibt das Theme Preis, Verfügbarkeit, Kennungen und Bewertungen korrekt aus? Das lässt sich mit frei verfügbaren Prüfwerkzeugen der Suchmaschinen kontrollieren.
- Häufige Fragen auf die Produktseite holen. Was der Kundenservice immer wieder beantwortet, gehört als kurzer Text zum Produkt.
- Zugang für Maschinen bewusst regeln. Wer KI-Crawler pauschal blockiert, taucht in deren Antworten auch nicht auf. Wer sie zulässt, sollte wissen, welche Bereiche sie lesen dürfen.
Einen Teil dieser Arbeit kann ein KI-Werkzeug selbst übernehmen: Eigenschaften aus bestehenden Beschreibungen extrahieren, Titel nach Schema vorschlagen, Lücken im Katalog markieren. Die Prüfung, ob die Angaben stimmen, bleibt beim Team. Eine falsche Maßangabe, die eine Maschine sauber in ein Feld geschrieben hat, ist schlimmer als eine fehlende.
Was sich nicht planen lässt
Ehrlicherweise gehört auch dazu: Niemand außerhalb der Anbieter weiß genau, nach welchen Kriterien ein KI-Assistent Produkte auswählt, und die Verfahren ändern sich laufend. Versprechen, ein Shop lasse sich gezielt in die Antworten bestimmter Assistenten bringen, sind deshalb mit Vorsicht zu behandeln. Auch die Messung ist schwierig, weil Besuche aus KI-Antworten in Analysewerkzeugen oft nicht sauber als eigene Quelle erscheinen. Zu den Grenzen dieser Zählung haben wir in Bot-Traffic im Onlineshop geschrieben.
Was sich dagegen planen lässt, ist die Qualität der eigenen Daten. Sie zahlt sich unabhängig davon aus, welcher Kanal in zwei Jahren wichtig ist: für Suchmaschinen, Marktplätze, Preisvergleiche, die eigene Shopsuche und für Menschen, die eine Frage zum Produkt haben.
Fazit
Die Sichtbarkeit in KI-Assistenten ist keine neue Disziplin, sondern eine Fortsetzung guter Produktdatenpflege. Wer Titel nach einem klaren Schema baut, Fakten in Textform und eigene Felder bringt, Widersprüche zwischen Shop und Feeds beseitigt und die strukturierten Daten prüft, hat den größten Teil der Arbeit erledigt. Werkzeuge, die mehr versprechen, sollte man an überprüfbaren Ergebnissen messen.
Für die Shops, die wir als Shopify-Agentur bauen und betreuen, gehen wir genauso vor: zuerst die Produkte mit dem meisten Umsatz, dann der Rest des Sortiments. Wie Maschinen das öffentliche Web lesen, untersuchen wir außerdem in unserem Research Lab.