Wie KI Produkte
empfiehlt
80% der Verbraucher wollen generative KI beim Online-Shopping nutzen. ChatGPT hat eine vollstandige Shopping-Funktion eingefuhrt, Gemini integriert Produktdaten aus Google Shopping, und Perplexity verlinkt direkt auf Produktseiten mit Quellenangabe. Aber wie entscheiden diese Plattformen, welche Produkte sie empfehlen und welche sie ignorieren? Hinter jeder KI-Empfehlung steckt ein Auswahlprozess, der sich grundlegend von Google Shopping oder traditionellen Vergleichsseiten unterscheidet. In diesem Artikel analysieren wir den Mechanismus: wie KI-Plattformen Produktdaten sammeln, wie sie Relevanz und Qualitat gewichten, welche Signale den Ausschlag geben, und was du als Onlineshop konkret tun kannst.
80%
wollen KI beim Shopping nutzen
3-4x
sichtbarer mit vollstandigen Produktdaten
35%
des Amazon-Umsatzes uber KI-Empfehlungen
51%
lassen KI Kaufentscheidungen treffen
Das Auswahlverfahren: Wie KI entscheidet, welche Produkte empfohlen werden
Wenn ein Verbraucher ChatGPT fragt "Welche Espressomaschine ist die beste fur zu Hause unter 600 Euro?", startet ein komplexer Auswahlprozess. Die KI-Plattform durchsucht das Web, sammelt Produktinformationen aus Dutzenden von Quellen und wagt diese Informationen gegeneinander ab. Das Endergebnis ist eine begrundete Empfehlung von zwei bis funf Produkten. Aber wie kommt diese Auswahl zustande?
KI-Plattformen verwenden keinen festen Produktkatalog wie Google Shopping. Sie kombinieren drei Informationsquellen: ihren Suchindex (Bing fur ChatGPT, Google fur Gemini), Echtzeit-Webergebnisse, die sie im Moment der Frage abrufen, und ihre Trainingsdaten, in denen Produktwissen gespeichert ist. Diese Kombination macht KI-Empfehlungen fundamental anders als eine gefilterte Produktliste. KI versteht Kontext, vergleicht Informationen aus mehreren Quellen und formuliert eine zusammenhangende Empfehlung.
Quellen identifizieren
Produktseiten, Vergleichsartikel, Expertreviews und Forendiskussionen werden gesammelt
Produktdaten extrahieren
Name, Preis, Spezifikationen, Bewertungen, Vor- und Nachteile werden ausgelesen
Relevanz gewichten
Jedes Produkt wird gegen die spezifische Frage abgewogen. Kontext filtert irrelevante Treffer
Empfehlung formulieren
2-5 Produkte werden mit Begrundung empfohlen. Ganzer Prozess dauert 2-5 Sekunden
Die Qualitat der verfugbaren Informationen bestimmt das Ergebnis. Ein Produkt mit einer detaillierten Produktseite, 200 Reviews, mehreren Vergleichsartikeln und einer klaren Positionierung ("ideal fur den Heimgebrauch, kompaktes Format, anfangerfreundlich") schneidet im Auswahlprozess besser ab als ein Produkt mit nur einer Basisbeschreibung und funf Reviews. KI kann nur empfehlen, was sie verstehen und begrunden kann. Je reichhaltiger die verfugbaren Informationen, desto grosser die Empfehlungschance.
KI gewichtet Kontext starker als Popularitat. Ein Produkt, das perfekt zur spezifischen Frage passt, gewinnt gegen das meistverkaufte Produkt, das weniger relevant ist. Positionierung und Produktbeschreibungen sind daher entscheidend.
Drei Plattformen, drei Mechanismen
ChatGPT: Bing-Index und Shopping-Modus
ChatGPT verwendet den Bing-Index als primare Datenquelle fur Produktinformationen. Wenn ein Nutzer eine Produktfrage stellt, durchsucht OAI-SearchBot das Web uber Bing und ruft relevante Produktseiten, Vergleichsartikel und Reviews ab. Seit 2025 hat ChatGPT eine spezielle Shopping-Funktion, die Produktdaten visuell prasentiert mit Bildern, Preisen und direkten Links. ChatGPT gewichtet Qualitat und Aktualitat der Quellen stark: Ein Vergleichsartikel von 2026 bekommt Vorrang vor einem Artikel von 2024. Product Schema in JSON-LD-Format erleichtert es ChatGPT, Preise, Verfugbarkeit und Spezifikationen zu extrahieren.
Gemini: Google Shopping Graph
Gemini hat einen einzigartigen Vorteil: Zugang zum vollstandigen Google Shopping Graph. Das bedeutet, dass Gemini nicht nur Webseiten durchsucht, sondern auch Produktdaten aus dem Google Merchant Center nutzt. Wenn deine Produkte in Google Shopping stehen, sind diese Daten direkt fur Gemini verfugbar. Gemini integriert Produktempfehlungen mit Preisen, Bildern und Verfugbarkeit in die KI-Antwort. Onlineshops, die bereits in Google Shopping investieren, haben einen Vorsprung bei Gemini-Sichtbarkeit. Die Integration mit dem deutschen Merchant Center funktioniert reibungslos.
Perplexity: Echtzeit-Suche mit Quellenlinks
Perplexity durchsucht das Web in Echtzeit und zitiert immer mit Quellenangabe. Bei Produktfragen zeigt Perplexity ein begrundetes Antwort mit klickbaren Links zu Produktseiten, Reviews und Vergleichsartikeln. Perplexity ist besonders wertvoll fur Onlineshops, weil jede Zitation einen direkten Link enthalt. Die Klickrate auf Perplexity-Zitationen ist hoher als bei ChatGPT und Gemini. Perplexity gewichtet unabhangige Quellen stark: Ein Produkt, das in drei Vergleichsartikeln positiv bewertet wird, hat eine grossere Zitationschance.
Google AI Overviews im E-Commerce
Google AI Overviews erscheint bei fast der Halfte aller Suchanfragen und enthalt zunehmend Produktempfehlungen. Bei Suchanfragen wie "beste Laptops fur Studenten 2026" generiert Google eine KI-Zusammenfassung mit spezifischen Produktempfehlungen oberhalb der regularen Suchergebnisse. AI Overviews kombiniert Daten aus dem Google-Index, Shopping-Ergebnissen und Expertreviews. In Deutschland triggern 91% der E-Commerce-Suchanfragen KI-Ergebnisse in Google.
Du musst auf mehreren Plattformen gleichzeitig sichtbar sein. ChatGPT braucht Bing, Gemini braucht Google, Perplexity durchsucht beide. Ein Onlineshop, der nur fur Google optimiert, verpasst ChatGPT-Traffic.
Werden deine Produkte von KI empfohlen?
VestVale uberwacht automatisch, ob ChatGPT, Gemini, Claude und Google AI deine Produkte bei Kaufanfragen zitieren und empfehlen.
Produktdaten als Sprache: Wie Schema Markup KI-Empfehlungen steuert
Schema Markup in JSON-LD-Format ist die Sprache, mit der dein Onlineshop mit KI-Plattformen kommuniziert. Product Schema teilt der KI in strukturierter Form alles mit, was sie wissen muss: Produktname, Preis, Wahrung (EUR), Verfugbarkeit, Marke, Kategorie, Spezifikationen, Bilder und Bewertungen. Onlineshops mit vollstandigem Product Schema werden drei- bis viermal haufiger in KI-Antworten zitiert als Shops mit unvollstandigem oder fehlendem Schema. Dieser Faktor ist nicht subtil: Es ist der Unterschied zwischen sichtbar und unsichtbar sein.
Die Vollstandigkeit deiner Produktdaten macht den Unterschied. Eine Produktseite mit nur Name und Preis im Schema gibt der KI wenig, womit sie arbeiten kann. Eine Produktseite mit Name, Preis, Verfugbarkeit, Marke, GTIN/EAN, Material, Abmessungen, Gewicht, Farboptionen, AggregateRating und individuellen Reviews gibt der KI alles, was sie fur eine detaillierte Empfehlung braucht.
Onlineshops mit 99% vollstandigen Produktattributen erhalten drei- bis viermal mehr KI-Zitationen als Shops mit nur Basisdaten. Vollstandigkeit macht buchstablich den Unterschied.
Zusatzliche Schema-Typen fur E-Commerce
Neben Product Schema gibt es erganzende Schema-Typen, die deine KI-Sichtbarkeit verstarken. FAQPage Schema auf Kategorieseiten generiert 3,2-mal mehr Chancen auf Erwahnung in AI Overviews. HowTo Schema auf Anleitungs- und Kaufratgeberseiten matcht mit Wie-Fragen. Offer Schema mit Preisinformationen und Verfugbarkeit macht deine Produkte fur KI vergleichbar. BreadcrumbList Schema hilft der KI, die Struktur deines Produktkatalogs zu verstehen. Mehr zu den technischen Grundlagen findest du in warum Structured Data wichtig ist.
Plattform-Unterstutzung
Die meisten E-Commerce-Plattformen unterstutzen Schema Markup. Shopify hat eingebautes Product Schema, aber die Standardimplementierung ist oft unvollstandig. WooCommerce erfordert ein Plugin wie Yoast oder RankMath fur erweiterte Schema-Unterstutzung. Magento hat native JSON-LD-Unterstutzung, erfordert aber Konfiguration fur alle Felder. Shopware, das im deutschen Markt weit verbreitet ist, unterstutzt Schema uber Extensions. Unabhangig von deiner Plattform: Prufe die Ausgabe mit Googles Rich Results Test. Teste mindestens funf Produktseiten und deine wichtigsten Kategorieseiten.
Dynamische Produktdaten sind ein besonderer Aufmerksamkeitspunkt. Preise, Verfugbarkeit und Lagerstatus andern sich laufend. Wenn dein Schema Markup einen Preis von 299 Euro anzeigt, aber deine Seite 349 Euro zeigt, erkennt die KI die Inkonsistenz und vertraut deinen Daten weniger. Stelle sicher, dass dein Schema Markup dynamisch aus derselben Quelle generiert wird wie dein Seiteninhalt. Die meisten E-Commerce-Plugins tun dies automatisch, aber prufe es bei manuellen Implementierungen.
Konkrete Optimierungsschritte fur deine Produktempfehlungen
Produktbeschreibungen fur KI optimieren
Erweitere jede Produktseite mit mindestens 300 Wortern zitierfahigem Text. Beschreibe nicht nur Spezifikationen, sondern auch Anwendungsszenarien: Fur wen geeignet, bei welchen Anforderungen, Vorteile gegenuber Alternativen. KI braucht Content, den sie zitieren kann.
Vollstandiges Product Schema implementieren
Implementiere auf jeder Produktseite Product Schema mit: Name, Preis, Verfugbarkeit, GTIN/EAN, Marke, AggregateRating und Offer. Fuge FAQPage Schema auf Kategorieseiten und BreadcrumbList fur die Navigation hinzu. Teste mit Googles Rich Results Test.
Kaufratgeber und Vergleiche erstellen
Erstelle fur deine Top-10-Kategorien je einen Kaufratgeber und mindestens zwei Produktvergleiche. Beantworte die Fragen, die Verbraucher an KI stellen. Sei ehrlich bei Vergleichen: Voreingenommene Inhalte werden von KI erkannt und weniger zitiert.
Reviews systematisch aufbauen
Implementiere ein automatisiertes Review-System. Ziele auf mindestens 20 spezifische Reviews pro Top-Produkt. Ermutige Kunden, Nutzungserfahrungen zu beschreiben statt generische Bewertungen abzugeben. Implementiere Review-Schema auf allen Produktseiten.
Externe Autoritat aufbauen
Sende Produkte an Tester: Stiftung Warentest, CHIP, ComputerBild, branchenspezifische Testportale und YouTube-Reviewer. Ein Produkt mit drei unabhangigen positiven Bewertungen hat vielfach hohere KI-Empfehlungschancen als eines ohne externe Bestatigung.
Plattformubergreifend optimieren
Richte Bing Webmaster Tools ein und aktiviere IndexNow (fur ChatGPT). Pflege dein Google Merchant Center (fur Gemini). Erstelle zitierbaren Content mit Quellenlinks (fur Perplexity). Diese Dreifach-Strategie deckt alle relevanten KI-Plattformen ab. Mehr zur KI-Sichtbarkeit fur Onlineshops in unserem Ubersichtsartikel.
Agentic Commerce: Wenn KI nicht nur empfiehlt, sondern auch kauft
Die nachste Entwicklungsstufe ist Agentic Commerce: KI-Plattformen, die nicht nur Produkte empfehlen, sondern auch direkt Transaktionen abwickeln. OpenAI hat das Agent Commerce Protocol (ACP) eingefuhrt, Google arbeitet am Universal Commerce Protocol (UCP). Diese Protokolle ermoglichen es KI-Agenten, im Auftrag des Nutzers Preise zu vergleichen, Verfugbarkeit zu prufen, Warenkorboptionen zu konfigurieren und sogar Bestellungen aufzugeben, alles innerhalb des KI-Gesprachs.
Fur den deutschen Markt ist Agentic Commerce besonders relevant, weil deutsche Verbraucher hohen Wert auf Preisvergleiche, transparente Versandkosten und sichere Zahlungsmethoden legen. Ein KI-Agent, der in Sekundenschnelle die Preise von Idealo, Amazon, Otto und deinem Onlineshop vergleicht und dem Nutzer das beste Gesamtangebot prasentiert, verandert das Einkaufsverhalten fundamental. Onlineshops, die frutzeitig uber API-Schnittstellen und strukturierte Produktdaten fur KI-Agenten erreichbar sind, sichern sich einen Wettbewerbsvorteil.
Die praktischen Konsequenzen fur Onlineshops: Erstens mussen deine Produktdaten maschinelesbar und aktuell sein. Veraltete Preise oder falsche Verfugbarkeitsinformationen fuhren dazu, dass KI-Agenten dich aussortieren. Zweitens wird die Qualitat deiner Produktinformationen zum Wettbewerbsfaktor. Ein Shop mit detaillierten Produktbeschreibungen, vollstandigem Schema Markup und aktuellen Reviews wird von KI-Agenten bevorzugt. Drittens wird die Geschwindigkeit deiner Website wichtig: KI-Agenten haben Zeitlimits und bevorzugen schnell ladende Seiten.
51% der Verbraucher lassen KI bereits Kaufentscheidungen treffen. Agentic Commerce ist nicht Zukunft, sondern Gegenwart. Onlineshops, die jetzt ihre Produktdaten KI-ready machen, sind vorbereitet.
Trusted Shops, die in Deutschland weit verbreitet sind, werden ebenfalls zum Faktor. KI-Plattformen erkennen Vertrauenssignale wie das Trusted-Shops-Siegel, Kauferschutz und TUV-Zertifizierungen. Diese Vertrauenssignale in dein Organization-Schema einzubauen, starkt dein Vertrauensprofil bei KI-Empfehlungen. Zusammen mit deinen Google Reviews, vollstandigen Produktdaten und externen Testergebnissen entsteht ein Vertrauensprofil, das KI-Plattformen fur Empfehlungen heranziehen. Erfahre mehr daruber, wie Unternehmen sichtbar bleiben in KI.
Haufig gestellte Fragen
Empfiehlt KI immer das teuerste Produkt?
Nein. KI-Plattformen streben nach Objektivitat und empfehlen das Produkt, das am besten zur spezifischen Frage des Nutzers passt. Ein Budget-Modell mit hervorragenden Nutzerbewertungen kann die Empfehlung vor einem teureren Premium-Modell erhalten, wenn der Nutzer explizit nach einem Einsteigermodell fragt. Kontextrelevanz schlagt Preis.
Wie wichtig sind Reviews fur KI-Produktempfehlungen?
Extrem wichtig. Produkte mit 200+ Reviews und einem Durchschnitt uber 4,5 werden deutlich haufiger empfohlen als Produkte mit weniger als 20 Reviews. Dabei zahlt nicht nur die Sternezahl: Spezifische Nutzungserfahrungen ("nach 500 km Laufen noch bequem") sind fur KI wertvoller als "5 Sterne, super Produkt". KI zitiert Reviews als Begrundung.
Welches Schema Markup ist fur E-Commerce am wichtigsten?
Product Schema mit vollstandigen Attributen (Name, Preis, GTIN/EAN, Verfugbarkeit, AggregateRating) ist am wichtigsten und liefert eine 3-4x hohere Zitationsrate. Danach: FAQPage Schema auf Kategorieseiten (3,2x Steigerung bei AI Overviews), BreadcrumbList fur Navigation und Offer Schema fur Preisinformationen.
Was ist der Unterschied zwischen ChatGPT- und Gemini-Shopping?
ChatGPT nutzt den Bing-Index und hat eine eigene Shopping-Funktion mit Produktkarten, Preisvergleichen und direkten Links. Gemini nutzt den Google-Index und den Shopping Graph aus Google Merchant Center, wodurch es Zugang zu strukturierten Produktdaten hat. Fur ChatGPT brauchst du Bing-Sichtbarkeit, IndexNow und Schema Markup. Fur Gemini brauchst du Google-Sichtbarkeit und einen gepflegten Merchant-Center-Feed. Beides ist parallel moglich und empfehlenswert, da es unterschiedliche Zielgruppen erreicht.
Wie lange dauert es, bis meine Produkte in KI-Empfehlungen erscheinen?
Die technische Basisoptimierung (Product Schema, Bing Webmaster Tools, IndexNow) kostet ein bis zwei Tage Implementierungszeit. Kaufratgeber und erweiterte Produktbeschreibungen erfordern je nach Sortimentgrosse ein bis vier Wochen Content-Produktion. Erste Veranderungen in KI-Zitationen sind oft innerhalb von zwei bis vier Wochen sichtbar, sobald die Indexierung abgeschlossen ist. Reviews brauchen am langsten: Rechne mit drei bis sechs Monaten, um ein solides Review-Profil aufzubauen. Je fruher du startest, desto grosser dein Vorsprung gegenuber Wettbewerbern, die noch nicht in KI-Sichtbarkeit investieren.
Brauche ich einen separaten KI-Produktfeed neben meinem Google Shopping Feed?
Aktuell nicht. KI-Plattformen ziehen Produktdaten aus deinem bestehenden Schema Markup, deiner Website und deinem Google Merchant Center Feed. Es gibt keinen separaten "KI-Feed". Die wichtigste Massnahme ist, dass dein bestehendes Product Schema vollstandig und aktuell ist und dass dein Merchant Center Feed alle Produkte mit korrekten Preisen und Verfugbarkeiten enthalt. Wenn Agentic Commerce Protokolle wie ACP oder UCP sich durchsetzen, konnten in Zukunft zusatzliche Integrationen notwendig werden, aber das ist heute noch nicht der Fall. Konzentriere dich auf die Basics: vollstandiges Schema, aktueller Feed und reichhaltiger Content.
Werden deine Produkte von KI empfohlen?
VestVale uberwacht automatisch, ob ChatGPT, Gemini, Claude und Google AI deine Produkte empfehlen. Miss deine Sichtbarkeit pro Produktkategorie und Plattform.
Ab €19,95/Monat zzgl. MwSt. Monatlich kundbar.