Bevor ein Kunde heute eine Suchmaschine überhaupt öffnet, hat er möglicherweise schon eine KI gefragt, welches Produkt er kaufen soll. ChatGPT vergleicht Kopfhörer, Gemini schlägt eine Kaffeemaschine samt Kaufabschluss vor, und Perplexity Shopping legt das passende Modell direkt in den Warenkorb. Für E-Commerce-Unternehmen bedeutet das eine neue, vorgelagerte Entscheidungsebene: Wer in diesen KI-Agenten nicht sichtbar und zitierfähig ist, taucht im Kaufprozess vieler Kunden schlicht nicht mehr auf, ganz gleich wie gut die eigene Produktseite rankt.
Was sind KI-Shopping-Agenten?
Als KI-Shopping-Agenten bezeichnen wir Systeme, die aktiv im Kaufprozess mitwirken. Sie recherchieren Produkte, vergleichen Optionen anhand von Nutzerkriterien, verweisen auf Händler und stoßen zunehmend auch den Kaufabschluss selbst an. Reine Fragebeantwortung reicht dafür längst nicht mehr aus. Das unterscheidet sie von einer klassischen AI Overview in der Google-Suche, die vor allem eine Frage beantwortet. Ein Shopping-Agent geht einen Schritt weiter: Er nimmt dem Nutzer die Recherche- und teilweise sogar die Kaufentscheidung ab.
Vom Chatbot zum Recherche- und Kaufassistenten
Noch vor zwei, drei Jahren waren Tools wie ChatGPT reine Gesprächspartner. Fragte man nach einem Produkt, bekam man eine allgemeine Einschätzung, aber keinen Kaufabschluss. Das hat sich grundlegend geändert. OpenAI hat mit dem Agentic Commerce Protocol und der Instant-Checkout-Funktion in ChatGPT im September 2025 zunächst gemeinsam mit Etsy, Shopify und Stripe einen direkten Kaufabschluss im Chat ermöglicht. Nach anfänglichen Reibungsverlusten beim Merchant-Onboarding hat OpenAI die Shopping-Erfahrung im März 2026 überarbeitet und setzt seither stärker auf dedizierte Händler-Apps innerhalb von ChatGPT und einen eingebetteten Browser für den Checkout.
Google zieht mit dem AI Mode und der Gemini App nach: Produktanfragen in natürlicher Sprache werden gegen den Google Shopping Graph abgeglichen, der laut Google mehr als 50 Milliarden Produktlistungen umfasst und von Gemini-Modellen interpretiert wird. Mit dem gemeinsam mit Shopify, Etsy, Wayfair und Target entwickelten Universal Commerce Protocol (UCP) will Google eine offene Grundlage für agentischen Handel schaffen, bei der Produktauswahl, Zahlung und Bestätigung ohne manuellen Website-Besuch ablaufen.
Perplexity Shopping, ChatGPT und Gemini im Überblick
Perplexity verfolgt mit „Buy with Pro“ seit November 2024 einen eigenen Weg: Über das kostenlose Perplexity-Merchant-Programm können Händler ihre Produktdaten strukturiert bereitstellen und erhalten dafür eine direkte Kauf-Option im Antwortfeld, während nicht teilnehmende Händler nur einen einfachen Link erhalten. Seit Januar 2026 steht der In-App-Checkout allen Shopify-Händlern offen, seit Februar 2026 ist das agentische Shopping für alle US-Nutzer kostenlos zugänglich. Perplexity wirbt zudem mit einem Nutzerkreis, der laut eigenen Angaben pro Bestellung deutlich mehr ausgibt als Besucher, die über andere KI-Plattformen kommen.
Die drei großen Systeme unterscheiden sich in der Umsetzung, folgen aber demselben Grundprinzip: Sie ziehen strukturierte Produktdaten aus Feeds und Webseiten, gleichen sie mit Nutzerkriterien ab und wählen daraus eine kleine, empfohlene Auswahl. Fehlen dort vollständige, aktuelle und klar auslesbare Daten, fällt ein Anbieter schlicht aus der Betrachtung heraus.
Ein nüchterner Blick auf den aktuellen Stand
Bei aller Dynamik lohnt an dieser Stelle ein realistischer Zwischenstopp. Dass OpenAI seine Instant-Checkout-Funktion schon wenige Monate nach dem Launch grundlegend überarbeiten musste, weil sich Merchant-Onboarding und Kaufabschluss in der Praxis holpriger gestalteten als angekündigt, ist mehr als eine technische Fußnote. Es zeigt, dass agentisches Shopping sich noch in einer frühen, spürbar experimentellen Phase befindet, ganz gleich wie euphorisch die Ankündigungen der Plattformen klingen. Die zitierten Wachstumsraten bei Traffic und Conversion sind real und die Richtung ist eindeutig, aber sie sagen zunächst mehr über die Dynamik als über das absolute Volumen aus. Für die meisten Shops entscheidet heute noch der klassische Such- und Websitetraffic über den Umsatz, KI-Agenten sind ein wachsender, aber noch kein dominierender Kanal. Wer jetzt investiert, positioniert sich für eine Verschiebung, die klar erkennbar begonnen hat, sollte aber nicht davon ausgehen, dass KI-Shopping-Agenten schon heute den Großteil der Kaufentscheidungen treffen.
Warum sich die Customer Journey verschiebt
Die klassische Customer Journey begann mit einer Suchanfrage bei Google, führte über die Ergebnisliste zu mehreren Shops und endete im Idealfall im Warenkorb. KI-Shopping-Agenten bauen davor eine zusätzliche Stufe ein: eine Unterhaltung, in der Kriterien geklärt, Optionen eingegrenzt und Empfehlungen ausgesprochen werden, bevor überhaupt eine Suchmaschine oder ein Shop besucht wird.
Die Suche verschiebt sich vor die Suchmaschine
Eine im Search-Engine-Land-Bericht zitierte Studie kommt zu dem Ergebnis, dass bereits 37 Prozent der Verbraucher ihre Suche mit einer KI statt mit Google beginnen. Gartner geht davon aus, dass das Volumen klassischer Suchanfragen bis Ende 2026 um rund ein Viertel zurückgeht, weil Chatbots einen Teil der Anfragen übernehmen, die früher direkt bei Google landeten. Für den Handel ist das mehr als eine Randnotiz: Adobe Analytics beobachtete während der Weihnachtssaison 2025 einen Anstieg des Traffics von generativen KI-Tools auf US-Handelsseiten um fast 693 Prozent, wobei diese Besucher eine rund 31 Prozent höhere Conversion-Rate aufwiesen als Besucher aus anderen Quellen.
Diese Zahlen zeigen: Ein Nutzer, der aus einer KI-Empfehlung heraus auf einen Shop kommt, ist bereits stark vorqualifiziert. Die eigentliche Kaufentscheidung ist zu großen Teilen schon gefallen, bevor der Nutzer die Produktseite überhaupt sieht.
Vertrauen entsteht, bevor der Shop besucht wird
Weil Nutzer der KI-Empfehlung einen erheblichen Teil ihrer Entscheidung überlassen, verlagert sich auch der Ort, an dem Vertrauen entsteht. Ein Shop kann noch so überzeugende Produktseiten haben, wenn er im Antwortprozess des Agenten gar nicht erst auftaucht. Umgekehrt genügt Nutzern häufig die Empfehlung des Agenten, um direkt zu kaufen, ohne alternative Angebote noch einmal selbst zu vergleichen. Damit verschiebt sich ein Teil der klassischen Trust-Signale, wie Rezensionen, Rückgaberegelungen oder Markenbekanntheit, von der eigenen Website in die Datenbasis, aus der der KI-Agent schöpft.
Wie KI-Agenten Produkte auswählen
KI-Shopping-Agenten erfinden keine Produktdaten, sie verdichten vorhandene. Damit ein Produkt überhaupt in die engere Auswahl kommt, muss es maschinell zuverlässig auffindbar, verständlich und vergleichbar sein.
Strukturierte Daten als Grundlage
Die technische Basis bilden Produktfeeds und strukturierte Daten nach Schema.org, ergänzt um die Feeds, die Systeme wie das Google Merchant Center oder die Perplexity- und Shopify-Schnittstellen einlesen. Preis, Verfügbarkeit, Varianten, Versandkosten und Rückgabebedingungen sind dabei die Mindestvoraussetzung, damit ein Agent ein Produkt überhaupt korrekt einordnen kann. Fehlen diese Angaben oder sind sie veraltet, wird ein Produkt im Zweifel gar nicht erst berücksichtigt, selbst wenn es inhaltlich passen würde.
Bewertungen und geteilte Erfahrung als Vertrauenssignal
Neben harten Produktdaten ziehen KI-Agenten auch weiche Signale heran: Kundenbewertungen, Erfahrungsberichte, Foren-Diskussionen und Testberichte. Eine reine Sternebewertung reicht dabei kaum aus. Entscheidend ist Text, aus dem sich konkrete Aussagen extrahieren lassen, etwa zu Passform, Haltbarkeit oder typischen Problemen. Je klarer eine Bewertung begründet, warum ein Produkt für einen bestimmten Anwendungsfall geeignet ist, desto eher kann ein Agent sie als Beleg heranziehen.
Zitierfähigkeit statt Keyword-Dichte
Ähnlich wie bei KI im SEO gilt auch hier: Keyword-Dichte allein überzeugt keinen Agenten. Entscheidend ist, ob ein Absatz in sich abgeschlossen eine Frage beantwortet, etwa „welches Modell eignet sich für kleine Wohnungen“ oder „welcher Wanderschuh ist bei Nässe rutschfest“. Inhalte, die in klaren, eigenständigen Aussagen formuliert sind, lassen sich leichter zitieren und in eine Antwort einbauen als lange, werblich formulierte Fließtexte ohne klare Kernaussagen.
Nicht zitierfähig: „Unser Wanderschuh überzeugt durch erstklassige Verarbeitung und ein durchdachtes Design, das keine Wünsche offenlässt und für jedes Abenteuer gewappnet ist.“
Zitierfähig: „Die Außensohle besteht aus Gummi mit 4-mm-Profiltiefe und ist laut Hersteller bei Nässe und auf losem Untergrund rutschhemmend. Die Membran ist wasserdicht und atmungsaktiv, geeignet für Regen und feuchtes Gelände bis 0 °C.“ Der zweite Absatz benennt konkrete, prüfbare Eigenschaften, genau das, was ein Agent extrahieren und einer Nutzerfrage wie „welcher Wanderschuh ist bei Nässe rutschfest“ zuordnen kann. Der erste Absatz enthält dagegen keine einzige Aussage, die sich als Antwort verwenden ließe.
Was E-Commerce-Shops jetzt tun müssen
Aus den bisherigen Beobachtungen lässt sich eine relativ klare Checkliste ableiten, mit der Shops ihre Sichtbarkeit in KI-Shopping-Agenten aktiv verbessern können.
Produktdaten vollständig, aktuell und maschinenlesbar halten
Feeds sollten grundsätzlich für den Abgleich mit KI-Systemen gepflegt werden, nicht nur für Google Shopping: korrekte Verfügbarkeit, aktuelle Preise und saubere Varianten. Konkret heißt das bei den schema.org-Product-Auszeichnungen, folgende Eigenschaften vollständig und aktuell zu pflegen: price, priceValidUntil, availability, gtin beziehungsweise mpn, hasMerchantReturnPolicy und shippingDetails. Fehlen gerade diese Angaben oder sind sie veraltet, kann ein Agent Preis, Verfügbarkeit oder Rückgabebedingungen nicht zuverlässig einordnen. Ein veralteter Feed kostet dann nicht nur Werbeperformance. Ein Agent schlägt das Produkt oft gar nicht erst vor.
Preise und technische Daten als lesbaren Text, nicht als Bild
Technische Angaben und Preise gehören als klar lesbarer Text auf die Seite, nicht nur als Bild oder in interaktiven Konfiguratoren, die für Crawler schwer auszulesen sind. Maße, Material, Kapazität oder Kompatibilität eindeutig im HTML-Text zu nennen, erleichtert es einem Agenten, das Produkt korrekt einzuordnen und mit Konkurrenzangeboten zu vergleichen.
Freitext in Bewertungen aktiv einfordern
Bewertungsmodule sollten Freitext zulassen und aktiv einfordern. Fragen wie „Wofür haben Sie das Produkt genutzt?“ oder „Was hat Ihnen gefehlt?“ liefern genau die Art von Aussagen, die KI-Agenten für konkrete Kaufempfehlungen brauchen. Auch das eigene Aufbereiten von Kundenfeedback, etwa in Form von Vor- und Nachteilen, macht Inhalte zitierfähiger.
FAQ-Schema und Antworten auf konkrete Kaufkriterien
Häufige Kaufkriterien wie Größe, Passform, Reinigung oder Kompatibilität sollten in klar strukturierten FAQ-Abschnitten mit entsprechendem Schema-Markup beantwortet werden. Das erleichtert klassischen Suchmaschinen die Einordnung und liefert KI-Agenten direkt verwertbare Antwortbausteine.
Technische Zugänglichkeit für KI-Crawler
Zuletzt lohnt sich ein technischer Check: Blockiert die robots.txt einen der relevanten KI-Crawler? Konkret prüfenswert sind die User-Agents GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot und Google-Extended. Wer diese fünf heute schon gezielt in der robots.txt gegenprüft, weiß, ob er sich selbst versehentlich aussperrt. Ebenso wichtig: Sind Produktseiten auch ohne clientseitiges Rendering vollständig lesbar, also unabhängig von JavaScript-lastigen Rendering-Prozessen? Wer hier Hürden aufbaut, schließt sich selbst von einem Kanal aus, der laut den oben genannten Zahlen bereits einen zweistelligen Prozentsatz des Traffics und überdurchschnittliche Conversion-Raten liefert.