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.
Beispiele aus Mode, Elektronik und Home & Living
- Mode: Ein Nutzer fragt einen KI-Agenten nach einer wasserdichten Winterjacke für Minustemperaturen. Shops, die Isolationswerte, Wassersäule und Pflegehinweise in klarem Text hinterlegt haben, statt sie nur in einer Größentabelle als Bild zu zeigen, werden eher berücksichtigt.
- Elektronik: Bei Anfragen wie „welches Tablet eignet sich für digitales Zeichnen“ vergleicht der Agent Displayqualität, Stift-Kompatibilität und Akkulaufzeit über mehrere Anbieter hinweg. Shops mit vollständigen technischen Datenblättern und eigenen Vergleichstabellen haben einen klaren Vorteil gegenüber Anbietern, die nur Marketingtexte liefern.
- Home & Living: Fragen wie „welches Sofa passt in einen kleinen Raum mit Katze“ sind stark kriterienbasiert. Shops, die Maße, Bezugsmaterial und Reinigungshinweise konkret benennen, sowie Kundenbewertungen mit Aussagen zu Haustieren zulassen, erhöhen ihre Chance auf eine Empfehlung deutlich.
In allen drei Fällen gilt derselbe Mechanismus: Der Agent sucht nach eindeutigen, belastbaren Aussagen zu genau den Kriterien, die der Nutzer genannt hat. Shops, die diese Kriterien vorwegnehmen und beantworten, werden häufiger zitiert und empfohlen.
Monitoring: Sichtbarkeit in KI-Agenten messen
Klassische Kennzahlen wie Rankingpositionen oder Klickrate erfassen die neue Realität nur unvollständig. Wer verstehen will, wie ein Shop in KI-Shopping-Agenten wahrgenommen wird, sollte zusätzlich beobachten, wie oft die eigene Marke in Testabfragen bei ChatGPT, Gemini und Perplexity überhaupt genannt wird, über welche Formulierungen und Kaufkriterien diese Nennungen zustande kommen, wie sich der Traffic-Anteil aus KI-Referrals im Zeitverlauf entwickelt und wie sich die Conversion-Rate dieses Segments im Vergleich zu klassischem organischem Traffic verhält. In der Praxis lässt sich das ohne großen Aufwand als feste Routine aufsetzen: ein Set von zehn bis zwanzig realistischen Kaufabsichts-Anfragen definieren, wie sie ein Kunde tatsächlich stellen würde, etwa „welche wasserdichte Winterjacke eignet sich für Minustemperaturen“, und dieses Set einmal im Monat manuell gegen ChatGPT, Gemini und Perplexity durchspielen. Protokolliert wird jeweils, ob und wie die eigene Marke oder einzelne Produkte genannt werden, in welcher Position und mit welcher Begründung. Da sich die Antworten der Agenten laufend ändern und je nach Nutzerprofil variieren können, ist punktuelles Prüfen weniger aussagekräftig als ein regelmäßiges, wiederkehrendes Monitoring über dieselben Kaufkriterien-Formulierungen hinweg, damit Veränderungen von Monat zu Monat überhaupt vergleichbar werden. Eine GEO-Strategie baut genau auf diesen wiederkehrenden Messungen auf.
Was wir aus eigenen KI-Agenten-Systemen mitnehmen
Wir setzen bei Beyond Media selbst KI-Agenten-gestützte Systeme im Tagesgeschäft ein. Ein konkretes Beispiel: In einem unserer internen Workflows gleicht ein Agent Informationen aus mehreren Quellen zu demselben Sachverhalt automatisiert ab, etwa unterschiedliche interne Datenstände oder Berichte, und markiert Widersprüche, statt sie stillschweigend zu glätten oder eine der beiden Quellen einfach zu bevorzugen. Genau daran zeigt sich ein Muster, das wir auch bei KI-Shopping-Agenten wiedererkennen: Ein Agent trifft immer nur so gute Entscheidungen, wie die Datenbasis, auf die er zugreifen kann, sauber und eindeutig ist. Unklare oder widersprüchliche Angaben fallen im Zweifel einfach hinten runter, ganz unabhängig davon, ob die Option inhaltlich gepasst hätte. Dieser Grundmechanismus lässt sich eins zu eins auf KI-Shopping-Agenten übertragen und bestätigt aus der Praxis, was sich auch in den öffentlich verfügbaren Daten zeigt: Struktur und Eindeutigkeit schlagen reine Reichweite.
Fazit und Ausblick
KI-Shopping-Agenten verändern bereits heute messbar, wie Kaufentscheidungen zustande kommen. Wer als E-Commerce-Shop in ChatGPT, Gemini oder Perplexity Shopping empfohlen werden will, muss dieselben Prinzipien konsequent umsetzen, die auch für gute SEO-Arbeit gelten, nur radikaler: vollständige, aktuelle Produktdaten, klar lesbare Texte statt reiner Marketing-Sprache, echte Bewertungsinhalte und technische Zugänglichkeit für KI-Crawler.
Die Unternehmen, die jetzt beginnen, ihre Produktdaten und Inhalte konsequent für KI-Agenten aufzubereiten, sichern sich einen Vorsprung in einem Kanal, der schon heute überdurchschnittlich konvertiert und dessen Bedeutung weiter wachsen dürfte. Sie möchten wissen, wie gut Ihr Shop aktuell in KI-Shopping-Agenten sichtbar ist? Zögern Sie nicht, unsere GEO-Agentur zu kontaktieren, gerne ergänzt um klassisches SEO, wir unterstützen Sie gerne dabei.
Quellen
OpenAI: Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol
CNBC (2026): OpenAI revamps shopping experience in ChatGPT after struggling with Instant Checkout
Perplexity: Shop like a Pro: Perplexity's AI-powered shopping
Google: Google Shopping launches agentic checkout and more AI shopping tools
Search Engine Land (2026): 37% of consumers start searches with AI instead of Google
