Podcast-Folge 19: E-Commerce in Zeiten der KI-Suche

Wie verändert die KI-gestützte Suche das Kaufverhalten und was müssen Shopbetreiber heute tun, um in einer Welt von ChatGPT, Perplexity und Google Search Generative Experience nicht den Anschluss zu verlieren? Wir werfen einen Blick hinter die Kulissen technischer Protokolle und zeigen auf, warum Produktdaten heute wichtiger sind als je zuvor.

Das Wichtigste in Kürze

• Vollständigkeit ist Pflicht: Lückenhafte Produktdaten führen zu schlechterer Sichtbarkeit in KI-Antworten und Filtermöglichkeiten.
• Strukturierte Daten als Basis: Ohne eine saubere Auszeichnung nach Schema.org können KI-Systeme Produkte nicht korrekt interpretieren und empfehlen.
• Neue Protokolle im Anmarsch: Mit dem Universal Commerce Protokoll (UCP) schafft Google eine direkte Schnittstelle für E-Commerce-Inhalte in KI-Tools.
• Kaufabschluss direkt in der KI: Die Entwicklung geht dahin, dass Nutzer Käufe direkt im Chat tätigen, ohne jemals die Website des Händlers zu besuchen.
• Nutzerintention verstehen: Inhalte müssen gezielt die „Pain Points“ der Kunden adressieren und Lösungen für konkrete Probleme bieten.
• Veränderte Geschäftsmodelle: Abrechnungsmodelle wandeln sich von Kosten pro Klick (CPC) hin zu Verkaufsprovisionen oder Impression-basierten Modellen.

Wie verändert sich die Suche vom Informationsbedürfnis hin zum Kauf?

In der traditionellen Suche beginnen Nutzer oft mit einer vagen Problemstellung. Ein klassisches Beispiel ist eine defekte Waschmaschine, die nicht mehr schleudert. Früher führte dieser „Informational Intent“ den Nutzer auf Ratgeberseiten oder in Foren, um nach Reparaturtipps zu suchen. Heute jedoch liefern KI-Tools wie ChatGPT oder Google mit seinen KI-Antworten sofort konkrete Lösungsvorschläge. Stellt der Nutzer fest, dass eine Reparatur sich nicht lohnt, wandelt sich die Suche schnell in eine Kaufabsicht um.

Anstatt nun mühsam verschiedene Online-Shops zu durchsuchen, füttert der Nutzer die KI mit hochspezifischen Anforderungen zu einem Produkt. Die KI übernimmt hierbei die Rolle des Beraters, der aus der Flut an Informationen im Netz die passenden Produkte filtert. Für Händler bedeutet dies, dass sie nicht mehr nur über den Preis oder die Marke gefunden werden, sondern darüber, wie gut ihre Informationen die spezifischen Probleme des Kunden adressieren. Der Weg zum Kauf wird dadurch deutlich kürzer, aber auch abhängiger von der Datenqualität, die der KI zur Verfügung gestellt wird.

Warum reichen Standard-Produktdaten heute nicht mehr aus?

Früher genügte es oft, die Pflichtfelder in einem Datenfeed für das Google Merchant Center auszufüllen. Im Zeitalter der KI-Suche hat sich dieses Blatt gewendet. Wenn ein Nutzer heute nach einer Lösung für ein Problem sucht – etwa einer Waschmaschine, die besonders schonend Outdoor-Kleidung aufbereitet –, sucht die KI nach diesen spezifischen Details. Wer hier nur Maße und Gewicht angibt, fällt durch das Raster.

Die Devise lautet: „Details, Details, Details“. Jedes Feature, jede Sonderfunktion und jedes technische Merkmal muss explizit in den Daten hinterlegt sein. Nur wenn Informationen wie Nachlegefunktion, spezielle Waschprogramme oder Energieeffizienzwerte granular vorhanden sind, kann die KI eine fundierte Empfehlung aussprechen. Es geht darum, über den Tellerrand der Standardangaben hinauszublicken und den „Informational Intent“ des Kunden umfassend zu bedienen.

Was verbirgt sich hinter dem Universal Commerce Protokoll (UCP)?

Google hat mit dem Universal Commerce Protokoll (UCP) ein neues Schwergewicht in den Ring geworfen. Dabei handelt es sich um ein JSON-LD-basiertes Format, das speziell dafür entwickelt wurde, E-Commerce-Inhalte direkt in KI-Umgebungen zu transportieren. Es geht weit über einfache Produktbeschreibungen hinaus: UCP liefert Echtzeitdaten zu Preisen, Steuern, Verfügbarkeiten und sogar Zahlungsoptionen direkt an die KI.

Interessant ist dabei der Konkurrenzkampf der Systeme. Während OpenAI mit dem Agentic Commerce Protocol (ACP) vorgelegt hat, zieht Google nun mit einer eigenen Lösung nach, die vermutlich aufgrund der enormen Reichweite der Google-Suche und des Merchant Centers zum Standard avancieren wird. Für Shopbetreiber bedeutet das eine neue technische Herausforderung, da diese Protokolle erst in die bestehenden Shopsysteme integriert werden müssen. Aktuell ist Shopify hier Vorreiter, insbesondere im US-Markt, viele europäische Systeme müssen an dieser Stelle noch nachziehen.

Werden Webseiten durch den „Agentic Commerce“ überflüssig?

Eine der spannendsten und zugleich beängstigendsten Entwicklungen ist der direkte Kaufabschluss innerhalb von KI-Plattformen. Wenn ein Nutzer in Perplexity oder ChatGPT eine Kaufberatung erhält und das Produkt mit einem Klick über eine verknüpfte Zahlungsmethode wie PayPal oder Stripe kaufen kann, wird der klassische Online-Shop zur reinen Datenquelle im Hintergrund.

Dies stellt das bisherige Online-Marketing vor enorme Hürden, insbesondere beim Tracking. Wenn der Klick auf die Webseite ausbleibt, greifen klassische Attributionsmodelle nicht mehr. Zudem zeichnet sich ab, dass Werbemodelle in KIs eher auf „Cost Per Impression“ basieren könnten als auf dem gewohnten „Cost Per Click„. Zudem verändern sich die Kostenstrukturen. OpenAI experimentiert beispielsweise mit einer Checkout-Gebühr von etwa vier Prozent pro Verkauf. Hinzu kommen die üblichen Transaktionsgebühren der Shopsysteme. Google hingegen betont, dass die Preise in der KI-Suche nicht von den Preisen im Shop abweichen sollten, was Händler vor margentechnische Herausforderungen stellt, wenn zusätzliche Plattformgebühren anfallen.

Shopbetreiber müssen sich also fragen, wie sie ihre Marke und ihre Preise in einem Umfeld positionieren, in dem sie die visuelle Kontrolle über den Shop-Auftritt teilweise an eine KI-Schnittstelle abgeben.

Wie können Händler die „Pain Points“ ihrer Kunden besser adressieren?

Um in der KI-Suche stattzufinden, muss man die Fragen beantworten, die Kunden tatsächlich stellen. Ein bewährter Weg ist die enge Zusammenarbeit mit dem eigenen Support und Vertrieb. Die Fragen, die dort täglich auflaufen – oft genau die, die die Mitarbeiter schon nicht mehr hören können –, sind der wertvollste Content für die Webseite.

Inhalte sollten so aufbereitet sein, dass sie nicht nur Produkte verkaufen, sondern Lösungen für Probleme bieten. Wenn ein Nutzer fragt: „Meine Waschmaschine schleudert nicht mehr, was kann ich tun?“, sollte der Shopbetreiber hilfreiche Reparaturhinweise oder Erklärungen bieten. Diese Strategie zahlt auf das E-E-A-T-Prinzip (Experience, Expertise, Authoritativeness, Trustworthiness) ein und sorgt dafür, dass die KI den Shop als vertrauenswürdige Quelle einstuft.

Welche Rolle spielen strukturierte Daten und Tabellen für die KI?

KI-Modelle müssen die Inhalte einer Produktseite verstehen können. Strukturierte Daten nach Schema.org sind heute kein optionales Extra mehr, sondern das Fundament für die Lesbarkeit durch diese Maschinen. Jedes Detail, von der FAQ-Sektion bis hin zu Pro-und-Contra-Listen, sollte maschinenlesbar ausgezeichnet werden. Auf Produktseiten ist das Schema-Markup für Produkte selbstverständlich obligatorisch.

Auch eine übersichtliche, visuelle Aufbereitung für den menschlichen Nutzer spielt der KI in die Karten. Tabellarische Darstellungen, wie man sie beispielsweise von den Vergleichsseiten bei Apple kennt, ermöglichen eine schnelle Erfassbarkeit der harten Fakten. Wenn Informationen übersichtlich in Tabellen stehen, fällt es auch Large Language Models (LLMs) leichter, diese Daten zu extrahieren und in einen Vergleich für den Nutzer einzubauen. Der Trend zum „Fancy Design“ mit wenig Text ist hier eher kontraproduktiv; gefragt ist eine gesunde Mischung aus Ästhetik und hoher Informationsdichte.

Welche Hürden gibt es bei der technischen Implementierung?

Während moderne Cloud-Systeme wie Shopify bereits erste Schnittstellen für KI-Protokolle bieten, hinken viele etablierte Shopsysteme wie Shopware 6 hinterher. Es ist zu beobachten, dass die Entwicklung der KI-Standards oft schneller voranschreitet als die Update-Zyklen der Software-Anbieter. Viele „Alte Hasen“ im E-Commerce-Markt bieten noch immer keine standardmäßige Unterstützung für die wichtigsten Schema.org-Auszeichnungen an, was in der Branche auf Unverständnis stößt.

Händler, die auf spezialisierte Agenturen oder interne Entwickler setzen, sind hier gefordert, eigene Lösungen und Plugins zu entwickeln, um die Lücke zu schließen. Es wird vermutlich noch einige Zeit dauern, bis UCP oder ACP flächendeckend und fehlerfrei integriert sind. Dennoch ist die „Goldgräberstimmung“ spürbar: Wer zuerst eine saubere technische Basis schafft, wird die ersten Lerneffekte für sich nutzen können und eine Nasenlänge voraus sein, wenn die KI-Suche zum Standard wird. Neben den technischen Hürden dürfen jedoch auch rechtliche Aspekte wie der Datenschutz in Europa nicht unterschätzt werden, die die Einführung neuer Zahlungs- und Tracking-Modelle verzögern könnten.

Fazit – E-Commerce in Zeiten der KI-Suche

Die Ära der KI-Suche transformiert den E-Commerce von einem zielgerichteten Klick-Modell zu einem dialogorientierten Beratungs- und Transaktionsmodell. Händler müssen ihre Rolle neu definieren und sich als erstklassige Datenlieferanten verstehen, die durch maximale Informationstiefe und technische Präzision überzeugen. Auch wenn der Weg zur vollständigen Integration neuer Protokolle wie UCP noch weit ist, entscheidet die heutige Aufbereitung der Produktdaten über die Sichtbarkeit von morgen.

Letztlich gewinnt derjenige, der die Probleme seiner Kunden am besten versteht und diese Lösungen sowohl für Menschen als auch für Maschinen gleichermaßen verständlich aufbereitet.