BlogKI-Suche und Commerce
KI-Suche wird zum Vertriebskanal
KI-Shopping verändert Produktsuche, Empfehlungen und Checkout. Was die aktuellen Daten für die Sichtbarkeit von Onlineshops und die Messung von Verkäufen bedeuten.
Ein Kunde kann sich in ChatGPT für Ihr Produkt entscheiden, bei Google einen Händler suchen und über dessen App kaufen. Ihre Marke hat die Entscheidung beeinflusst. Ihre Website bekommt vielleicht keinen einzigen Besuch. Und Ihre Analyse-Tools schreiben den Erfolg womöglich weder ChatGPT noch Ihrem Unternehmen zu.
Darin liegt die kommerzielle Bedeutung der KI-Suche: Sie kann Nachfrage lenken, bevor eine Transaktion für den Verkäufer überhaupt sichtbar wird. Für Unternehmen lautet die Frage deshalb nicht mehr nur, ob ein Assistent eine Produktfrage beantworten kann. Sondern ob er das richtige Produkt nennt, Vor- und Nachteile korrekt erklärt und den Kunden an einen Ort schickt, an dem er kaufen kann.
Die Datenlage im Oktober 2026 rechtfertigt es, das ernst zu nehmen. Sie rechtfertigt nicht, KI als den dominierenden Einkaufskanal zu behandeln oder anzunehmen, dass mehr Empfehlungen automatisch mehr Umsatz bedeuten. Unternehmen müssen die Entscheidung, die Weiterleitung und die Bestellung auseinanderhalten.
Die Shortlist wird zur kommerziellen Schnittstelle
Die klassische Produktsuche liefert Käufern eine Reihe von Seiten, die sie selbst prüfen. Die Suche im Dialog kann aus einer Anforderung eine Shortlist machen: ein leichter Laptop für Vielreisende, ein Geschirrspüler für eine schmale Küche, ein Lieferant, der ein bestimmtes Bauteil innerhalb der EU liefern kann.
Entscheidend ist, welche Arbeit abgegeben wird. Ein Käufer kann den Assistenten entscheiden lassen, welche Eigenschaften zählen, ungeeignete Optionen ausschließen und die übrigen vergleichen lassen. Ein Unternehmen konkurriert also darum, wie gut sein Angebot zu einer bestimmten Situation passt, und nicht nur darum, ob seine Seite einen Klick bekommt.
Nehmen wir einen hypothetischen Käufer, der einen neuen Bürostuhl unter 400 € sucht, passend für einen kleinen Schreibtisch und lieferbar in der nächsten Woche. Eine allgemeine Aussage über ergonomisches Design bietet kaum eine Grundlage für einen Vergleich. Maße, Einstellmöglichkeiten, Lieferbeschränkungen, Lagerbestand, Garantie und Rückgabe machen das Angebot bewertbar. Diese Details helfen dem Kunden bei der Entscheidung, auch wenn der Kauf am Ende woanders stattfindet.
Das ist eine redaktionelle Deutung des Kaufwegs, der sich gerade abzeichnet, kein Anspruch, die Ranking-Gewichtung einer Plattform zu kennen. Die Chance liegt darin, die kommerziellen Fakten verfügbar und glaubwürdig zu machen. Was angezeigt wird, entscheidet weiterhin die Plattform.
Was sich 2026 verändert hat
Mit der Ankündigung vom 24. März hat OpenAI den Schwerpunkt beim Shopping auf ausführlichere Produktvergleiche und Produktsuche verlagert und ACP, das Agentic Commerce Protocol, auf Produktdaten ausgeweitet. Beschrieben wurden direkte Vergleiche nebeneinander, Händler-Feeds und die Integration des Shopify-Katalogs, während Händler mehr Freiheit beim Checkout erhalten. Das war ein Richtungswechsel beim Produkt, kein Beleg dafür, dass Käufer autonomes Einkaufen in großem Stil übernommen hätten. Produktankündigung von OpenAI
Die aktuelle Händlerseite bestätigt diesen Schwerpunkt: Sie beschreibt die Produktsuche, gefolgt vom Kauf auf der Website oder in der App des Händlers, und erklärt, dass man sich von einem eigenständigen Instant-Checkout entfernt. Das Händlerprogramm beschreibt Shopping weiterhin als in den USA verfügbar, mit geplanter Ausweitung auf weitere Regionen. Das ist nicht so zu lesen, dass jede Funktion zur Produktrecherche im Dialog anderswo nicht verfügbar wäre. Händlerinformationen von OpenAI, geprüft am 28. Oktober
Es gibt eine Einschränkung. Die Shopping-Hilfe von OpenAI für Verbraucher sagt weiterhin, dass manche berechtigten Produkte und Händler Instant Checkout anbieten können. Dieselbe Seite dokumentiert inzwischen eine virtuelle Anprobe von Kleidung und das Speichern von Produkten in der Bibliothek. Das sind nützliche Funktionen für Suche und Bewertung; eine illustrative Anprobe belegt aber nicht, dass etwas passt. Die offiziellen Seiten beschreiben unterschiedliche Geltungsbereiche, deshalb ist weder „alles Shopping findet in ChatGPT statt“ noch „der Checkout im Chat ist komplett verschwunden“ eine verlässliche Zusammenfassung. ChatGPT-Shopping-Hilfe
Google verfolgt eine breitere Commerce-Infrastruktur. Am 11. Januar kündigte Google das Universal Commerce Protocol an und beschrieb im Mai Universal Cart und weitere UCP-Funktionen. Die zweite Ankündigung umfasst sowohl den Checkout mit Google Pay als auch die Weiterleitung auf die Website eines Händlers. UCP verbindet Commerce-Systeme; es ist kein SEO-Tag, der eine gewöhnliche Produktseite für jede Kauffunktion qualifiziert. Ankündigung von Google im Januar, Commerce-Update im Mai
Der aktuelle Entwicklerbereich von Google enthält Wartelisten und Funktionen, die je nach Oberfläche unterschiedlich sind. Ein Händler in Deutschland, Österreich oder der Schweiz sollte seine tatsächliche Integration und die Berechtigung in seinem Markt prüfen, bevor er Budget für einen Checkout auf der Plattform einplant. Ein veröffentlichtes Protokoll, eine angekündigte Händlerintegration und eine Funktion, die einem bestimmten Kunden zur Verfügung steht, sind drei verschiedene Meilensteine. UCP-Entwicklerbereich von Google
Starkes Wachstum und ein kleiner Kanal schließen sich nicht aus
Laut der Zusammenfassung des Similarweb-Berichts vom September machen Weiterleitungen aus generativer KI 0,4 % der Besuche im Online-Einzelhandel aus, trotz 203 % Wachstum gegenüber dem Vorjahr. Beide Zahlen können stimmen: Ein kleiner Kanal kann schnell wachsen. Die öffentliche Zusammenfassung enthält nicht genug Details zu den Teilgruppen, um diesen Anteil als Prognose für einen einzelnen Shop zu verwenden. Überblick über den Similarweb-Bericht
Die begleitende Mitteilung sagt außerdem, dass Verbraucher, die KI für die Kaufrecherche nutzen, in 89 % der Fälle auch die Suche nutzen. Das belegt in der Analyse von Similarweb sich überschneidende Kaufwege, es ist kein Anteil aller Verbraucher oder aller Käufe. Die vernünftige Lesart für Unternehmen: Die Kanäle wachsen zusammen. Ein Marketingplan, der darauf baut, dass KI die Suche vollständig ersetzt, ginge über diese Datenlage hinaus. Mitteilung von Similarweb
Adobe bietet einen anderen Blickwinkel, gemessen auf den Websites der Händler. Laut den Daten vom Juli konvertieren Besucher, die über KI auf US-Händlerseiten kommen, um 60 % häufiger als Traffic ohne KI. Das ist ein relativer Unterschied der Conversion-Rate, keine Conversion-Rate von 60 %. Er beschreibt Besucher, die angekommen sind, nicht alle, die einen Assistenten befragt haben. Ergebnisse von Adobe vom Juli
Eine höhere Conversion unter den Besuchern ist kommerziell interessant. Sie belegt aber nicht, dass KI diese Käufe verursacht hat. Wer nach einem langen Vergleich durchklickt, ist vielleicht ohnehin besonders kaufbereit, und die Mischung aus Kategorien, Händlern und Kunden kann sich von anderen Kanälen unterscheiden. Frühere Untersuchungen von Adobe beschreiben einen Transaktionsdatensatz mit mehr als einer Billion Besuchen auf US-Händlerseiten sowie eine separate Umfrage unter mehr als 5.000 Befragten. Das sind umfangreiche Grundlagen, aber keine davon ist ein randomisierter Test des zusätzlichen Beitrags von KI. Methodischer Hintergrund bei Adobe
OpenAI veröffentlicht inzwischen eine weitere Kennzahl: Die Seite zur Weihnachtswerbung nennt auf Basis interner Daten vom September mehr als 1,7 Milliarden Prompts zu Einzelhandel und E-Commerce pro Woche und sagt, dass in einem späteren Zeitraum von vier Wochen etwa 43 % der Gespräche zum Einkaufen Vergleich und Bewertung betrafen. Prompts, Gespräche, Besucher und Bestellungen sind unterschiedliche Einheiten. Diese Plattformzahlen zeigen Aktivität; sie lassen sich weder zu Statistiken über Weiterleitungen addieren noch zur Berechnung einer Conversion-Rate für den Markt verwenden. Außerdem stammen sie von einer Seite, die Werbung verkauft. Weihnachtszahlen und Zeiträume bei OpenAI
01 Datenlage im Überblick
Schnelles Wachstum. Kleiner Anteil.
KI gewinnt beim Einkaufen an Bedeutung, aber Wachstum, Traffic-Anteil und Conversion sind unterschiedliche Messgrößen.
+203 %
Wachstum der Weiterleitungen aus generativer KI
Gegenüber dem Vorjahr, in der Analyse des Online-Einzelhandels von Similarweb.
0,4 %
Anteil an den Besuchen im Online-Einzelhandel
Weiterleitungen aus generativer KI, im selben Similarweb-Bericht.
| Ergebnis | Was gemessen wurde | Quelle |
|---|---|---|
| 89 % | Kaufrecherche überschneidet sich mit der SucheUnter Verbrauchern, die KI für die Kaufrecherche nutzen, wurde in der Analyse von Similarweb auch die Suche genutzt. | Similarweb |
| +60 % | Höhere Conversion-Rate bei Besuchern über KIIm Vergleich zu Traffic ohne KI in der Studie von Adobe zu US-Händlerseiten; keine Conversion-Rate von 60 %. | Adobe |
Quelle: Similarweb, State of Ecommerce 2026 und begleitende Mitteilung; Ergebnisse von Adobe vom Juli. Diese Zahlen beschreiben unterschiedliche Grundgesamtheiten, Messungen und Bezugsgrößen. Sie sollten nicht als gleichwertige Statistiken zu Conversion oder Marktanteil verglichen werden.
Wer das Produkt empfiehlt, entscheidet nicht, wer den Verkauf macht
Ein Hersteller, ein Wiederverkäufer und ein Marktplatz können von derselben Antwort ganz unterschiedlich profitieren.
Empfiehlt ein Assistent einen bestimmten Staubsauger, verlinkt aber auf einen großen Händler, gewinnt der Hersteller vielleicht Nachfrage, während sein eigener Shop die Chance auf die Bestellung verliert. Der Händler gewinnt einen Kunden; die Marke erhält womöglich nur den Großhandelsumsatz. Ein Tool, das nur Markennennungen zählt, würde diesen Unterschied übersehen.
Eine kleine Untersuchung von WISLR im Oktober zeigt das Problem. Bei vier beobachteten Produktmarken führten demnach zwischen dem 10. und 13. Oktober 56 % der Händler-Buttons zu großen Handelsketten und etwa 5 % zum eigenen Shop der Marke. Außerdem berichtete WISLR in seinen Link-Tests von einem vorübergehenden Verlust der Informationen, die eine Weiterleitung kennzeichnen. Es handelt sich um eine kurze Studie eines Beobachters mit kommerziellem Interesse und kleinen Fallzahlen pro Marke. Sie ist ein Grund, Ziele und Tracking zu prüfen, keine Schätzung für den ganzen Markt und kein Beleg für einen Auswahlalgorithmus. Beobachtungen und Einschränkungen von WISLR
Für Hersteller sollte eine Untersuchung der KI-Sichtbarkeit deshalb das empfohlene Produkt, die zitierte Quelle und das Kaufziel getrennt erfassen. Die Einträge bei Händlern verdienen dieselbe Aufmerksamkeit wie die Website der Marke: Falsche Lagerbestände, unvollständige Varianten oder widersprüchliche Spezifikationen wirken sich auf den Kunden aus, ganz gleich, welchem Unternehmen die Seite gehört.
Ein Messsystem braucht vier getrennte Aufzeichnungen
Belege für Empfehlungen stammen aus gespeicherten Antworten auf einen festgelegten Satz von Kauffragen. Halten Sie fest, ob das Produkt eine passende Empfehlung ist, wie es beschrieben wird, welche Seiten zitiert werden und wohin die Kauflinks führen. Das misst die getesteten Antworten, nicht die gesamte Nachfrage.
Belege für Weiterleitungen stammen aus Analyse-Tools und serverseitigen Beobachtungen der Besuche. Erhalten Sie Kampagnenparameter über Weiterleitungen hinweg, prüfen Sie erkannte KI-Quellen und testen Sie eine kleine Zahl tatsächlicher ausgehender Links. Änderungen am Tracking können die Kennzeichnung ändern, ohne dass sich das Verhalten der Kunden ändert. Umgekehrt ist nicht jeder Anstieg des direkten Traffics versteckter KI-Traffic.
Belege für Transaktionen stammen aus abgeschlossenen, bereinigten Bestellungen. Verbinden Sie erkennbare Besuche mit Käufen, wo die Messung es erlaubt, und prüfen Sie Umsatz, Marge, Stornierungen und Retouren. Ein Checkout-Button, ein Artikel im Warenkorb oder eine Protokoll-Integration ist kein abgeschlossener Verkauf.
Der zusätzliche Wert stellt eine schwierigere Frage: Was ist durch den Kanal passiert, das sonst nicht passiert wäre? Attributionsberichte verteilen den Erfolg nach einer Regel. Diese Gegenprobe liefern sie nicht. Wo der Umfang es rechtfertigt, helfen kontrollierte Eingriffe oder sorgfältig angelegte Vergleiche; für einen kleinen Händler ist der ehrliche Ausgangspunkt vielleicht ein beschreibender Bericht, der die Unsicherheit offen benennt.
Halten Sie die Aufzeichnungen nebeneinander. Eine hohe Conversion-Rate rettet keinen Kanal mit verschwindend geringem Volumen und schlechter Marge. Eine niedrige Zahl an Weiterleitungen schließt einen Einfluss früher in der Entscheidung nicht aus. Die Aufgabe ist, beides zu erklären, ohne eines davon stillschweigend in eine Umsatzschätzung zu verwandeln.
02 Messrahmen
Vier Aufzeichnungen. Vier verschiedene Fragen.
Eine Empfehlung ist kein Besuch. Ein Besuch ist keine Bestellung. Eine Bestellung allein belegt keinen zusätzlichen Wert.
| Beleg | Was er zeigen kann | Was er allein nicht zeigen kann |
|---|---|---|
| 01Empfehlung | Ob ein Produkt in einer erfassten Stichprobe von Antworten für einen bestimmten Kaufbedarf empfohlen wurde. | Dass der Kunde eine Website besucht oder gekauft hat. |
| 02Weiterleitung | Ob ein messbarer Besuch aus einer erkennbaren KI-Quelle kam. | Den gesamten Einfluss von KI früher im Kaufprozess. |
| 03Transaktion | Ob eine abgeschlossene, bereinigte Bestellung erfasst und, wo möglich, mit einem Besuch verknüpft wurde. | Dass der Kontakt mit KI die Bestellung verursacht hat. |
| 04Zusätzlicher Wert | Mit einem geeigneten Vergleich oder Experiment, ob ein Kanal zusätzliche Ergebnisse gebracht hat. | Eine kausale Schlussfolgerung allein aus Attributionsberichten. |
Messen Sie Empfehlung, Weiterleitung und Kauf getrennt, bevor Sie eine Aussage über die kommerzielle Wirkung treffen.
Redaktioneller Rahmen von Search Orchard, auf Basis der Diskussion zur Messung in diesem Artikel. „Zusätzlicher Wert“ erfordert ein geeignetes kausales Design; er ist keine Kennzahl, die sich in gewöhnlichen Berichten zu Weiterleitungen oder Bestellungen direkt ablesen lässt.
Was Unternehmen jetzt tun sollten
Die am besten begründbare Investition gilt kommerziellen Informationen, die auf jedem Kaufweg nützlich bleiben. Pflegen Sie korrekte Produktkennungen, Varianten, Spezifikationen, Preise, Verfügbarkeit, Lieferbedingungen und Rückgaberegeln. Halten Sie Feeds und öffentliche Seiten einheitlich. Erklären Sie echte Einschränkungen und Einsatzbereiche, statt sich auf austauschbare Beschreibungen zu verlassen.
Behandeln Sie die Integration als eigene Entscheidung. Klären Sie, ob es bereits einen unterstützten Weg für Ihren Katalog gibt, ob Ihr Markt berechtigt ist und ob das erwartete Volumen weiteren Entwicklungsaufwand rechtfertigt. OpenAI sagt, dass ein direkter Feed optional ist, wo die eigenen Systeme eine Website bereits crawlen; ein Feed kann die Kontrolle über Produktinformationen verbessern, garantiert aber keine Auswahl. Hinweise von OpenAI zu Händler-Feeds
Bleiben Sie beim klassischen SEO. Kunden nutzen die Suche weiterhin, um eine Aussage zu prüfen, einen Händler zu finden und zu einem Produkt zurückzukehren. Google sagt selbst, dass bewährte SEO-Praktiken für seine KI-Funktionen relevant bleiben. Berechtigung und nützliche Inhalte zählen weiterhin; es gibt kein spezielles Schema, das einen Auftritt in KI-Antworten garantiert. Hinweise von Google zu KI-Funktionen
Für ein Unternehmen, das entscheiden muss, wo es anfängt, sollte die erste Prüfung Qualität der Produktdaten, technischen Zugang und Messung miteinander verbinden. Hier kann ein SEO-Audit die praktischen Grenzen klären, bevor ein umfassenderes Programm für die Sichtbarkeit in der KI-Suche beginnt.
Der Verkauf kann vor dem Besuch beginnen
KI-Suche wird zum Vertriebskanal, weil sie beeinflussen kann, was in die engere Wahl kommt, und Kunden zu einem Kauf lenkt. Den Bezahlbildschirm zu besitzen, ist nur eine mögliche Form dieser Rolle.
Die unmittelbare Chance liegt darin, Ihr Angebot leicht bewertbar zu machen und zu verstehen, welches Unternehmen die daraus entstehende Nachfrage erhält. Messen Sie Empfehlung, Weiterleitung und Kauf getrennt. Investieren Sie dort, wo die Daten relevante Kunden und kommerziellen Wert zeigen, und halten Sie experimentelle Checkout-Versprechen im richtigen Verhältnis.
Für die nächste Ebene der Messung lesen Sie, warum ChatGPT ein Unternehmen vielleicht nicht empfiehlt und was die neuen KI-Berichte von Google tatsächlich messen.