Wer die Produktsuche im eigenen Shop für ein gelöstes Problem hält, hat die Rechnung ohne die KI-Assistenten gemacht. Während Händler über Chatbots und Produktivitäts-Tools diskutieren, bauen OpenAI, Google und Perplexity Einkaufsfunktionen in ihre Modelle ein — und diese Assistenten entscheiden nicht nach Marketing-Texten, sondern nach Datenqualität. Die Produktsuche wird damit zur KI-Infrastruktur des Handels: zur Schicht, die bestimmt, ob ein Produkt überhaupt gefunden, verstanden und empfohlen wird. Christina Schönfeld, Director DACH & CEMEA beim Suchtechnologie-Anbieter Algolia, sieht darin die unterschätzte Baustelle der Branche.
Die Zahlen geben ihr recht. Laut Baymard Institute scheitern rund 41 Prozent aller Suchanfragen in Onlineshops daran, dass keine relevanten Ergebnisse geliefert werden. Google-Studien zeigen seit Jahren: Wer die interne Suche nutzt, konvertiert deutlich häufiger — bei vielen Händlern liegt die Conversion von Suchnutzern beim Zwei- bis Dreifachen der Durchschnittskunden. Trotzdem fließt ein Bruchteil der IT-Budgets in die Suche. Diese Schieflage war bisher teuer. Mit Agentic Commerce wird sie existenziell.
Warum wird die Produktsuche plötzlich zur Infrastruktur?
Der klassische Online-Käufer tippt zwei, drei Wörter in ein Suchfeld, scrollt durch Ergebnislisten und filtert manuell. Ein KI-Assistent arbeitet völlig anders. Er formuliert die Anfrage im Auftrag des Nutzers selbst — „wasserdichte Wanderschuhe für breite Füße, unter 150 Euro, lieferbar bis Freitag“ — und erwartet, dass der Shop diese Anfrage semantisch versteht und präzise beantwortet. Keyword-Matching reicht dafür nicht mehr.
Was hinter dieser Anforderung steckt, ist weniger glamourös als die Diskussion um große Sprachmodelle: sauber strukturierte Produktdaten, Attribute, die maschinell lesbar sind, und ein Ranking, das Relevanz versteht statt nur Treffer zu zählen. Genau hier liegt nach Einschätzung von Schönfeld das Versäumnis vieler Händler. Die Produktsuche wurde jahrelang als Feature behandelt — als eine Box oben rechts im Shop. Dabei ist sie die Schnittstelle, über die künftig Maschinen mit dem Sortiment sprechen.
Wie verändert Agentic Commerce die Anforderungen an die Suche?
Drei Verschiebungen laufen gleichzeitig, und alle drei treffen die Suchtechnologie direkt.
Erstens wandelt sich die Anfragesprache. Statt Keywords kommen natürlichsprachliche, mehrstufige Fragen. Eine Suche, die „vegan Lederjacke Damen“ versteht, scheitert trotzdem an „Ich brauche eine Jacke für den Herbst, die zu meinem Business-Look passt und ohne tierische Produkte auskommt“. Semantische und vektorbasierte Suche — bei Algolia als Kombination aus neuronalen und Keyword-Ansätzen umgesetzt — löst genau dieses Problem: Sie versteht Bedeutung statt Wortfolgen.
Zweitens steigt die Erwartung an Personalisierung. Wenn ein Assistent die Kaufhistorie und Präferenzen des Nutzers kennt, erwartet der Nutzer, dass der Shop ebenso kontextsensibel antwortet. Ein Ergebnis, das für alle Besucher identisch ist, wirkt in diesem Umfeld wie ein Rückschritt. Personalisierte Rankings — basierend auf Klickverhalten, Warenkörben, Saisonalität — werden vom Differenzierungsmerkmal zur Baseline.
Drittens verschiebt sich der Einstiegspunkt des Kaufs. Wer künftig über ChatGPT, Google Gemini oder Perplexity nach Produkten fragt, betritt den Shop möglicherweise erst am Checkout — wenn überhaupt. Für Händler heißt das: Die Produktdaten müssen nicht nur intern suchbar sein, sondern für externe Agenten maschinell verfügbar. Strukturierte Feeds, saubere APIs, konsistente Attribute. Die Suchinfrastruktur wird zur Außenschnittstelle des Sortiments.
„Personalisierung war lange ein Nice-to-have. Mit KI-Assistenten wird sie zur Voraussetzung dafür, im Kaufprozess überhaupt noch vorzukommen.“
Der deutsche Sonderweg: Datenschutz als Bremse oder als Vorteil?
Im DACH-Markt kommt eine Dimension hinzu, die US-amerikanische Diskussionen über Agentic Commerce gern ausblenden: die DSGVO und die ausgeprägte Datenschutz-Sensibilität der Verbraucher. Personalisierte Suche lebt von Nutzerdaten — und genau da wird es für deutsche Händler schnell juristisch und reputativ heikel.
Schönfeld argumentiert, dass diese vermeintliche Schwäche in Stärke umgedreht werden kann. Wer Personalisierung auf First-Party-Daten und transparente Einwilligung stützt, baut Vertrauen auf, das sich in Loyalität übersetzt. Umfragen des Handelsverbands Deutschland zeigen regelmäßig, dass deutsche Online-Käufer Personalisierung durchaus wollen — solange sie wissen, welche Daten dafür fließen. Der Unterschied zum US-Markt liegt nicht im Wollen, sondern in der Erwartung an Transparenz.
Praktisch bedeutet das: Cookie-Banner-Theater und vage Einwilligungen reichen nicht. Händler brauchen Datenstrategien, bei denen Kundinnen und Kunden den Mehrwert sehen — etwa wenn die Suche nach dem zweiten Besuch tatsächlich relevante Größen, Marken und Preisranges priorisiert. Dann wird Einwilligung zur Einladung.
Was Händler jetzt konkret tun müssen
Die Umstellung beginnt nicht mit dem Kauf neuer Software, sondern mit einem ehrlichen Blick auf die eigenen Produktdaten. In der Praxis scheitern Suchprojekte selten an der Technologie — sie scheitern an Attributen, die im ERP fehlen, an Kategorien, die niemand pflegt, und an Beschreibungen, die für Menschen geschrieben wurden, aber nie für Maschinen.
- Daten-Audit vor Tool-Entscheidung: Prüfen, ob Attribute wie Material, Passform, Lieferzeit und Verfügbarkeit strukturiert und vollständig vorliegen. Was im Feed fehlt, kann keine Suche der Welt finden.
- Suchanalytik ernst nehmen: Die meistgesuchten Begriffe ohne Ergebnis sind die ehrlichste Sortiments- und Datenkritik, die ein Händler kostenlos bekommt.
- Zero-Party-Daten aufbauen: Präferenzen aktiv erfragen — Größenprofile, Stil-Quizze, Merklisten — statt nur aus Klickverhalten zu schließen.
Erst auf dieser Basis lohnt die Frage nach der Suchplattform. Anbieter wie Algolia, Constructor oder Klevu liefern mittlerweile hybride Ansätze, die Keyword-Präzision mit semantischem Verständnis kombinieren. Die Technologie ist reif genug. Die Datenlage der Händler ist es oft nicht.
Die Konsequenz: Suche wird Chefsache
Bisher saß die Produktsuche organisatorisch irgendwo zwischen Shop-Betrieb und IT — ein Feature unter vielen, mit Budget entsprechend. Diese Zeiten enden. Wer die Suche weiter als Nebensache behandelt, baut sein Sortiment für ein Publikum, das bald aus Softwareagenten besteht, praktisch unsichtbar.
Die Umsatzrechnung ist simpel. Suchnutzer konvertieren häufiger, kaufen mehr und kommen wieder. KI-Assistenten werden diese Dynamik verstärken, weil sie gnadenlos selektieren: Ein Assistent, der einmal schlechte Ergebnisse aus einem Shop gezogen hat, fragt dort nicht noch einmal an. Es gibt kein zweites Ranking-Rolling, keine Startseiten-Sichtbarkeit als Trostpreis.
Für Händler im DACH-Markt ergibt sich daraus eine klare Prioritätenfolge: erst die Produktdaten in Ordnung bringen, dann die Suche semantisch und personalisierbar machen, dann die Schnittstellen für externe Agenten öffnen. Wer diese Reihenfolge einhält, ist für Agentic Commerce gerüstet, sobald er in Deutschland relevantes Volumen erreicht. Wer sie umdreht und mit dem Tool anfängt, kauft Infrastruktur für ein Fundament, das nicht trägt.
Die Produktsuche war nie ein Feature. Es hat nur zwanzig Jahre gedauert, bis das alle merken.