Wenn ein KI-Agent im Auftrag eines Kunden einkauft, interessiert ihn Ihr Slogan nicht. Er will wissen: Lieferzeit, Rückgabefrist, Materialeigenschaften, Kompatibilität, Preis pro Einheit — als maschinenlesbare Felder. Und genau da scheitern die meisten Produktkataloge deutscher Marken. Nicht an der Qualität ihrer Produkte, sondern an der Struktur ihrer Daten.
Matthias Schmidt-Pfitzner, Managing Director DACH bei der Digitalberatung Publicis Sapient, formuliert es so: Marken haben zwanzig Jahre lang für Suchmaschinen optimiert. Jetzt kaufen Agenten ein — und die lesen eine völlig andere Sprache.
Das ist keine Zukunftsmusik. OpenAI hat mit ChatGPT und dem Agent-Modus bereits gezeigt, wie ein System selbstständig Produkte recherchiert, vergleicht und Bestellprozesse vorbereitet. Perplexity testet In-Chat-Käufe. Google baut mit dem Agent Payments Protocol (AP2) die Infrastruktur, über die Agenten Transaktionen abschließen können. Die Frage ist nicht mehr, ob Agenten Produkte auswählen, sondern ob Ihr Produkt dabei überhaupt auf dem Tisch liegt.
Warum SEO im Agentic Commerce nicht reicht
Suchmaschinenoptimierung basiert auf einer simplen Logik: Ein Mensch googelt, klickt, liest, kauft. Wer die richtigen Keywords in den richtigen Texten unterbringt, gewinnt Sichtbarkeit. Agenten brechen diese Kette an jeder Stelle. Sie klicken nicht. Sie lesen keine Fließtexte mit Füllwörtern. Sie parsen.
Ein Agent entscheidet in Sekundenbruchteilen, ob Ihr Produkt die Anfrage erfüllt — und er tut das auf Basis strukturierter Datenfelder: Attribute, Spezifikationen, Verfügbarkeit, Versandkonditionen. Ein gut geschriebener Produkttext über „höchste Qualität“ und „nachhaltige Herstellung“ liefert ihm nichts Verwertbares. Fehlt das Attribut „Materialzusammensetzung“ oder ist es im Freitext versteckt, fällt das Produkt aus dem Vergleich. Ohne Begründung. Ohne zweite Chance.
Die Folge ist eine kalkulatorische Asymmetrie: Marken investieren Millionen in Content-Marketing und SEO — und verlieren am digitalen Point of Sale, weil ein Datenfeld leer ist.
Was passiert, wenn Agenten Produkte vergleichen
Der entscheidende Unterschied zum klassischen Shop-Besuch: Agenten vergleichen über Marken- und Händlergrenzen hinweg. Ihr Produkt konkurriert nicht mehr auf der eigenen Detailseite, umgeben von Ihrem Branding. Es steht in einer Trefferliste neben fünf Alternativen, bewertet nach den Kriterien, die der Nutzer vorgegeben hat — Preis, Lieferzeit, Ausstattung, Bewertungsschnitt.
Wer dort nicht präzise datiert, wird nicht schlecht gerankt. Er wird ausgeblendet. Das ist der Kern des Problems: Im Suchmaschinen-Ranking gab es Platz zehn. Im Agenten-Vergleich gibt es nur die Treffer, die die Abfrage formal erfüllen.
Woran scheitert es in deutschen Produktdaten?
Schmidt-Pfitzner nennt bei Publicis Sapient eine Reihe typischer Defizite, die sich durch die Produktdaten deutscher Marken ziehen. Sie sind erstaunlich banal.
Zum einen fehlen Attribute schlicht. Händler pflegen Titel, Beschreibung und Preis — und lassen Spezifikationen wie Abmessungen, Gewicht, Kompatibilität oder Pflegehinweise in PDF-Datenblättern verschwinden, die kein Agent der Welt ausliest. Zum anderen sind die Daten inkonsistent: Dieselbe Farbe heißt in einem Kanal „Anthrazit“, im nächsten „Grau“, im dritten „#3A3A3A“. Für Menschen egal, für Maschinen drei verschiedene Produkte.
Hinzu kommt organisatorische Zersplitterung. Produktdaten leben in PIM-Systemen, Marketingtexte im CMS, Verfügbarkeiten im Warenwirtschaftssystem — ohne synchronisierte Schnittstellen. Der Agent fragt aktuelle Lieferbarkeit ab, das System antwortet mit dem Stand von gestern Nacht. Wer so arbeitet, verliert nicht nur Conversions, sondern Vertrauen des Systems: Agenten lernen, welchen Quellen sie vertrauen können.
- Fehlende Attribute: Spezifikationen stecken in PDFs und Fließtext statt in Datenfeldern.
- Inkonsistente Werte: Uneinheitliche Benennungen und Maßeinheiten über Kanäle hinweg.
- Veraltete Verfügbarkeit: Bestands- und Lieferdaten ohne Echtzeit-Anbindung.
- Keine maschinellen Schnittstellen: Kataloge nur als Website, nicht als API oder Feed zugänglich.
Ein konkretes Beispiel macht das greifbar: Ein Kunde beauftragt seinen Agenten, einen Staubsauger zu finden, der für Tierhaare geeignet ist, unter 300 Euro kostet und bis Freitag lieferbar ist. Der Agent braucht drei Datenfelder. Marken, die „ideal für Haustierbesitzer“ nur in die Produktbeschreibung geschrieben haben, tauchen in dieser Abfrage schlicht nicht auf — selbst wenn ihr Gerät die beste Wahl wäre.
Wie müssen Marken ihre Kataloge umbauen?
Die Antwort lautet nicht „mehr Content“, sondern „bessere Datenarchitektur“. Konkret heißt das: Vollständige Attributpflege wird vom Nice-to-have zur Existenzfrage. Jedes Produkt braucht ein sauberes, vollständiges Set strukturierter Eigenschaften — normiert, einheitlich, kanalübergreifend identisch.
Schema.org-Markup, das viele Shopbetreiber bisher als SEO-Bonus behandelten, wird zur Grundversorgung. Produktdaten müssen über Feeds und APIs maschinell abrufbar sein, nicht nur als HTML-Seite. Und die Verfügbarkeitsdaten brauchen Echtzeit-Anbindung, weil Agenten Bestellentscheidungen auf Lieferzusagen stützen.
Wer zwanzig Jahre für den Google-Algorithmus optimiert hat, muss jetzt für den strengsten Leser überhaupt optimieren: eine Maschine, die nichts interpretiert und nichts verzeiht.
Publicis Sapient beschreibt das als Verschiebung von Search Engine Optimization zu Agent Engine Optimization. Der Begriff mag neu sein, die Arbeitsweise dahinter ist es nicht: Wer schon heute ein sauber gepflegtes PIM-System betreibt und seine Feeds für Google Shopping oder Marktplätze diszipliniert pflegt, hat die halbe Miete. Wer seine Produktdaten als Marketing-Beiwerk behandelt, baut jetzt das Fundament nach — oder fehlt im Vergleich.
Fazit ohne Fazit: Der Agent als neuer Gatekeeper
Zwei Jahrzehnte lang war Google der Gatekeeper des E-Commerce. Jetzt entsteht ein zweiter: der Agent im Auftrag des Kunden. Er ist loyaler als jeder Suchalgorithmus — nur eben nicht zur Marke, sondern zum Auftrag seines Nutzers. Marken, die das verstehen, hören auf, ihre Kataloge für Menschen-Augen zu schreiben, und beginnen, sie für Maschinen-Entscheidungen zu strukturieren.
Die erste Prüfung ist einfach und ernüchternd: Lassen Sie sich Ihre Top-50-Produkte als reinen Datensatz ausgeben — ohne Bilder, ohne Texte, ohne Design. Wenn daraus nicht zweifelsfrei hervorgeht, was das Produkt kann, was es kostet und wann es lieferbar ist, dann sehen Sie Ihren Katalog so, wie ein Agent ihn sieht. Die meisten werden bei dieser Übung zum ersten Mal verstehen, wie viel Umsatz sie gerade an schlechte Daten verschenken.