Der US-amerikanische Bastel- und Dekorationshändler Michaels hat erste Performance-Daten zu seinem neuen KI-Assistenten veröffentlicht – und die fallen deutlich aus. Kunden, die den auf Google Gemini basierenden Assistenten nutzen, konvertieren doppelt so häufig wie Besucher der klassischen Shopsuche. Für einen Händler mit rund 1.300 Filialen und einem Sortiment von mehreren zehntausend Artikeln ist das keine Spielerei am Rand, sondern ein Signal an die gesamte Branche: Konversationelle Suche löst das alte Problem der leeren Suchergebnisseite.
Was genau hat Michaels gebaut?
Der Assistent arbeitet mit Googles Gemini-Modellen und versteht Anfragen in natürlicher Sprache. Wer fragt: „Ich brauche Material für eine Herbstd Hochzeit, Budget 50 Dollar“, bekommt keine generische Ergebnisliste, sondern eine kuratierte Auswahl mit Begründung. Das System greift dabei auf den Produktkatalog, Verfügbarkeiten und Projektkontexte zu. Michaels positioniert den Assistenten als Erweiterung der Suche, nicht als Ersatz – die klassische Stichwortsuche bleibt parallel bestehen.
Die Verdopplung der Conversion-Rate stützt eine These, die Google selbst seit Monaten im Commerce-Kontext vertritt: Suchanfragen in Onlineshops sind oft implizite Projekte. Ein Kunde sucht nicht „Garn 50g“, er sucht „Geschenk für Oma stricken“. Wer diesen Intent auflöst, verkürzt den Weg zum Warenkorb massiv.
Warum ist das für deutsche Shopbetreiber relevant?
Deutschland hinkt bei KI-gestützter Produktsuche hinterher. Die meisten mittelständischen Shops setzen weiter auf ElasticSearch, Algolia oder die Systemsuche von Shopware und Shopify. Diese lösen Trefferlisten auf, keine Fragen. Die Michaels-Zahlen legen nahe, dass sich genau hier ein Hebel verbirgt – vor allem für Händler mit tiefem, beratungsintensivem Sortiment: Heimwerkerbedarf, Garten, Tierbedarf, Ersatzteile, B2B-Komponenten.
Der Einstieg muss kein Eigenbau sein. Google bietet mit Vertex AI Search for Commerce eine verwaltete Lösung, die auch europäischen Händlern offensteht. Shopify-Händler können auf Apps wie Klevu oder Doofinder mit KI-Erweiterungen zurückgreifen; im Shopware-Umfeld existieren entsprechende Plugins etwa auf Basis von Elasticsearch mit Intent-Layer. Entscheidend ist weniger das Modell als die Datenbasis: Ein Assistent ist nur so gut wie die Produktattribute, Kategorisierung und Verfügbarkeitsdaten, die er abfragt.
Woran scheitern solche Projekte im Mittelstand?
Nicht an der Technik, sondern am Katalog. Wer seine Produktdaten seit Jahren nicht gepflegt hat, wird auch mit Gemini keine brauchbaren Antworten liefern. Fehlende Attribute, inkonsistente Varianten, tote Bilder – ein KI-Assistent macht diese Schwächen nicht unsichtbar, sondern sichtbarer, weil er selbstbewusst falsche Empfehlungen formuliert. Michaels konnte das Projekt nur starten, weil der Katalog vorher strukturell aufgeräumt wurde.
Zweiter Stolperstein: Messbarkeit. Die Verdopplung bei Michaels klingt spektakulär, bezieht sich aber auf eine selbstselektierende Nutzergruppe – wer einen Assistenten ausprobiert, hat oft ohnehin höhere Kaufabsicht. Die saubere Frage lautet: Hebt der Assistent die Gesamt-Conversion des Shops, oder kanibalisiert er nur die Suche? Das beantwortet nur ein kontrollierter A/B-Test auf Shopebene, nicht ein Vergleich innerhalb der Features.
Konversationelle Suche verdoppelt die Conversion – vorausgesetzt, der Produktkatalog trägt sie.
Für Shopbetreiber ab einer Million Jahresumsatz lautet die praktische Konsequenz: Produktdata-Hygiene zuerst, Pilotprojekt zweitens. Ein Assistent auf 500 Top-SKUs im wichtigsten Sortimentsbereich liefert in acht Wochen belastbarere Daten als jede strategische Grundsatzdebatte. Die Michaels-Zahlen sind kein Beweis, dass KI-Suche überall funktioniert – aber sie sind der bisher konkreteste Beleg aus dem stationären Retail, dass sie funktionieren kann.