Doppelt so hoch wie die klassische Suche. So beziffert Michaels die Conversion-Rate seines neuen KI-Shopping-Assistenten. Der US-Bastelhändler hat Anfang der Woche erstmals Zahlen zu „Ask Mike“ vorgelegt, einem Assistenten auf Basis von Google Clouds Gemini Enterprise for Customer Experience. Knapp 75.000 Gespräche hat das System seit dem stillen Launch im Mai geführt. Mehr als 60 Prozent davon drehten sich um Produktfindung — genau die Stelle, an der die meisten Onlineshops ihre Kunden verlieren.
Die Botschaft hinter den Zahlen ist größer als ein Einzelcase aus Texas. Sie trifft die Kernannahme, auf der zwei Jahrzehnte E-Commerce-Technik gebaut wurden: dass Kunden wissen, was sie suchen, und es nur noch eintippen müssen. Michaels behauptet jetzt das Gegenteil — mit Daten.
Was genau hat Michaels da gebaut?
Ask Mike ist kein Chatbot im klassischen Sinne, der FAQs vorkaut. Kunden beschreiben in Alltagssprache, was sie vorhaben — etwa „Ich will mit meinen Kindern eine Dinosaurier-Geburtstagsparty basteln“ — und bekommen kuratierte Produktempfehlungen, die zu diesem Vorhaben passen. Der Assistent läuft auf Michaels.com sowie in den iOS- und Android-Apps und deckt das gesamte Online-Sortiment ab.
Bemerkenswert ist die Entwicklungsgeschwindigkeit. Laut Paul Tepfenhart, Director of Global Retail Strategy bei Google Cloud, brauchte Michaels vom Konzept bis zum produktiven System gerade einmal sechs Wochen. Das ist ein Bruchteil der Zeit, die klassische Personalisierungsprojekte üblicherweise verschlingen — und ein Indiz dafür, dass die Hyperscaler ihre Commerce-Werkzeuge inzwischen nahezu schlüsselfertig liefern.
Die Roadmap geht weiter: Michaels plant KI-generierte Produktübersichten und kontextuelle Prompts direkt auf den Produktdetailseiten. Der Assistent soll also vom separaten Eingang zum durchgängigen Verkaufspersonal werden, das den Kunden durch den gesamten Shop begleitet.
Warum verdoppelt ein Gespräch die Conversion-Rate?
Die direkte Antwort: Weil die Shop-Suche eine Frage beantwortet, die niemand gestellt hat. Klassische Suche setzt voraus, dass der Kunde die Taxonomie des Händlers versteht — Produktnamen, Kategorien, Attribute. Wer „Acrylguss Medium 500ml“ sucht, findet es. Wer aber nur weiß, dass er „so fließende Farbverläufe wie auf Instagram“ will, bekommt Null-Treffer-Seiten. Gerade bei inspirationgetriebenen Sortimenten wie Bastelbedarf beginnt die Kaufabsicht als Bild im Kopf, nicht als Artikelnummer.
Ein Gespräch übersetzt dieses Bild in Produkte. Es fragt nach, grenzt ein, schlägt Alternativen vor — exakt die Leistung, für die stationärer Handel Verkaufspersonal beschäftigt. Dass diese Übersetzungsleistung konvertiert, ist seit Jahren bekannt: Nutzer der internen Suche gelten branchenweit als zwei- bis dreimal kaufbereiter als Durchschnittsbesucher. Michaels legt jetzt nahe, dass ein guter Assistent diese Gruppe noch einmal deutlich schlägt, weil er auch diejenigen abholt, die mit Stichworten scheitern würden.
Ein Korn Salz gehört allerdings dazu. Die Zahlen stammen vom Händler selbst, veröffentlicht gemeinsam mit dem Technologieanbieter, der daran verdient. Unklar bleibt, gegen welche Baseline gemessen wurde und wie stark der Selbstselektionseffekt ausfällt: Wer einen Assistenten freiwillig nutzt, ist ohnehin engagierter als der Median-Besucher. Eine unabhängige Verifikation gibt es nicht. Die Richtung dürfte stimmen — die glatte Verdopplung ist eher Marketing-Arithmetik als Laborergebnis.
Wer in sechs Wochen vom Konzept zur produktiven KI kommt, hat kein Technologieproblem mehr. Er hat nur noch die Frage, ob seine Produktdaten gut genug sind.
Was bedeutet der Fall für deutsche Onlinehändler?
Für den DACH-Markt ist der Michaels-Case aus zwei Gründen relevant. Erstens bestätigt er eine Entwicklung, die hierzulande längst läuft, aber selten so offen beziffert wird. Zalando experimentiert seit 2023 mit einem Mode-Assistenten, Otto hat mit seinem KI-Angebot eigene Erfahrungen gesammelt, Douglas baut Beratung digital nach. Allen fehlte bislang der publikumswirksame Beleg, dass sich die Investition in harter Währung auszahlt. Michaels liefert jetzt zumindest eine Zahl, die im nächsten Budgetmeeting zitiert werden wird.
Zweitens rückt Google die Infrastrukturfrage. Gemini Enterprise for Customer Experience ist Teil einer breiteren Offensive: Mit dem Universal Commerce Protocol und den Business Agents in der Google-Suche — zu deren frühen Nutzern Michaels neben Lowe’s, Poshmark und Reebok gehört — will der Konzern den gesamten Weg von der Suchanfrage bis zum Kaufabschluss in eigene Bahnen lenken. Deutsche Händler, die auf Shopware, Shopify oder Eigenlösungen setzen, stehen vor der Entscheidung, ob sie diese Werkzeuge adaptieren oder auf shopseitige Assistenten setzen. Beides hat Preise: Bei Google zahlt man mit Abhängigkeit, bei Eigenbau mit Zeit und Datenqualität.
Wo liegen die Grenzen — und was sollten Händler jetzt prüfen?
Die Euphorie hat drei harte Kanten. Die erste ist das Sortiment. Michaels verkauft Produkte, die zu Projekten gebündelt werden wollen — ein ideales Feld für Empfehlungslogik. Bei austauschbaren Commodity-Produkten, bei denen der Preis die einzige Differenzierung ist, dürfte der Effekt deutlich kleiner ausfallen.
Die zweite Kante sind Produktdaten. Ein Assistent ist nur so gut wie die Attribute, Beschreibungen und Verknüpfungen, aus denen er schöpft. Wer im PIM-System Lücken, veraltete Texte und inkonsistente Kategorien pflegt, baut einen höflichen Bot, der schlecht berät. Das ist der unangenehme Teil der sechs Wochen: Die Technik war schnell, weil Michaels‘ Datenfundament offenbar trug.
Die dritte Kante ist regulatorisch. Im EU-Markt greifen DSGVO und die schrittweise wirksamen Pflichten des AI Act: Transparenzpflichten für KI-Systeme, Sorgfalt bei personalisierten Empfehlungen, saubere Einwilligungslogik für Konversationsdaten. Deutsche Händler, die US-Cases adaptieren, brauchen dafür ein eigenes Kapitel im Projektplan — kein Showstopper, aber ein Aufwand, den Pressemitteilungen nicht erwähnen.
Konkret heißt das für die nächsten zwei Quartale:
- Suchanalyse zuerst: Null-Treffer-Quoten und abgebrochene Suchen auswerten. Genau dort liegt das Potenzial, das ein Assistent heben kann — und die Baseline für eine ehrliche Erfolgsmessung.
- Daten auditieren: Produktattribute, Verfügbarkeiten und Projektzusammenhänge prüfen, bevor ein Modell darauf losgelassen wird.
- Containment messen: Conversion des Assistenten gegen eine klar definierte Vergleichsgruppe testen, nicht gegen die gefühlte Suche.
Michaels hat mit Ask Mike bewiesen, dass Conversational Commerce kein Demo-Thema mehr ist. Die eigentliche Nachricht ist unbequemer: Der Wettbewerbsvorteil wandert von der Suchleiste zur Datenqualität — und Händler, die ihr PIM-System als Pflichtübung behandeln, werden die nächste Conversion-Welle vom Rand aus betrachten.