40 Prozent der Onlinekäufer nutzen die Suche als ersten Schritt im Shop — und diese 40 Prozent konvertieren zwei- bis dreimal so gut wie reine Browser. Wer die Produktsuche trotzdem als kleine Lupe oben rechts im Header behandelt, übersieht gerade den wichtigsten Umbau im E-Commerce seit dem Smartphone-Checkout: Die Suche wird zur Infrastruktur, auf der personalisierte Einkaufserlebnisse überhaupt erst laufen. Nicht als Feature. Als Fundament.
Den Befund vertritt Christina Schönfeld, Director DACH & CEMEA beim Suchtechnologie-Anbieter Algolia. Ihre These ist sperriger als das übliche KI-Marketing: Künstliche Intelligenz macht die Suche nicht nur besser, sie verschiebt die gesamte Architektur des Handels. KI-Assistenten, die für Kunden Produkte recherchieren, vergleichen und bald auch kaufen, brauchen strukturierten, maschinell verständlichen Zugriff auf Sortimente. Die Suchschicht liefert genau das. Wer sie vernachlässigt, wird in einer Welt der Kauf-Agents unsichtbar.
Warum reicht die klassische Keyword-Suche nicht mehr?
Die Antwort ist technisch simpel und kommerziell brutal: Keyword-Matching versteht Wörter, keine Absichten. Wer „leichte Jacke für April“ eingibt, meint nicht den Monat April — und trotzdem liefern reine Volltextsuchmaschinen in zu vielen deutschen Shops noch Trefferlisten, die an eine Inventur erinnern statt an eine Beratung.
Semantische Suche und Vektor-Embeddings ändern das grundlegend. Statt Zeichenketten abzugleichen, bildet das System die Bedeutung von Anfrage und Produktdaten in einem mathematischen Raum ab. „Regenfestes Outfit für eine Hochzeit im Herbst“ wird dann nicht als Wortsalat gelesen, sondern als Intent: wetterfest, elegant, saisonal. Algolia setzt dafür auf hybride Ansätze — neuronale Suche kombiniert mit klassischem Keyword-Ranking, damit weder Präzision noch Verständnis auf der Strecke bleiben.
Für den deutschen Markt ist das kein Luxus. Wer hierzulande „Handyhülle“ sucht und „Smartphone Case“ im Katalog stehen hat, verliert mit reiner Keyword-Logik Umsatz — Wort für Wort. Die hybride Produktsuche löst dieses Übersetzungsproblem ohne manuell gepflegte Synonymlisten, die ohnehin niemand aktuell hält.
Wie werden KI-Assistenten die Produktsuche nutzen?
Die nächste Stufe ist schon sichtbar: Agentic Commerce. KI-Agenten übernehmen nicht nur die Antwort auf Fragen, sondern die Recherche selbst. Ein Kunde formuliert „Ich brauche ein Geschenk für meine Mutter, sie gärtnert gern, Budget 60 Euro“ — und der Assistent zerlegt diese Anfrage in Dutzende Suchoperationen, filtert, vergleicht, rankt.
Damit ändert sich der Nutzer der Suchschicht fundamental. Es ist nicht mehr nur der Mensch, der tippt. Es ist die Maschine, die im Namen des Menschen abfragt — in einer Frequenz und Komplexität, für die monolithische Shop-Suchen nie gebaut wurden. Genau hier liegt Schönfelds Infrastruktur-Argument: Die Suche wird zur API-Schicht zwischen Sortiment und KI-Ökosystem. Was nicht sauber indexiert, attributiert und in Echtzeit abrufbar ist, existiert für den Agenten schlicht nicht.
Wer in einer Welt der Kauf-Agenten sichtbar bleiben will, braucht eine Suchschicht, die Maschinen genauso gut verstehen wie Menschen.
Übrig bleibt eine unbequeme Konsequenz für Händler: Die Optimierung auf hübsche Kategorieseiten und gepflegte Navigation verliert an Hebel. Wenn der Assistent die Recherche übernimmt, zählen Datenqualität, Attributtiefe und Antwortgeschwindigkeit der Suche — nicht das Layout der Listing-Seite.
Personalisierung ohne Tracking-Albtraum
Personalisierte Einkaufserlebnisse galten lange als Datenschutz-Minenfeld, gerade in der DACH-Region. Die neue Generation der Suche dreht den Spieß um: Relevanz entsteht zunehmend aus dem Session-Kontext, nicht aus dem Langzeitprofil. Was ein Nutzer in den letzten zehn Minuten angeklickt, gefiltert und gesucht hat, reicht für erstaunlich präzise Rankings — ganz ohne Cookie-Banner-Ballett und ohne personenbezogene Historie.
Das ist mehr als Compliance-Kosmetik. In-Market-Signale in Echtzeit zu verarbeiten ist technisch anspruchsvoller als das Auslesen gespeicherter Profile: Das Ranking muss pro Anfrage neu berechnet werden, Latenzen unter 100 Millisekunden sind die Messlatte. Genau in dieser Disziplin — Geschwindigkeit bei dynamischer Relevanz — trennt sich derzeit die Infrastruktur-Klasse vom Plugin-Ramsch.
Marktplätze wie Zalando oder OTTO zeigen seit Jahren, wohin die Reise geht: Suchergebnisse, Sortimentsempfehlungen und Merchandising verschwimmen zu einer personalisierten Strecke. Mittelständische Händler konnten das bisher nicht nachbauen — fehlende Datenwissenschaftler, fehlendes Budget. KI-basierte Suchplattformen senken genau diese Eintrittshürde, weil die Relevanzmodelle nicht mehr im eigenen Haus trainiert werden müssen.
Merchandising: Der unterschätzte Hebel in der Suche
Zwischen algorithmischer Relevanz und Handelszielen klafft eine Lücke, die reine KI nicht schließt: Marge, Lagerbestand, Saison. Gute Suchinfrastruktur behandelt Merchandising deshalb nicht als Fremdkörper, sondern als Regelschicht über dem Ranking. Der Einkäufer definiert Kampagnen-Pins und Auslistungsregeln, die KI erledigt den Rest — und der Mensch behält die Kontrolle über das, was wirtschaftlich zählt.
- KI übernimmt Relevanz, Synonyme und dynamisches Ranking — Aufgaben, die manuell nicht skalieren.
- Händler behalten strategische Kontrolle: Pins, Boosts und Regeln für Marge, Bestand und Saison bleiben menschliche Entscheidungen.
Diese Arbeitsteilung ist das eigentliche Reifezeichen der Technologie. Wer „die KI macht das schon“ als Strategie verkauft, hat noch nie einen November mit drei überlappenden Kampagnen und einem Lieferengpass gemanagt.
Was Händler jetzt konkret prüfen sollten
Die Abkehr von der Suche als Checkbox-Feature beginnt mit drei ehrlichen Fragen. Erstens: Wie gut versteht die eigene Suche natürlichsprachliche, deutsche Anfragen — getestet mit echten Zero-Results-Reports aus dem Backend, nicht mit Bauchgefühl? Zweitens: Sind die Produktdaten attributiert genug, dass ein Agent damit arbeiten könnte, oder existieren halbe Sortimente nur als Fließtext-Beschreibung? Drittens: Hält die Architektur maschinellen Abfrageverkehr stand, oder ist sie für einen menschlichen Tipp-Rhythmus dimensioniert?
Wer bei einer dieser Fragen zögert, hat seine Roadmap für die nächsten zwei Jahre. Die Investition ist keine Wette auf einen Hype — sie rüstet die Schicht nach, über die künftig ein wachsender Anteil des Handels trafficiert wird. Zuerst über Such-Assistenten im eigenen Shop, dann über externe Agenten, die Sortimente vergleichen.
Die Branche redet viel über KI an der Oberfläche — Chatbots, Textgeneratoren, Bild-Tools. Der entscheidende Umbau passiert eine Etage tiefer, unsichtbar für den Kunden, aber messbar in der Conversion. Die Produktsuche wird zur Infrastruktur des Handels, weil alles andere darauf aufbaut. Händler, die das 2026 verstehen, kaufen sich ein Fundament. Wer wartet, mietet später Sichtbarkeit bei den Agenten der Konkurrenz.