gptagency.io

Praxis · 9 Min. Lesezeit · 2026-07-15

Produktdaten für KI: So werden deine Artikel von ChatGPT und Perplexity zitiert

{}

Fragt ein Kunde ChatGPT "Welche Laufschuhe für Überpronation unter 120 Euro?", entscheidet nicht dein Google-Ranking, sondern ob die KI deine Produktdaten versteht. Generative Engine Optimization macht Artikel für Sprachmodelle lesbar: strukturierte Daten, klare Attribute, echte Fakten. Wer das ignoriert, verschwindet aus der Antwort, bevor der Klick überhaupt entstehen kann.

Warum die Produktsuche gerade kippt

Deine Kunden suchen anders als noch vor zwei Jahren. Statt bei Google 'beste Kaffeemaschine mit Mahlwerk' einzutippen und sich durch zehn Testberichte zu klicken, fragen sie ChatGPT oder Perplexity direkt: 'Welcher Kaffeevollautomat unter 500 Euro ist leise genug fürs Büro?' Die KI antwortet mit drei konkreten Modellen, und nur wer in dieser Antwort auftaucht, wird überhaupt noch wahrgenommen. Der klassische Zehn-blaue-Links-Moment fällt weg, und mit ihm die Chance, sich über Position vier oder fünf trotzdem noch ins Spiel zu bringen.

Für Online-Shops ist das eine stille Bedrohung. Du siehst in Google Analytics vielleicht noch stabile Zahlen, aber die Frage ist, wie lange. Perplexity zitiert Quellen sichtbar, ChatGPT liefert über den Such-Modus zunehmend Produktnennungen. Wenn dort dauerhaft dein Wettbewerber genannt wird und du nicht, verlierst du Umsatz an einer Stelle, die in keinem klassischen SEO-Dashboard auftaucht. GEO ist deshalb kein Trend zum Abwarten, sondern der Kanal, an dem sich in den nächsten Monaten Marktanteile neu verteilen.

Die gute Nachricht: Der Hebel liegt genau dort, wo du als Shop ohnehin Hausaufgaben hast, nämlich bei den Produktdaten. Sprachmodelle belohnen Klarheit, Vollständigkeit und Struktur. Wer seine Artikel sauber beschreibt, gewinnt doppelt, bei der KI und beim Menschen, der am Ende trotzdem kauft.

Wie ChatGPT und Perplexity dein Produkt überhaupt lesen

Ein Sprachmodell sieht deinen Shop nicht wie ein Kunde mit Bildern, Hover-Effekten und Rabattbadges. Es liest Text und strukturierte Daten. Was in einem JavaScript-Karussell, in einer Grafik oder in einem PDF-Datenblatt steckt, existiert für die KI oft schlicht nicht. Wenn dein wichtigstes Verkaufsargument, etwa 'wasserdicht bis 10 bar', nur als Icon ohne Alt-Text auf dem Produktbild klebt, wird es in keiner Antwort auftauchen. Die Faustregel: Was nicht als sauberer Text vorliegt, wird nicht zitiert.

Entscheidend ist strukturiertes Markup, konkret Schema.org Product mit Feldern wie name, brand, description, offers, price, availability und aggregateRating. Diese Daten sind das Format, in dem Maschinen Produkte seit Jahren austauschen, und KI-Crawler greifen genau darauf zu. Ein Shop, der für jeden Artikel valides Product-Markup ausliefert, macht der KI die Arbeit leicht: Preis, Verfügbarkeit und Bewertung stehen unmissverständlich da, statt aus wolkigem Fließtext geraten werden zu müssen.

Prüf das nicht aus dem Bauch heraus. Nimm eine echte Produktseite, kopiere die reine Textversion, etwa über die Leseansicht deines Browsers, und frag dich: Stehen hier alle Fakten, die ein Kunde für die Kaufentscheidung braucht? Wenn du selbst raten musst, ob der Schuh in Normal- oder Schmalweite läuft, kann es die KI auch nicht wissen.

{}

Die Fragen deiner Kunden sind dein Content-Plan

Menschen fragen KI in ganzen Sätzen und mit Kontext. Nicht 'Winterjacke Damen', sondern 'Warme Winterjacke für Fahrradfahren bei minus 10 Grad, die nicht nach Michelin-Männchen aussieht'. Genau diese Langfrage ist Gold für dich. Sie verrät den Anlass, die Einschränkung und das emotionale Kriterium. Ein Shop, dessen Produkttexte solche Situationen aufgreifen ('atmungsaktiv genug für den Arbeitsweg mit dem Rad'), matcht die Frage deutlich präziser als eine Beschreibung, die nur Material und Größe listet.

Sammle diese Fragen systematisch. Deine Kundenservice-Tickets, die Suchfeld-Logs im Shop, die Rezensionen und die Retourengründe sind eine Fundgrube. Wenn dreißig Kunden fragen, ob die Espressomaschine mit gemahlenem Kaffee statt nur Pads funktioniert, dann gehört die Antwort wörtlich in die Produktbeschreibung und in eine FAQ auf der Seite. Genau diese Formulierungen greift die KI auf, weil sie der Kundenfrage sprachlich am nächsten sind.

Denk in Jobs, nicht in Kategorien. Ein Kunde kauft keine 'Bluetooth-Box', er will 'Musik im Bad ohne Angst vor Spritzwasser'. Wer Produkttexte um diese Aufgaben herum schreibt, wird bei genau den situativen Fragen empfohlen, die im KI-Zeitalter den Großteil der Kaufberatung ausmachen.

Attribute, die wirklich zählen: konkret statt Marketing-Prosa

Sprachmodelle lieben harte, vergleichbare Fakten und tun sich schwer mit Superlativen. 'Bester Sound seiner Klasse' ist für die KI wertlos, weil unüberprüfbar. 'Akkulaufzeit 18 Stunden, Gewicht 240 Gramm, IPX7 wasserdicht' dagegen ist genau das, was in einer Vergleichsantwort landet. Wenn ein Kunde fragt 'Welcher Kopfhörer hält einen ganzen Arbeitstag ohne Laden durch?', kann die KI deinen Artikel nur nennen, wenn die 18 Stunden irgendwo maschinenlesbar dastehen.

Baue deine Attribute deshalb vollständig und einheitlich aus. Für Mode heißt das Passform, Material, Pflegehinweis, Nachhaltigkeitszertifikat und echte Maßtabellen statt nur S bis XL. Für Elektronik die technischen Kennwerte, Kompatibilität und Lieferumfang. Lücken sind teuer: Fehlt bei einem von zwanzig ähnlichen Produkten die Angabe zur Kompatibilität, fällt genau dieses aus den 'Passt zu iPhone 15?'-Antworten heraus, obwohl es technisch passt.

Ein oft unterschätztes Feld ist der Vergleich zum Wettbewerb im eigenen Sortiment. Ein kurzer, ehrlicher Absatz wie 'Modell A ist leichter, Modell B hat den stärkeren Akku' hilft der KI, dein Produkt in die richtige Empfehlungssituation einzuordnen, und positioniert dich als Quelle, die mitdenkt statt nur verkauft.

Bewertungen und echte Nutzungsdaten als Vertrauenssignal

KI-Systeme gewichten Signale, die auf echte Erfahrung hindeuten. Authentische Kundenrezensionen sind dafür ideal, weil sie Sprache enthalten, die kein Marketing-Team schreibt: 'läuft eine halbe Nummer klein', 'nach drei Wäschen leicht ausgeleiert', 'perfekt für breite Füße'. Genau diese Formulierungen beantworten spätere Kundenfragen und machen deine Produktseite zur belastbaren Quelle. Ein Shop, der Rezensionen strukturiert einbindet und per Markup auszeichnet, gibt der KI diese Belege direkt in die Hand.

Wichtig ist Ehrlichkeit statt Hochglanz. Fünf-Sterne-Wände ohne einen einzigen kritischen Ton wirken auf Menschen wie auf Modelle unglaubwürdig. Eine ehrliche Vier-Sterne-Bilanz mit einer nachvollziehbaren Schwäche ('Verarbeitung top, aber Bedienungsanleitung dünn') schafft mehr Vertrauen und liefert der KI zugleich Kontext, für welchen Kunden das Produkt passt und für welchen nicht.

Ergänze das um konkrete Nutzungsszenarien aus dem echten Leben. Ein kurzer Praxisabschnitt 'Im Test über zwei Wochen als Pendlerrucksack getragen' oder 'von Kunden häufig fürs Homeoffice gekauft' gibt Belegkraft, die reine Herstellerangaben nie erreichen.

Der häufigste Fehler: dünne, austauschbare Produkttexte

Viele Shops übernehmen die Herstellerbeschreibung eins zu eins. Das Problem: Dieselben Sätze stehen dann bei hundert anderen Händlern. Für die KI gibt es keinen Grund, ausgerechnet dich zu zitieren, wenn dein Text identisch mit dem der Konkurrenz ist. Duplicate Content war schon im klassischen SEO schädlich, in der generativen Suche ist er noch gefährlicher, weil das Modell schlicht die Quelle mit dem meisten Eigenanteil und Kontext bevorzugt.

Der Ausweg ist nicht mehr Text um jeden Preis, sondern eigener Mehrwert. Ergänze die Herstellerdaten um deine Perspektive: für wen sich das Produkt lohnt, für wen nicht, womit es sich kombinieren lässt, welche typischen Fehler beim Kauf passieren. Bei einem Zelt etwa 'für Festivals super, für alpine Touren zu wenig sturmstabil'. Solche Einordnungen kann kein Hersteller-Copy leisten und genau sie machen dich zitierfähig.

Achte dabei auf Substanz statt Keyword-Stuffing. Sätze, die dreimal 'günstige Winterjacke Damen kaufen' pressen, schaden. Sprachmodelle erkennen unnatürliche Muster und stufen die Quelle ab. Schreib für den Menschen, der die Frage stellt, dann stimmt es auch für die Maschine.

In der Antwort landen: Feeds, FAQ und Aktualität

Über deine Produktseiten hinaus lohnt es sich, an drei Stellen nachzuschärfen. Erstens ein sauberer, aktueller Produktdaten-Feed, denn viele KI-Systeme greifen auf Merchant-Feeds und Marktplatzdaten zu. Veraltete Preise oder falsche Verfügbarkeit dort führen dazu, dass die KI dich fälschlich als 'nicht lieferbar' abtut. Zweitens strukturierte FAQ-Blöcke pro Produkt, die reale Kundenfragen wörtlich beantworten und mit FAQPage-Markup ausgezeichnet sind.

Drittens zählt Aktualität stärker als früher. Ein Ratgeber 'Die besten Gasgrills 2024' wird 2026 nicht mehr empfohlen, wenn die Modelle vom Markt sind. Pflege Jahreszahlen, tausche ausgelaufene Artikel aus und halte Testsieger-Verweise frisch. KI-Systeme bevorzugen sichtbar gepflegte Quellen, weil veraltete Empfehlungen ihr eigenes Vertrauensproblem sind. Ein 'zuletzt aktualisiert'-Datum ist deshalb mehr als Kosmetik.

Miss den Erfolg konkret. Stell ChatGPT, Perplexity und Gemini regelmäßig die zehn wichtigsten Kauffragen deiner Branche und notiere, ob und wie du genannt wirst. Diese manuelle Stichprobe ersetzt kein Tool, zeigt dir aber schneller als jedes Dashboard, ob deine Produktdaten bei der KI ankommen.

Konkreter Fahrplan für die nächsten Wochen

Fang klein und messbar an. Nimm deine zwanzig umsatzstärksten Produkte und arbeite sie komplett durch: valides Product-Markup, vollständige Attribute, ein eigener Mehrwert-Absatz, drei echte FAQ und eingebundene Rezensionen. Diese zwanzig Seiten machen erfahrungsgemäß den Großteil deines Umsatzes und sind der schnellste Weg, in KI-Antworten aufzutauchen, ohne den ganzen Katalog auf einmal anzufassen.

Danach systematisierst du. Definiere eine Attribut-Vorlage pro Kategorie, damit kein Feld mehr vergessen wird, und baue die Pflege in deinen Produktanlage-Prozess ein. Neue Artikel sollten gar nicht erst ohne vollständige Daten online gehen. Parallel richtest du dir eine feste monatliche Prüfroutine mit den KI-Systemen ein, um Fortschritt und Rückschläge zu sehen.

Bleib ehrlich zu dir selbst: GEO ersetzt kein gutes Sortiment und keinen fairen Preis. Es sorgt dafür, dass ein gutes Produkt überhaupt gefunden wird. Der Aufwand zahlt sich doppelt aus, weil dieselben klaren, ehrlichen Produktdaten auch deine menschlichen Kunden überzeugen und deine Retourenquote senken.

Häufige Fragen

Reicht es, wenn ich nur Schema.org-Markup einbaue, oder muss ich auch die Texte ändern?

Markup allein reicht nicht. Es hilft der KI, Preis, Verfügbarkeit und Bewertung sicher zu lesen, aber die eigentliche Empfehlung entsteht aus dem Inhalt. Wenn deine Beschreibung dünn oder mit der Konkurrenz identisch ist, nützt das sauberste Markup wenig. Du brauchst beides: technisch saubere strukturierte Daten und inhaltlich eigenständige, konkrete Produkttexte mit echten Attributen und Nutzungsszenarien.

Meine Produkttexte kommen vom Hersteller. Ist das ein Problem für die KI-Sichtbarkeit?

Ja, wenn du sie unverändert übernimmst. Dieselben Sätze stehen dann bei vielen anderen Händlern, und die KI hat keinen Grund, ausgerechnet dich zu zitieren. Du musst den Text nicht komplett neu schreiben, aber ergänze eine eigene Perspektive: für wen sich das Produkt eignet, womit es kombinierbar ist, typische Kauffehler. Dieser Eigenanteil macht dich zur bevorzugten Quelle.

Wie merke ich überhaupt, ob ChatGPT oder Perplexity meinen Shop empfiehlt?

Am schnellsten über eine manuelle Stichprobe. Formuliere die zehn wichtigsten Kauffragen deiner Branche so, wie echte Kunden sie stellen würden, und stell sie regelmäßig ChatGPT, Perplexity und Gemini. Notiere, ob du genannt oder verlinkt wirst und welche Wettbewerber auftauchen. Perplexity zeigt Quellen direkt an, was die Auswertung erleichtert. Das ersetzt kein Tracking-Tool, liefert dir aber ein ehrliches Bild deiner aktuellen KI-Sichtbarkeit.