GEO für E-Commerce: Produkte in KI-Empfehlungen platzieren

Warum die Kaufberatung sich gerade verschiebt

Immer mehr Menschen starten ihre Kaufrecherche nicht mehr bei Google, sondern fragen einen KI-Assistenten: „Welcher Akkusauger unter 300 Euro ist gut für Tierhaare?" oder „Empfehle mir eine nachhaltige Yogamatte". Statt zehn blauer Links bekommen sie eine fertige Antwort mit zwei bis fünf konkreten Produkten. Wer in dieser Antwort steht, gewinnt. Wer nicht darin steht, existiert für diesen Kunden in dem Moment schlicht nicht, egal wie gut das SEO-Ranking ist.

GEO steht für Generative Engine Optimization: die Optimierung darauf, in KI-generierten Antworten aufzutauchen. Für den E-Commerce ist das kein Nischenthema mehr. Assistenten wie ChatGPT mit Suchfunktion, Perplexity, Google AI Overviews und Gemini beantworten Produktfragen zunehmend direkt. Der Unterschied zu klassischem SEO: Es gibt keine Position 3 mehr, auf die man klettert. Es gibt nur drinnen oder draußen in der Empfehlung.

Das betrifft alle Branchen. Ein Weinhändler, ein Werkzeughersteller, ein Kosmetik-Shop und ein Anbieter von B2B-Software konkurrieren im gleichen Mechanismus: Die KI baut ihre Antwort aus dem, was sie über dich im Netz findet und maschinell verarbeiten kann. Deine Aufgabe ist, diesen Rohstoff so klar und überprüfbar zu liefern, dass du die naheliegende Wahl für die Antwort wirst.

Wie eine KI ein Produkt überhaupt empfiehlt

Vereinfacht läuft es in zwei Schritten ab. Erst versteht das Modell die Absicht hinter der Frage: Budget, Anwendungsfall, Einschränkungen wie „für Anfänger" oder „vegan". Dann sucht es Quellen, die zu dieser Absicht passen, und formuliert daraus eine Empfehlung. Genannt wird, was in mehreren vertrauenswürdigen Quellen mit klaren, überprüfbaren Eigenschaften auftaucht. Vage Marketingsprache hilft dabei nicht, präzise Fakten schon.

Das heißt konkret: Ein Produkt, dessen Eigenschaften nur in einem hübschen Bild oder in einem Fließtext voller Adjektive stecken, ist für die Maschine fast unsichtbar. Ein Produkt mit sauberen strukturierten Daten, klaren Spezifikationen, echten Bewertungen und Erwähnungen in Tests oder Ratgebern ist es nicht. Die KI braucht Aussagen, die sie zitieren und begründen kann, etwa „wiegt 1,2 kg", „für Fettnässe geeignet" oder „100 Prozent recycelter Kunststoff".

Wichtig ist auch: Die KI zieht ihr Wissen oft nicht direkt aus deinem Shop, sondern aus Drittseiten, die über dich schreiben. Deine eigene Produktseite ist die Grundlage, aber Vergleichsportale, Fachmagazine, Foren und Marktplätze liefern die Bestätigung. Erst diese Kombination macht dich zu einer belastbaren Empfehlung statt zu einer bloßen Behauptung deiner eigenen Werbung.

Produktdaten maschinenlesbar machen

Der wichtigste technische Hebel sind strukturierte Daten. Mit dem Schema.org-Format „Product" beschreibst du Name, Marke, Preis, Verfügbarkeit, Zustand, GTIN und aggregierte Bewertungen in einem Format, das Maschinen zweifelsfrei lesen. Das ist keine Kür, sondern die Basis dafür, dass eine KI dein Produkt korrekt einordnet und nicht mit einem anderen verwechselt. Ohne diese Auszeichnung rätst du darauf, dass das Modell den Fließtext richtig interpretiert.

Genauso wichtig sind vollständige, ehrliche Attribute. Fülle jedes relevante Feld aus: Maße, Gewicht, Material, kompatible Systeme, Pflegehinweise, Energieklasse. Ein Möbelhändler, der Sitzhöhe und Belastbarkeit angibt, wird bei „Bürostuhl für große Menschen" gefunden. Ein Nahrungsergänzungs-Shop, der Dosierung, Allergene und Studienlage nennt, kann bei „vegan und ohne Magnesiumstearat" auftauchen. Jedes ausgefüllte Attribut ist eine mögliche Frage, die dich in die Antwort bringt.

Halte diese Daten konsistent über alle Kanäle. Wenn dein Shop, dein Amazon-Listing und dein Google-Merchant-Feed unterschiedliche Angaben machen, sinkt das Vertrauen und die KI weiß nicht, welcher Wert stimmt. Ein sauberer, gepflegter Produktdaten-Feed als zentrale Wahrheit zahlt hier doppelt ein: für klassische Shopping-Ergebnisse und für generative Empfehlungen.

Für Kauf-Absichten statt für Keywords schreiben

Kunden fragen KI-Assistenten in ganzen Situationen, nicht in Suchbegriffen. Nicht „Laufschuh Damen", sondern „Laufschuh für Anfängerinnen mit breitem Fuß und leichtem Überpronation-Problem". Deine Produktbeschreibungen sollten genau solche Anwendungsfälle beantworten. Schreibe explizit, für wen ein Produkt geeignet ist, für wen nicht, in welcher Situation es glänzt und wo seine Grenzen liegen. Diese Klartext-Passagen sind Gold für die Maschine, weil sie direkt auf Absichten passen.

Baue dazu Inhalte, die über die reine Produktseite hinausgehen: Kaufratgeber, Vergleiche, Anwendungsbeispiele. Ein Fahrrad-Shop, der einen ehrlichen Ratgeber „Gravelbike oder Cyclocrosser?" schreibt, liefert der KI genau die Abwägungslogik, die sie in ihrer Antwort braucht, und wird als Quelle plausibel. Solche Inhalte müssen keine Verkaufsprosa sein. Je nüchterner und hilfreicher sie sind, desto eher werden sie zitiert.

Vermeide dabei Keyword-Stuffing und Superlativ-Ketten. Formulierungen wie „das beste Produkt aller Zeiten" tragen für ein Sprachmodell null Informationsgehalt. Konkrete, belegbare Aussagen tragen alles. Schreibe so, wie du einem echten Kunden im Laden antworten würdest, der dir eine ehrliche Frage stellt.

Bewertungen und Erwähnungen als Vertrauenssignal

KI-Modelle gewichten Reputation stark. Ein Produkt, das nur auf der eigenen Seite gelobt wird, ist schwächer als eines, das in unabhängigen Bewertungen, Tests und Diskussionen positiv auftaucht. Für den E-Commerce heißt das: Sammle systematisch echte Kundenbewertungen und mache sie sichtbar und strukturiert auszeichenbar. Aggregierte Sternewerte und einzelne Rezensionstexte liefern der KI genau die soziale Bestätigung, die eine Empfehlung glaubwürdig macht.

Ebenso zählt, wo über dich gesprochen wird. Präsenz in Fachmedien, auf Vergleichsplattformen, in relevanten Reddit- und Forenthreads sowie in Bestenlisten von Blogs erhöht die Wahrscheinlichkeit, dass ein Modell dich als Antwort nennt. Das lässt sich anstoßen: Produktmuster an seriöse Testerinnen, saubere Presseinformationen, Teilnahme an Branchenvergleichen. Kaufe keine Fake-Bewertungen, das fliegt auf und beschädigt genau das Vertrauen, das du aufbauen willst.

Achte auf Konsistenz zwischen dem, was du versprichst, und dem, was Kunden berichten. Wenn deine Seite „extrem leise" sagt, aber Rezensionen von Lautstärke klagen, entsteht ein Widerspruch, den moderne Modelle zunehmend erkennen und der dich aus Empfehlungen heraushält.

Sichtbarkeit in KI-Antworten messen

Anders als beim klassischen Ranking gibt es keinen einfachen Positionswert. Trotzdem musst du messen, sonst optimierst du blind. Der pragmatische Einstieg: Definiere die 20 bis 50 wichtigsten Kaufabsichten deiner Kategorie und stelle sie regelmäßig verschiedenen Assistenten. Notiere, ob deine Produkte genannt werden, an welcher Stelle, mit welcher Begründung und welche Quelle die KI dafür anführt. So entsteht ein Bild deiner Empfehlungs-Präsenz über die Zeit.

Ergänze das mit Server-Signalen. Prüfe in deinen Logs, ob Crawler von OpenAI, Perplexity, Google und Co. deine Produktseiten abrufen. Werden sie ausgesperrt oder finden sie nur dünne Inhalte, kannst du nicht empfohlen werden. Beobachte außerdem Referral-Traffic von KI-Oberflächen: Perplexity und ChatGPT verlinken teilweise Quellen, und dieser Traffic ist ein direkter Hinweis auf funktionierende GEO-Arbeit.

Behandle das Ganze als laufenden Prozess. Die Modelle und ihre Quellauswahl ändern sich schnell. Ein monatlicher Check derselben Fragen zeigt dir, ob eine Maßnahme wie ein neuer Ratgeber oder verbesserte strukturierte Daten dich messbar häufiger in Antworten bringt.

GEO und SEO: kein Gegensatz

GEO ersetzt klassisches SEO nicht, es baut darauf auf. Viele KI-Systeme greifen für aktuelle Produktinfos auf Web-Suche zurück und bevorzugen Seiten, die technisch sauber, schnell und gut strukturiert sind. Eine crawlbare Seite, klare Überschriften, sinnvolle interne Verlinkung und funktionierende strukturierte Daten zahlen auf beide Ziele ein. Wer sein SEO-Fundament vernachlässigt, hat auch bei GEO schlechte Karten.

Der entscheidende Unterschied liegt im Ziel des Inhalts. SEO optimiert oft auf den Klick, GEO optimiert auf die Zitierfähigkeit. Für GEO schreibst du Passagen, die eine KI wortwörtlich als Beleg übernehmen kann: kompakte, faktenbasierte Aussagen, klare Für-und-Wider-Abschnitte, eindeutige Eignungsangaben. Diese Bausteine kannst du direkt in bestehende Produkt- und Ratgeberseiten einbauen, ohne deine Struktur umzuwerfen.

Praktisch heißt das: Führe beides zusammen statt in getrennten Teams. Wenn die Produktdaten-Pflege, die Content-Erstellung und die technische Optimierung dasselbe Ziel verfolgen – überprüfbare, konsistente, hilfreiche Information –, verbessern sich klassische Rankings und KI-Empfehlungen gleichzeitig.

• SEO: optimiert auf Klick und Ranking-Position
• GEO: optimiert auf Nennung in der generierten Antwort
• Gemeinsame Basis: crawlbare, schnelle, strukturierte Seiten
• GEO-Zusatz: zitierfähige Fakten und klare Eignungsaussagen

Ein pragmatischer Fahrplan zum Start

Fang nicht mit dem gesamten Sortiment an, sondern mit deinen wichtigsten Produkten oder Kategorien. Für diese: Produktdaten vervollständigen, Schema.org-Product-Markup sauber implementieren, echte Bewertungen einsammeln und einen ehrlichen Kaufratgeber schreiben, der Absichten beantwortet. Prüfe dann über einige Wochen, ob und wie die Assistenten dich nennen. Dieser fokussierte Ansatz liefert schneller belastbare Erkenntnisse als eine flächige Halb-Optimierung.

Kläre parallel die technische Zugänglichkeit. Stelle sicher, dass die relevanten KI-Crawler deine Seiten erreichen dürfen, dass Ladezeiten stimmen und dass wichtige Inhalte nicht erst per JavaScript nachgeladen werden, das manche Bots nicht ausführen. Diese Grundlagen entscheiden darüber, ob deine ganze inhaltliche Arbeit überhaupt bei den Modellen ankommt.

Und bleib ehrlich. Der nachhaltigste GEO-Vorteil im E-Commerce ist ein Produkt, das hält, was die Daten versprechen, und ein Netz aus echten, konsistenten Belegen darüber. KI-Systeme werden besser darin, Marketing-Fassade von Substanz zu unterscheiden. Wer auf überprüfbare Qualität setzt, gewinnt in diesem Wettbewerb langfristig, nicht wer am lautesten wirbt.

Wo Branchen sich unterscheiden

Nicht jede Produktkategorie verhält sich in KI-Empfehlungen gleich. Bei erklärungsbedürftiger Technik oder B2B-Produkten fragen Menschen nach Eigenschaften, Kompatibilität und Anwendungsfällen. Hier zahlt sich strukturierte Spezifikationsdaten und Vergleichsinhalt am stärksten aus, weil die KI aus vielen Detailfeldern eine passende Auswahl bauen kann. Je präziser du Einsatzzweck und Grenzen beschreibst, desto eher landest du in einer konkreten Empfehlung statt in einer beliebigen Liste.

Bei Mode, Möbeln oder Lebensmitteln zählt dagegen Kontext: Anlass, Stil, Ernährungsweise, Preisrahmen. Die KI zieht hier stark aus Beschreibungen, Redaktionsinhalten und externen Erwähnungen. Bei margenschwachen Alltagsprodukten wiederum entscheidet oft Verfügbarkeit und Preis, weniger die Textqualität. Prüfe darum zuerst, welche Fragen Kundinnen und Kunden in deiner Kategorie wirklich stellen, und richte Datenpflege und Inhalte genau darauf aus, statt eine allgemeine Checkliste blind abzuarbeiten.

Ein durchgerechnetes Mini-Beispiel

Nimm einen Shop mit 2.000 Produkten und 100.000 Sitzungen im Monat. Angenommen, KI-Assistenten verweisen bislang für 3 Prozent deiner relevanten Kaufberatungs-Fragen auf dich. Wenn du Produktdaten strukturierst, Kauf-Absichten bedienst und Erwähnungen aufbaust und dieser Anteil auf 8 Prozent steigt, wächst der über KI vermittelte Zustrom grob um den Faktor 2,5 – bezogen auf genau dieses Segment, nicht auf den gesamten Traffic.

Rechne konservativ weiter: Kommen dadurch monatlich 1.200 zusätzliche Besuche mit einer Kaufabsicht, und konvertieren davon 2 Prozent bei 60 Euro Warenkorb, sind das rund 1.440 Euro Mehrumsatz pro Monat. Die Zahlen sind Annahmen, kein Versprechen. Der Punkt ist die Denkweise: Miss deinen Ausgangsanteil, definiere ein realistisches Ziel und bewerte den Aufwand gegen ein durchgerechnetes Ergebnis statt gegen ein Bauchgefühl.

Häufige Missverständnisse und Grenzen

Ein verbreiteter Irrtum ist, GEO sei ein einmaliges Projekt. Tatsächlich ändern sich Modelle, Datenquellen und die Art, wie Assistenten zitieren, laufend. Was heute empfohlen wird, kann in drei Monaten anders gewichtet sein. Behandle Sichtbarkeit in KI-Antworten wie ein Monitoring-Thema, nicht wie eine Kampagne mit Enddatum. Kleine, regelmäßige Korrekturen schlagen große Einmal-Aktionen.

Zweitens lässt sich Empfehlung nicht erkaufen und nicht erzwingen. Du kannst die Wahrscheinlichkeit erhöhen, indem du korrekte, gut strukturierte und glaubwürdig belegte Informationen lieferst, aber keine Platzierung garantieren. Wer mit übertriebenen Behauptungen oder gefälschten Bewertungen arbeitet, riskiert langfristig, als Quelle abgewertet zu werden.

Drittens ersetzt GEO weder gute Produkte noch funktionierende Logistik. Eine KI kann dich empfehlen, doch spätestens auf der Produktseite entscheiden Preis, Verfügbarkeit und Vertrauen über den Kauf. Betrachte KI-Sichtbarkeit als zusätzlichen Kanal in einem Gesamtsystem, nicht als Ersatz für die Grundlagen deines Shops.