Einleitung: Die neue Ära der Suchmaschinenoptimierung
Die Suchmaschinenoptimierung für Online-Shops steht an einem Wendepunkt. Während Google mit Organic Shopping, dem AI Overview und dem neuen AI Mode bereits künstliche Intelligenz in seine Produktsuche integriert, entstehen parallel völlig neue Ökosysteme: Perplexity Shopping, ChatGPT Shopping und weitere KI-basierte Shopping-Assistenten verändern, wie Menschen Produkte entdecken, vergleichen und kaufen.
Was bislang Suchmaschinen waren, entwickeln sich zu Generativen Suchsystemen, die Nutzeranfragen nicht mehr nur beantworten, sondern komplette Einkaufsempfehlungen liefern. Produkte, Preise, Händler und Bewertungen werden dabei in Echtzeit zusammengeführt und innerhalb von KI-Dialogen präsentiert.
Diese Entwicklung bringt ein neues Optimierungsparadigma hervor: GEO – Generative Engine Optimization. Statt Inhalte für Google-Rankings zu optimieren, müssen Marken und Händler ihre Daten, Produktfeeds und Inhalte so strukturieren, dass sie von generativen KI-Modellen verstanden, priorisiert und ausgespielt werden.
Für Unternehmen bedeutet das: Sichtbarkeit entsteht künftig dort, wo der Kunde seine Fragen stellt – im Chat. ChatGPT Shopping, Perplexity AI und Googles AI Mode greifen alle auf strukturierte Produktdaten zu, erkennen Kaufintentionen und empfehlen in Echtzeit konkrete Produkte inklusive Händler-Links.
Wer jetzt versteht, wie diese neuen Systeme funktionieren, kann frühzeitig davon profitieren – mit besserer Sichtbarkeit, höherem Vertrauen und direktem Zugang zu Kundenentscheidungen.
In diesem Artikel zeige ich detailliert, wie ChatGPT Shopping arbeitet, wie Generative Engine Optimization (GEO) funktioniert und welche konkreten Maßnahmen Online-Shops heute umsetzen sollten, um auch in der Welt der KI-gestützten Produktsuche ganz vorne mitzuspielen.
ChatGPT Shopping Grundlagen
OpenAI hat am 28. April mit den Worten “We’re excited to announce we’ve launched several improvements to ChatGPT search, and today we’re starting to roll out a better shopping experience.” das visuelle Produktkarussell innerhalb von ChatGPT vorgestellt.
D.h. neben der Empfehlung von Produkten erscheint nun eine Auswahl an Produkten mit Preisen und dazu passenden Händlern.
Wie entscheidet ChatGPT, welche Produkte erscheinen?
Ein Produkt erscheint im visuellen Karussell, wenn ChatGPT feststellt, dass es für die Nutzerabsicht relevant ist.
- Bei der Entscheidung, welche Produkte angezeigt werden sollen, berücksichtigt ChatGPT:
-
- Strukturierte Metadaten von Drittanbietern (z. B. Preis, Produktbeschreibung) und weitere Inhalte von Drittanbietern (z. B. Bewertungen).
- NEU: Strukturierte Metadaten direkt vom Händler (Produktdatenfeed)
- Von ChatGPT generierte Modellantworten, bevor neue Suchergebnisse berücksichtigt werden.
- OpenAI-Sicherheitsstandards.
- Einige Produktbilder können Labels wie „Budgetfreundlich“ oder „Beliebtestes Produkt“ enthalten, die ChatGPT basierend auf verfügbaren (auch externen) Daten generiert.
- Die Händlerliste zu einem Produkt wird basierend auf Händler- und Produktmetadaten erstellt, die ChatGPT von Drittanbietern oder direkt von dem Händler selbst erhält. Die Händler werden anhand von Faktoren wie Verfügbarkeit, Preis, Qualität, Hersteller– oder Hauptverkäufer des Artikels und der Aktivierung der Sofortkauffunktion bewertet.
- Händler, die OpenAI einen direkten Produkt-Feed bereitstellen möchten, um sicherzustellen, dass ChatGPT stets die aktuellsten Informationen zu seinen Produkten wiedergibt, können bereits einen direkten Feed-Zugriff beantragen.
Von der Textsuche zur Produkteinbindung
Bis Ende April war die Produktempfehlung in ChatGPT rein textbasiert und endete ohne konkrete Angebote. Mit ChatGPT Shopping hat sich das geändert: Jetzt werden passende Produkte, Produktpreise und Händler direkt empfohlen.
Ähnlich wie bei Google Organic Shopping handelt es sich bei der Einbindung um einen Product-First-Ansatz. Das heißt: In erster Linie werden Produkte innerhalb eines Produktkarussells empfohlen. Klickt man auf ein Produkt, erscheint eine Liste an Händlern, bei denen man den Kauf tätigen kann.
Wie funktioniert eine Produktempfehlung?
Die folgende Grafik zeigt anhand von ChatGPT, wie eine Produkt-empfehlung bisher rein textbasiert ablief und nun um eine direkte Produkteinbindung ergänzt wird.
- Intent Erkennung – Zunächst versucht ChatGPT den eingegebenen Text zu verstehen. Je nach Prompt kann dies teilweise recht komplex sein, da beispielsweise nicht nur die letzte Eingabe sondern auch vorherige Eingaben und Bemerkungen einbezogen werden.
- Zugriff auf das Sprachmodell-Wissen – Das Modell greift zunächst auf sein internes Wissen zurück um Rechenaufwand zu sparen. Das Sprachmodell-Wissen variiert je nach Modell und geht bei GPT-5 beispielsweise bis 30. September 2024 zurück. Erst wenn die interne Konfidenzbewertung ergibt, dass das im Modell gespeicherte Wissen zur Beantwortung nicht ausreicht, greift ChatGPT auf externe Quellen zurück
- Nutzung externer Echtzeitquellen – Da produktbezogene Anfragen stets aktuell sein müssen, greift ChatGPT im weiteren Schritt auf die Onlinesuche (Onlinesuche läuft…) zurück. D.h. das bisherige Wissen reicht nicht aus, um die Frage zu beantworten und externe Echtzeitquellen werden genutzt. Dabei führt ChatGPT eine Live Websuche aus und analysiert die Top Ergebnisse zu dieser Suche:
- Aggregation & Zusammenfassung – Im letzten Schritt fasst ChatGPT diese gewonnenen Daten zusammen und berücksichtigt zuvor genannte Kriterien des Nutzers. Bei produktbezogenen Anfragen spielt ChatGPT nun zusätzlich das Produktkarussell aus und zeigt Produktdaten zu den Produkten aus der Empfehlung.
LLM-Grundlagen: RAG & Query Fan-out
Wie bereits gezeigt, können LLMs auf externe Echtzeitquellen zugreifen – sie führen eine Live-Websuche aus. Genau hier trifft klassisches SEO auf GEO.
Der Prozess, bei dem internes Wissen durch externe Daten ergänzt wird, heißt RAG (Retrieval-Augmented Generation). Ein weiterer zentraler Mechanismus ist der Query Fan-out: LLMs starten dabei nicht nur eine Suchanfrage, sondern zerlegen den Prompt in mehrere Teilabfragen, die parallel ausgeführt werden.
Beispiel: Die Anfrage „Which pocket knife for camping“ wird in ChatGPT in zwei Suchbegriffe aufgeteilt („best pocket knife for camping reviews 2025“ und „pocket knife camping“). Für beide Begriffe wird eine Live-Websuche durchgeführt, die Ergebnisse gesammelt und anschließend von ChatGPT ausgewertet.
Praktischer Einblick in den Query Fan-out
Für eine nachhaltige Optimierung reicht es nicht, RAG und Query Fan-out nur zu kennen – man sollte sie auch anwenden können.
In ChatGPT lässt sich das praktisch nachvollziehen: Bei jeder Prompt-Abfrage wird eine JSON-Datei generiert, in der die Search Queries des Query Fan-outs sichtbar sind. Diese Einblicke sind nicht nur spannend, sondern entscheidend für die spätere Optimierung – insbesondere auf genau diese Suchbegriffe in den Suchmaschinen.
Um nicht jedes Mal manuell in der JSON-Datei nach den Search Queries suchen zu müssen, gibt es bereits hilfreiche Chrome-Plugins:
– ChatGPT Search & Fan-out Capture
– AYIMA ChatGPT Path
Beide ermöglichen, die von ChatGPT intern erzeugten Suchbegriffe automatisch sichtbar zu machen und damit gezielt auf diese Queries zu optimieren. Gerade für GEO ist das eine der wichtigsten Datenquellen.
Agentic Commerce mit ChatGPT
Agentic Commerce bedeutet, dass digitale Assistenten oder KI-Systeme im Auftrag eines Nutzers automatisch Produkte oder Dienstleistungen auswählen, vergleichen und kaufen – ohne dass der Nutzer jeden Schritt selbst ausführen muss.
Vereinfacht gesagt: Es ist „Einkaufen durch KI“, bei dem die KI wie ein persönlicher Einkaufsagent handelt.
ChatGPT baut sich die Bausteine dafür zusammen:
– Im Juli 2025 wurde der ChatGPT-Agent vorgestellt, der es dem Modell erlaubt, mit Hilfe des eigenen Computers zu arbeiten und komplexe Aufgaben auszuführen.
– Im September wurde der Instant Checkout und das Agentic Commerce Protocol eingeführt, welches Käufe direkt im Chat erlaubt. Es ist also nicht mehr nötig, den Shop des Händlers zu besuchen.
Ads in ChatGPT
Zumindest kurz soll auch das Thema Werbung innerhalb von ChatGPT angesprochen werden, da es zumindest bei Google eine große Rolle spielt. Ob Werbung in ChatGPT kommt, ist derzeit unklar. Sam Altman äußerte sich in Interviews eher kritisch.
Derzeit sieht es eher danach aus, als würde man sich zunächst auf das Thema Checkout-Provisionen konzentrieren. Ein Ausschnitt aus einem Interview vom März 2025 zeigt das deutlich:
„Was ich viel lieber ausprobieren würde als traditionelle Werbung? Viele Leute nutzen Deep Research zum Beispiel für den E-Commerce. Könnten wir ein neues Modell entwickeln, bei dem wir nie Geld für Platzierungsänderungen oder Ähnliches verlangen, aber wenn man etwas über Deep Research kauft, das man gefunden hat, berechnen wir eine Affiliate-Gebühr von etwa 2 % oder so. Das wäre cool, damit hätte ich kein Problem. Und vielleicht gibt es eine geschmackvolle Art, Werbung zu machen, aber ich weiß nicht. Ich mag Werbung einfach nicht so sehr.“
– Sam Altman, Interview vom 20. 03. 2025, stratechery.com
Damit zeigt sich, dass OpenAI derzeit kein klassisches Werbemodell plant, sondern vielmehr eine Transaktions- oder Affiliate-Gebühr pro Kauf im Fokus steht. Für Händler könnte das bedeuten, dass die Optimierung auf GEO nicht nur Traffic, sondern direkt Umsatzpotenzial bringt.
