Agentic Commerce Guide: Wie Shopify-Händler ihre Shops für KI-Agenten vorbereiten

Der Onlinehandel verändert sich aktuell grundlegend. Immer mehr Produktsuchen beginnen nicht mehr bei Google oder direkt im Onlineshop, sondern in KI-Systemen wie ChatGPT, Microsoft Copilot oder Google Gemini. Nutzer formulieren dort konkrete Anforderungen und erhalten nicht nur Suchergebnisse, sondern bereits vorgefilterte Produktempfehlungen. 

Dadurch verschiebt sich die Rolle moderner Shopsysteme: Nicht mehr nur Menschen müssen Produkte verstehen können, sondern zunehmend auch KI-Agenten. Für diese Systeme zählen vor allem strukturierte Daten, eindeutige Produktinformationen, verlässliche Lieferangaben und maschinenlesbare Inhalte. Genau darauf reagiert Shopify aktuell mit neuen Technologien rund um Agentic Commerce, den Shopify Catalog und das Universal Commerce Protocol (UCP). 

Für Händler bedeutet das keine vollständige Neuerfindung ihres Shops, aber eine neue Priorisierung technischer und inhaltlicher Qualität. Dieser Guide zeigt, wie Shopify-Händler ihre Shops Schritt für Schritt auf diese Entwicklung vorbereiten können.

Wie KI-Agenten Einkaufsentscheidungen treffen

Der Unterschied zwischen Menschen und KI-Agenten

Menschen und KI-Agenten treffen Kaufentscheidungen auf unterschiedliche Weise. Während Menschen häufig emotional reagieren, sich von Bildern, Marken oder Produktpräsentationen beeinflussen lassen und auch mit unvollständigen Informationen umgehen können, arbeiten KI-Agenten deutlich strukturierter. Sie bewerten Produkte anhand konkreter Daten, vergleichen verschiedene Optionen systematisch und analysieren technische Eigenschaften, Preise, Lieferzeiten oder Bewertungen. Für KI-Systeme sind deshalb klare, konsistente und maschinenlesbare Informationen deutlich wichtiger als emotionale Werbebotschaften oder visuelle Eindrücke.

Welche Daten KI-Agenten auswerten

Ein KI-Agent analysiert unter anderem:

Produktdaten

• technische Eigenschaften

• Materialien

• Varianten

• Kompatibilitäten

• Größen und Farben

Commerce-Daten

• Preis

• Lieferzeit

• Lagerbestand

• Versandkosten

• Retourenbedingungen

Vertrauenssignale

• Bewertungen

• Zertifizierungen

• Markeninformationen

• Unternehmensdaten

Emotionale Werbetexte spielen dabei eine deutlich geringere Rolle als im klassischen E-Commerce.

Warum strukturierte Informationen wichtiger werden

Viele Shops enthalten historisch gewachsene Datenstrukturen:

• uneinheitliche Varianten

• Freitext statt klarer Attribute

• fehlende technische Informationen

• widersprüchliche Lieferangaben

Für Menschen ist das oft noch verständlich. Für KI-Systeme entstehen dadurch jedoch Probleme bei der Analyse und Vergleichbarkeit. Genau deshalb gewinnen standardisierte Produktdaten massiv an Bedeutung.

Shopify und das Universal Commerce Protocol (UCP)

Shopify entwickelt aktuell eine Infrastruktur, mit der KI-Systeme strukturierte Shopdaten direkt analysieren können.

Dazu gehören unter anderem:

• der Shopify Catalog

• neue Agentic-Commerce-Funktionen

• API-basierte Echtzeitdaten

• standardisierte Produktfeeds

• das Universal Commerce Protocol (UCP)

Das Ziel: Produktinformationen sollen plattformübergreifend maschinenlesbar bereitgestellt werden.

Warum das relevant wird

Bisher wurden Shops primär für Suchmaschinen optimiert. Künftig wird zusätzlich relevant: Wie gut kann ein KI-Agent Produkte verstehen, vergleichen und bewerten?

Dadurch wird Datenqualität zunehmend zu einem direkten Sichtbarkeitsfaktor.

Schritt 1: Produktdaten im Shopify-Backend maschinenlesbar machen

Einheitliche Produktattribute definieren

Die Grundlage für Agentic Commerce sind saubere und standardisierte Produktdaten.

Schlechte Datenstruktur

• „Blue-ish“

• „Large“

• „ca. 2–5 Tage“

• Material nur im Fließtext

Bessere Datenstruktur

• Farbe: Navy Blue

• Größe: L

• Material: 100 % Baumwolle

• Lieferzeit: 1–3 Werktage

Je eindeutiger die Informationen sind, desto besser können KI-Systeme Produkte vergleichen.

Shopify Metafields und Metaobjects sinnvoll nutzen

Shopify bietet bereits die passende technische Grundlage:

Metafields

Ideal für:

• technische Daten

• Zusatzinformationen

• Kompatibilitäten

• Materialangaben

• Zertifizierungen

Metaobjects

Geeignet für:

• wiederverwendbare Datenstrukturen

• standardisierte Produktinformationen

• strukturierte Marken- oder Materialdaten

Dadurch lassen sich Informationen konsistent im gesamten Shop verwalten.

Variantenlogik sauber strukturieren

Besonders wichtig sind konsistente Variantenbezeichnungen. Häufig werden dieselben Eigenschaften innerhalb eines Shops unterschiedlich benannt, beispielsweise als „Dunkelblau“, „Blue Navy“ oder „Navy“. Für Menschen ist meist erkennbar, dass es sich um dieselbe Farbe handelt. KI-Systeme können solche Unterschiede jedoch als verschiedene Attribute interpretieren. 

Um Produkte zuverlässig vergleichen und einordnen zu können, sollten Varianten daher einheitlich benannt werden – beispielsweise durchgängig als „Navy Blue“. Je konsistenter die Datenstruktur, desto einfacher können KI-Agenten die Informationen verarbeiten.

Echtzeitdaten werden wichtiger

Verfügbarkeiten und Lieferzeiten entwickeln sich zunehmend zu kritischen Signalen.

Wichtige Faktoren sind:

• aktueller Lagerbestand

• präzise Lieferzeiten

• transparente Versandinformationen

• zuverlässige Preisangaben

Unvollständige Daten können dazu führen, dass Produkte schlechter berücksichtigt werden.

Schritt 2: Strukturierte Daten und Schema Markup implementieren

Warum Schema Markup wichtig wird

Schema Markup hilft Suchmaschinen und KI-Systemen dabei, Inhalte maschinenlesbar zu verstehen.

Während klassisches SEO lange auf Rankings fokussiert war, analysieren moderne KI-Systeme zunehmend strukturierte Daten direkt aus dem Frontend.

Die wichtigsten Schema-Typen für Shopify

Product Schema

Enthält Informationen wie:

• Produktname

• Beschreibung

• Marke

• Bilder

• Varianten

Offer Schema

Wichtige Commerce-Daten:

• Preis

• Währung

• Verfügbarkeit

• Lieferstatus

FAQ Schema

Hilft KI-Systemen dabei:

• Nutzerfragen zu verstehen

• Antworten direkt zu extrahieren

• Kontext besser einzuordnen

Organization Schema

Relevant für:

• Unternehmensinformationen

• Markenidentität

• Vertrauenssignale

Warum die KI-Suche anders funktioniert als die klassische Suche

Traditionelle Suchmaschinen verlinken Webseiten. KI-Systeme dagegen:

• analysieren Inhalte

• extrahieren Informationen

• generieren direkte Antworten

• vergleichen Produkte automatisch

Je klarer die Datenstruktur, desto einfacher kann ein Shopify-Shop verarbeitet werden.

Schritt 3: Inhalte für AI Search, GEO und AEO optimieren

Der Wandel von SEO zu AEO und GEO

Neue Begriffe wie:

• AEO (Answer Engine Optimization)

• GEO (Generative Engine Optimization)

beschreiben den Wandel von dokumentenbasierter Suche hin zu AI-generierten Antworten. Noch existieren dafür keine festen Standards. Die Entwicklung ist jedoch klar: Faktenbasierte Inhalte gewinnen an Bedeutung.

Produktbeschreibungen verändern sich

Viele klassische Produkttexte enthalten überwiegend Marketing-Sprache:

• „revolutionär“

• „premium“

• „ultimativ“

Für KI-Systeme liefern solche Begriffe kaum verwertbare Informationen.

Besser sind:

• konkrete Eigenschaften

• technische Details

• klare Einsatzbereiche

• nachvollziehbare Vorteile

Vergleichsinhalte werden wichtiger

KI-Systeme bevorzugen Inhalte, die Informationen klar strukturieren und einen direkten Vergleich zwischen Produkten ermöglichen. Besonders hilfreich sind daher Kaufberatungen, Vergleichstabellen, strukturierte FAQ-Bereiche sowie Informationen zur Kompatibilität und zu typischen Anwendungsfällen. Solche Inhalte erleichtern es KI-Agenten, relevante Produktmerkmale zu erkennen, Produkte miteinander zu vergleichen und passende Empfehlungen für konkrete Nutzeranfragen abzuleiten.

Themenrelevanz wird wichtiger als einzelne Keywords

Früher lag der Fokus häufig auf einzelnen Keywords. Heute analysieren KI-Systeme Zusammenhänge zwischen:

• Produkten

• Marken

• Eigenschaften

• Kategorien

• Nutzungskontexten

Content sollte deshalb stärker thematisch statt keywordzentriert aufgebaut werden.

Schritt 4: Vertrauen und DACH-Rechtssicherheit sichtbar machen

Warum Vertrauen für KI-Agenten entscheidend ist

KI-Agenten sind darauf ausgelegt, Risiken bei Kaufentscheidungen möglichst zu minimieren. Deshalb spielen transparente und verlässliche Informationen eine wichtige Rolle bei der Bewertung von Produkten und Shops. Zu den wichtigsten Vertrauenssignalen zählen Kundenbewertungen, Gütesiegel, Zertifizierungen, vollständige Unternehmensinformationen sowie klar kommunizierte Versand- und Lieferbedingungen. 

Je einfacher diese Informationen zugänglich und nachvollziehbar sind, desto höher ist die Wahrscheinlichkeit, dass ein Shop von KI-Systemen als vertrauenswürdig eingestuft wird.

Transparente Preisgestaltung im DACH-Raum

Im deutschsprachigen Raum gelten zusätzliche Anforderungen:

• Preisangabenverordnung

• transparente Versandkosten

• klare Rabattkommunikation

• die 30-Tage-Regel bei Preisreduzierungen

Für KI-Systeme sind unklare Preisangaben problematisch, weil sie die Vergleichbarkeit erschweren.

Retourenbedingungen als Ausschlusskriterium

Unklare Rückgabeinformationen können dazu führen, dass Produkte schlechter priorisiert werden.

Besonders wichtig sind:

• klare Rückgabefristen

• transparente Versandbedingungen

• eindeutige Lieferzeiten

• verständliche Kostenangaben

Schritt 5: Das Shopify-Ökosystem für Agentic Commerce nutzen

Der Shopify Catalog

Der Shopify Catalog dient als zentrale Datenbasis für strukturierte Produktinformationen. Er ermöglicht es externen Systemen, Produktdaten standardisiert abzurufen und zu verarbeiten. Dadurch können KI-Agenten und andere Commerce-Plattformen Produkte analysieren, relevante Informationen auslesen, aktuelle Verfügbarkeiten prüfen und Preise miteinander vergleichen. Für Händler schafft dies die Grundlage, damit ihre Produkte auch außerhalb des eigenen Shops zuverlässig gefunden und bewertet werden können.

APIs und Echtzeitdaten werden wichtiger

KI-Systeme sind auf aktuelle und verlässliche Informationen angewiesen, um fundierte Produktempfehlungen aussprechen zu können. Besonders wichtig sind dabei Daten wie Lagerbestände, Lieferzeiten, Preisänderungen und der aktuelle Status von Produktvarianten. 

Veraltete oder unvollständige Informationen können dazu führen, dass Produkte falsch bewertet oder gar nicht berücksichtigt werden. Deshalb gewinnen Echtzeitdaten und API-basierte Datenquellen zunehmend an Bedeutung, während statische Datenfeeds langfristig oft nicht mehr ausreichen.

Datenfehler werden sichtbarer

Je stärker KI-Systeme strukturierte Daten nutzen, desto schneller fallen Probleme auf:

• fehlende Attribute

• fehlerhafte Varianten

• unvollständige Lieferinformationen

• widersprüchliche Preise

Datenqualität entwickelt sich dadurch zu einem direkten Wettbewerbsfaktor.

Schritt 6: Die Agent Journey statt nur die User Journey verstehen

Wie KI-Agenten Produkte filtern

Ein KI-Agent arbeitet typischerweise mit:

Entscheidungsparametern

• Preis

• Lieferzeit

• Material

• Größe

• Kompatibilität

• Bewertungen

Ausschlusskriterien

• nicht lieferbar

• fehlende technische Daten

• unklare Rückgabebedingungen

• schlechte Bewertungen

• widersprüchliche Informationen

Beispiel einer typischen Agent-Anfrage

Ein Nutzer fragt: „Finde mir einen höhenverstellbaren Schreibtisch unter 700 Euro mit schneller Lieferung und Kabelmanagement.“

Der KI-Agent analysiert daraufhin:

1. Preisgrenze

2. Lieferzeit

3. technische Eigenschaften

4. Zusatzfunktionen

5. Bewertungen

6. Verfügbarkeit

Shops mit klar strukturierten Daten haben dabei deutliche Vorteile.

Agentic Commerce Readiness Check

Die 10-Punkte-Checkliste für Shopify-Händler

Produktdaten

• Sind Produktattribute standardisiert?

• Sind Varianten sauber strukturiert?

• Werden Metafields konsequent genutzt?

Technische Struktur

• Ist Schema Markup implementiert?

• Sind strukturierte FAQ-Daten vorhanden?

• Sind APIs und Echtzeitdaten sauber gepflegt?

Vertrauen & Rechtssicherheit

• Sind Preise transparent dargestellt?

• Sind Lieferzeiten eindeutig?

• Sind Retourenbedingungen klar formuliert?

• Sind Bewertungen sichtbar integriert?

Je mehr Punkte erfüllt sind, desto besser ist ein Shop auf AI-Commerce vorbereitet.

Fazit

Agentic Commerce bedeutet nicht das Ende klassischer Onlineshops. Aber die Anforderungen an digitale Commerce-Systeme verändern sich.

Neben Design, Branding und klassischem SEO wird zunehmend relevant: Wie gut können KI-Systeme Produkte verstehen und vergleichen?

Viele der notwendigen Optimierungen verbessern gleichzeitig:

• klassische SEO-Sichtbarkeit

• Datenqualität

• interne Prozesse

• Conversion Rates

• Nutzererfahrung

Deshalb lohnt sich die Vorbereitung unabhängig davon, wie schnell autonome Einkaufssysteme tatsächlich zum Standard werden.

Unternehmen, die früh strukturierte Daten und klare Informationsarchitekturen aufbauen, schaffen sich langfristig Vorteile, sowohl für klassische Suchsysteme als auch für kommende AI-Commerce-Plattformen.