Der neue Regalplatz: Empfehlungen statt Ergebnislisten

„Welches Trekkingrad bis 1.500 € ist gut?" - solche Fragen beantworten KI-Systeme heute mit konkreten Produktempfehlungen, Preisen und Quellen-Links. ChatGPT Shopping, Perplexity und Googles Shopping-Antworten speisen sich dabei aus denselben Grundlagen: Produktfeeds, strukturierte Daten und zitierfähige Inhalte. Shops, die diese Basis sauber halten, tauchen in Empfehlungen auf. Alle anderen überlassen den Platz Amazon, Idealo und den best organisierten Wettbewerbern.

Produktdaten als Rankingfaktor

Die klassische Trennung - „SEO macht Texte, das PIM macht Daten" - ist überholt. Systeme vergleichen Produkte anhand von Attributen: Material, Maße, Kompatibilität, Energieklasse, Lieferzeit, Bewertungen. In der Praxis heißt das:

  • Vollständigkeit schlägt Prosa: Ein Produkt mit 30 gepflegten Attributen ist vergleichbar - und damit empfehlbar. Ein schöner Fließtext ohne Daten ist es nicht.
  • Product-Markup komplett ausspielen: Preis, Verfügbarkeit, GTIN, Bewertungen, Versandinfo - Schema.org-Product ist die Lingua franca zwischen Shop, Google und KI-Systemen.
  • Feed und Website müssen übereinstimmen: Widersprüche zwischen Merchant-Center-Feed und Produktseite kosten Vertrauen - bei Google messbar, bei KI-Systemen mutmaßlich stärker.

Technik: Facetten, Crawling, Renderbarkeit

Das älteste E-Commerce-SEO-Problem bleibt das wichtigste: Facettennavigation erzeugt Millionen URL-Varianten, die Crawl-Budget verbrennen und Rankings verwässern. Die Regeln haben sich nicht geändert - nur ihre Dringlichkeit, denn auch KI-Crawler müssen die richtigen Seiten finden: indexierbare Facetten nur dort, wo echte Suchnachfrage existiert („Gravel-Bike Damen"); Rest per Canonical/Noindex konsolidieren; Kerninhalte serverseitig rendern, denn KI-Bots führen JavaScript selten aus.

Aus 4 Jahren Fahrrad XXL

Die wirkungsvollste Einzelmaßnahme in der Shop-Praxis: Kategorieseiten entlang echter Suchcluster aufbauen (Keyword-Clustering!) statt entlang interner Sortimentslogik. Suchnachfrage bestimmt die Struktur - nicht das Organigramm des Einkaufs.

Content, der verkauft - nicht füllt

Kategorietexte, die niemand liest, ranken auch nicht mehr. Was funktioniert: Kaufberatung mit Substanz - Vergleichskriterien, Größentabellen, Kompatibilitäts-Guides, ehrliche Einschränkungen („für wen ist X nichts?"). Genau diese Inhalte zitieren KI-Systeme in Empfehlungen. Und sie stärken die Produktdetailseiten über interne Verlinkung, statt mit ihnen zu konkurrieren.

Fünf Hausaufgaben für 2026

  1. Produktdaten-Audit: Attribut-Vollständigkeit je Kategorie messen; Lücken priorisiert ans PIM-Team.
  2. Schema-Vollausbau: Product, Offer, AggregateRating, FAQ auf allen Detailseiten - validiert, nicht nur vorhanden.
  3. Facetten-Inventur: Indexierbare Varianten gegen Suchnachfrage abgleichen; alles andere konsolidieren.
  4. Feed-Hygiene: Merchant-Feed und Website synchronisieren; Abweichungen automatisiert überwachen.
  5. KI-Sichtbarkeits-Baseline: 20-30 Kaufberatungs-Prompts definieren und monatlich prüfen: Kommen unsere Produkte in Empfehlungen vor?

E-Commerce SEO 2026 ist Datenarbeit plus Beratungskompetenz - die Disziplinen wachsen zusammen. Wer sein Sortiment maschinenlesbar und seine Beratung zitierfähig macht, gewinnt beide Regale: die Suchergebnisse und die KI-Empfehlung.