Sichtbar für KI-Agenten: So findet der Agent Ihr Sortiment

Die fünf Schritte zur Agent-Readiness

1. Strukturierte Produktdaten schaffen

   Titel, Preis, Verfügbarkeit, Eigenschaften und Eignung maschinenlesbar bereitstellen – als sauberer Feed und mit Schema.org-Markup (Product, Offer, AggregateRating).

2. In KI-Antworten zitierbar werden (GEO)

   Inhalte so aufbereiten, dass ChatGPT, Perplexity und AI Overviews sie zitieren: klare Quick-Answers, Definitionen, Belege und Quellen pro Seite.

3. AI-Crawler zulassen

   GPTBot, ClaudeBot, PerplexityBot und Google-Extended in robots.txt erlauben und eine llms.txt bereitstellen, damit Agenten Inhalte überhaupt erfassen.

4. Konsistenz über Kanäle sichern

   Preis und Verfügbarkeit in Feed, API und Website widerspruchsfrei halten – Inkonsistenzen kosten die Auswahl durch den Agenten.

5. Agenten-Kanal anbinden

   Über MCP, ACP oder Marktplatz-Feeds einen ersten Agenten-Kanal pilotieren und messen, ob und wie der Agent auswählt.

Warum Auswahl, nicht nur Auffindbarkeit zählt

Viele Händler hören bei „Crawler zulassen“ auf. Doch erfasst zu werden heißt nicht, ausgewählt zu werden. Ein Agent vergleicht strukturierte Eignung: Passt das Produkt zur Absicht des Nutzers, stimmen Preis und Verfügbarkeit, ist die Information widerspruchsfrei? Wer hier eindeutig und konsistent ist, gewinnt die Auswahl – auch gegen größere, aber unsauber ausgezeichnete Wettbewerber.

Welche Attribute ein Agent tatsächlich auswertet

Ein Einkaufsagent bewertet keine Prosa, sondern Felder. Die folgende Aufstellung trennt Attribute, ohne die ein Produkt praktisch nicht in die Auswahl kommt, von solchen, die den Ausschlag geben, wenn mehrere Angebote gleichauf liegen.

Der Unterschied zu klassischem SEO ist hier greifbar: Ein fehlendes hasMerchantReturnPolicy kostet bei Google ein Rich-Result-Detail. Bei einem Einkaufsagenten kann es bedeuten, dass Ihr Angebot als riskanter eingestuft und zugunsten eines vollständig ausgezeichneten Wettbewerbers verworfen wird.

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Beispielprodukt XY 500 ml",
  "gtin13": "4012345678901",
  "sku": "XY-500",
  "brand": { "@type": "Brand", "name": "Beispielmarke" },
  "material": "Edelstahl",
  "offers": {
    "@type": "Offer",
    "price": "24.90",
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock",
    "priceValidUntil": "2026-12-31",
    "shippingDetails": {
      "@type": "OfferShippingDetails",
      "shippingRate": { "@type": "MonetaryAmount", "value": "3.90", "currency": "EUR" },
      "deliveryTime": {
        "@type": "ShippingDeliveryTime",
        "transitTime": { "@type": "QuantitativeValue", "minValue": 1, "maxValue": 3, "unitCode": "DAY" }
      }
    },
    "hasMerchantReturnPolicy": {
      "@type": "MerchantReturnPolicy",
      "returnPolicyCategory": "https://schema.org/MerchantReturnFiniteReturnWindow",
      "merchantReturnDays": 30
    }
  },
  "aggregateRating": { "@type": "AggregateRating", "ratingValue": "4.6", "reviewCount": "218" }
}

Entscheidend ist nicht die Existenz des Markups, sondern seine Vollständigkeit. Ein Product-Knoten mit Name und Preis ist schnell ausgerollt und bringt in diesem Kanal wenig. Erst Versand, Rückgabe, Identifikatoren und fachliche Attribute machen das Angebot vergleichbar.

Die Konsistenz-Falle

Der häufigste Grund, warum technisch saubere Shops trotzdem nicht ausgewählt werden: Preis und Verfügbarkeit stehen an drei Stellen unterschiedlich. Der Feed sagt 24,90 €, das JSON-LD auf der Produktseite sagt 26,90 €, die API des Marktplatzes noch etwas anderes. Ein Mensch merkt davon nichts. Ein Agent, der beide Quellen zieht, wertet den Widerspruch als Unzuverlässigkeitssignal – und weicht auf ein Angebot aus, das er eindeutig auflösen kann.

Praktisch heißt das: Alle maschinenlesbaren Ausgaben müssen aus einer Quelle stammen. Wer Feed und Website-Markup aus getrennten Systemen befüllt, produziert systematisch Abweichungen, sobald Preise sich ändern. Das ist kein Markup-Problem, sondern ein Architekturproblem – und der Grund, warum der Datenteil solcher Projekte meist größer ausfällt als erwartet.

Feed, API oder MCP-Server – was brauchen Sie?

Für die Frage „welche E-Commerce-API brauche ich für KI-Agenten?“ gibt es keine einzelne Antwort, sondern drei Zugriffswege mit unterschiedlichem Aufwand und unterschiedlicher Reichweite. Sie schließen sich nicht aus – die meisten Händler beginnen mit dem Feed.

Der Unterschied zwischen API und MCP-Server wird oft verwechselt. Eine REST-API stellt Daten bereit und setzt voraus, dass jemand die Integration schreibt. Ein MCP-Server beschreibt seine Fähigkeiten selbst, sodass ein Agent ohne vorherige Integration versteht, welche Operationen möglich sind. Für den Agenten-Kanal ist das der Unterschied zwischen „kann angebunden werden“ und „wird gefunden“.

Wie Sie messen, ob es wirkt

Der schwierigste Teil ist nicht die Umsetzung, sondern der Nachweis. Weil ein nicht ausgewählter Anbieter keine Spur hinterlässt, brauchen Sie drei Messebenen:

• Nennungsrate: Ein fester Satz realistischer Kaufanfragen, monatlich gegen ChatGPT, Perplexity und AI Overviews geprüft. Nicht „werden wir genannt?“, sondern „bei wie vielen von 40 definierten Anfragen tauchen wir auf?“ – nur so wird Fortschritt sichtbar.
• Agenten-Zugriffe: Server-Logs nach GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot und Google-Extended segmentieren. Diese Zugriffe erscheinen in keinem JavaScript-basierten Analytics-Tool, weil Crawler kein JavaScript ausführen.
• Datenqualität: Anteil der Produkte mit vollständigem Attributsatz. Die einzige Kennzahl, die Sie direkt steuern können – und die den anderen beiden vorausläuft.

Die häufigsten Fehler

Vier Muster begegnen uns bei fast jedem Audit, und alle vier sind vermeidbar:

• Wichtige Angaben nur im Bild. Maße, Materialien und Kompatibilitäten stehen in einer Infografik. Für den Agenten existieren sie nicht.
• Preis erst nach Klick oder Login. B2B-Shops verstecken Preise systematisch – und schließen sich damit aus jedem automatisierten Vergleich aus. Ein Listenpreis mit dokumentierter Staffellogik ist besser als gar keiner.
• Markup nur auf ausgewählten Seiten. Eine Handvoll ausgezeichneter Top-Produkte hilft nicht, wenn der Agent nach einer Nische sucht, in der Sie stark wären.
• AI-Crawler pauschal blockiert. Häufig aus Reflex per robots.txt oder WAF-Regel gesperrt, ohne dass jemand die Entscheidung getroffen hätte. Prüfen Sie das, bevor Sie in Daten investieren – sonst optimieren Sie für ein Publikum, das Sie ausgesperrt haben.