Wie kann man in ChatGPT Shopping, Perplexity und Google KI-Übersichten ranken?
Modemarken müssen strukturierte Produktdaten implementieren, für natürlichsprachliche Suchanfragen optimieren und die Sichtbarkeit über KI-Assistenten hinweg messen, um im Jahr 2026 im agentischen Commerce-Traffic konkurrenzfähig zu bleiben.

DAS WICHTIGSTE Zusammenfassung der Redaktion
- Google KI-Übersichten erscheinen nun bei 85 Prozent der E-Commerce-Suchen in den USA, gegenüber 24 Prozent im April 2026, während ChatGPT Shopping für US-Nutzer verfügbar ist und Perplexity einen berichteten Bruttoumsatz von 2 Milliarden Dollar auf Jahresbasis erreicht hat.
- KI-Agenten priorisieren strukturierte Daten im JSON-LD-Format und verlangen von Marken die Implementierung von Product-, Offer- und AggregateRating-Schema mit vollständigen Attributen einschliesslich GTIN, Marke, Preis, Verfügbarkeit und Bildern.
- Perplexity gewichtet Schema-Markup mit 28 Prozent und Zitierbarkeit mit 18 Prozent in seinem Commerce-Ranking-Algorithmus, während Google KI-Übersichten zu 56 Prozent Seiten zitieren, die in den Top 20 der organischen Ergebnisse ranken.
- Marken sollten die KI-Sichtbarkeit verfolgen, indem sie die Zitierhäufigkeit, Einschlussrate und das Verweisverhalten über ChatGPT, Perplexity und Google hinweg mit plattformspezifischen Messtools oder täglichen Suchanfrage-Audits überwachen.
Modemarken, die in KI-Shopping-Empfehlungen erscheinen möchten, müssen strukturierte Produktdaten optimieren, Schema-Markup implementieren und die Sichtbarkeit über konversationelle Suchplattformen hinweg verfolgen. Google KI-Übersichten erscheinen nun bei 85 Prozent der E-Commerce-Suchen in den USA, gegenüber nur 24 Prozent im April 2026, während ChatGPT Shopping am 24. März 2026 gestartet wurde und für ChatGPT-Nutzer in den USA verfügbar ist. Die Commerce-Sparte von Perplexity verarbeitet laut internen Quellen eine Bruttoumsatzrate von 2 Milliarden Dollar auf Jahresbasis zum Stand Juni 2026. Die Optimierungsprinzipien unterscheiden sich von traditioneller Suchmaschinenoptimierung, da KI-Agenten strukturierte Daten statt visueller Layouts lesen und Auswahllisten von drei bis fünf Produkten statt Seiten voller Ergebnisse generieren.
Welche strukturierten Daten benötigen KI-Shopping-Agenten?
Produkt-Schema bezieht sich auf strukturiertes Daten-Markup basierend auf dem Schema.org-Vokabular, das Produktinformationen in einem maschinenlesbaren Format beschreibt und typischerweise als JSON-LD zum HTML einer Produktseite hinzugefügt wird. Die Kerntypen sind Product (der Artikel: Name, Referenz wie SKU oder GTIN, Marke, Beschreibung, Attribute) und Offer (das kommerzielle Angebot: Preis, Währung, Verfügbarkeit, Liefer- und Rückgabebedingungen). Jede SKU benötigt mindestens eine Basis von Kernattributen: Titel, Beschreibung, Marke, GTIN, MPN, Kategorie, Preis, Verkaufspreis, Verfügbarkeit, Zustand, Bild-URL und Produkt-URL.
Das Produktfeed-Schema von OpenAI verlangt neun Felder in den Basis-Produktdaten: description (faktische Produktbeschreibung für diesen Artikel) und brand (Produktmarke wie auf der Produktseite angezeigt), zusammen mit identifier, link, title, image link, price, availability und condition. Die Zitierkriterien für Shopping-KI-Übersichten unterscheiden sich von informativen KI-Übersichten: Produktverfügbarkeit, Preistransparenz und strukturiertes Daten-Markup wurden zu wichtigen zusätzlichen Signalen, und Websites ohne ordnungsgemässes Produkt-Schema wurden weitgehend von Shopping-KI-Übersichten ausgeschlossen, unabhängig von ihrer Domain-Autorität.
Welche Produktattribute sind für Mode am wichtigsten?
Modeprodukte erfordern kategoriespezifische Attribute über das Basis-Schema hinaus. Farbe ist ein optionales String-Attribut, ausgewählte Farbe konsistent mit dem Produktbild, während Grösse, Material, Passform, Pflegehinweise und Anlass-Daten KI-Agenten ermöglichen, natürlichsprachliche Suchanfragen mit dem Lagerbestand abzugleichen. Modemarken, die Bilder mit detailliertem Alt-Text versehen, der Farbe, Muster, Silhouette, Styling-Kontext und Anlass beschreibt, schaffen eine doppelte Optimierungsebene für sowohl aktuelle textbasierte als auch aufkommende visuelle KI-Empfehlungssysteme.
Perplexity gewichtet fünf Signale für Commerce-Suchanfragen: Schema (28 Prozent), Aktualität (22 Prozent), externe Bestätigung (18 Prozent), Zitierbarkeit im Text (18 Prozent) und Entitätsklarheit (14 Prozent), wobei Schema und Zitierbarkeit vollständig unter Kontrolle des Händlers liegen und 46 Prozent des Rankers abdecken. Eine Studie von Peec AI aus März 2026 ergab, dass etwa 83 Prozent der Produkte in ChatGPT-Karussellpositionen auch in den Google-Top-40-Produkten erschienen, was darauf hindeutet, dass die Optimierung für Google-Shopping-Feeds eine Grundlage für KI-Sichtbarkeit bleibt.
Wie sollten Marken Inhalte für KI-Agenten optimieren?
KI-Agenten können visuelles Design nicht interpretieren, aber strukturierten Text und Schema analysieren. Schön gestaltete Produktseiten stimulieren menschliche Kaufabsicht, aber KI-Agenten können dieses Design nicht sehen; was Agenten referenzieren, sind strukturierte Daten in JSON-LD, Feldwerte von API-Endpunkten und Attributinformationen, die im Merchant Center registriert sind. Es geht nicht darum, Text um des Textes willen hinzuzufügen, da KI Text leichter zitiert, der eine Frage direkt mit konkreten Daten beantwortet.
Produktbeschreibungen sollten natürliche Sprache verwenden, die widerspiegelt, wie Käufer suchen. Konversationelle Suchanfragen wie «schwarzer Wollmantel unter 300 Pfund, Versand bis Freitag» lassen sich klar auf strukturierte Produktattribute abbilden, was Bekleidungshändler zu einigen der am höchsten konvertierenden KI-Shopping-Traffic-Quellen im Jahr 2026 macht. Forschung von Profound zeigt, dass 60 Prozent der KI-Shopping-Suchanfragen ohne einen spezifischen Markennamen beginnen, was bedeutet, dass generische Entdeckungsanfragen wie «nachhaltige Arbeitshosen» oder «Hochzeitsgast-Kleid Sommer» mehr Sichtbarkeit erzeugen als Markensuchen.
Welche Rolle spielen externe Signale und Bewertungen?
Die Sichtbarkeit bei KI-Assistenten hängt nicht von traditioneller Werbung ab, sondern von digitaler Reputation, die durch unabhängige externe Quellen wie Fachpresse, Bewertungen und Foren aufgebaut wird. AggregateRating (Durchschnittsbewertung und Bewertungszahl) und einzelne Bewertungsobjekte liefern Social-Proof-Daten, die KI-Systeme bei der Erstellung von Empfehlungen gewichten. Im November 2025 rankten 37,87 Prozent der Quellen für KI-Übersichten in den Top 20 der organischen Ergebnisse, aber bis September 2026 erreichte dieser Anteil 56,38 Prozent, was darauf hindeutet, dass traditionelle SEO-Autorität die KI-Zitiereignung weiterhin beeinflusst.
Der Bericht «The State of Fashion 2026» von McKinsey und Business of Fashion beschreibt die Präsenz von Modemarken in KI-Chatbot-Antworten als das neue SEO. Um sicherzustellen, dass ihre Produkte sichtbar sind und von KI-Modellen bevorzugt werden, müssen Marken ihre digitale Marketing- und E-Commerce-Infrastruktur überdenken, wobei semantisch reiche Daten und API-zugängliche Inhalte entscheidend für den Erfolg sein werden.
Wie unterscheiden sich die drei Plattformen in ihrer Ranking-Logik?
ChatGPT Shopping ist eine Produktentdeckungserfahrung, und Produktergebnisse sind organisch und ohne Sponsoring; zum Stand 2026 zeigt die Shopping-Funktion keine Werbung und keine bezahlte Platzierung, und Produkte erscheinen basierend auf der Relevanz für Ihre Anfrage. Walmart führte am 24. März 2026 eine In-ChatGPT-App-Erfahrung ein, die Nutzer von der Entdeckung in ChatGPT in eine massgeschneiderte Walmart-Umgebung führt, die Kontoverknüpfung, Treueprogramme und Walmart-Zahlungen unterstützt, und demonstriert damit den kundenspezifischen Integrationspfad, der grossen Einzelhändlern zur Verfügung steht.
Perplexity Commerce wurde im vierten Quartal 2025 als Beta gestartet und im März 2026 allgemein verfügbar gemacht, wobei Shopping-fähige Produktkarten direkt in die KI-generierten Antworten von Perplexity eingebettet werden. Perplexity Shopping wurde im November 2025 als Beta gestartet und im ersten Quartal 2026 international erweitert, wodurch Nutzer Produkte direkt über die Perplexity-Oberfläche suchen, vergleichen und kaufen können, ohne die Website des Händlers zu besuchen. Google KI-Übersichten unterscheiden sich dadurch, dass 83 Prozent der Suchanfragen nach «beste [Produkt]» nun KI-Übersichten zeigen, wobei Suchanfragen wie «beste Laufschuhe 2026» oder «beste kabellose Ohrhörer unter 100 Pfund» fast garantiert eine KI-Übersicht ganz oben haben.
Wie sollten Modemarken die KI-Sichtbarkeit messen?
McKinsey erklärte, dass derzeit nur eine begrenzte Anzahl von Marken die KI-Such-Performance systematisch verfolgt, was eine grosse Chance für Early Mover schafft, und diese Marken beginnen, die KI-Zitierhäufigkeit, Einschluss in Empfehlungen, Konsistenz über Plattformen hinweg, KI-generierte Zusammenfassungen und wie Markenstimmung in LLM-Antworten dargestellt wird, zu überwachen. Die Überwachung der Markensichtbarkeit im Jahr 2026 sollte fünf Ergebnisse trennen: Einschluss, Genauigkeit, Zitierung, Stimmung und Verweisverhalten.
Praktische Messung erfordert, KI-Plattformen dieselben Fragen zu stellen, die Käufer verwenden. Verfolgen Sie, wie ChatGPT, Gemini, Claude und Perplexity 20 bis 40 der echten Fragen Ihrer Käufer beantworten, idealerweise täglich, und lesen Sie den Trend wöchentlich. Richten Sie benutzerdefinierte GA4-Segmente ein, die nach KI-User-Agents (ChatGPT-User, PerplexityBot) filtern, und vergleichen Sie Konversionsraten zwischen KI-verwiesenen und organischen Sitzungen. Launchmetrics führte seine neue Metrik KI-Sichtbarkeit (AIV) parallel zur New York Fashion Week ein, um die Wirkung einer Marke zu messen, und Marken werden verfolgen können, wie sie in LLM-Antworten auf Plattformen wie Google Gemini und ChatGPT präsentiert werden.
| Plattform | Wichtigste Ranking-Signale | Messansatz |
|---|---|---|
| ChatGPT Shopping | Google-Shopping-Feed-Überschneidung, Produkt-Schema, serverseitiges Rendering | Produkterwähnungen in konversationellen Suchanfragen verfolgen; ChatGPT-User-Verweise in GA4 überwachen |
| Perplexity Commerce | Schema-Markup 28 Prozent, Aktualität 22 Prozent, externe Bestätigung 18 Prozent, Zitierbarkeit 18 Prozent | Produktfeed über Händlerprogramm einreichen; PerplexityBot-Verweise und Zitierrate verfolgen |
| Google KI-Übersichten | Top-20-organisches Ranking, Produkt-Schema, Preistransparenz, Bewertungen | Erscheinungsrate von KI-Übersichten bei Ziel-Suchanfragen überwachen; Zitierquellen in Search Console verfolgen |
Similarweb mass KI-Verweise im Jahresvergleich (Juni 2025 bis Mai 2026) mit einem Anstieg von 278 Prozent in Mode und 312,5 Prozent in Beauty, und Adobe stellte fest, dass KI-verwiesene Besucher von US-Einzelhandelswebsites 54 Prozent besser konvertieren als andere Besucher. Der Optimierungsaufwand ist inkrementell zu, nicht ein Ersatz für, traditionelle Such- und Paid-Kanäle, aber die Wachstumsrate und Konversionsqualität rechtfertigen eine dedizierte Ressourcenzuweisung für die meisten Modemarken, die in englischsprachigen Märkten tätig sind, wo diese Plattformen gestartet wurden.
Häufige Fragen
Benötigen Modemarken unterschiedliche strukturierte Daten für jede KI-Plattform?
Nein. Schema.org Product- und Offer-Markup im JSON-LD-Format dient allen drei Plattformen. ChatGPT akzeptiert auch die direkte Produktfeed-Einreichung, Perplexity bietet ein Händler-Feed-Programm, das im April 2026 gestartet wurde, und Google liest sowohl Schema als auch Merchant-Center-Daten. Die einmalige Implementierung von standardkonformem Schema macht Produkte über alle Plattformen hinweg geeignet.
Können Marken bezahlen, um in ChatGPT- oder Perplexity-Shopping-Ergebnissen höher zu ranken?
Nein für ChatGPT, das zum Stand 2026 organische und nicht gesponserte Ergebnisse zeigt. Perplexity betreibt ein gebührenfreies Händlerprogramm ohne Kosten für Erscheinen oder Verkauf. Google KI-Übersichten können Anzeigen neben der KI-generierten Zusammenfassung zeigen, aber die Zitierungen innerhalb der Übersicht selbst bleiben algorithmisch. Bezahlte Platzierung ist in der Kern-Empfehlungslogik keiner Plattform verfügbar.
Wie schnell können Marken Ergebnisse aus der KI-Optimierung erwarten?
Die Schema-Implementierung wird innerhalb von Tagen nach dem Crawlen wirksam, aber die Zitiereignung hängt von breiteren Autoritätssignalen ab. Marken berichten von messbarem KI-Verweisverkehr innerhalb von sechs Monaten nach der Implementierung von vollständigem Produkt-Schema, Optimierung für natürlichsprachliche Suchanfragen und Aufbau externer Validierung durch Presse und Bewertungen. Die meisten Modemarken sehen KI-Traffic innerhalb von sechs Monaten als 8 bis 15 Prozent inkrementelle Akquisition.
