Wie stark sind Einkaufssuchen über generative KI in einem Jahr gewachsen?

Einkaufsbezogene Suchen auf generativen KI-Plattformen sind zwischen Juli 2024 und Juli 2025 um 4700 Prozent gewachsen, laut dem State of Fashion 2026 Report, der gemeinsam von Business of Fashion und McKinsey & Company veröffentlicht wurde. Fast ein Viertel der globalen Konsumenten nutzt generative KI mittlerweile als primären Ausgangspunkt für die Produktentdeckung, während 41 Prozent der Konsumenten angeben, dass sie den Suchergebnissen generativer KI mehr vertrauen als bezahlten Suchanzeigen. Für Modehändler gehen die Auswirkungen über die Produktentdeckung hinaus und betreffen grundlegende Fragen zur Sichtbarkeit, Produktdatenarchitektur und Traffic-Akquisition.

Wie viel Traffic erhalten Modehändler von KI-Plattformen?

Die Verlagerung vom Experimentellen zum Strukturellen ist in Referral-Daten messbar. Laut SimilarWeb machte ChatGPT zwischen Juni und August 2025 16 Prozent des eingehenden Traffics von Zara und 8 Prozent von H&M und Aritzia aus. 53 Prozent der US-amerikanischen Konsumenten, die im zweiten Quartal 2025 generative KI für die Suche nutzten, verwendeten sie auch als Einkaufshilfe.

Adobe Analytics berichtet, dass der KI-generierte Traffic auf US-amerikanischen Einzelhandelswebsites im ersten Quartal 2026 im Jahresvergleich um 393 Prozent gewachsen ist, wobei von KI verwiesene Besucher bis März 2026 um 42 Prozent besser konvertierten als alle anderen Traffic-Quellen. Dieser Conversion-Vorteil stellt eine Umkehrung dar: Ein Jahr zuvor konvertierte derselbe KI-Traffic um 38 Prozent schlechter. Adobe gab ausserdem an, dass Konsumenten, die von KI-Plattformen auf US-amerikanische Einzelhandelswebsites gelangen, um 14 Prozent aktiver sind als ihre Pendants, 59 Prozent mehr Zeit auf der Website verbringen, um 33 Prozent weniger abspringen und um 28 Prozent häufiger Artikel in ihren Warenkorb legen als andere Käufer.

Was ist Generative Engine Optimisation und warum ist sie für Mode wichtig?

GEO stellt sicher, dass Inhalte für generative KI-Modelle sichtbar und optimiert sind. Anders als traditionelle Suchmaschinenoptimierung, die sich auf das Ranking in Ergebnisseiten konzentriert, beinhaltet der Prozess der Optimierung einer generativen Engine für E-Commerce die Organisation von Produktdaten, sodass KI-Assistenten Ihr Produktsortiment empfehlen und erwähnen, und unterscheidet sich von E-Commerce-SEO dadurch, dass er auf den strukturierten Feed und die Seitendaten abzielt, die das Modell prüft, bevor es sich für ein Produkt entscheidet.

Diese Veränderungen machen KI-Chatbot-Antworten zum neuen SEO, laut McKinsey. Während Suchmaschinen dominant bleiben und rund 80 Prozent des gesamten Such-Traffics generieren, verdeutlicht der rasante Aufstieg der KI-gesteuerten Produktentdeckung einen grundlegenden Wandel darin, wie Menschen Produkte finden und bewerten. LLM-Referral-Traffic in Mode und Sport ist im Jahresvergleich bis 2025 etwa um das Zwanzigfache gewachsen, und während der Weihnachtsperiode 2025 gingen 96 Prozent der Mode-Zitationen auf Gemini an Nicht-Händler-Quellen.

Wie sollten Modehändler die Produktfeed-Optimierung für KI angehen?

Wenn Produktseiten die am wenigsten maschinenlesbaren Oberflächen sind und der Feed das ist, was sowohl Google als auch OpenAI für konversationelle Antworten instrumentieren, ist der Produktdaten-Feed der Ausgangspunkt. Die technischen Anforderungen unterscheiden sich von traditionellen Shopping-Feeds.

• Produktfeeds, die für KI mit detaillierten, strukturierten Daten angereichert sind, einschliesslich Titel, Beschreibungen, Spezifikationen, Attributen und Bildern, die generative Tools analysieren und empfehlen können, sowie granulare Produktattribute wie Kompatibilität, Material, Abmessungen und Lebenszyklus-Tags, damit KI Ihr Produkt zuverlässig mit der Käuferabsicht abgleichen kann
• Feeds, die mit dem Google Merchant Center verbunden sind, mit sauberen GTINs, Taxonomie und umfangreichen Attributen
• Bewertungen und Ratings in Ihrem Feed, da die ChatGPT-Feed-Spezifikation Produktbewertungsanzahl und durchschnittliche Bewertung als Feed-Level-Felder akzeptiert
• Preise, die über Ihren Feed, Ihre Website und alle Marktplätze hinweg synchronisiert sind, damit KI-Agenten keine Unstimmigkeiten feststellen, Schema-Markup auf jeder Produktseite sowie Versand- und Rückgaberichtlinien-Felder

Implementieren Sie Schema auf jeder Produktseite, einschliesslich Product, Offer, AggregateRating, BreadcrumbList, FAQPage und Organization, die auf sauberes JSON-LD abgebildet sind, das Agenten crawlen können. KI-Tools verlassen sich auf normalisierte, wörtliche Produktdaten, um Ergebnisse mit Nutzerabsichten abzugleichen und die Relevanz durch personalisiertere Produktempfehlungen zu verbessern.

Welche Modehändler setzen KI-Shopping-Tools ein?

22 Millionen Menschen besuchten 2026 den Zalando Assistant, gegenüber knapp über 2 Millionen in den ersten beiden Jahren. Zalando berichtet, dass Interaktionen mit dem Assistenten dreimal länger dauern als herkömmliche Suchen und durchschnittlich mehr als zwei Fragen pro Konversation umfassen. Der europäische Online-Modehändler Zalando stellte seinen ersten KI-Shopping-Agenten vor, der es Kunden ermöglicht, Produkte anderer Händler über die Zalando-App zu kaufen. Zalando plant, 2027 einen KI-gestützten Checkout auf seiner Zalando Extended Plattform zu lancieren, der es Kunden ermöglicht, Produkte anderer Online-Händler zu kaufen, ohne die Zalando-App zu verlassen, wobei KI-Agenten beim Abschluss von Käufen helfen.

Bei Zalando, so der State of Fashion 2026 Report, reduzierte generative KI die Bildproduktionskosten um 90 Prozent. Revolve hat von signifikanten Steigerungen der Kundenbindung durch seine Experimente mit generativer KI-gestützter Suche berichtet.

Welche operativen Veränderungen erfordert dies von Mode-E-Commerce-Teams?

Um sicherzustellen, dass ihre Produkte für KI-Modelle sichtbar und bevorzugt sind, müssen Marken ihre digitalen Marketing- und E-Commerce-Infrastrukturen überdenken, wobei semantisch reichhaltige Daten und API-zugängliche Inhalte für den Erfolg entscheidend sein werden. Mehr als 35 Prozent der Führungskräfte berichten, dass sie bereits generative KI in Bereichen wie Online-Kundenservice, Bilderstellung, Texterstellung, Verbrauchersuche oder Produktentdeckung einsetzen.

Die Verlagerung erfordert Koordination über zuvor getrennte Funktionen hinweg. KI-Systeme sammeln Informationen aus redaktioneller Berichterstattung, Reddit-Diskussionen, Influencer-Kommentaren, Produktbewertungen, strukturierten Commerce-Daten, Social-Media-Beiträgen und umfassenderen Autoritätssignalen, um konversationelle Antworten zu generieren. ChatGPT und Claude stützen sich auf redaktionelle Quellen wie Vogue und Business of Fashion, Reddit erscheint in den Top-5-Zitationsquellen für alle fünf grossen Engines, und Wikipedia fungiert als Brückenknoten über die redaktionell orientierten Modelle hinweg.

Anders als Suchmaschinen, die gerankte Links zurückgeben, synthetisieren grosse Sprachmodelle wie ChatGPT, Gemini und Perplexity Informationen und zeigen Produkte basierend auf kontextueller Relevanz, strukturierten Inhalten und Drittsignalen wie Bewertungen und redaktionellen Erwähnungen an. Dies bedeutet, dass traditionelle SEO- und Paid-Search-Budgets möglicherweise neu zugewiesen werden müssen. Adobe-Daten zeigen, dass der KI-generierte Traffic auf US-amerikanischen Einzelhandelswebsites im ersten Quartal 2026 im Jahresvergleich um 393 Prozent gewachsen ist, und bis März 2026 konvertierten von KI verwiesene Besucher um 42 Prozent besser als Nicht-KI-Traffic.

Welche Risiken birgt es, nicht für KI-Entdeckung zu optimieren?

Unsichtbarkeit ist das primäre Risiko. Eine Produktseite kann für einen Menschen makellos aussehen und für einen KI-Agenten unsichtbar bleiben, wenn die zugrunde liegenden Daten spärlich oder inkonsistent sind, da die Produktentdeckung im KI-Commerce durch Datenqualität gesteuert wird, nicht durch Seitendesign. Käufer sind zunehmend bereit, Käufe auf Basis von KI-Empfehlungen zu tätigen, wie das Wachstum von 84 Prozent beim KI-gesteuerten Umsatz pro Besuch auf US-amerikanischen Einzelhandelswebsites zwischen Januar und Juli 2025 zeigt.

Die Branche kämpft mit schwacher Verbraucherstimmung und dem Aufstieg des sogenannten Agentic Commerce, bei dem KI-Agenten den gesamten Kaufprozess im Auftrag der Käufer abwickeln können, vom Preisvergleich über Händler hinweg bis zum Abschluss der Zahlung. In den kommenden Jahren könnten autonome KI-Shopping-Agenten sogar im Auftrag der Konsumenten handeln und Aufgaben von der Preisüberwachung bis zum Produktkauf erledigen. Modehändler ohne maschinenlesbare Produktdaten riskieren, von diesen automatisierten Kaufabläufen vollständig ausgeschlossen zu werden.