SGE und E-Commerce: Wie KI-Suche den Online-Handel verändert 2026

Was SGE für E-Commerce wirklich bedeutet

Google SGE — Search Generative Experience, inzwischen unter „AI Overviews" bekannt — erscheint bei Produktanfragen in zwei Ausprägungen, die für Online-Händler höchst unterschiedliche Konsequenzen haben:

• Informational-Anfragen: „Welche Laufschuhe eignen sich für Einsteiger?" → KI beantwortet direkt, nennt Kriterien, empfiehlt Produktkategorien. Klickrate auf organische Ergebnisse sinkt deutlich.
• Transactional-Anfragen: „Laufschuhe kaufen Brooks Ghost Größe 42" → KI zeigt Shopping-Karussel mit Direktkauf-Links. Hier zählt Product Schema und Merchant Center-Integration.

Eine 2025 durchgeführte Studie von Semrush zeigte: Bei informativen Produktanfragen (Testberichte, Vergleiche, Kaufberatung) sank der organische CTR um bis zu 35 %, sobald AI Overviews aktiv waren. Bei transaktionalen Anfragen mit klarer Kaufabsicht blieb der CTR stabiler — teilweise sogar besser, weil KI qualifizierteren Traffic herausfilterte.

Die drei Phasen der E-Commerce Customer Journey in der KI-Suche

Kaufentscheidungen im Online-Handel folgen einer klassischen Journey: Awareness → Consideration → Purchase. SGE greift in alle drei Phasen ein — aber unterschiedlich stark.

Phase 1: Awareness (Entdecken)

Suchanfragen wie „Was sind gute Laufschuhe" oder „Welche Kaffeemaschine lohnt sich" werden von KI häufig direkt beantwortet. Hier verliert klassischer Produktinhalt an Sichtbarkeit. Was hilft: Ratgeberinhalte, die KI als Quelle zitiert. Google nennt dabei bevorzugt Seiten mit klaren Expert Signals: Autoren-Schema, Praxisbeispiele, konkrete Messdaten.

Phase 2: Consideration (Vergleich)

Bei Vergleichsanfragen wie „iPhone vs. Samsung Galaxy" oder „Kaffeemaschine Testsieger 2026" erstellt KI Vergleichstabellen aus mehreren Quellen. Wer hier mit Product Schema Markup, detaillierten Spezifikationen und strukturierten Vergleichstabellen punktet, hat eine deutlich höhere Chance, als Quelle zitiert zu werden.

Phase 3: Purchase (Kauf)

Transaktionale Anfragen mit konkreter Kaufabsicht. Hier ist Google Shopping (via Merchant Center) der wichtigste Kanal — SGE zeigt bevorzugt Produkte, die dort vollständig und fehlerfrei gepflegt sind. Aber auch organische Produktseiten mit vollständigem Product Schema Markup erscheinen in AI Overviews, wenn sie Preis, Verfügbarkeit und Bewertungen strukturiert bereitstellen.

Product Schema Markup: Der Schlüssel zur KI-Sichtbarkeit

Google AI Overviews bezieht Produktdaten direkt aus strukturierten Daten. Ohne korrektes Schema Markup bleibt dein Shop für die KI-Suche weitgehend unsichtbar. Folgende Properties sind für E-Commerce-Produkte entscheidend:

Pflicht-Properties für Product Schema

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Brooks Ghost 16 Laufschuh",
  "description": "Neutraler Laufschuh für mittelgewichtige Läufer mit DNA LOFT v3 Dämpfung.",
  "sku": "BG16-42-GRY",
  "gtin13": "0190340807763",
  "brand": {
    "@type": "Brand",
    "name": "Brooks"
  },
  "offers": {
    "@type": "Offer",
    "price": "139.95",
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock",
    "url": "https://meinshop.de/brooks-ghost-16",
    "priceValidUntil": "2026-12-31"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "reviewCount": "312"
  }
}

Besonders wichtig: Das gtin13-Feld (EAN-Code). Google nutzt GTIN, um Produkte eindeutig zu identifizieren und mit anderen Datenquellen abzugleichen. Ohne GTIN sinkt die Chance auf Shopping-Integration drastisch.

Review-Markup nicht vergessen

KI-Suchmaschinen sind besonders sensitiv für Bewertungen, da sie qualitätssignale direkt in Antworten integrieren. Mit AggregateRating Schema Markup und Review-Markup gibst du der KI direkt verwertbare Qualitätsdaten.

Zero-Click im E-Commerce: Problem oder Chance?

Viele Shop-Betreiber sehen Zero-Click als reine Bedrohung. Die Realität ist differenzierter. Zero-Click SEO bedeutet nicht automatisch Umsatzverlust — es bedeutet, dass der Funnel früher beginnt und qualifizierter endet.

Konkret: Wenn KI eine Frage vollständig beantwortet und dabei deinen Shop als Quelle nennt, steigt das Vertrauen. Nutzer, die nach dieser „Vorqualifizierung" auf deinen Shop klicken, haben eine deutlich höhere Kaufwahrscheinlichkeit als Nutzer, die ohne Vorkenntnisse landen.

Daten aus mehreren E-Commerce-Studien zeigen: AI-Overview-referenzierte Shops verzeichnen eine um 18–27 % höhere Conversion Rate bei niedrigerer Absprungrate. Das bedeutet: Weniger Traffic, aber besserer Traffic.

Kategorieseiten: Die unterschätzte KI-Chance

Produktdetailseiten bekommen viel Aufmerksamkeit — Kategorieseiten werden oft vernachlässigt. Dabei zeigt KI bei informativen Produktanfragen gerne Kategorieseiten als Quelle, wenn diese gut strukturiert sind.

Was Kategorieseiten für KI-Suche attraktiv macht:

• ItemList Schema Markup: Listet alle Produkte der Kategorie strukturiert auf — KI versteht sofort, was diese Seite enthält
• Einleitungstext mit Kaufberatung: 150–200 Wörter, die erklären, worauf Käufer in dieser Kategorie achten sollen
• Filteroptionen klar kommunizieren: Preisspannen, Marken, Anwendungsbereiche als sichtbaren Text (nicht nur im JavaScript)
• FAQ-Block am Ende: Die 3–5 häufigsten Fragen zur Kategorie beantworten — ideales Material für KI-Zitation

Tipp: Nutze unseren FAQ Schema Generator, um den FAQ-Block deiner Kategorieseiten korrekt auszuzeichnen.

Google Merchant Center: Pflicht für Shopping-Sichtbarkeit

Neben dem organischen Product Schema ist das Google Merchant Center der zweite kritische Kanal. AI Overviews bei transaktionalen Anfragen ziehen Produktdaten bevorzugt aus dem Merchant Center — weil dort Preise, Verfügbarkeit und Lieferbedingungen tagesaktuell sind.

Merchant Center Best Practices 2026

• Datenfeed täglich aktualisieren: Veraltete Preise oder falsche Verfügbarkeit führen zur Sperrung aus Shopping
• Produkttitel keyword-reich: „Brooks Ghost 16 Laufschuh Herren Neutral Grau Größe 42" schlägt „Ghost 16 grau"
• Hochauflösende Bilder: Mindestens 800×800px, weißer Hintergrund für Bekleidung/Schuhe — KI übernimmt diese Bilder direkt
• Shipping- und Return-Daten vollständig: Google belohnt transparente Rückgabebedingungen mit höherer Shopping-Sichtbarkeit
• Merchant Center Reviews aktivieren: Produktbewertungen aus dem Merchant Center fließen direkt in AI Overviews ein

Content-Strategie für E-Commerce in der KI-Ära

Klassischer E-Commerce-Content — dünne Produkttexte, duplicate Kategorietexte — war schon vor KI-Suche problematisch. Mit SGE wird er wertlos.

Was stattdessen funktioniert:

1. Kaufberatungs-Content (Consideration Layer)

Ausführliche Guides, die eine Kaufentscheidung erleichtern: „Welcher Laufschuh passt zu meinem Laufstil?", „Kaffeemaschine kaufen: Die 7 entscheidenden Faktoren". Diese Inhalte werden von KI häufig als Quelle zitiert, weil sie die Synthese-Absicht (Synthesize Intent) der Nutzer bedienen — ein Kernkonzept aus AI Search Intent.

2. Vergleichsartikel mit echten Daten

KI bevorzugt Seiten, die Produkte wirklich vergleichen statt alle gleichgut dastehen zu lassen. Klarer Gewinner mit Begründung, klare Verlierer mit Begründung — das schafft den vertrauenswürdigen Charakter, den KI sucht.

3. Anwendungsfall-Content

„Brooks Ghost 16 für Halbmarathon geeignet?" ist eine spezifische Anfrage, die klassische SEO kaum abbildet. Mit eigenen Landing Pages oder FAQ-Abschnitten zu konkreten Anwendungsfällen erschließt du Long-Tail-Traffic, den KI noch nicht vollständig abdeckt.

Technisches SEO für E-Commerce-KI-Sichtbarkeit

Neben Schema und Content gibt es technische Grundvoraussetzungen, die über KI-Sichtbarkeit entscheiden:

JavaScript-Rendering sicherstellen

Produktpreise, Verfügbarkeiten und Bewertungen, die erst via JavaScript geladen werden, sind für KI-Crawler oft unsichtbar. Dynamic Rendering oder Server-Side Rendering (SSR) sorgt dafür, dass Produktdaten sofort im HTML-Quellcode vorhanden sind.

Core Web Vitals auf Produktseiten

Langsame Produktseiten werden von KI nicht bevorzugt. LCP unter 2,5 Sekunden und CLS unter 0,1 sind Mindestanforderungen. Produktbilder als größte LCP-Kandidaten konsequent optimieren — WebP/AVIF, korrektes Preloading, keine Layout-Shifts beim Laden.

Facettennavigation richtig handhaben

E-Commerce-Shops erzeugen durch Filter (Größe, Farbe, Preis) tausende URLs. Ohne saubere Facettennavigation-Strategie verpulvert das Crawl-Budget — und KI-Crawler durchsuchen gefilterte URLs kaum. Canonical-Tags auf Filterseiten sind Pflicht.

Praxis-Checkliste: E-Commerce für KI-Suche optimieren

• ✅ Product Schema Markup auf allen Produktseiten (inkl. GTIN, AggregateRating, Offers)
• ✅ Google Merchant Center Datenfeed täglich aktualisiert
• ✅ Kategorieseiten mit ItemList Schema + FAQ-Block
• ✅ Kaufberatungs-Content für jede Hauptkategorie
• ✅ Produktbeschreibungen mindestens 300 Wörter, einzigartig, anwendungsfallspezifisch
• ✅ Hochauflösende Produktbilder mit korrekten Alt-Texten
• ✅ Rückgabebedingungen und Versandinfos strukturiert und sichtbar
• ✅ Core Web Vitals auf Produktseiten unter 2,5s LCP
• ✅ JavaScript-gerenderte Produktdaten via SSR oder Dynamic Rendering sichern
• ✅ Canonical-Tags auf allen Filterseiten
• ✅ Autoren- und Herstellerexpertise sichtbar machen (E-E-A-T)

Fazit: Wer sich anpasst, gewinnt

Googles KI-Suche ist kein vorübergehender Trend — sie ist die neue Normalität. Für E-Commerce-Shops bedeutet das: Weniger Klicks aus informativen Anfragen, aber bessere Klicks aus transaktionalen Anfragen. Der Schlüssel ist vollständiges Product Schema Markup, ein gepflegtes Merchant Center und Content, der echten Kaufentscheidungswert bietet.

Shops, die jetzt investieren — in strukturierte Daten, kaufbegleitenden Content und technische Sauberkeit — werden 2026 und danach überproportional von KI-Suche profitieren. Alle anderen verlieren schrittweise Sichtbarkeit an die KI selbst.

Starte mit einer kostenlosen SEO-Analyse deines Shops auf shift07.ai — und sieh sofort, wo dein größter Hebel liegt.