Shop für KI-Käufer vorbereiten — Ein 7-Schritte-Audit

ChatGPT, Perplexity und Google AI Overviews liefern Produkt-Empfehlungen über Millionen wöchentliche Queries. Viele E-Commerce-Shops tauchen in diesen Antworten nicht auf. Der Blocker ist selten das Produkt selbst. Es ist meist eine technische Konfiguration die den KI-Crawler vom Lesen der Seite abhält, oder eine fehlende Schema.org-Property die den Agenten daran hindert die Daten zu zitieren. Das hier ist der 7-Schritte-Pre-Flight-Audit, um diese Lücken zu schließen.

Schritt 1 — GPTBot, ClaudeBot und PerplexityBot in der robots.txt erlauben

Öffne deine public/robots.txt (oder das Äquivalent in deinem CMS) und stelle sicher dass die drei Crawler explizit erlaubt sind:

User-agent: GPTBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

Standard-robots.txt-Dateien erwähnen oft nur Googlebot. Solange die drei KI-Crawler nicht explizit ergänzt sind, behandeln sie die Abwesenheit als "unbestimmt" und viele überspringen die Seite sicherheitshalber.

Schritt 2 — Schema.org Product JSON-LD auf jeder Produktseite ausspielen

KI-Agenten zitieren Structured Data wenn sie vorhanden ist. Das minimum-viable Product-Schema:

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "...",
  "image": ["..."],
  "sku": "...",
  "brand": { "@type": "Brand", "name": "..." },
  "offers": {
    "@type": "Offer",
    "price": "29.99",
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "reviewCount": "127"
  }
}

Heartly spielt das auf jeder Flash-Sale-Page automatisch aus. Für Storefront-Pages liefert Shopify partielles Schema by default. Eine Theme-App oder die offizielle Shopify-JSON-LD-App übernimmt meist die restlichen Properties.

Schritt 3 — Preise server-seitig rendern

KI-Crawler laufen mit einem einfachen HTML-Fetch und extrahieren Daten aus der Antwort. Die meisten führen kein JavaScript aus. Shops die Preise client-seitig hydratisieren landen bei Seiten auf denen der Agent "price not specified" sieht.

Schnell-Check: deine Produktseite öffnen, View Source (nicht Inspect Element), nach dem Preis suchen. Wenn die Zahl im Roh-HTML steht, rendert die Seite server-seitig. Wenn nicht, hat die Site ein Server-Rendering-Problem das vor jedem GEO-Investment angegangen werden muss.

Schritt 4 — Produkt-Feed an Google UCP einreichen

Googles Unified Commerce Program (UCP) füttert Shopping-Ergebnisse innerhalb von Google AI Overviews. Einen sauberen UCP-Feed einzureichen ist die Einzel-Maßnahme mit dem größten Hebel für einen Google-fokussierten Shop in 2026.

UCP-Anforderungen: GTIN, Brand, MPN, Preis, Verfügbarkeit, Zustand, Versandkosten, Rückgaberecht. Fehlt eines davon, disqualifiziert sich das Produkt still aus dem Feed. Heartlys AI Readiness Tab auditiert den Katalog gegen das UCP-Schema und listet pro Produkt die fehlenden Felder.

Schritt 5 — Bewertungen mit AggregateRating-Markup ausspielen

Bewertungen werden in KI-Shopping-Antworten stark zitiert. Ein Shop mit 200 Bewertungen ohne Schema-Markup wird weniger zitiert als ein Shop mit 50 Bewertungen und korrektem AggregateRating, weil der Agent Structured Data braucht um Bewertungs-Zahlen und Ratings zuverlässig zu zitieren.

Wer Loox, Judge.me oder Yotpo nutzt, sollte in den App-Einstellungen prüfen, dass Schema.org-Markup-Ausgabe aktiviert ist. Das ist manchmal default-mäßig aus.

Schritt 6 — Jeden aktiven Sale auf einer öffentlich crawl-baren URL ausspielen

Agentic-Commerce-Surfaces bevorzugen öffentliche URLs die Crawler verifizieren können. Shops die aktive Sales hinter E-Mail-Listen, Passwort-Schranken oder "Sign-In für Deal"-Overlays verstecken, fallen raus weil der Agent das Angebot nicht bestätigen kann.

Heartly veröffentlicht jeden Flash Sale auf deals.heartly.io, einem öffentlichen Deal-Verzeichnis das von ChatGPT, Claude und Perplexity regelmäßig gecrawlt wird. Der Sale wird entdeckbar für Käufer die den Händler-Shop nie direkt besucht haben.

Schritt 7 — Monatlich gegen echte KI-Agenten testen

Drei Commerce-Queries in deiner Kategorie auswählen und monatlich gegen ChatGPT, Perplexity, Google AI Overviews und Claude laufen lassen. Für einen Laufschuh-Shop:

• "beste Laufschuhe unter 150 €"
• "welche Laufschuhe haben die besten Bewertungen"
• "Laufschuh-Deals diese Woche"

Die Anzahl der Heartly-Erwähnungen über 12 Antwort-Instanzen pro Monat tracken (4 Agenten × 3 Queries). Ein Shop mit 0 Erwähnungen hat ein Sichtbarkeits-Problem. Ein Shop mit 3 oder mehr ist auf Kurs. Die Zahl über Monate hinweg tracken um Fortschritt zu messen.

Weiterführend

Für den konzeptionellen Hintergrund warum diese Checks wichtig sind: GEO vs SEO — Was sich 2026 wirklich geändert hat. Für Copy-Paste Schema.org-Snippets: Structured-Data-Spickzettel für E-Commerce. Die Pillar-Page unter /agentic-commerce deckt das Framework end-to-end ab.