Die Art, wie Google Produkte findet, bewertet und weiterempfiehlt, hat sich 2025/2026 strukturell verändert — nicht graduell, sondern in einem Ausmaß, das klassische Produktseiten-Optimierung teilweise obsolet macht. Wer heute noch primär auf Keyword-Dichte in Produkttiteln und Meta-Descriptions optimiert, optimiert am falschen Hebel.

Dieser Artikel erklärt ohne Vereinfachungen, was hinter diesen Veränderungen steckt, wo die neuen Hebel liegen — und was Sie an Ihren Produktseiten konkret ändern müssen.

Zwei Systeme, zwei Logiken: AI Overviews vs. AI Mode

Bevor es an die Optimierung geht, ist eine Unterscheidung fundamental, die in den meisten deutschsprachigen Artikeln zu diesem Thema fehlt oder verwischt wird: Google hat nicht ein KI-Suchsystem, sondern zwei — und sie funktionieren grundlegend anders.

AI Overviews sind die KI-generierten Zusammenfassungen, die automatisch über den klassischen Suchergebnissen erscheinen. Für E-Commerce relevant: Shopping-Anfragen lösen AI Overviews in etwa 14% der Fälle aus — deutlich seltener als informationelle Suchanfragen, bei denen der Anteil über 60% liegt (ALM Corp, 2026). Transaktionale Kaufabsicht führt also vergleichsweise selten zu einem AI Overview. Wenn doch, zählen andere Qualitätssignale als im klassischen Ranking: Gut 80% der Quellen, die in AI Overviews zitiert werden, rangieren organisch nicht auf Platz 1 bis 5 für die jeweilige Anfrage (Ahrefs, 2026). Das System bevorzugt inhaltliche Autorität gegenüber bloßer Link-Popularität.

AI Mode ist grundlegend anders. Es ist kein automatisches Feature, sondern ein separater, konversationeller Suchmodus, den Nutzer aktiv wählen. AI Mode führt für eine einzige Anfrage mehrere Untersuchen durch und generiert Antworten, die im Schnitt viermal länger als AI Overviews sind (Ahrefs, 2026). Für Marken besonders relevant: Laut einer Analyse von SE Visible erscheinen Marken in etwa 90% der AI-Mode-Antworten — verglichen mit nur 43% in AI Overviews (SE Visible / Superlines, 2026). Das macht AI Mode zum wichtigeren Sichtbarkeitskanal für Produktempfehlungen.

Der entscheidende Punkt: Nur etwa 14% der Quellen überschneiden sich zwischen beiden Systemen (Ahrefs, 2026). Wer für AI Overviews zitiert wird, muss nicht automatisch in AI Mode auftauchen — und umgekehrt. Optimierungsmaßnahmen lassen sich nicht pauschal auf „KI-Suche“ ausrichten, sondern müssen beide Systeme separat berücksichtigen.

Der neue Unterbau: Google Shopping Graph und Merchant Center Feed

Für transaktionale Produktsuchen läuft ein wesentlicher Teil der KI-Empfehlungen nicht über die gecrawlte Webseite, sondern über den Google Shopping Graph — eine Produktdatenbank mit über 50 Milliarden Einträgen, die über den Merchant Center Feed gespeist wird (Google CEO Sundar Pichai, NRF-Keynote Januar 2026). Gemini, Googles KI-Modell, nutzt diesen Shopping Graph als primäre Datenquelle, um Produktempfehlungen in AI Mode, AI Overviews und dem seit Januar 2026 aktiven Universal Commerce Protocol (UCP) zu generieren.

Das hat eine direkte Konsequenz: Die Qualität Ihres Merchant Center Feeds ist für KI-gestützte Produktempfehlungen oft wichtiger als der Inhalt Ihrer Produktseite. Wenn Ihr Feed unvollständig, veraltet oder mit vagen Attributen bestückt ist, kann die KI Ihr Produkt schlicht nicht korrekt einer Suchanfrage zuordnen — und empfiehlt stattdessen einen Mitbewerber mit sauberem Datensatz.

Was im Feed konkret zählt

Produkttitel: Google empfiehlt Titel mit mindestens 30 Zeichen — nicht als Keyword-Staffelung, sondern als beschreibende Kombination aus Marke, Produkttyp und zentralem Attribut. Statt „Laufschuh Herren blau“ besser „Brooks Adrenaline GTS 24 Herren-Laufschuh, Stabilitätssohle, Blau/Grau“.

Beschreibung: Mindestens 500 Zeichen mit konkreten Attributen — Material, Anwendungsfall, Kompatibilität, Pflegehinweise. Nicht als Fließtext-Marketing, sondern als strukturierte Produktinformation.

GTIN/MPN: Vollständige, korrekte Produktidentifikatoren sind Pflicht für die zuverlässige Erkennung im Shopping Graph. Fehlen sie, zeigt die Google Search Console die „global identifier missing“-Warnung — ein häufiges, leicht behebbares Problem.

Availability und Price in Echtzeit: Jede Stunde werden über 2 Milliarden Einträge im Shopping Graph aktualisiert (Google, 2026). Wer seinen Feed selten synchronisiert, fällt bei Preisänderungen und Lagerbestand sofort zurück.

Produktkategorie: Googles eigene Produkttaxonomie (Google Product Taxonomy) korrekt zugeordnet — nicht die eigene Shop-Kategorie.

Seit Februar 2026 hat Google eine Feed-Disruption im Merchant Center dokumentiert, bei der technische Fehler in der Feed-Verarbeitung zu temporären Sichtbarkeitsverlusten führten (ALM Corp, 2026). Das zeigt, wie abhängig KI-basierte Shopping-Sichtbarkeit von der Feed-Integrität ist: Ein Produktseiten-Fehler lässt sich kurzfristig verkraften, ein Feed-Fehler trifft sofort.

Schema Markup: Die drei echten Hebel jenseits der Basis

Shopify, WooCommerce, Magento — alle generieren automatisch ein Product-Objekt mit Name, Bild, Preis und Verfügbarkeit. Damit ist die Basis gesetzt, aber sie ist in der Praxis häufig fehlerhaft: Shopify lädt sein Schema asynchron via JavaScript nach, was einige KI-Systeme nicht zuverlässig erfassen. WooCommerce-Instanzen haben häufig kein GTIN/MPN hinterlegt, und AggregateRating fehlt, wenn Bewertungen nicht über das native System laufen.

Der erste Schritt ist deshalb nicht „mehr Schema“, sondern den Ist-Zustand kennen: Google Search Console → Einkaufen → Produktausschnitte zeigt Ihnen exakt, welche Pflichtfelder fehlen oder Fehler produzieren.

Danach gibt es drei Hebel, die tatsächlich differenzieren — weil sie kaum ein Shop-System automatisch korrekt umsetzt:

Hebel 1: Shipping- und Rückgabe-Schema (November-2025-Update)

Google hat im November 2025 die Implementierung von shippingDetails und hasMerchantReturnPolicy grundlegend vereinfacht: Beide lassen sich jetzt einmalig auf Organization-Ebene hinterlegen und gelten als Fallback für alle Produktseiten — statt auf jeder einzelnen Seite wiederholt zu werden (PEMAVOR, November 2025).

Das ist technisch überschaubar, aber die meisten Shops haben es schlicht noch nicht umgesetzt. Der Grund, warum es sich lohnt: Google kann „Kostenloser Versand“ und „30 Tage Rückgabe“ direkt im Suchergebnis-Snippet ausgeben — ein messbarer CTR-Hebel mit aktuell noch geringem Wettbewerb.

Grundstruktur für die Homepage bzw. eine zentrale Template-Datei:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Ihr Shop",
  "url": "https://www.ihrshop.de",
  "hasMerchantReturnPolicy": {
    "@type": "MerchantReturnPolicy",
    "applicableCountry": "DE",
    "returnPolicyCategory": "https://schema.org/MerchantReturnFiniteReturnWindow",
    "merchantReturnDays": 30,
    "returnMethod": "https://schema.org/ReturnByMail",
    "returnFees": "https://schema.org/FreeReturn"
  },
  "shippingDetails": {
    "@type": "OfferShippingDetails",
    "shippingRate": {
      "@type": "MonetaryAmount",
      "value": "0",
      "currency": "EUR"
    },
    "shippingDestination": {
      "@type": "DefinedRegion",
      "addressCountry": "DE"
    },
    "deliveryTime": {
      "@type": "ShippingDeliveryTime",
      "handlingTime": {
        "@type": "QuantitativeValue",
        "minValue": 0,
        "maxValue": 1,
        "unitCode": "DAY"
      },
      "transitTime": {
        "@type": "QuantitativeValue",
        "minValue": 1,
        "maxValue": 3,
        "unitCode": "DAY"
      }
    }
  }
}

Produkte mit abweichenden Bedingungen (Sperrgut, internationale Lieferung, abweichende Rückgabefrist) erhalten zusätzlich ein produktspezifisches Objekt, das die Organization-Ebene überschreibt.

Hebel 2: Brand-Entity mit sameAs

Wenn eine Marke einen Wikidata-Eintrag hat und das Organization-Schema der Website per sameAs auf diesen Eintrag verweist, kann Google — und jedes LLM, das Wikidata als Trainingsquelle nutzt — die Marke eindeutig identifizieren und von gleichnamigen Entitäten abgrenzen. Das ist kein klassischer SEO-Trick, sondern Entity-Building: einmaliger Aufwand mit langfristiger Wirkung auf die AI-Zitierrate (SEO Strategy Ltd, 2025).

Für Shops, die eigene Markenprodukte verkaufen: Wikidata-Eintrag anlegen, im Organization-Schema verlinken.

Für reine Händler mit Fremdmarken: Die Brand-Property pro Produkt korrekt mit dem Hersteller-Namen befüllen — damit ordnet der Shopping Graph das Produkt der richtigen Marken-Entität zu und verbessert die Treffsicherheit bei markenbezogenen Anfragen.

Hebel 3: FAQPage auf Produktseiten

Kein Shop-System generiert das automatisch. Ein FAQPage-Block mit 4–6 echten Käuferfragen direkt im Produkt-Schema gibt KI-Systemen maschinenlesbare Antworten im richtigen Format — exakt das, was für konversationelle Anfragen wie „Ist dieses Produkt wasserdicht?“ oder „Passt das auch für Einsteiger?“ benötigt wird.

Die Fragen müssen nicht kreativ sein — sie müssen real sein. Was tatsächlich vor dem Kauf gefragt wird, steht in den Bewertungen oder im Support-Postfach. Diese Fragen strukturiert auf der Produktseite zu beantworten und als FAQPage zu markieren, erfüllt gleichzeitig drei Funktionen: inhaltliche Tiefe für Google, Vertrauensaufbau beim Käufer und maschinenlesbare Antwortbausteine für KI-Systeme.

Produktseiten-Content: Der neue Qualitätsmaßstab nach dem Core Update Dezember 2025

Googles Core Update vom Dezember 2025 hat E-Commerce-Seiten überdurchschnittlich hart getroffen. Das Muster war eindeutig: Shops mit Produktbeschreibungen aus Hersteller-Feeds oder mit generischem Content verloren im Schnitt 25–35% ihrer organischen Sichtbarkeit. Shops mit eigenem, tiefem Produktcontent blieben stabil oder gewannen (Synergist Digital Media, 2025).

Das bedeutet nicht, dass jede Produktseite einen 1.500-Wörter-Artikel braucht. Es bedeutet, dass der Content das beantworten muss, was ein Käufer mit echtem Kaufinteresse wissen will — und das geht über Herstellertext hinaus.

Das praktische Content-Framework für Produktseiten

Ebene 1 — Der Kernblock (above the fold):
Produktname mit dem zentralen differenzierenden Attribut, nicht nur der SKU-Bezeichnung. Zwei bis drei Sätze, die den konkreten Anwendungsfall beschreiben: Für wen ist dieses Produkt gedacht, wofür genau eignet es sich, was unterscheidet es von der günstigeren Variante im selben Shop?

Ebene 2 — Technische Attribute:
Vollständige Spezifikationstabelle, kein Marketing. Material, Maße, Gewicht, Kompatibilität, Zertifizierungen — was für die jeweilige Produktkategorie relevant ist. Diese Daten sollten auch im Feed vorhanden sein, aber auf der Seite schafft die Tabelle eine scanbare, strukturierte Basis für Käufer und Crawl-Systeme gleichermaßen.

Ebene 3 — Kaufberatungsblock:
Hier liegt das größte Delta zwischen durchschnittlichen und guten Produktseiten. Konkrete Antworten auf reale Kaufentscheidungsfragen: „Passt dieses Modell auch für breite Füße?“, „Wie unterscheidet sich diese Version von der Vorgängerversion?“, „Was brauche ich noch dazu?“ — in Fließtext oder als strukturiertes Q&A, das sich zugleich für das FAQPage-Schema nutzen lässt. Dieses Format bedient Nutzer mit konkretem Kaufinteresse, liefert Google Signale für inhaltliche Tiefe und gibt KI-Systemen direkt verwendbare Antwortbausteine.

Ebene 4 — Vertrauenselemente:
Rückgabebedingungen, Lieferzeitraum, Garantie — direkt auf der Produktseite sichtbar, nicht nur im Footer oder auf einer separaten Service-Seite. Googles Search Quality Rater Guidelines listen Transparenz zu Rückgabe und Lieferung explizit als Vertrauenssignal. Nach dem Dezember-2025-Update haben Shops, die diese Informationen auf Produktseitenebene hatten, besser abgeschnitten als solche mit reinen Footer-Links (Synergist Digital Media, 2025).

Was mit Hersteller-Produktbeschreibungen passiert

Hersteller-Produkttexte, die unverändert auf hunderten Shops erscheinen, erfüllen keines der oben beschriebenen Kriterien. Sie sind per Definition Duplicate Content, bieten keine Kaufberatung und beantworten keine realen Käuferfragen. Das Problem ist nicht neu — aber die Konsequenz hat sich durch Googles Helpful Content System und das Dezember-Core-Update verschärft.

Es gibt eine differenziertere Antwort als „alle Texte neu schreiben“:

Hochfrequente, umsatzstarke Produkte: Eigentext mit Kaufberatungstiefe (Ebenen 1–4) ist unverzichtbar. Hier lohnt manueller Aufwand direkt.

Mittlere Kategorie: KI-gestützte Umschreibung mit Template-gesteuerten Prompts ist ein vertretbarer Kompromiss — vorausgesetzt, das Ergebnis wird auf inhaltliche Korrektheit geprüft und nicht 1:1 ausgespielt. Massenhafter, unkontrollierter KI-Output ohne menschliche Prüfung ist einer der explizit dokumentierten Gründe für Penalties durch Googles Scaled Content Abuse Policy.

Longtail-Produkte mit wenig Suchvolumen: Saubere technische Attribute und vollständiges Schema können ausreichen, wenn kein direkter Wettbewerb um transaktionale Keywords besteht.

Praktische Prüfliste: Wo stehen Sie heute?

Die folgenden Punkte erlauben eine schnelle Bestandsaufnahme — in der Reihenfolge ihrer Priorität:

Feed-Ebene

  • Sind Ihre Produkttitel länger als 30 Zeichen und enthalten Marke, Typ und ein zentrales Attribut?
  • Sind Ihre Produktbeschreibungen im Feed länger als 500 Zeichen mit konkreten Attributen (kein Marketing-Copy)?
  • Sind GTINs für alle Produkte vorhanden und korrekt?
  • Ist die Verfügbarkeit in Ihrem Feed automatisch synchronisiert?

Schema-Ebene

  • Zeigt Google Search Console → Einkaufen → Produktausschnitte keine Fehler oder Warnungen?
  • Sind shippingDetails und hasMerchantReturnPolicy auf Organization-Ebene implementiert?
  • Enthält jede Produktseite serverseitig gerendertes JSON-LD mit AggregateRating?
  • Gibt es einen FAQPage-Block auf Ihren meistbesuchten Produktseiten?

Content-Ebene

  • Sind Ihre Produkttexte selbst erstellt (nicht 1:1 vom Hersteller)?
  • Beantwortet der Text mindestens eine Frage, die ein echter Käufer stellen würde — über die technischen Specs hinaus?
  • Sind Rückgabe, Lieferzeit und Garantie auf der Produktseite direkt sichtbar?

Technisch

  • Ist Ihr Schema-Markup im server-gerenderten HTML (prüfbar: Seitenquelltext ohne JS-Rendering im Browser)?

Reihenfolge bei Handlungsbedarf: Feed zuerst — Schema danach — Content zuletzt. Der Feed ist der direkteste Hebel für KI-gestützte Shopping-Sichtbarkeit, Schema der schnellste Quick Win für Crawl-Systeme, Content der langfristigste Aufbau.

Fazit: Kein Trend, sondern eine Systemverschiebung

Was hier beschrieben ist, ist keine kurzfristige Optimierungswelle, sondern ein Paradigmenwechsel in der Infrastruktur, über die Google Produkte bewertet und empfiehlt. Der Shopping Graph mit über 50 Milliarden Einträgen, das Universal Commerce Protocol, das KI-Agenten-Transaktionen direkt in Google ermöglicht, und die zunehmende Konversationalisierung der Produktsuche durch AI Mode — das sind keine parallelen Features zum klassischen Suchranking. Sie ersetzen es für einen wachsenden Teil der Kaufentscheidungen.

Für Shopbetreiber bedeutet das: Wer heute in Feed-Qualität, Schema-Vollständigkeit und echte Produktseiten-Tiefe investiert, sichert Sichtbarkeit in Kanälen, die klassisches Keyword-Ranking langfristig ergänzen — und in bestimmten Segmenten bereits überholen.

Quellen und weiterführende Dokumentation