Früher war Shopping eine Suche.
Tippen, filtern, verfeinern, wiederholen.
Doch jetzt passiert etwas Neues. Menschen sprechen mit Google, als würden sie mit einer echten Verkäuferin reden:
„Finde mir etwas Strapazierfähiges … nicht zu teuer … vielleicht in Schwarz … und bitte leicht zu reinigen.“
Genau auf diesen Wandel setzt Google mit dem Shopping KI-Modus, angetrieben von seinem multimodalen Intelligenzmodell Gemini. Gemini versteht Text, Bilder, Sprache und Kontext – und ermöglicht es Nutzerinnen, Produkte in Sekunden zu entdecken, zu vergleichen und sogar virtuell „anzuprobieren“.
Der AI Mode geht weit über ein neu gestaltetes Suchergebnis hinaus – er transformiert die Produktsuche grundlegend.
Was genau ist der Google Shopping KI-Modus?
Der Google Shopping KI-Modus ist ein assistentenähnliches Shopping-Erlebnis direkt in der Suche. Er kombiniert konversationelle Suche (Gemini) mit dem Shopping Graph – Googles Echtzeit-Produktdatenbank mit über 50 Milliarden Produktlistings, die mehr als 2 Milliarden Mal pro Stunde aktualisiert werden – und führt Käuferinnen mit wenigen natürlich formulierten Rückfragen von der Frage zur Kaufentscheidung.
Gemini liefert das Reasoning, der Shopping Graph die Produktintelligenz. Gemeinsam machen sie aus Suche eine interaktive, personalisierte Shopping Journey.
Statt bloß Links oder Anzeigen anzuzeigen, liefert der AI Mode eine kuratierte, dynamische Mischung aus:
- Erklärungen, z. B. „Nylon ist leichter für Reisen, Canvas hält länger“
- Empfehlungen, etwa „Hier sind Optionen unter deinem Budget“
- Vergleichen, z. B. „Dieses Modell hat besseren Grip auf nassem Untergrund“
- Follow-up-Prompts, wie „Nur veganes Leder anzeigen?“
- Produktpanels mit Preisen, Varianten, Bildern und Reviews
- Checkout-fertigen Aktionen mittels agentischer Flows
Und all das, ohne die Suche zu verlassen.
Zentrale Funktionen des Google Shopping KI-Modus
1. Konversationelles Shopping mit Gemini
Beispiel-Prompt: „Suche einen Reisebuggy – leicht, aber stabil.“ Gemini versteht die Intention hinter der Anfrage, nicht nur Keywords. Nuancen wie „Reise“, „leicht“, „stabil“ werden interpretiert und mit passenden Produkten abgeglichen – ohne dass Nutzerinnen Filter setzen müssen.
Verfeinerungen passieren natürlich:
- „Nur in Schwarz“
- „Zeig günstigere“
- „Was ist gut für holprige Gehwege?“
Hinter den Kulissen matcht semantische Modellierung die Zweckabsicht mit Produktattributen im Shopping Graph.
2. Query Fan-out: Googles neue Ebene für tiefes logisches Denken
Ein großes Upgrade ist Query Fan-out: Gemini zerlegt eine Anfrage automatisch in Mikro-Fragen, um die Intention zu verbreitern. Beispiel: „Beste wasserdichte Reisetasche fürs Wochenende.“ Der Fan-out erzeugt u. a.:
- Materialeigenschaften (wasserdicht vs. wasserabweisend: Nylon, TPU, beschichtetes Canvas)
- Volumen & Größen (Carry-on, 30 L, 40 L, Weekender)
- Haltbarkeitsindikatoren (verstärkte Nähte, robuste Reißverschlüsse, Abriebfestigkeit)
- Organisation (Laptopfach, Schuhfach, Schnellzugriff)
- Top-Marken für Kurztrips
- Übliche Preisspannen
Jede Mikro-Abfrage trifft andere Segmente des Shopping Graph und zieht Produkte heran, die mehreren überlappenden Signalen entsprechen – nicht nur dem Wortlaut „wasserdichte Reisetasche“. Dadurch kann Google:
- Rauschen durch irrelevante Listings reduzieren
- Über reines Keyword-Matching hinausgehen
- Nischen- oder hochrelevante Produkte sichtbar machen, die in einer normalen SERP nie auftauchen würden
Das gleichzeitige Suchen aus mehreren Blickwinkeln liefert präzisere, kontextuellere und persönlichere Ergebnisse.
3. Kontextuelle Produktpanels in KI-Antworten
Produktpanels im KI-Modus sind dynamische Datenobjekte, die kombinieren:
- Feed-Daten (aus dem Merchant Center)
- Strukturierte Daten (Markup Ihrer Website)
- Verhaltenssignale (Klickwahrscheinlichkeit, Bestandsvertrauen)
- Visuelle Embeddings (Bildanalyse)
- Review-Zusammenfassungen & Händlerreputation
Die Panels aktualisieren sich in Echtzeit für:
- Rabatt- und Preisänderungen
- Lagerverfügbarkeit
- Größen-/Farben-Varianten
- Varianten-spezifische Bilder
- Review-Updates
- Verwandte Alternativen
Google kann die Reihenfolge innerhalb der Session anhand von Follow-ups neu gewichten.
4. Visuelle Suche mit Google Lens
Nutzerinnen laden ein Foto hoch oder knipsen es schnell – z. B. eine Jacke im Magazin, eine Lampe in der Hotellobby, ein Sneaker auf der Straße – und der KI-Modus findet ähnliche Produkte. Lens + KI-Modus analysieren u. a.:
- Formen (Trapez-Handtaschen)
- Texturen (gerippte Keramikbecher, Leinenhemden)
- Mikro-Muster (Hahnentritt, Chevron, Micro-Floral)
- Funktionale Hinweise (Stollensohle, ergonomische Griffe)
Diese Merkmale werden mit Katalogbildern im Shopping Graph abgeglichen – so kann der KI-Modus auch ohne explizite IDs „Finde ähnliche Stücke“ beantworten.
5. Virtuelles Anprobieren mit größeninklusiven Modellen
Für Fashion-Kategorien ermöglicht Googles Virtual Try-On (VTO) realistische Vorschauen auf größeninklusiven Modellen.
Stoff fällt und dehnt sich natürlich über unterschiedlichen Körperformen. VTO ist aktuell für Tops und Kleider verfügbar und wird ausgebaut – das erhöht das Kaufvertrauen spürbar.
6. Agentische Checkout-Flows mit Google Pay
Ein entscheidender Fortschritt: Käufe können direkt innerhalb des KI-Modus abgeschlossen werden. Beim Agentic Checkout findet der Assistent nicht nur Produkte, sondern hilft aktiv beim Transaktionsabschluss:
- Artikel in den Warenkorb legen
- Verfügbarkeit prüfen
- Präferenzen anwenden (Größe, Farbe, Budget)
- Preise verfolgen
- Zahlung via Google Pay auslösen
- An Händler-Fulfillment anbinden
So verschmilzt der Weg von Entdeckung → Vergleich → Checkout zu einem durchgehenden Flow.
So gelangen Ihre Daten in den Google KI-Modus (Step-by-Step)
Schritt 1: Ihre Quellsysteme
Startpunkt sind PIM, ERP, CMS oder Shop-Plattform (Produkt-ID, Marke, Titel, Beschreibung, Preis, Verfügbarkeit, Varianten, GTINs, Medien).
Damit diese Daten im KI-Modus wirken, müssen sie:
✅ vollständig
✅ strukturiert
✅ kontextreich angereichert sein
Schritt 2: Ihr Google-ready Feed
Interne Daten werden in die erforderliche Google-Struktur transformiert (Kategorien mappen, Varianten organisieren, Titel bereinigen, Attribute formatieren).
Zur Stärkung des Feeds:
✅ Google-konforme Taxonomie & Identifikatoren nutzen
✅ Variantentiefe sichern (Farbe, Größe, Material)
✅ Konkrete statt vager Beschreibungen
Schritt 3: Merchant Center-Validierung
Google prüft Fehldaten, validiert Identifikatoren und markiert Mismatches oder Policy-Issues. Sie sollten:
✅ Ablehnungen schnell beheben
✅ Bestand & Preise kontinuierlich aktualisieren
✅ PDP-Inhalte und Feed angleichen (Vertrauenssignale)
Schritt 4: Verarbeitung im Shopping Graph
Ihre Produkte fließen in den Shopping Graph, der Attribute, Reviews, Preisdynamik und Händler-Signale verknüpft.
Für maximale Eligibility:
✅ Attribute über Basics hinaus anreichern (Material, Use-Case, Nachhaltigkeit)
✅ Strukturierte Daten (Product/Offer-Schema) sauber implementieren
✅ Gute Ratings, frische Reviews & Händlertransparenz pflegen
Schritt 5: Gemini interpretiert Intention
Bei Suchanfragen wendet Gemini Query Fan-out an, zerlegt in Mikro-Intents, vergleicht Attribute und identifiziert Best-Fit-Produkte.
Für bessere Ausspielung:
✅ Intent-freundliche Attribute nutzen („rainproof“, „carry-on“, „ergonomic“)
✅ Varianten-spezifische Bilder bereitstellen (präziseres visuelles Matching)
✅ Use-Case-Sprache ergänzen (Wann/Wie wird das Produkt genutzt?)
Schritt 6: Ergebnisse im KI-Modus
Gemini baut konversationelle Antworten, Empfehlungssets, Produktpanels und Checkout-Prompts – gespeist aus Ihren Daten.
Für stärkere Präsenz:
✅ Verfügbarkeit & Preis häufig aktualisieren – veraltete Daten werden abgewertet
✅ Medien konsistent, scharf, hochauflösend halten
✅ Katalog-Synchronität über alle Quellsysteme sicherstellen
Wichtig: Sichtbarkeit im KI-Modus entsteht nicht nur aus Daten. Weil Abfragen natürlich formuliert sind, nutzt Google KI-gestützte Targeting-Signale, um Relevanz zu verstehen. Setzen Sie daher auf Googles automatisierte Formate wie:
- Broad Match – um konversationale, intent-reiche Suche zu erfassen
- Performance Max – um Feed-Signale, Creatives und Audience-Insights zu vereinen
So hilft Ihr Setup Gemini, Ihre Produkte im KI-Ergebnis zur richtigen Zeit anzuzeigen.
Was kommt als Nächstes?
Mit zunehmender Gemini-Intelligenz und einem immer reichhaltigeren Shopping Graph verschiebt sich die gesamte Buying Journey von Search-Driven zu Conversation-Driven. Käuferinnen erwarten, dass Google Kontext sofort versteht, Optionen intelligent vergleicht und zielsicher zur Entscheidung führt.
Kurz: Bessere Daten = bessere Platzierung = bessere Ergebnisse.
Machen Sie den ersten Schritt in Richtung KI-getriebener, agentischer Shopping-Erlebnisse – und erfahren Sie, wie Produkte Sie dabei unterstützt.
Weiterführende Inhalte
About the author
