Wie strukturierte Daten KI-Produktempfehlungen beeinflussen: Eine 500-Shop-Studie

Methodik

Wir haben 500 E-Commerce-Shops aus 8 Branchen mit dem AI-Readiness-Audit von MerchantStamp gescannt. Für jeden Shop maßen wir die Vollständigkeit der strukturierten Daten, die Qualität der JSON-LD-Implementierung, die Abdeckung mit Produktkennungen und die Transparenz der Richtlinien. Anschließend korrelierten wir diese Kennzahlen mit beobachtbaren Signalen der KI-Sichtbarkeit.

Wichtige Ergebnisse

Ergebnis 1: Nur 12 % der Shops haben vollständiges JSON-LD. Obwohl JSON-LD die primäre Datenquelle für KI-Agenten ist, hatten 88 % der analysierten Shops unvollständiges oder fehlendes Product-Markup. Die häufigsten Lücken waren fehlender Verfügbarkeitsstatus (67 %), fehlende GTIN-Kennungen (78 %) und fehlende aggregierte Bewertungen (61 %).

Ergebnis 2: Die GTIN-Abdeckung ist der stärkste Prädiktor. Shops mit GTIN-Kennungen im JSON-LD erzielten 2,3-fach höhere AI-Readiness-Scores als Shops ohne. GTIN ermöglicht es KI-Agenten, Produkte quellenübergreifend abzugleichen, Preise zu verifizieren und Vertrauen in Empfehlungen aufzubauen.

Ergebnis 3: Die Plattform zählt weniger als die Umsetzung. Shopify-Shops erzielten im Schnitt 39/100, WooCommerce 32/100 und individuelle Plattformen 28/100. Allerdings erreichten Top-Performer auf jeder Plattform 70+. Der Unterschied liegt nicht an der Plattform, sondern daran, ob Händler strukturierte Daten aktiv implementieren.

Ergebnis 4: Die „KI-Bereitschafts-Lücke" wächst. Die Top 10 % der Shops (Score 75+) ziehen rasch davon, während die unteren 50 % (Score unter 30) für KI-Agenten weitgehend unsichtbar bleiben. Das erzeugt einen sich verstärkenden Vorteil für frühe Anwender.

Ergebnis 5: Schnelle Erfolge sind möglich. Schon ein einfaches JSON-LD-Product-Markup (name, price, availability, image) bringt einen Shop in unter einer Stunde von „unsichtbar" zu „teilweise lesbar". GTIN-Kennungen hinzuzufügen, hebt die Scores meist über den Branchendurchschnitt.

Score-Verteilung

Die Verteilung der AI-Readiness-Scores über unsere Stichprobe von 500 Shops offenbart eine ernüchternde Realität:

• 0-29 (Note F/D): 52 % der Shops — für KI-Agenten praktisch unsichtbar

• 30-49 (Note C): 24 % der Shops — teilweise lesbar, deutliche Lücken

• 50-69 (Note B): 14 % der Shops — gute Lesbarkeit, kleinere Probleme

• 70-100 (Note A): 10 % der Shops — vollständig auf KI-Agenten optimiert

Empfehlungen

Aufgrund unserer Ergebnisse empfehlen wir Händlern folgende Prioritäten:

Priorität 1: Ein vollständiges JSON-LD-Product-Schema mit allen Pflichteigenschaften implementieren (name, description, image, offers mit price und availability).

Priorität 2: GTIN/MPN-Kennungen für alle Produkte ergänzen. Diese einzelne Maßnahme hat den größten Einfluss auf die KI-Sichtbarkeit.

Priorität 3: Sicherstellen, dass maschinenlesbare Richtlinien (Rückgaben, Versand, Datenschutz) aus Ihrem Schema verlinkt sind.

Priorität 4: Einen kostenlosen MerchantStamp-Audit starten, um Ihre konkreten Lücken zu identifizieren und umsetzbare Fixes zu erhalten.