KI-Agenten und Produktkatalog

Zusammenfassung

Fakt: Commerce (Nasdaq: CMRC), Muttergesellschaft von Feedonomics, startete am 27. April die Agentic Catalog Exports (ACE) — ein Service, der Händlerkataloge gleichzeitig mit OpenAI/ChatGPT, Google Gemini, Microsoft Copilot, PayPal, Stripe, Perplexity und Amazon verbindet.
Auswirkung: Dell syndiziert bereits rund 7.000 Produkte über ACE — Laptops, Server, Monitore, Zubehör — ohne sieben separate Integrationen aufzubauen.
Überraschung: Der Engpass ist nicht der Zugang zu diesen Plattformen, sondern die Datenqualität. KI-Agenten zeigen Produkte basierend auf der Vollständigkeit strukturierter Attribute — nicht auf Keyword-Dichte. Ein völlig anderes Optimierungsspiel als das, das Marken seit zwei Jahrzehnten spielen.

In den meisten Marketingabteilungen dreht sich das Gespräch immer noch um ChatGPT als Schreibwerkzeug oder vielleicht als Kundenservice-Bot. Die eigentliche Disruption vollzieht sich jedoch auf einer Ebene, die die meisten Markenmanager noch nicht untersucht haben: die Produktentdeckung. KI-Shopping-Agenten werden zu einem primären Kanal, über den Verbraucher Produkte finden und bewerten — und Ihr Produktkatalog spricht entweder ihre Sprache, oder er existiert für sie schlicht nicht.

Am 27. April machte Commerce (die Muttergesellschaft von Feedonomics) einen Schritt, der diese Diskussion beschleunigen sollte. Das Unternehmen startete Agentic Catalog Exports, einen Service, der Enterprise-Marken ermöglicht, ihre Produktdaten gleichzeitig an sieben große KI-Oberflächen zu syndizieren — über einen einzigen verwalteten Feed. Dell stieg als früher Anwender ein und lud rund 7.000 Produkte hoch.

Ein Feed, sieben Plattformen: Was ACE wirklich leistet

Das Problem, das ACE löst, klingt technisch, hat aber erhebliche kommerzielle Konsequenzen. Jede KI-Shopping-Plattform hat eigene Schema-Anforderungen, Update-Rhythmen und Datenformate. Für eine mittelgroße Marke mit 2.000 SKUs ist der Aufbau kompatibler Feeds für sieben verschiedene Endpunkte kein Marketing-Projekt — es ist ein sechsmonatiger Engineering-Aufwand, der nie wirklich endet.

Feedonomics zentralisiert das alles. Sie pflegen einen strukturierten Produktfeed; ACE übernimmt die Transformation, Anreicherung und Syndizierung an jedes Ziel. Sharon Gee, Senior Vice President of Product for AI bei Commerce, brachte es auf den Punkt: “Agentic Commerce verlagert sich schnell von der Experimentierphase zur realen Anwendung, und Händler brauchen einen zuverlässigen Weg zur Teilnahme.”

Was an diesem Schritt auffällt, ist die Wahl der Zielplattformen. PayPal und Stripe sind keine Suchmaschinen — sie sind Zahlungsinfrastruktur, die still und leise agentische Shopping-Schichten hinzufügt. Perplexity ist keine traditionelle Retail-Plattform. Die Implikation ist klar: KI-gesteuerte Produktentdeckung wird sich nicht auf Chatbot-Oberflächen beschränken. Sie taucht überall auf, wo ein Verbraucher bereits kauft oder recherchiert.

Dells 7.000-SKU-Test und die Datenmauer

Dells Beteiligung ist aufschlussreich — nicht wegen der Größenordnung, sondern wegen dem, was sie erforderte. Paul Mansour, Global Marketing Director bei Dell, sagte es unverblümt: “Je häufiger KI-Agenten zum Ausgangspunkt für die Produktsuche werden, desto wichtiger sind Qualität und Struktur der Produktdaten.” Feedonomics hat Dells bestehenden Katalog nicht einfach verbunden — es hat ihn optimiert und umstrukturiert, damit die Produkte “in ChatGPT korrekt und vollständig repräsentiert” sind.

Diese Umstrukturierung ist die eigentliche Arbeit. KI-Agenten ranken Produkte nicht nach Keyword-Relevanz wie ein Suchalgorithmus. Sie zeigen Produkte danach, wie vollständig und konsistent die strukturierten Daten die implizite Frage des Käufers beantworten. Eine Server-Liste ohne Rack-Einheitenabmessungen, Leistungsaufnahme oder unterstützte RAID-Konfigurationen erscheint dem IT-Einkäufer nicht, der einen Copilot-Agenten bittet, einen Infrastruktur-Stack zu konfigurieren.

Epinium-Daten

Bei den Markenkatalogen, die wir auf der Epinium-Plattform prüfen, weisen über 65% beim ersten Audit unvollständige strukturierte Attribute auf — fehlende GTIN-Zuordnungen, leere Dimensionsfelder oder falsch ausgerichtete Kategorie-Taxonomien. In der traditionellen Suche führten dünne Produktdaten zu einem schrittweisen Ranking-Abfall. Bei der agentischen Entdeckung führen sie zu sofortiger Unsichtbarkeit.

Das ist die unbequeme Wahrheit für Marken, die auf starke Produktfotografie und gutes Copywriting gesetzt haben. Beides überträgt sich nicht auf agentische Oberflächen. Was sich überträgt, ist maschinenlesbare Vollständigkeit: jedes Attributfeld ausgefüllt, jede Variante gemappt, jede Kompatibilitätsnotiz im vom Agenten erwarteten Schema strukturiert.

Die Kanalstrategie-Implikation, über die niemand spricht

Der Instinkt der meisten E-Commerce-Teams wird sein, ACE als weitere Feed-Management-Aufgabe zu behandeln — so wie sie 2012 mit Google Shopping-Feeds umgegangen sind. Diese Einordnung unterschätzt die Verschiebung. Google Shopping stellte Produkte vor Menschen, die dann Urteile fällten. Agentischer Handel stellt Produkte vor Agenten, die dieses Urteil im Namen von Menschen fällen, oft ohne dass der Mensch eine Suchergebnisseite überprüft.

Amazon prognostizierte letztes Jahr, dass KI-gesteuertes Entdecken bis 2029 für 50% seiner Suchaktivitäten verantwortlich sein würde. Diese Schätzung wurde vor dem Start von ChatGPTs Shopping-Funktionen gemacht. Der Zeitrahmen könnte kürzer sein. Marken, die ihre Katalogdaten jetzt strukturieren, bauen einen Infrastrukturvorteil auf, der sich summiert. Marken, die das als Problem für 2027 betrachten, nicht.

Was wir bei Epinium beobachten, ist eine wachsende Kluft zwischen Marken, die in Katalog-Infrastruktur investiert haben — vollständige Attributabdeckung, Echtzeit-Synchronisation, strukturierte Variantendaten — und solchen, die mit manuell aktualisierten Tabellen oder Legacy-PIM-Systemen mit 40% Feldvollständigkeit arbeiten. Diese Lücke war tolerierbar, als Menschen browsedten. Sie wird strukturell, wenn Agenten es tun.

Für COOs, die bewerten, wo sie das KI-Budget in den nächsten 12 Monaten einsetzen sollen, ist dies eine konkrete Antwort: Katalog-Infrastruktur ist kein Legacy-Back-Office-Problem. Es ist das Fundament, auf dem Ihre KI-Auffindbarkeit aufgebaut wird. Feedonomics hat gerade den ersten Schritt gemacht. Die Frage ist nicht ob man an agentischen Commerce-Kanälen teilnehmen soll — sondern ob Ihre Produktdaten bereit sind, wenn Sie es tun.

FAQ: Agentischer Commerce und KI-Produktentdeckung

Muss ich mich separat bei OpenAI, Google und jeder KI-Plattform anmelden, um Produkte über ACE zu listen?

Nein — genau das ist es, was ACE eliminiert. Commerce verwaltet die Plattformbeziehungen und Schema-Anforderungen im Backend. Als Händler pflegen Sie einen strukturierten Katalog-Feed über Feedonomics, das die Transformation und Syndizierung an jedes Ziel übernimmt. Jede Plattform hat eigene Eignungskriterien und Onboarding-Prozesse, aber der Engineering-Aufwand für einzelne Integrationen ist Feedonomics’ Problem, nicht Ihres.

Spielt die Katalogsgröße eine Rolle? Lohnt sich der Anschluss für eine Marke mit 200 SKUs?

Die Katalogsgröße ist weniger wichtig als Katalogqualität und Kategorie-Fit. Eine Spezialmarke mit 200 SKUs und vollständigen, strukturierten Attributdaten in einer Kategorie mit hohem Entscheidungsaufwand (Elektronik, B2B-Ausrüstung, Industriewerkzeuge) übertrifft einen Retailer mit 50.000 dünnen Listings. KI-Agenten sind besonders effektiv bei komplexen, recherche-intensiven Käufen — genau die Kategorien, wo vollständige strukturierte Daten sofort zahlen.

Was passiert, wenn mein Wettbewerber seinen Katalog vor mir an KI-Agenten syndiziert?

Das ist die richtige Frage. KI-Shopping-Agenten crawlen nicht eigenständig — sie zeigen, was in den ihnen bereitgestellten Feeds ist. Wenn der Katalog eines Wettbewerbers in ChatGPTs Shopping-Layer ist und Ihrer nicht, ist jeder Käufer, der diese Recherche in ChatGPT beginnt, ein Käufer, der Ihre Produkte nie sieht. Das First-Mover-Fenster für agentische Katalogpräsenz beträgt wahrscheinlich 12-18 Monate, bevor diese Integrationen zum Standard werden.

Kann ich kontrollieren, welche Produkte in KI-Agentenempfehlungen erscheinen?

Sie haben erhebliche Kontrolle. Katalogexporte können nach Produktlinie, Margen-Profil, Bestandsstatus oder jedem Attribut in Ihrem Feed segmentiert werden. Viele Marken werden anfangs hochmargige Kategorien oder vorrättige Artikel priorisieren. Die Möglichkeit, bestimmte SKUs aus bestimmten Kanälen auszuschließen — etwa B2B-only-Produkte aus verbraucherorientierten KI-Oberflächen herauszuhalten — ist genau der Grund, warum verwaltete Feed-Infrastruktur wichtig ist.

Meine Produkte sind bereits auf Amazon und Google Shopping. Reicht das?

Das hängt davon ab, wo Ihre Käufer ihre Recherche beginnen. Amazon und Google Shopping bleiben dominant, aber ChatGPTs Shopping-Funktionen und Perplexitys Produktsuche gewinnen signifikanten Anteil an hochintentionalen Recherche-Anfragen — besonders bei Käufern unter 35, die KI-Assistenten als Standard-Ausgangspunkt nutzen. Die wichtigere Frage ist, ob Ihre Produktdaten gut genug strukturiert sind für alle diese Kanäle.

Agentischer Commerce ist keine Prognose mehr. Es ist laufende Infrastruktur, und Fortune-500-Unternehmen bauen gerade Katalog-Feeds dafür. Marken, die das als Datenqualitätsprojekt einrahmen — und so ausführen — werden in drei Jahren die Regalfläche haben, die zählt.

Bereit, Ihren Katalog für KI-Agenten-Auffindbarkeit zu auditieren? Die Katalogmanagement-Plattform von Epinium hilft Marken, Produktdaten zu strukturieren, anzureichern und über KI- und traditionelle Commerce-Kanäle zu syndizieren. Entdecken Sie, wie Epinium Ihren Katalog für die agentische Ära optimiert →

Für einen breiteren Kontext, wie KI-Agenten Unternehmensabläufe neu gestalten, lesen Sie unsere frühere Analyse darüber, was agentische KI für Unternehmen bedeutet.