Black Friday liefert KI-Rekorde – doch gewinnen werden die, die für Agenten bauen.
Amazon meldet: über 250 Mio. Kund:innen haben 2025 Rufus genutzt; wer mit dem Assistenten interagiert, ist über 60 % kaufwahrscheinlicher. Außerdem stellte Andy Jassy in der Analystenrunde > 10 Mrd. US-$ an zusätzlich annualisierten Rufus-Umsätzen in Aussicht. Target startet ein kuratiertes Shopping in ChatGPT (Ankündigung vom 19. Nov. 2025). Walmart testete im Herbst in seinem KI-Assistenten Sparky ein Werbeformat namens „Sponsored Prompt“ (Testfenster September bis Anfang November, zuerst vom WSJ berichtet).
Salesforce prognostiziert für die Cyber Week 2025 weltweit 334 Mrd. US-$ Onlineumsatz, davon 73 Mrd. US-$ durch KI/Agenten beeinflusst.
Und nun? Dann kommt der Gegenpol: AI-Referrals liegen bislang niedrig – < 1 % des Traffics bei großen Händlern, so aktuelle Auswertungen (u. a. Reuters, Conductor/SEL).
Meine Erfahrung aus Tests und meine These
Rufus hilft mir besonders bei langen, präzisen Suchanfragen wie „Besteck, schwarz matt, maximal leicht, für Camping“. Stark – aber auf einen Anbieter begrenzt.
Meine These als KI-Berater: Den großen Sprung bringen persönliche Agenten, die shopübergreifend suchen, verhandeln und kaufen. Preisvergleich wird dann Nebenprodukt. Diese Modelle gehen jetzt live – siehe Target/ChatGPT und die Werbe-Experimente in Sparky.
Von SEO zu GEO: Wie du sichtbar wirst, wenn Agenten einkaufen
GEO – Generative Engine Optimization ist die Weiterentwicklung klassischer SEO für KI-Antworten und Agenten. Ziel: Maschinenverständliche Angebote, die Agenten treffsicher holen können – nicht zufällig.
Pflichtfelder in deinen Produktdaten (kurz & konkret):
- Titel nach Muster: Produkt – Kernmerkmal – Nutzen (z. B. „Camping-Besteck – schwarz matt – ultraleicht 120 g“).
- IDs & Marke: GTIN/EAN, Hersteller, Modell.
- Varianten & Maße: Farbe, Größe, Gewicht, Material – normiert (g, cm, EU-Größen).
- Lieferzeit & Verfügbarkeit: Echtzeit-Bestand, Lieferfenster.
- Preis mit Gültigkeit: Stempel für „gültig bis“ (Agenten brauchen Frische).
- Retourenbedingungen: Fenster, Kosten, Prozess.
- Bildsets: ab 1.000 px, Alt-Texte mit Merkmalen/Nutzen.
- Strukturierte Daten: JSON-LD „Product“ & „Offer“ auf den PDPs.
- FAQs & Bewertungen: echte Fragen/Antworten, über Kanäle konsistent.
Damit bedienst du genau die Felder, die Chat-Assistenten und AI-Crawls heute auswerten – und erhöhst die Chance, in Antworten „Top-3“ zu landen statt im Long Tail zu verschwinden.
Das Vorgehensmodell für Unternehmen (Mittelstand-tauglich)
Wir arbeiten mit der EBIT-Methode – Explore, Build, Implement, Track – fokussiert auf Wirkung, Risiko und Umsetzbarkeit.
1) Auffindbar machen – AI-ready Offer Objects (GEO)
- Data Hygiene: Stammdaten komplett, konsistent, maschinenlesbar.
- Schema einziehen: JSON-LD Product/Offer auf allen PDPs; Feeds für Marktplätze/Agenten.
- Variant Mastering: Einheiten vereinheitlichen; Attribut-Lücken schließen.
- Evidence Layer: FAQs, Trust-Elemente, Bewertungen sauber verknüpfen.
Ziel: Treffsichere Platzierung in Agentenantworten statt Zufall.
2) Kauffähig machen – Transact-Rails & Guardrails
- APIs/Feeds: Preis, Bestand, Lieferzeit in Echtzeit.
- Guardrails: Mindestmargen, Discount-Limits, Sperrlisten (Sets, Gefahrgut etc.).
- Checkout-Shortcuts: PayPal/Venmo & Co. für reibungslose Übergänge (Conversion Hebel).
3) Wirkung messen – Agent-Attribution
- Agent-Traffic trennen (Quellenkennung).
- Kern-KPIs: Conversion, Ø-Warenkorb, Retourenquote, Deckungsbeitrag.
- A/B gegen klassische Suche: Budgets dorthin, wo Marge + Geschwindigkeit steigen.
Warum jetzt? Drei harte Signale
- Rufus skaliert messbar: Nutzung + Kaufwahrscheinlichkeit hoch; Umsatzhebel > 10 Mrd. US-$ (annualisiert, laut Call).
- Ökosystem zieht nach: Target×ChatGPT macht Checkout im Chat salonfähig.
- Werbemarkt testet Agenten-Ads: Walmart Sparky mit Sponsored Prompts – neue Retail-Media-Flächen entstehen gerade.
Unser Geschäftsmodell als KI-Berater für den Mittelstand
Wir helfen hersteller- und händlerseitig, Agentenfähigkeit pragmatisch aufzubauen – ohne Big-Bang-Projekt:
- EBIT Quick Scan (30 Min.): Ist-Stand zu GEO, Feeds, Checkout, Guardrails. 2–3 priorisierte Hebel mit Go/Stop-Entscheidung.
- GEO-Sprint (2–4 Wochen): Datenlücken schließen, Schema/Feeds ausrollen, Variant-Master und Evidence Layer.
- Transact-Rails & Guardrails: Preis/Bestand/ETA-Feeds, Policies als Regelsatz, Abbruch- und Eskalationslogik.
- Agent-Attribution: UTM/Events, Dashboard für Conversion/DB/Retouren, A/B-Setup.
- Enablement: Kurzformate für Einkauf, Vertrieb, Content, IT – damit Wissen bleibt.
Ergebnis: Du wirst sichtbar (GEO), kauffähig (Transact-Rails) und steuerbar (Attribution) – in kleinen, messbaren Schritten. Genau das, was CEOs im Mittelstand brauchen: Tempo, Rechtssicherheit, Deckungsbeitrag.
Fazit
Black Friday hat bewiesen, dass KI-Shopping real skaliert. Die Traffic-Anteile sind heute noch klein, aber Umsatz-Einfluss und Kaufwahrscheinlichkeit steigen dort, wo Agenten schnellen, verlässlichen Zugriff auf gute Produktdaten und klare Kaufstrecken haben. Wer jetzt GEO + Transact-Rails + Attribution baut, setzt sich vor die Kurve.
