Produktseite und Produktbeschreibung für KI-Suche: Was eine PDP heute leisten muss

Eine Produktseite in einem Online Shop hat heute zwei Leser. Der eine ist der Mensch, der kaufen will. Der andere ist die KI, die für ihn vorsortiert, in Googles AI Overviews und im AI Mode, in ChatGPT oder bei Perplexity. Beide brauchen dasselbe, nämlich konkrete und belegte Antworten auf die Fragen vor dem Kauf.

Viele Produktdetailseiten (kurz PDP) erfüllen das heute nicht. Sie zeigen Herstellertext, Preis und ein paar Sterne, beantworten aber kaum eine echte Kauffrage. Hier erfährst du, was sich ändern muss und wie du dabei vorgehst.

Was hat sich für Produktseiten durch die KI-Suche verändert?

Die Suche liefert immer öfter eine fertige Antwort statt einer Liste von Treffern. Das kostet Klicks. SISTRIX hat im Februar 2026 über 100 Millionen Keywords in Deutschland ausgewertet und die Zahlen im Oktober 2026 aktualisiert. Steht ein AI Overview über den Treffern, klicken nur noch 11 % der Suchenden auf das erste Ergebnis statt durchschnittlich 27 %. AI Overviews erscheinen inzwischen bei etwa 20 % aller Keywords in Deutschland.

Hinzu kommt, dass ein gutes Ranking nicht mehr automatisch zur zitierten Quelle macht. Laut einer Auswertung von Ahrefs vom März 2026 stammen nur 38 % der in AI Overviews zitierten Seiten aus den Top 10 der Suchergebnisse.

Gleichzeitig wird der einzelne Besuch wertvoller. Nach Daten von Adobe Analytics für US-Onlineshops lag die Zahl der Besuche aus KI-Assistenten im Juli 2026 um 62 % über dem Vorjahr. Diese Besuche führten 60 % häufiger zu einem Kauf und brachten 53 % mehr Umsatz pro Besuch als andere. Auch in Deutschland spielt KI beim Einkauf eine Rolle. Laut einer Bitkom-Umfrage vom April 2026 holen sich 35 % der KI-Nutzenden Hilfe bei Fragen rund um den Einkauf.

Die dritte Veränderung betrifft den Kauf selbst. In den USA lässt sich bereits direkt aus der KI-Antwort heraus kaufen und auch in Deutschland zeichnet sich die Entwicklung ab. So ist der Stand im Oktober 2026.

• Google bietet den KI-Modus in Deutschland seit Oktober 2025 an und nennt ausdrücklich auch die Produktsuche als Einsatzzweck. Der Kauf direkt im KI-Modus und in der Gemini-App funktioniert bisher in den USA. Kanada und Australien hat Google im Mai 2026 angekündigt, Großbritannien soll im Laufe des Jahres folgen. Für Deutschland gibt es noch keinen Termin.

• ChatGPT gibt bei Kauffragen Produktempfehlungen und nennt dazu passende Händler. Den direkten Kauf im Chat hat OpenAI im März 2026 vorerst gestoppt.

• Amazon bietet mit Rufus seit Ende 2024 auch in Deutschland einen KI-Einkaufsassistenten an. Rufus beantwortet im Chat Fragen zu Produkten und schlägt passende Artikel vor. Dabei greift er auf die Informationen der Produktseiten zurück, also auf Produktangaben und Bewertungen.

Beraten wird in der KI also schon heute, gekauft bald auch hierzulande. Die Produktseite ist damit auch Datenquelle für Systeme, die selbst beraten und künftig auch verkaufen.

Wie entscheidet eine KI, welche Produktseite sie nutzt?

Die KI zerlegt eine Frage in viele Teilfragen und sucht für jede den Abschnitt, der sie am besten beantwortet. Google nennt dieses Verfahren Query Fan-Out. Aus „Welcher Wanderrucksack eignet sich für Tagestouren im Sommer?“ werden Teilfragen nach Volumen, Rückenbelüftung, Gewicht, Regenschutz, Preis und Erfahrungen anderer Käufer. Sichtbar wird, wer diese Teilfragen beantwortet, und nicht zwingend, wer für die Hauptfrage auf Platz 1 steht.

Dabei übernehmen die Systeme einzelne Passagen, keine ganzen Seiten. Ein Absatz, der nur im Zusammenhang der ganzen Seite verständlich ist, wird deshalb selten zitiert. Ein Absatz, der eine Frage für sich allein beantwortet, hat gute Chancen.

Google schreibt in seiner Dokumentation ausdrücklich, dass es für AI Overviews und den AI Mode keine zusätzlichen Anforderungen gibt, keine besonderen KI-Dateien wie llms.txt und kein spezielles Markup. Optimierung für die KI-Suche ist laut Google weiterhin SEO. Gleichzeitig warnt Google davor, für jede denkbare Teilfrage eine eigene Seite zu bauen, und wertet das als Spam durch massenhaft erstellte Inhalte. Die Antworten gehören also auf die eine Produktseite.

Welche Informationen muss eine Produktseite heute enthalten?

Eine Produktseite muss alle Fragen beantworten, die vor dem Kauf gestellt werden, und zwar mit konkreten Werten statt mit Werbeversprechen. Das Baymard Institute hat in Usability-Tests beobachtet, dass Nutzer die Seite und manchmal den ganzen Shop verlassen, wenn eine wichtige Angabe fehlt. Wer Lücken mit Annahmen füllt, liegt oft falsch und schickt das Produkt zurück. Für die KI gilt das noch strenger, denn was nicht auf der Seite steht, gibt es für sie nicht.

Baustein	Welche Frage er beantwortet	Beispiel
Kurzantwort zu Beginn	Was ist das Produkt und für wen ist es gedacht?	„Leichter 25-Liter-Rucksack für Tagestouren, mit belüftetem Rücken“
Eignung und Ausschlüsse	Passt das Produkt zu mir?	„Für Touren bis acht Stunden, nicht für Übernachtungen“
Vergleichsmerkmale als Werte	Wie schneidet es gegen Alternativen ab?	Gewicht in Gramm, Volumen, Material, Preis pro Einheit
Anwendung und Pflege	Wie nutze ich es richtig?	Tragesystem einstellen, Waschhinweise
Größe und Passform	Welche Größe brauche ich?	„Fällt normal aus“, Modelgröße, Maßtabelle
Unterschied zum Schwesterprodukt	Warum dieses und nicht das andere?	„300 Gramm leichter als das 35-Liter-Modell, dafür ohne Hüftflossen“
Versand, Rückgabe, Verfügbarkeit	Wann kommt es und kann ich es zurückschicken?	Lieferzeit, Versandkosten, Rückgabefrist
Stimmen der Kundschaft	Was sagen andere, die es gekauft haben?	Zusammenfassung, Teilnoten, Antworten auf Kritik

Gerade die Vergleichsmerkmale entscheiden in KI-Antworten. Wenn jemand nach dem leichtesten Rucksack unter 100 Euro fragt, kann die KI nur Produkte nennen, deren Gewicht und Preis eindeutig auf der Seite stehen. Allgemeine Formulierungen wie „besonders leicht“ helfen ihr nicht weiter.

Ebenso wichtig ist die Sprache der Kundschaft. Menschen suchen nach einem „Shampoo gegen Schuppen“ und nicht nach dem Namen eines Wirkstoffs. Fachbegriffe gehören auf die Seite, aber sie ersetzen nicht die Worte, mit denen tatsächlich gesucht und gefragt wird.

Welche Rolle spielen Bewertungen auf der Produktseite?

Bewertungen schaffen Vertrauen und sind heute zugleich eine der wichtigsten Informationsquellen auf der Produktseite, für Menschen wie für Maschinen. Große Shops bereiten sie deshalb so auf, dass sie sich auf einen Blick auswerten lassen, wie die folgenden Beispiele zeigen.

• Amazon zeigt über den Rezensionen den Abschnitt „Die Kunden sagen“ mit einem kurzen Absatz, gekennzeichnet als „KI-generiert aus dem Text von Kundenrezensionen“. Darunter stehen anklickbare Merkmale mit Zählern. Beim Echo Dot erwähnen zum Beispiel 3.997 Kundinnen und Kunden die Klangqualität, 3.332 davon positiv. In den USA bietet Amazon zusätzlich Audio-Zusammenfassungen an, die aus Produktdaten, Bewertungen und Informationen aus dem Web entstehen.

• Otto fasst Bewertungen per KI in zwei Blöcken zusammen, „Was unseren Kunden gefiel“ und „Was du außerdem wissen solltest“. Kritik bekommt damit einen festen Platz. Jeder Punkt verlinkt auf die Bewertungen, aus denen er stammt.

• adidas zeigt beim Samba OG neben der KI-Zusammenfassung „Das steht in den Bewertungen“ Skalen für Tragekomfort, Qualität, Größe und Passform. Direkt an der Größenauswahl steht der Hinweis „Fällt normal aus. Wir empfehlen dir deine übliche Größe.“

• Decathlon lässt in Bewertungen Teilnoten vergeben, beim Wanderrucksack MH500 etwa für Belüftung und Preis-Leistung. Dazu kommen Angaben zu Ersatzteilen, Pflege und CO2-Fußabdruck.

• Douglas bindet eine KI-Zusammenfassung über den Dienstleister Bazaarvoice ein und bietet zusätzlich die Funktion „Stell eine Frage zum Produkt“ an.

In allen Beispielen zeigen sich dieselben drei Muster. Bewertungen werden zu strukturierter Information, KI-Inhalte werden gekennzeichnet und mit Belegen verknüpft und Kritik wird offen beantwortet statt versteckt.

Für kleinere Shops heißt das nicht, sofort ein KI-Werkzeug einzubauen. Schon eine von Hand gepflegte Zusammenfassung der häufigsten Aussagen und eine ehrliche Antwort auf wiederkehrende Kritik bringen dieselben Informationen auf die Seite.

Wie sollte eine Produktseite für die KI-Suche aufgebaut sein?

Eine gute Produktseite beginnt mit der Kernaussage und gliedert den Rest in kurze Abschnitte, von denen jeder genau eine Frage beantwortet. Für den Aufbau haben sich diese Regeln bewährt.

• Die Kernaussage steht ganz oben. Zwei bis drei Sätze sagen, was das Produkt ist, für wen es sich eignet und was es besonders macht.

• Zwischenüberschriften sind als Fragen formuliert, so wie die Kundschaft sie stellt, etwa „Für welche Touren eignet sich der Rucksack?“.

• Der erste Satz unter jeder Frage beantwortet sie direkt. Danach folgen Erklärung, Beleg und Zusammenhang.

• Technische Merkmale stehen in einer Tabelle, Anleitungen in nummerierten Schritten.

• Eine FAQ am Ende nimmt die Fragen auf, die sonst nirgends Platz finden.

Ein Abschnitt kann zum Beispiel so aussehen. Unter der Frage „Ist der Rucksack für heiße Tage geeignet?“ steht zuerst „Ja, das Netz am Rücken hält einen Abstand von zwei Zentimetern und lässt Luft zirkulieren.“ Danach folgt, was Käufer dazu in Bewertungen schreiben, und zum Schluss der Hinweis auf das größere Modell für Mehrtagestouren.

Technisch ist entscheidend, dass alle wichtigen Inhalte im HTML-Quelltext stehen und nicht erst per JavaScript nachgeladen werden. Google führt JavaScript aus, viele KI-Crawler dagegen nicht. Ein Akkordeon, das Inhalte nur optisch einklappt, ist unkritisch. Problematisch wird es, wenn Beschreibung, Preis, Varianten oder Bewertungen erst nach einem Klick vom Server geladen werden. Du kannst das schnell selbst prüfen, indem du den Seitenquelltext öffnest (Strg+U oder Cmd+Option+U) und nach einem Satz aus der Beschreibung oder einer Bewertung suchst.

Welche Daten brauchen Google und KI-Systeme im Hintergrund?

Neben dem sichtbaren Text brauchen Suchmaschinen und KI-Systeme saubere, maschinenlesbare Produktdaten, und zwar im Markup der Seite und im Produktfeed.

Was gehört ins Product-Markup?

Ins Product-Markup gehören neben Name, Bild und Preis vor allem die Angaben, nach denen Produkte verglichen werden. Strukturierte Daten nach schema.org beschreiben diese Angaben in einer Form, die Maschinen direkt auslesen können. Google verlangt für Händlereinträge nur Name, Bild und ein Angebot mit Preis und Währung. Empfohlen sind unter anderem GTIN, Marke, Verfügbarkeit, Versandkosten, Rückgaberegeln, Bewertungen, Material, Farbe und Größe.

Varianten beschreibst du mit dem Typ ProductGroup. Er fasst alle Farben und Größen eines Produkts zusammen und gibt mit der Eigenschaft variesBy an, worin sich die Varianten unterscheiden. Auch große Shops haben hier Lücken. Von den Produktseiten aus den Beispielen oben nannte bei unserer Prüfung im Oktober 2026 nur adidas eine GTIN im Markup. Decathlon fasst die Varianten zwar als ProductGroup zusammen, gibt aber keine GTIN an. Der Vorsprung der großen Händler liegt bisher vor allem im sichtbaren Inhalt.

Warum ist der Produktfeed kein reines Werbethema mehr?

Der Produktfeed ist kein reines Werbethema mehr, weil KI-Systeme ihre Produktempfehlungen zunehmend aus Feeds speisen. Google nennt das Merchant Center ausdrücklich als Weg, Produkte in KI-Antworten sichtbar zu machen. Bei Versand und Rückgabe haben Feed und Merchant-Center-Einstellungen sogar Vorrang vor dem Markup der Seite. ChatGPT stützt seine Händlerauswahl laut OpenAI auf Produktdaten von Drittanbietern oder direkt von Händlern und gewichtet dabei Verfügbarkeit, Preis und Qualität.

Warum müssen Seite, Markup und Feed übereinstimmen?

Widersprüchliche Angaben untergraben das Vertrauen der Systeme in alle Daten eines Shops. Google verlangt ausdrücklich, dass strukturierte Daten zum sichtbaren Text passen. Ein Produkt, das laut Feed verfügbar und im Shop ausverkauft ist, oder ein Preis, der in der englischen Sprachversion anders lautet als in der deutschen, sind typische Fehlerquellen. Ein regelmäßiger Abgleich von Seite, Markup und Feed gehört deshalb zur Pflege jeder Produktseite.

Mit welchen Daten kannst du die Inhalte einer Produktseite zusammenstellen?

Die besten Inhalte für eine Produktseite liegen meist schon im Unternehmen, verteilt auf Herstellerdaten, Kundenfeedback und Suchdaten.

Datenquelle	Was sie für die Produktseite liefert
Herstellerdaten und Datenblätter	Technische Werte, Materialien, Inhaltsstoffe und Anwendungshinweise
Produktbewertungen	Wiederkehrendes Lob und wiederkehrende Kritik, die Sprache der Kundschaft und Hinweise, für wen sich das Produkt eignet
Anfragen an den Kundenservice	Fragen, die die Seite heute nicht beantwortet
Retourengründe	Angaben, die fehlen oder missverständlich sind, etwa zu Größe, Farbe oder Lieferumfang
Suche im eigenen Shop	Begriffe und Merkmale, nach denen Kundinnen und Kunden suchen und filtern
Google Search Console	Suchanfragen, über die die Seite bereits gefunden wird, darunter oft lange Fragen
Foren, Communitys und Bewertungsportale	Probleme und Vergleiche, über die außerhalb des Shops gesprochen wird

Besonders aufschlussreich sind Retourengründe und Serviceanfragen, weil sie direkt zeigen, welche Information beim Kauf gefehlt hat. Bewertungen liefern dazu die Worte, mit denen die Kundschaft über das Produkt spricht.

Wie hilft KI beim Erstellen der Inhalte, ohne Fakten zu erfinden?

KI ist am stärksten, wenn sie große Mengen Kundenfeedback auswertet und daraus einen Entwurf baut, der ausschließlich auf deinen eigenen Daten beruht. Der größte Hebel liegt in der Vorbereitung. Je besser der Input, desto weniger muss die KI raten. Wir arbeiten dabei in vier Schritten.

• Daten vorbereiten. Bewertungen, Serviceanfragen und Retourengründe werden exportiert und von personenbezogenen Daten befreit. Dazu kommen die aktuelle Produktbeschreibung und die Herstellerdaten.

• Muster auswerten. Die KI sucht wiederkehrende Fragen, Missverständnisse, Lob und Kritik und nennt zu jedem Muster die Quelle und die Häufigkeit.

• Lücken ableiten. Sie vergleicht die Muster mit der aktuellen Beschreibung und zeigt, was fehlt oder unklar ist.

• Entwurf schreiben. Die KI erstellt eine Beschreibung in Abschnitten und eine FAQ in der Sprache der Kundschaft.

Der Entwurf ist eine Vorlage, keine fertige Seite. Fachliche Richtigkeit, Markenstimme, rechtlich sensible Aussagen und die Freigabe bleiben beim Team. Kein KI-Text sollte ungeprüft live gehen. Wenn die KI eine Lücke offen lässt, statt sie zu füllen, ist das übrigens ein gutes Zeichen. Wer dagegen Hunderte Beschreibungen ohne eigene Daten generieren lässt, bekommt austauschbare Texte, die weder Kunden noch KI-Systemen einen Grund geben, gerade diese Seite zu nutzen.

Ist deine Produktseite bereit für die KI-Suche?

Mit diesen zwölf Fragen prüfst du eine Produktseite in wenigen Minuten.

• Steht am Anfang in zwei bis drei Sätzen, was das Produkt ist und für wen es sich eignet?

• Sind die Zwischenüberschriften als Fragen formuliert und beantwortet der erste Satz darunter die Frage?

• Stehen Vergleichsmerkmale als konkrete Werte auf der Seite, etwa Maße, Gewicht, Material oder Inhaltsstoffe?

• Wird erklärt, für wen das Produkt nicht geeignet ist?

• Gibt es Angaben zu Größe und Passform oder zur richtigen Anwendung?

• Wird der Unterschied zu ähnlichen Produkten im eigenen Sortiment erklärt?

• Werden wiederkehrende Aussagen und Kritikpunkte aus Bewertungen aufgegriffen?

• Beantwortet eine FAQ die häufigsten Fragen aus Kundenservice und Retouren?

• Stehen Beschreibung, Preis, Varianten und Bewertungen im HTML-Quelltext?

• Enthält das Markup neben Name, Preis und Verfügbarkeit auch GTIN, Marke, Versand und Rückgabe?

• Sind Varianten im Markup als ProductGroup zusammengefasst?

• Stimmen Seite, Markup und Produktfeed bei Preis und Verfügbarkeit überein?

Wo fängst du am besten an?

Fang mit den Produktseiten an, die schon heute Umsatz und Sichtbarkeit bringen, und ergänze dort zuerst die Antworten auf Fragen aus Retouren, Kundenservice und Bewertungen. Diese Seiten haben das größte Potenzial, weil Google und KI-Systeme sie bereits kennen. Danach folgen Markup und Feed und zum Schluss überträgst du das Muster auf weitere Produkte.

Häufige Fragen zu Produktseiten und KI-Suche

Brauche ich eine llms.txt für meinen Shop?

Nein, Google nutzt llms.txt nach eigenen Angaben nicht. Die Datei hilft der Sichtbarkeit in der Google-Suche weder, noch schadet sie ihr. Wichtiger ist, dass die Inhalte im HTML der Produktseite stehen.

Brauche ich FAQ-Markup für die FAQ auf der Produktseite?

Nein, entscheidend ist die sichtbare Frage-Antwort-Struktur auf der Seite. FAQ-Rich-Results zeigt Google in der Suche seit Mai 2026 gar nicht mehr an. Für KI-Antworten ist laut Google kein spezielles Markup nötig.

Muss jede Variante eine eigene Beschreibung bekommen?

Nein, meist reicht eine gemeinsame Beschreibung für alle Farben und Größen, ergänzt um die Werte, in denen sich die Varianten unterscheiden. Im Markup fasst du die Varianten als ProductGroup zusammen.

Darf ich Produktbeschreibungen mit KI schreiben lassen?

Ja, Google bewertet Inhalte nach ihrer Qualität und nicht danach, wie sie entstanden sind. Problematisch wird es, wenn massenhaft Texte ohne eigenen Mehrwert entstehen. Arbeite deshalb mit eigenen Daten und lass jeden Entwurf vor der Veröffentlichung prüfen.

Sollte ich KI-Zusammenfassungen von Bewertungen kennzeichnen?

Ja, wir empfehlen das. Alle KI-Zusammenfassungen in unseren Beispielen waren gekennzeichnet, Otto verlinkt zusätzlich jeden Punkt auf die zugrunde liegenden Bewertungen. Ob eine Kennzeichnung in deinem Fall rechtlich vorgeschrieben ist, klärst du am besten mit deiner Rechtsberatung.

Quellen

• SISTRIX, AI Overviews in Deutschland: So stark sinken die Klickraten wirklich (aktualisiert 13.10.2026)

• Ahrefs, 38% of AI Overview Citations Pull From The Top 10 (März 2026)

• Digital Commerce 360, Adobe: AI-referral traffic data July 2026 (August 2026)

• Bitkom, Ein Drittel nutzt KI mindestens einmal pro Woche (April 2026)

• Google, Der KI-Modus startet in Deutschland, Österreich und der Schweiz

• Google, Universeller Einkaufswagen und Bezahlvorgang (Mai 2026)

• Google, New tech and tools for retailers to succeed in an agentic shopping era (Januar 2026)

• Exciting Commerce, OpenAI macht einen Rückzieher beim Instant Checkout (März 2026)

• OpenAI, Shopping in ChatGPT

• Techbook, Amazon Rufus in Deutschland

• Google Search Central, AI features and your website

• Google Search Central, Optimizing your website for generative AI features

• Google Search Central, Merchant listing structured data

• Google Search Central, Product variant structured data

• Baymard Institute, Product Descriptions

• Amazon, AI-generated review highlights

• Amazon, Hear the highlights

• Amazon.de, Echo Dot (Stand Oktober 2026)

• Otto.de, Samsung Galaxy S25 (Stand Oktober 2026)

• adidas.de, Samba OG (Stand Oktober 2026)

• Decathlon.de, Wanderrucksack MH500 (Stand Oktober 2026)

• Douglas.de, Dior Sauvage (Stand Oktober 2026)