AI Visibility Report: E-Commerce — 65 internationale Handelsmarken im KI-Sichtbarkeitstest

In 65 Audits internationaler Handelsmarken erreicht der E-Commerce im Schnitt 24 von 100 Punkten KI-Sichtbarkeit — besser als regulierte Branchen, aber weiter unter der Schwelle von 40, ab der ein KI-System eine Website zuverlässig liest und zitiert. Und unter der Branche hat sich gerade etwas verschoben, das kaum jemand bemerkt hat.

E-Commerce steht beim Thema KI-Sichtbarkeit weiter vorn als die meisten Branchen. Produktseiten tragen von Natur aus etwas strukturierte Daten, die Schema-Abdeckung liegt mit 41 % deutlich über dem, was etwa Versicherer erreichen. „Weiter vorn" heißt hier trotzdem: im Schnitt unsichtbar. 24 von 100 reicht nicht, damit ein Modell eine Marke verlässlich in seine Antwort nimmt.

Der Shopify-Effekt — die Lücke hat sich verschoben

Der wichtigste Befund dieses Reports ist kein interner Audit-Wert, sondern eine Marktverschiebung. Ende April / Anfang Mai 2026 hat Shopify ohne Ankündigung native llms.txt-Dateien an seine Storefronts ausgerollt — global, über geschätzt rund sieben Millionen Stores.

Das erzeugt eine Ironie, die in den Zahlen steckt: Große, etablierte Handelsmarken stehen weiter ohne llms.txt da — während Millionen kleiner Shopify-Shops gerade automatisch eine bekommen haben. Der Mittelständler mit dem Standard-Shop sendet auf diesem Signal plötzlich sauberer als der Konzern mit dem Enterprise-Stack. Bei genau dem billigsten, direktesten KI-Signal liegt der Kleine vorn.

llms.txt-Rate im geprüften Korpus: 8 % (Erhebungszeitraum: April bis Juni 2026). Ein Blick auf den Plattform-Split zeigt das Ungleichgewicht: Genau die 5 Shopify-Stores unter den 65 geprüften Marken weisen die Datei auf — automatisch erzeugt durch den Plattform-Rollout. Auf den übrigen 60 Custom- oder Enterprise-Systemen (wie SAP Commerce, Shopware oder AEM) ist sie vollständig absent. Die 8 % datieren, weil genau diese Zahl durch den Mai-Rollout wackelt.

Datei haben ist nicht Stimme haben

Hier liegt der Punkt, den die meisten übersehen werden. Eine llms.txt zu haben, ist nicht dasselbe wie sie zu kontrollieren. Shopifys automatisch erzeugte Datei ist generisch — sie liest sich bei jedem Store gleich, mit der Botschaft „built on Shopify" statt mit der Stimme der Marke.

Für eine starke Marke heißt das: Ihre KI-Beschreibung klingt wie die jedes anderen Shopify-Shops, nicht wie sie selbst. Das alte Spiel hieß „hast du überhaupt eine Datei". Das neue heißt „ist die Datei deine Stimme oder die deiner Plattform". Und die Drittanbieter-Apps, die das Erzeugen der Basisdatei verkauft haben, sind dafür inzwischen weitgehend redundant — der Unterschied entsteht jetzt über Substanz und Kontrolle, nicht über das bloße Vorhandensein.

Schema 41 % — aber reicht es zum Handeln?

E-Commerce hat bei strukturierten Daten einen Vorsprung, weil Produktseiten häufig Product-Schema mitbringen. Nur beantwortet das die falsche Frage. Die nächste Stufe ist nicht „erkennt die KI dein Produkt", sondern „kann ein KI-Agent damit handeln" — finden, Preis und Verfügbarkeit verstehen, in den Warenkorb legen, zur Kasse führen.

Product-Schema allein reicht dafür nicht. Es braucht saubere, vollständige Produktdaten und eine maschinenlesbare Handelsebene — genau das Feld, in dem unsere Apps VibeTags und AgentPulse arbeiten. Die 41 % Schema-Abdeckung sind ein Anfang, kein Ziel.

Sub-Verteilungsdaten aus unserem Korpus (n=65):

• 18 von 65 sperren GPTBot oder andere KI-Crawler in ihrer robots.txt aus.
• Nur 9 von 65 nutzen FAQPage.
• In 18 von 24 getesteten Käuferfragen besaß ein Marktplatz (z. B. Amazon) oder ein Vergleichsportal die KI-Antwort, nicht die Marke selbst.

Jeder dieser Sätze bleibt aggregiert und mappt auf viele Anbieter — keine einzelne Marke ist daraus identifizierbar.

Wer die Antwort besitzt

Im Handel sitzt der mächtigste Vermittler nicht im Vergleichsportal, sondern auf dem Marktplatz. Fragt jemand eine KI nach einem Produkt, zitiert sie oft Amazon, Bewertungsplattformen oder — neuerdings — Shopifys eigene Einkaufsfläche, nicht die Marke. Die Marke wird dann über einen Dritten dargestellt, sortiert und mit fremden Bewertungen gerahmt.

Für Handelsmarken ist das die eigentliche Disintermediation: Nicht nur „werde ich genannt", sondern „spricht über mich meine eigene Seite oder der Marktplatz, der mich verkauft". Wer für die KI nur als Zeile in einem fremden Katalog existiert, hat die Deutungshoheit über das eigene Produkt abgegeben.

Die Chance

Der Vorsprung des E-Commerce bei Schema ist real, aber dünn, und die Shopify-Verschiebung hat die Latte für alle angehoben. Für eine etablierte Marke ist der Weckruf, dass sie auf dem Basissignal gerade von Standard-Shops überholt wird. Die Antwort is nicht, in Panik eine generische Datei zu erzeugen, sondern die KI-Präsenz zur eigenen Stimme zu machen: eine llms.txt in der eigenen Sprache, saubere Daten bis auf Produktebene, eine Handelsschicht, auf der ein Agent tatsächlich kaufen kann — und der bewusste Zugang dafür.

Wer das als Erster in seiner Kategorie ordentlich macht, besitzt die KI-Antwort über sein Produkt, statt sie dem Marktplatz zu überlassen.

Häufige Fragen