Zwanzig Jahre lang hieß E-Commerce-Optimierung: für zwei Zielgruppen optimieren, menschliche Besucher und Googles Crawler. Jetzt ist eine dritte Zielgruppe da. AI-Assistenten und Answer Engines recherchieren Produkte, vergleichen Optionen und empfehlen Anbieter im Auftrag ihrer Nutzer, und agentengesteuerte Checkouts wandern gerade von der Demo in die Realität. Wenn so ein Agent drei Kaffeemühlen auswählt, die er seinem Nutzer zeigt, waren die Shops, die er nicht lesen konnte, nie im Rennen.
Was ist Agentic Commerce?
Agentic Commerce ist der Wandel vom Menschen, der Shops durchstöbert, zu Software-Agenten, die im Auftrag einer Person handeln: recherchieren, vorauswählen, vergleichen und zunehmend auch abschließen. Das Spektrum reicht von der Answer Engine, die auf „beste wasserdichte Fahrradjacke unter 200 Euro“ zwei Shops zitiert, bis zum Assistenten, der den Kauf abschließt, sobald sein Nutzer zustimmt. Der Markt ist früh und in Bewegung. Niemand kann dir ehrlich sagen, welcher Anteil der Käufe nächstes Jahr über Agenten läuft. Was sich heute schon beobachten lässt: Assistenten prägen Shortlists, und eine Shortlist, auf der du nicht stehst, ist ein Verkauf, den du nie siehst.
Warum können AI-Agenten die meisten Webshops nicht lesen?
Weil die meisten modernen Shops im Browser rendern. Die Produktdaten kommen als JavaScript, die sichtbare Seite wird clientseitig zusammengebaut. Menschliche Browser führen dieses JavaScript aus, viele AI-Crawler und Agenten tun das nicht. Sie holen das rohe HTML, und wenn das rohe HTML eine leere App-Hülle ist, lernen sie genau das über deinen Shop: nichts.
Das ist der häufigste Grund, warum Shops bei der Agenten-Lesbarkeit schlecht abschneiden. Es ist kein Content-Problem, der Content existiert ja. Es ist ein Auslieferungsproblem: Der Content erreicht den Leser nicht, auf den es ankommt.
Was brauchen AI-Agenten von deinem Shop?
Agenten wollen das, was sorgfältige Menschen wollen, nur in Maschinenform: Fakten, strukturiert und stabil.
- Server-seitig gerenderte Inhalte. Die Information muss in der HTML-Antwort selbst stecken, nicht erst von Skripten zusammengesetzt werden.
- Strukturierte Daten. Schema.org JSON-LD für Produkte, Angebote, FAQs und die Organisation, damit ein Agent Preise und Verfügbarkeit nicht aus Fließtext raten muss.
- Antworten, nicht nur Attribute. Die Kauffragen, die Käufe entscheiden, in strukturierter, zitierbarer Form. Genau dafür gibt es BIQs.
- Stabile, crawlbare URLs. Ein Agent, der eine Seite nicht adressieren kann, kann sie weder zitieren noch einen Käufer dorthin schicken.
Was sind llms.txt und agents.md?
Zwei junge Konventionen versuchen, AI-Systemen eine Eingangstür zu geben. llms.txt ist eine Textdatei im Root deiner Domain, die Sprachmodelle auf deine wichtigsten, maschinenfreundlichen Inhalte hinweist, eine Sitemap für Modelle statt für Crawl-Bots. agents.md geht einen Schritt weiter und beschreibt, wie automatisierte Agenten mit deiner Site umgehen sollen. Keins von beiden ist ein magischer Ranking-Schalter, und beide sind als Standards noch in Bewegung. Aber sie kosten fast nichts, sie signalisieren, dass deine maschinenlesbaren Inhalte Absicht sind statt Zufall, und die Shops, die jetzt damit experimentieren, lernen am schnellsten.
Wie wirst du agentenlesbar, ohne den Stack neu zu bauen?
Die unbequeme Antwort wäre: „Bau dein Frontend mit Server-Side-Rendering neu“. Zum Glück gibt es leichtere Wege:
Ergänze Schema.org-Markup auf deinen bestehenden Seiten. Funktioniert gut, wenn deine Plattform ohnehin serverseitig rendert. Hilft nicht, wenn die ganze Seite clientseitig entsteht.
Ein serverseitig gerenderter, strukturierter Spiegel deines Katalogs und deiner Antworten auf eigener Subdomain, gebaut für Maschinenleser, während dein Haupt-Shop unangetastet bleibt.
Hole deine kuratierten Inhalte als fertige strukturierte Daten per API und liefere sie aus, wo du willst. Die Integration sind rund zehn Zeilen Code, der Entity-Typ ist pro Eintrag steuerbar.
Klariton unterstützt den zweiten und dritten Weg direkt: eine crawlbare Agent-Subdomain, gespeist aus deinen veröffentlichten Antworten, oder die Schema Export API, die deine Inhalte als strukturierte Entities zurückgibt, die du in jede Seite einsetzen kannst. Die Integration sind rund zehn Zeilen Code, der Schema.org-Entity-Typ lässt sich pro Eintrag festlegen, und die Details stehen in den Schema-Export-Docs.
Wie misst du, ob Agenten dich wirklich sehen?
Für ein unsichtbares Publikum zu optimieren, ohne zu messen, ist Raterei. Instrumentiere deshalb zwei Dinge. Erstens Bot-Read-Tracking: welche AI-Crawler und Agenten deine Inhalte abrufen, was sie lesen und wie oft. Das macht aus „Kommen überhaupt Agenten?“ ein Log statt einer Vermutung. Zweitens Kauf-Attribution: Wenn ein Käufer über die Empfehlung eines Assistenten kommt oder ein Agent einen Checkout abschließt, halte es fest. Zusammen verbinden beide das Maschinenpublikum mit Umsatz, und das ist das einzige Argument, das ein Budget-Meeting übersteht.
Der strategische Punkt ist einfach: Agenten-Lesbarkeit verzinst sich. Strukturierte, quellengestützte, serverseitig gerenderte Antworten bedienen menschliche Besucher, Suchmaschinen und AI-Agenten mit einem einzigen Aufwand. Die Shops, die das Maschinenpublikum jetzt als vollwertigen Leser behandeln, sind die, die Agenten später standardmäßig zitieren.