Agentic Commerce bedeutet: Ein KI-Agent wie ChatGPT, Gemini oder Perplexity sucht im Auftrag des Käufers Produkte, vergleicht sie und kauft zunehmend auch selbst ein. Der Agent schaut sich keine Banner an, er liest Daten. Dein Produkt empfiehlt er nur, wenn dein Katalog maschinenlesbar ist: Marke und GTIN, ausgefüllte Merkmale, aktueller Preis und Bestand, ein Feed für die Plattform und Produkt-Markup auf der Seite.
Der typische Fehler: Händler fragen, wie sie „in ChatGPT reinkommen“, statt zu zählen, wie viele Produkte der Agent überhaupt lesen kann. Ein Produkt ohne Marke kommt nicht in den Feed, ein Gewicht im Fließtext besteht keinen Filter „unter 3 kg“, und ein Preis von gestern nennt dem Käufer den falschen Betrag. Unten steht, was der Agent braucht, eine Rechnung an einem Beispielkatalog und eine Checkliste, mit der du deinen Shop selbst prüfst.
Wann Shopbetreiber nach KI-Agenten fragen
Meist fängt es mit Besuchen von chatgpt.com in der Webanalyse an oder mit einem eigenen Test: Der Betreiber bittet ChatGPT, ein Produkt aus seiner Kategorie zu finden, und sein Shop taucht in der Antwort nicht auf. Danach wird gesucht: „Was ist Agentic Commerce?“, „ChatGPT Shopping“, „Agentic Commerce Protocol“, „Brauche ich einen eigenen Feed für ChatGPT?“.
Die am wenigsten nützliche Frage davon ist „Wie komme ich rein?“. Einen Knopf, der deinen Shop in die Antworten setzt, gibt es nicht. Auch ein angebundener Feed liefert dem Agenten nur Daten, auswählen tut er selbst. Sinnvoller ist es, zuerst zu zählen, welcher Anteil des Katalogs für ihn bereit ist.
Was sich ändert, wenn ein Agent einkauft
Es ändert sich, wer deine Produktseite liest: Statt eines Menschen, der Fotos und Bewertungen durchblättert, wertet sie ein Programm mit einem Auftrag des Käufers aus. Der Auftrag klingt etwa so: „Finde einen kabellosen Staubsauger bis 300 €, unter 3 kg, sofort lieferbar.“ Der Agent zerlegt ihn in Bedingungen, sucht Produkte, bei denen diese Bedingungen als Daten hinterlegt sind, und vergleicht, was übrig bleibt.

| Was | Mensch | KI-Agent |
|---|---|---|
| Wie er das Produkt findet | Kategorien, Shopsuche, Werbung | Anfrage mit Bedingungen, Daten aus Feeds und Seiten |
| Was er liest | Fotos, Banner, Beschreibung | Merkmale, Preis, Bestand, Kennungen |
| Leeres Feld | fragt im Chat nach oder überspringt es | kann die Bedingung nicht prüfen, das Produkt fällt raus |
| Preis im Shop anders als im Feed | merkt es an der Kasse | hat dem Käufer schon den alten Betrag genannt |
| Kauf | in deinem Shop | im Shop oder direkt im Chat, wenn die Plattform das kann |
Kaufen direkt im Chat ist in Deutschland noch nicht angekommen. Google bietet den Kauf in AI Mode und Gemini über das Universal Commerce Protocol (UCP) nur ausgewählten Händlern und nur für Produkte in den USA an. OpenAI hat den Kauf in ChatGPT im März 2026 auf die Produktsuche ausgerichtet: Die Bestellung schließt der Händler in seinem eigenen Checkout ab, von Shops erwartet OpenAI einen Produktfeed. Für einen Shop in Deutschland sieht der Ablauf heute so aus: Der Agent findet und empfiehlt das Produkt, gekauft wird im Shop. Die Daten dafür sind dieselben wie für den Kauf im Chat, deshalb lohnt sich die Vorbereitung schon jetzt.
Was ein KI-Agent von deinem Katalog braucht
Der Agent braucht Daten, die sich ohne Menschen vergleichen lassen, und einen Weg, auf dem sie zu ihm kommen. Je genauer ein Produkt beschrieben ist, desto mehr Anfragen mit Bedingungen besteht es.
| Daten | Wofür der Agent sie braucht | Wie sie übertragen werden |
|---|---|---|
| Merkmale als „Name: Wert“ mit Einheiten | Bedingungen prüfen: Gewicht, Größe, Kompatibilität | Feed, Markup, API |
| Marke, GTIN (EAN), MPN | dasselbe Produkt bei verschiedenen Händlern erkennen | Feed, Product-Markup |
| Preis mit Währung, Aktionspreis | Angebote vergleichen | Feed, Offer-Markup |
| Verfügbarkeit | nichts empfehlen, was nicht da ist | Feed, Offer-Markup |
| Titel und Beschreibung als reiner Text | verstehen, was das Produkt ist | Feed, Produktseite |
| Foto mit direktem Link | das Produkt in der Antwort zeigen | Feed |
| Versand und Rückgabe | Gesamtpreis und Bedingungen berechnen | Offer-Markup, Seiten mit Bedingungen |
| Varianten: Farbe, Größe | die richtige Variante wählen, nicht ein ähnliches Produkt | ProductGroup-Markup, Feed |
Es gibt drei Wege, und keiner ersetzt die anderen:
- Feed: eine Datei mit allen Produkten für eine bestimmte Plattform. OpenAI nimmt CSV, TSV oder JSONL nach eigener Spezifikation an und holt die Datei nur per SFTP ab. Google arbeitet mit dem Feed im Merchant Center, darauf baut auch der Kauf über UCP auf.
- Markup auf der Seite: ein Schema.org-Block Product mit Offer im Code der Produktseite, also Preis, Währung und Verfügbarkeit. Ihn lesen Suchmaschinen und Agenten, die die Seite selbst öffnen. Damit Seiten in der ChatGPT-Suche erscheinen, darf die robots.txt den Suchcrawler von OpenAI (OAI-SearchBot) nicht sperren.
- Bestellprotokolle: ACP von OpenAI und Stripe sowie UCP von Google beschreiben, wie ein Agent beim Händler bestellt. UCP erlaubt die Anbindung über API, Agent2Agent oder MCP. Das ist der Schritt nach dem Feed, und noch steht er nicht allen offen.

Wie viele deiner Produkte der Agent wirklich sieht
So viele, wie alle Bedingungen gleichzeitig erfüllen, nicht jede einzeln. Rechne deshalb die Abdeckung aus:
Katalogabdeckung = Produkte, die alles haben, was der Agent braucht ÷ aktive Produkte × 100 %.
Ein ausgedachtes Beispiel zum Nachrechnen, die Zahlen sind keine Marktdaten. Ein Shop für Haushaltsgeräte mit 2 000 aktiven Produkten. Wir sieben nacheinander aus: zuerst Produkte ohne Marke, dann ohne GTIN oder Herstellerartikelnummer, dann mit leeren Pflichtmerkmalen, dann ohne Foto.
| Prüfung | Aussortiert | Übrig |
|---|---|---|
| Aktive Produkte | 2 000 | |
| Marke vorhanden | 300 | 1 700 |
| GTIN oder MPN vorhanden | 400 | 1 300 |
| Alle Pflichtmerkmale ausgefüllt | 600 | 700 |
| Foto vorhanden | 20 | 680 |
| Bereit für den Agenten | 680 |

Abdeckung = 680 ÷ 2 000 × 100 % = 34 %. Die übrigen 66 % des Katalogs, 1 320 Produkte, bekommt der Agent entweder gar nicht im Feed oder kann sie nicht gegen die Bedingungen des Käufers prüfen. Der größte Abbruch liegt hier bei den Merkmalen: 600 Produkte. Fang deshalb nicht mit dem Feed an, sondern mit den Pflichtmerkmalen in den Kategorien mit den meisten Produkten. Rechne die Abdeckung auch je Kategorie: Hinter 34 % im Schnitt kann sich eine Kategorie verstecken, in der kaum ein Produkt bereit ist.
Die Zeile mit der GTIN zählt nur dort, wo es eine gibt. Eigenproduktionen und Handgemachtes haben oft keine GTIN, dann übernimmt die Herstellerartikelnummer. Preis und Bestand prüfst du getrennt: Wird der Feed einmal pro Woche erzeugt und ändern sich die Lieferantenpreise täglich, zeigt ein Teil der „bereiten“ Produkte dem Agenten jeden Tag veraltete Daten.
Checkliste für einen agentenfähigen Katalog: 10 Prüfungen
Jeden Punkt prüfst du mit einem Filter im Katalog oder an zehn zufälligen Produkten.
- Marke bei jedem aktiven Produkt. Der Filter „Hersteller leer“ muss null Treffer liefern: Ohne Marke nimmt OpenAI das Produkt nicht an.
- GTIN (EAN) oder MPN, wo es sie gibt. Sieh dir den Anteil der Produkte mit Barcode je Kategorie an.
- Pflichtmerkmale für jede Kategorie festgelegt und ausgefüllt. Zähle den Anteil der Produkte, bei denen alle Pflichtmerkmale gefüllt sind.
- Werte einheitlich geschrieben. „Schwarz“ und „schwarz“, „2 kg“ und „2000 g“ sind für den Filter eines Agenten verschiedene Werte. Sieh dir die Liste der eindeutigen Werte jedes Merkmals an.
- Titel: Produktart, Marke, Modell, wichtigster Unterschied. Bis 150 Zeichen, so steht es in der Spezifikation von OpenAI. Ohne „TOP“, „Aktion“ und Emojis.
- Beschreibung als reiner Text ohne Platzhalter. Ohne HTML-Tags und ohne „n/a“ oder „null“: OpenAI verbietet Platzhalter, ein unbekanntes Feld bleibt leer.
- Foto mit direktem Link. JPEG oder PNG, das sich ohne Login öffnet.
- Preis und Bestand im Feed stimmen mit dem Shop überein. Vergleiche zehn zufällige Produkte im Feed und auf der Seite. Aktualisiere den Feed mindestens so oft, wie sich die Lieferantenpreise ändern.
- Product-Markup mit Offer auf der Produktseite. Preis, Währung, Verfügbarkeit. Prüfen lässt es sich mit dem Google-Test für Rich-Suchergebnisse (Rich Results Test).
- Versand, Zahlung und Rückgabe auf eigenen Seiten. Fristen, Kosten, wer die Rücksendung zahlt: Auch das vergleicht der Agent.
Wo Kataloge am häufigsten scheitern
Meist nicht am Feed, sondern an den Daten, aus denen er gebaut wird. Fünf Fehler, die in Katalogen aus Lieferantenlisten immer wieder vorkommen:
- Merkmale stehen im Beschreibungstext. Ein Mensch liest „Gewicht 2,4 kg“ im Absatz, der Filter des Agenten nicht: Er braucht ein Feld „Gewicht“ mit Wert. Das Produkt fällt aus jeder Anfrage mit Bedingung heraus.
- Platzhalter statt leerer Felder. „–“, „n/a“ oder „auf Anfrage“ im Feld Marke oder Farbe hält der Agent für einen Wert. OpenAI verbietet solche Platzhalter ausdrücklich.
- Der Preis im Feed hinkt dem Shop hinterher. Der Feed wurde morgens erzeugt, mittags hat der Lieferant den Preis erhöht, der Agent nennt dem Käufer den alten Betrag. Das Google Merchant Center gleicht den Feedpreis mit der Seite ab und lehnt Produkte bei Abweichung ab.
- Varianten als einzelne Produkte ohne Verbindung. Sechs Produkte „T-Shirt schwarz S“, „T-Shirt schwarz M“ ohne Gruppe: Der Agent weiß nicht, dass es ein Produkt in sechs Größen ist.
- Ein Produkt, zwei Einträge. Dubletten mit verschiedenen Preisen verwirren den Vergleich, und der Agent wählt womöglich das teurere.

So bleibt der Katalog bereit, wenn es Tausende Produkte sind
Zehn Punkte für ein paar hundert Produkte prüfst du von Hand, für Tausende nicht: Der Katalog ändert sich jeden Tag mit den Lieferantenlisten, und die 34 % von gestern sind morgen schon andere. Prüfen sollte das ein Programm, in dem die Produkte ohnehin liegen. In Elbuz sieht das so aus:
- Merkmale und Vollständigkeit. Für jede Kategorie legst du Pflichtmerkmale fest, und im Katalog siehst du bei jedem Produkt, wie viele davon ausgefüllt sind. Leere Merkmale, Fotos und Beschreibungen sucht das Programm auf Quellseiten und überträgt sie ins Produkt, eine KI prüft dabei, dass wirklich dein Produkt gefunden wurde.
- Feed für ChatGPT und Google. Die fertige Exportvorlage „OpenAI (ChatGPT Ads)“ erzeugt eine CSV mit 17 Feldern der OpenAI-Spezifikation (Preis mit Währung, Verfügbarkeit, Foto, Beschreibung ohne HTML, GTIN) und legt die Datei nach Zeitplan auf den SFTP-Server, den OpenAI bereitstellt. Aus demselben Katalog entsteht der Feed für Google Shopping.
- Produkt-Markup. Läuft dein Shop auf Elbuz CMS, trägt die Produktseite bereits Product-Markup mit Offer: Preis, Verfügbarkeit, Verkäufer und Rückgabebedingungen, Produkte mit Varianten sind als Gruppe ausgezeichnet. Versandkosten stehen im Markup, wenn sie vorher feststehen: ein fester Preis oder kostenlos ab einem Bestellwert.
- KI-Assistent mit deinen Daten. Über den MCP-Server von Elbuz arbeitet dein Claude oder ChatGPT mit den Rechten eines Mitarbeiters im Katalog: Er findet Produkte ohne Beschreibung, Foto oder Kategorie und Merkmalswerte, die sich nur in der Schreibweise unterscheiden. Änderungen schlägt er vor, du bestätigst sie im „Puls“.
Was Elbuz nicht tut: Es schaltet deinen Shop nicht für den Kauf in ChatGPT oder bei Google frei, den Zugang zu Feeds und zum Kauf im Chat vergeben die Plattformen selbst. Und der MCP-Server von Elbuz ist für deinen Assistenten gedacht, nicht für die Agenten der Käufer: Zu ihnen kommt der Katalog über Feed und Markup.
Katalog füllen mit ElbuzMerkmale, Fotos und Beschreibungen für Tausende Produkte, 14 Tage kostenlos
Häufige Fragen (FAQ)
Was ist Agentic Commerce?
Einkaufen, bei dem ein KI-Agent im Auftrag des Käufers Produkte sucht und vergleicht und manchmal auch bestellt. Der Shop verkauft hier nicht über sein Schaufenster, sondern über seine Daten: Der Agent wählt, was er lesen und prüfen kann.
Wie kommen meine Produkte in ChatGPT Shopping?
Eine Anmeldung, die das garantiert, gibt es nicht. ChatGPT nimmt Produkte von offenen Seiten und aus Händlerfeeds: Die Seiten dürfen für OAI-SearchBot nicht gesperrt sein, den Zugang zum Feed vergibt OpenAI, und ausgewählt wird nach der Vollständigkeit der Daten aus der Checkliste.
Kann man in Deutschland direkt in ChatGPT oder bei Google kaufen?
Für die meisten Shops in Deutschland noch nicht. Den Kauf im Chat bietet Google ausgewählten Händlern mit Produkten in den USA an, OpenAI schickt Käufer seit März 2026 zum Bestellen in den Shop des Händlers. Ein Shop in Deutschland bekommt vom Agenten eine Empfehlung und einen Besuch im Shop.
Was ist das Agentic Commerce Protocol?
Ein offener Standard von OpenAI und Stripe, der beschreibt, wie ein KI-Agent beim Händler bestellt und bezahlt. Googles Gegenstück ist das Universal Commerce Protocol (UCP). Beide setzen vollständige Produktdaten voraus, ein Protokoll ersetzt den Katalog nicht.
Wie unterscheidet sich ein Feed für ChatGPT vom Google-Merchant-Feed?
Durch Feldschema und Übertragung. OpenAI hat eine eigene Spezifikation mit Feldern wie is_eligible_search und nimmt die Datei nur per SFTP an; das Google Merchant Center holt den Feed selbst über einen Link ab. Die Daten dahinter sind dieselben, deshalb entstehen beide Feeds aus einem Katalog.
Was ist MCP, und braucht ein Onlineshop das?
MCP (Model Context Protocol) ist ein offener Standard, über den ein KI-Assistent an Programme und Daten angebunden wird. Einem Shop bringt er zweierlei: Dein Assistent arbeitet mit Katalog und Aufträgen, und über UCP kann sich per MCP auch der Agent eines Käufers anbinden. Für Letzteres braucht es zuerst Feed und vollständige Daten.
Quellen
- OpenAI, Spezifikation des Produktfeeds (Felder, Pflichtangaben, Verbot von Platzhaltern, SFTP) — developers.openai.com.
- OpenAI, Empfehlungen für Produktfeeds — developers.openai.com.
- OpenAI, Ausrichtung des Kaufs in ChatGPT auf die Produktsuche (24.03.2026) — openai.com.
- OpenAI, Crawler und robots.txt (OAI-SearchBot) — developers.openai.com.
- Agentic Commerce Protocol (OpenAI, Stripe) — agenticcommerce.dev.
- Google, Universal Commerce Protocol — developers.google.com; Verfügbarkeit für Händler — Merchant-Center-Hilfe.
- Google Merchant Center, abweichender Preis in Feed und Seite — support.google.com.
- Schema.org, Typen Product, Offer, ProductGroup — schema.org.
- Model Context Protocol — modelcontextprotocol.io.
Geprüft am 13.11.2026.
