Warum technisches GEO für den Online Shop entscheidend ist
Ein Online Shop unterscheidet sich technisch stark von einer Corporate Website. Ein B2B Online Shop hat in der Regel deutlich mehr Seiten, meist eine Detailseite pro Produkt. Inhalte wie Preise und Verfügbarkeiten wechseln häufig. Viele Elemente laden erst im Browser nach. Manche Inhalte hängen zudem vom Login-Status ab. Das macht einen Online Shop für generative Systeme anspruchsvoller. Die technische Basis hängt von mehreren Faktoren ab. Dazu zählen die Steuerung der Bots, der technische Seitenaufbau und der Zeitpunkt, zu dem Inhalte sichtbar werden, sofort oder erst nachträglich durch asynchrones Laden. Diese Entscheidungen legen die Grundlage dafür, ob die inhaltliche Arbeit aus dem ersten Beitrag überhaupt wirken kann.
Konkret lohnt sich vor der inhaltlichen Optimierung von Produktseiten der Blick auf die technische Basis. Eine inhaltlich hervorragende Produktseite bleibt für generative Systeme trotzdem unsichtbar. Das gilt etwa, wenn sie für relevante KI-Bots blockiert ist oder ihre Inhalte erst asynchron nachgeladen werden. Im B2B ist ein weiterer Fall besonders verbreitet, die sogenannte Login-Wall. Preise und teilweise ganze Sortimente werden dabei häufig erst nach einem Kunden-Login angezeigt. Das ist aus geschäftlichen Gründen sinnvoll. Für eine KI existiert der Inhalt dadurch aber schlicht nicht. Deshalb lohnt sich eine bewusste Prüfung, welche Inhalte auch ohne Login zugänglich bleiben können. Allgemeine Produktbeschreibungen und Kategorieseiten sind dafür gute Kandidaten, ohne Preise und Lagerbestände öffentlich zu machen.
Die wichtigsten technischen Hebel
Für einen Online Shop sind fünf technische Bereiche besonders relevant:
- Zugriff für KI-Bots freigeben (robots.txt): Steuert, welche Bots einen Online Shop überhaupt besuchen dürfen. Für ChatGPT-Suchfunktionen ist beispielsweise der Bot von OpenAI relevant. Wird er blockiert, taucht der Online Shop in den entsprechenden Ergebnissen nicht auf.
- Aktuelle XML-Sitemap: Hilft Systemen, Produkt- und Kategorieseiten schnell zu finden, statt sie selbst zusammenzusuchen.
- Interne Verlinkung: Eine klare Verlinkung zwischen Kategorien, Unterkategorien und Produkten zeigt Systemen, wie das Sortiment zusammenhängt.
- Strukturierte Daten: Kennzeichnet Produkte, Preise und Anbieter für Google eindeutig und wirkt auf KI-Systeme nur indirekt über bessere Rankings. Mehr dazu im Abschnitt Strukturierte Daten für den Online Shop konkret.
- Saubere Seitenstruktur: Konsistente Überschriften und ein klar erkennbarer Seitentyp erleichtern die maschinelle Einordnung zusätzlich, etwa Produktseite, Kategorieseite oder Content-Seiten wie ein Ratgeber.
Im Zusammenhang mit diesen Hebeln taucht häufig die Datei llms.txt auf, eine Art Sitemap speziell für KI-Systeme. Entwickler-Tools wie Cursor oder GitHub Copilot nutzen sie bereits aktiv. Für die Sichtbarkeit in Antwort-Systemen wie ChatGPT-Suche oder Google AI Overviews gibt es nach aktuellem Stand jedoch keine belastbaren Belege für einen Effekt. Google hat bestätigt, die Datei nicht zu nutzen. Einen dokumentierten Nutzen hat sie bislang vor allem bei API-Dokumentationen für Entwickler, weniger bei klassischen Produktkatalogen. Wir behandeln llms.txt deshalb aktuell nicht als gleichwertigen Sichtbarkeits-Hebel neben robots.txt, beobachten die Entwicklung aber laufend.
Strukturierte Daten für den Online Shop konkret
Ein wichtiger Punkt vorweg, der oft missverstanden wird. KI-Chatbots wie ChatGPT, Perplexity oder Claude lesen das Schema.org-Markup selbst gar nicht. Der technische Code im Hintergrund (JSON-LD) wird beim Seitenabruf herausgefiltert, bevor der Text das Sprachmodell erreicht. Nur Google liest strukturierte Daten deterministisch für Rich Results und den Knowledge Graph. Für KI-Chatbots wirken strukturierte Daten deshalb nur indirekt. Gutes Schema verbessert die klassischen Google-Rankings, das erhöht die Chance, überhaupt als Quelle gelesen zu werden. Was ein Sprachmodell dann tatsächlich verarbeitet, ist ausschliesslich der sichtbare Seitentext. Daraus folgt ein einfaches Prinzip. Jede Angabe im Schema-Markup muss zusätzlich im sichtbaren Text der Seite stehen. Strukturierte Daten allein, ohne entsprechenden Fliesstext, bringen für die KI-Sichtbarkeit nichts.
Für einen Online Shop sind einige Schema.org-Typen trotzdem besonders relevant, vor allem wegen ihrer Wirkung auf Google. Product und Offer beschreiben Produkt und Preis eindeutig. Organization identifiziert den Anbieter. BreadcrumbList zeigt die Position einer Seite innerhalb des Kategorienbaums. Review und AggregateRating helfen grundsätzlich, Vertrauen über Bewertungen sichtbar zu machen. Im B2B fehlen dafür aber häufig überhaupt die Daten. Öffentliche Kundenbewertungen werden dort seltener gesammelt als im B2C. Wo das der Fall ist, können öffentlich zugängliche Referenzseiten mit Verlinkung von Kundenseiten ein zusätzliches Vertrauenssignal liefern. Sie sind aber kein technischer Ersatz für die Bewertungs-Schema-Typen.
Ob und welche dieser Schema.org-Typen zum Einsatz kommen, wird projektspezifisch entschieden. Massgeblich dafür sind Sortiment, Datenlage und Zielsetzung des jeweiligen Online Shops. Entscheidend ist dabei weniger die einzelne Produktseite als die Konsistenz über den gesamten Online Shop hinweg, inklusive neu angelegter Produkte und Kategorien. Die Shop-Lösungen von Opacc zeigen beispielhaft, wie sich eine solche Struktur konsequent umsetzen lässt.
