Machen Sie ein Experiment. Öffnen Sie heute Abend ChatGPT, Gemini oder Perplexity und stellen Sie eine der folgenden Fragen: „Ich suche ein hochwertiges Leinensakko für den Sommer. Mein Budget beträgt maximal 300 Euro.” Oder: „Welche deutschen Marken machen gute Sommerkleider aus Naturmaterialien?” Oder: „Ich brauche ein Outfit für eine Hochzeit im Juni: sommerlich, elegant, kein Fast Fashion.“
Werden Sie angezeigt? Wahrscheinlich nicht. Damit haben Sie eine Information, die Ihnen Ihr Marketingreport nicht liefert: Sie wissen jetzt, ob Ihr Unternehmen eine maschinelle Identität hat. Die meisten Modehändler und ‑marken in Deutschland haben keine.
Die Suche im Web hat sich verändert – leise, aber drastisch. Um diese Verschiebung zu sehen, muss man gar nicht weit in die Zukunft schauen. Sie passiert gerade. Und sie findet dort statt, wo der Handel seit 25 Jahren seinen Traffic generiert: bei Google. Google hält rund 90 Prozent des weltweiten Suchmarkts. In Europa liegt der Wert knapp darunter. Die Frage ist nicht, ob Google seine dominante Stellung behält. Die Frage ist, was Google mit seinem eigenen Produkt gerade macht.
Google.de ist nicht mehr das Google.de mit den unzähligen blauen Links. Im Eingabefeld und in der Hauptnavigation gibt es bereits die neue Suche „KI-Modus“ und im oberen Teil der alten Ergebnisseite breiten sich zunehmend KI-generierte Antworten – Googles „AI Overviews“ – aus. Wie häufig diese erscheinen, hängt von Kategorie und Suchtyp ab. Die Messungen gehen je nach Methodik auseinander: Semrush misst rund 16 Prozent aller Desktop-Suchen in den USA, Ahrefs kommt auf gut 20 Prozent und BrightEdge auf knapp 50 Prozent der von ihnen getrackten Anfragen. Die Bandbreite ist groß, die Richtung jedoch eindeutig: Es werden mehr. Dabei sind Shopping-Suchen bislang seltener betroffen als informationelle Anfragen. Aber genau diese informativen Rechercheanfragen – „Welche Marke macht gute Leinensakkos?”, „Worauf achte ich bei Sommerschuhen aus Leder?” – sind die, mit denen Kaufentscheidungen beginnen.
Und je besser diese Antworten sind, desto weniger klicken die Nutzer auf die Links darunter. Laut Analysen von Ahrefs und Seer Interactive sinkt die organische Klickrate um rund 60 Prozent, wenn ein AI-Overview angezeigt wird. Insgesamt enden laut SparkToro und Semrush bereits knapp 60 Prozent aller Google-Suchanfragen ohne einen einzigen externen Klick; auf Mobilgeräten ist der Anteil noch deutlich höher. Nicht, weil die Nutzer weniger suchen. Sondern weil sie die Antwort bereits auf Google erhalten.
Parallel dazu wächst die Nutzung eigenständiger KI-Systeme. So meldet etwa ChatGPT 900 Millionen wöchentlich aktive Nutzer und 50 Millionen Shopping-Anfragen pro Tag. Googles eigenes KI-Modell Gemini kommt auf 750 Millionen monatlich aktive Nutzer. Perplexity versucht sich als KI-native Suchmaschine zu etablieren.
Das sind zwar beeindruckende Zahlen, doch der Vergleich relativiert sie: Google verarbeitet geschätzt sechs Billionen Suchanfragen pro Jahr. Das sind mehr als 16 Milliarden pro Tag. Bei aller Dynamik spielt ChatGPT (noch) in einer vergleichsweise kleinen Größenliga. Die neuen KI-Plattformen sind (noch) nicht das Hauptproblem für den Handel. Das aktuelle Hauptproblem ist, dass der 90-prozentige Platzhirsch Google sein Produkt selbst von der organischen Linkliste zur kuratierten KI-Antwort umbaut. Und mit jeder Verbesserung dieser Antworten sinkt der Anteil der Nutzer, die jenseits von bezahlter Werbung noch auf einen Link klicken.
Von der Sortierung zur Kuratierung
Die Verschiebung ist nicht nur quantitativ. Sie ist auch qualitativ. Und genau das unterschätzen die meisten. Wer bei Google nach „Leinensakko Herren Sommer” sucht, erhält eine gefühlt endlose Liste mit Anbietern. Marke A ist günstiger, Händler B hat Bestand und Marke C hat die besseren Bewertungen. Der Nutzer sah, verglich und wählte. Google erhöhte die Transparenz, ergänzte das Ergebnis um bezahlte Platzierungen und ließ die Entscheidung beim Nutzer.
KI-Systeme funktionieren ganz anders. Sie sortieren nicht, sie filtern vor. Sie präsentieren nicht hundert Optionen, sondern eine hart kuratierte Antwort. Der Unterschied ist bildhaft: Die alte Suche war ein Bibliothekar, der – neben Werbeflächen – auf ein Regal mit passenden Büchern zeigte. Die neue KI-Suche ist ein Personal Shopper, der ein Produkt hereinträgt und sagt: „Das hier passt zu dir.“
Damit verschiebt sich nicht nur die Sichtbarkeit, sondern auch die Entscheidungsmacht. Bisher hatte der Händler zwischen Sichtbarkeit und Kaufentscheidung noch Raum, um zu überzeugen: bessere Bilder, stärkere Texte, Rabatte und Promotions, Cross-Selling, Up-Selling. Das setzt jedoch voraus, dass die Kundin die eigene Seite oder den Store besucht. Wenn die KI-Antwort den Besuch vorwegnimmt, weil sie die Recherche bereits erledigt hat und nur noch einen oder zwei Anbieter nennt, entfällt dieser Raum. Sichtbarkeit und Entscheidung werden gleichzeitig getroffen. Nicht irgendwann. Jetzt.
Und es gibt keine zweite Seite. Wer nicht Teil der Antwort ist, existiert nicht.
Zwei Identitäten, ein blinder Fleck
Jede Marke und jeder Händler hat somit zwei Existenzen. Die erste ist die bekannte: Schaufenster, Kampagne, Instagram-Reel, das Gefühl beim Betreten des Ladens, der Griff zum Stoff, die Beratung. Das ist die menschliche Identität. Daran arbeiten Marken – mit unterschiedlichem Talent und Erfolg – seit Jahrzehnten.
Die zweite Existenz ist die maschinelle Identität: das Bild, das KI-Systeme von einer Marke oder einem Händler haben. Dieses Bild entsteht nicht durch Kampagnen oder Schaufensterdekorationen. Es entsteht aus den Informationen, die KI-Systeme im Netz über eine Marke finden: strukturierte Produktdaten, Bewertungen, Testberichte, Foreneinträge und maschinenlesbare Attribute. Keine Emotionen. Daten.
Ein Beispiel macht den blinden Fleck greifbar. Nehmen wir ein Leinensakko. Die menschliche Identität der Marke, die es herstellt, ist makellos: schöne Kampagnenbilder, ein überzeugender Instagram-Auftritt und ein Laden in der Innenstadt, in dem man den Stoff anfassen kann. Die Verkäuferin weiß, dass der Schnitt etwas weiter ausfällt, dass der Stoff nach drei Wäschen weicher wird und dass das Sakko sowohl zur Hochzeit als auch im Büro getragen werden kann.
Und nun die maschinelle Identität desselben Sakkos. Im Webshop steht lediglich: „Leinensakko, Farbe Navy, 289 Euro.“ Es gibt keine Materialzusammensetzung als strukturiertes Attribut. Es gibt keine maschinenlesbaren (und zur Abwechslung korrekten) Größenangaben und auch keinen Passformhinweis. Es gibt keine Angabe zu Anlass oder Nutzungskontext. Es gibt keine maschinenlesbaren Pflegehinweise. Es gibt keine verifizierbaren Bewertungen mit Metadaten.
Wenn ein KI-System die Frage „Welches Leinensakko eignet sich für eine Sommerhochzeit mit bequemem Schnitt unter 300 Euro?” beantwortet, dann enthält die Antwort dieses Sakko sicher nicht. Nicht, weil es ein schlechtes Sakko ist. Sondern weil die Maschine die entscheidenden Informationen und Eigenschaften nicht finden kann. Die menschliche Identität hinter dem Sakko ist stark, die maschinelle existiert nicht.
Das ist der blinde Fleck. Die meisten Modehändler und ‑marken haben über Jahrzehnte hinweg mit unterschiedlichem Erfolg in ihre menschliche Identität investiert. In ihre maschinelle Identität hingegen wenig bis nichts. Und genau diese Identität entscheidet bereits heute mit darüber, ob es überhaupt zum menschlichen Kontakt kommt. Die KI gibt Empfehlungen ab, noch bevor die Kundin das Schaufenster sieht.
Die gute Nachricht ist: Was eine Verkäuferin über ein Sakko weiß – Passform, Anlass, Pflege, Tragegefühl –, das sind genau die Informationen, die auch ein KI-System benötigt. Sie existieren bereits. Sie sind nur nicht dort, wo die Maschine sie findet. Das zu ändern, ist keine Raketenwissenschaft. Es ist Fleißarbeit. Aber es ist Fleißarbeit, die darüber entscheidet, ob eine Marke oder ein Händler in den Suchergebnissen sichtbar bleibt oder nicht.
Was das für Markenarbeit bedeutet
Die Aufgabe von Modehändlern und ‑marken verschiebt sich. Der gewohnte Werkzeugkasten – bestehend aus Kampagnen, Aktivierung, Performance-Marketing und Conversion-Optimierung – wirkt auf den Kaufmoment. Auf den Moment also, in dem die Kundin bereits im Shop oder im Laden ist. In einer Welt, in der die Vorauswahl zunehmend durch KI-Systeme getroffen wird, ist dieser Moment jedoch bereits vorentschieden.
Die neue Frage lautet daher nicht: „Wie konvertiere ich Besucher?” Sondern: Bin ich überhaupt Teil der Antwort, die KI-Systeme heute auf relevante Kaufabsichten geben?” Das ist, paradoxerweise, die Rückkehr der klassischen Markendisziplin. Markenarbeit war schon immer die Arbeit an tief verankerter Relevanz und Bekanntheit und nicht am letzten Klick. Dies ist in der Performance-Ära mit ihrer Fixierung auf Attribution und pseudopräzisem ROI fast in Vergessenheit geraten. Jetzt wird die Marke wieder zur strategisch wichtigsten Investition. Aber erweitert. Ihre Relevanz muss auch maschinenlesbar sein.
Was ein Mensch als Markenpräferenz empfindet – „die machen gute Sachen“ –, muss in strukturierter Form vorliegen, damit ein KI-System es in seine Antwort aufnehmen kann. Zertifizierungen müssen verifizierbare Attribute sein, keine Storytelling-Texte auf der „About“-Seite. Qualitätssignale müssen als maschinenlesbare Datenpunkte vorliegen, nicht als Claim in einer Kampagne. Reputation, also Bewertungen, Testergebnisse und Rücksendequoten, zählt als harter Datenpunkt, nicht als weiches Bauchgefühl.
Emotionale Markenarbeit für Menschen und strukturierte Markenarbeit für Maschinen müssen parallel laufen. Die inspirierendste Kampagne nützt nichts, wenn die KI die Marke nicht kennt. Die saubersten Daten nützen nichts, wenn kein Mensch die Marke oder den Händler will.
Ein Experiment als Anfang
Was tun? Beginnen Sie mit dem Experiment am Anfang dieses Textes. Stellen Sie den großen KI-Systemen ChatGPT, Gemini, Claude und Perplexity zehn Fragen, die Ihre Kunden stellen würden. Protokollieren Sie, ob Sie auftauchen. Protokollieren Sie auch, wer stattdessen genannt wird.
Das Ergebnis ist Ihre erste Messung einer Metrik, die in keinem Ihrer Marketingreports steht, die aber zunehmend darüber entscheidet, wer Kunden gewinnt: Share of Answer. Wie häufig ist eine Marke oder ein Händler Teil der Antwort, die ein KI-System gibt?
Was nicht Teil der Antwort ist, findet in diesem Teil der Zukunft nicht statt.
Stefan Wenzel ist seit mehr als 25 Jahren im digitalen Handel und einer der profiliertesten Köpfe der Branche. Seine Vita beinhaltet unter anderem Stationen als Geschäftsführer für Unternehmen wie Ebay, brands4friends, Otto, Mexx und Tom Tailor Digital. Heute unterstützt Stefan Wenzel Firmen als Fractional Executive, Beirat und Advisor, er ist zudem Keynote Speaker, Autor und Podcast-Host. Mehr Informationen unter stefanwenzel.com
Dieser Text ist der erste von drei Teilen, in denen Stefan Kernthesen aus seinem neuen Buch „Agentic Commerce – Wie KI-Agenten den Handel neu strukturieren und wer künftig entscheidet" für profashionals aufbereitet. Mehr zum Buch gibt es hier.