Produkt-Feeds für KI

TL;DR — Ein Produkt-Feed für KI ist eine strukturierte Datei mit Ihren Produkten, Preisen, Beständen, Kennungen und Richtlinien, die unterstützte KI-Einkaufstools neben anderen Händlerdaten verwenden können. Genaue, vollständige Feeds können Produkte für Commerce-Erlebnisse qualifizieren; veraltete Daten können sie stören. Die wichtigsten Aufgaben sind korrekte Kennungen – GTIN oder Marke plus Teilenummer – sowie aktuelle Preise und Bestände.

Was ein Produkt-Feed für KI tatsächlich ist

Menschen öffnen beim Einkauf eine Webseite, lesen sie und entscheiden. Ein KI-Einkaufsagent, der in ihrem Auftrag handelt, arbeitet dagegen überwiegend mit einem Feed: einer strukturierten Datei mit einer Zeile je Produkt und Spalten für Titel, Preis, Verfügbarkeit, Bild, Marke, Kennung und Richtlinien.

Der genaue Umfang hängt vom Anbieter ab. Für ChatGPT Commerce beschreibt OpenAI den Feed als Weg zur Lieferung von Produktdaten und nennt keine Crawling-Ausweichlösung. Google verbindet dagegen Crawling, strukturierte Daten auf der Seite und den Merchant-Center-Feed. Der Feed ersetzt dort das HTML nicht, sondern ist einer von drei gegengeprüften Kanälen. Praktisch entscheidet deshalb nicht allein der Seitentext über Empfehlungen, sondern vor allem die Qualität der Daten in dieser Datei.

Warum sich das von einem normalen Shopping-Feed unterscheidet

Wenn Sie bereits einen Feed an Google Merchant Center senden, besitzen Sie eine gute Grundlage. Neu sind die Leser und ihre unterschiedliche Fehlertoleranz:

• Ein Suchergebnis kann einen leicht veralteten Preis zeigen, weil ein Mensch auf die Website klickt und ihn vor der Zahlung erneut prüft.
• Ein KI-Agent, der einen Kauf abschließt, handelt anhand des Feed-Werts. Wenn dort 40 € stehen und der Checkout 45 € verlangt, gefährdet die Abweichung die Transaktion.

Darum zählen vor allem korrekte Kennungen sowie aktuelle Preise und Bestände.

Die drei relevanten Dateien

Größere Shops verwenden alle drei Formate, weil sie unterschiedliche KI-Werkzeuge erreichen:

1. Google-Merchant-Center-Feed – versorgt AI Mode, Gemini, AI Overviews und Shopping.
2. OpenAI-ACP-Produkt-Feed – Datei für Shopping und Checkout in ChatGPT.
3. schema.org-Markup Product/Offer – strukturierte Seitendaten zur Gegenprüfung des Feeds.

Was Sie keinesfalls tun sollten

Erfinden Sie niemals eine GTIN oder Produkteigenschaft, nur um ein Feld zu füllen. Google verbietet Schätzungen und das Kopieren eines Werts von einem ähnlichen Produkt. Eine falsche Kennung ordnet den Artikel dem falschen Produkt zu und ist schlimmer als ein leeres Feld.

Die Feld-für-Feld-Fassung mit OpenAI-Spezifikation, Googles neuen KI-Attributen, schema.org-Eigenschaften und typischen Fehlern beim agentischen Verkauf finden Sie auf der Leseebene Fortgeschritten.

TL;DR — Es gibt keinen universellen „KI-Feed“; jeder Anbieter hat einen eigenen Vertrag. OpenAI beschreibt den Feed als Datenweg für ChatGPT Commerce ohne genannte Crawling-Ausweichlösung. Google kombiniert Crawling, strukturierte Seitendaten und den Merchant-Center-Feed. Stimmen Sie drei Formate ab: Google Merchant Center mit sechs optionalen Conversational Attributes, OpenAI ACP mit täglichem Parquet/JSONL-Snapshot per SFTP und Intraday-API sowie schema.org-Markup Product/Offer. GTIN oder Marke plus MPN sind das Rückgrat; erfinden Sie keine Kennung. Veraltete Preise, Phantombestand, fehlende Rückgaberichtlinien und instabile item_id gefährden Transaktionen. OpenAI dokumentiert keine 15-Minuten-Regel. Instant Checkout ist partnerbeschränkt. Gute Feed-Daten fördern Auffindbarkeit und Berechtigung, nicht automatisch Conversion.

Es gibt keinen universellen KI-Feed

Das Verhalten ist anbieterspezifisch. Für ChatGPT Commerce beschreibt OpenAI den Feed als Weg zur Bereitstellung von Produktdaten und dokumentiert für diesen Ablauf keine Ausweichlösung durch Crawlen der gerenderten Seite. Google verbindet dagegen ausdrücklich Crawling, strukturierte Daten auf der Seite und den Merchant-Center-Feed und kann zusätzliche Methoden zur Datenextraktion einsetzen. Der Feed ersetzt dort nicht das HTML, sondern ist einer von drei gegengeprüften Kanälen. Die Einzelheiten von ACP behandelt der Artikel zum Agentic Commerce Protocol; hier geht es um die Dateien und Fehler, die einen Verkauf verhindern.

Jason Barnard beschreibt strukturierte Feeds in seinem Beitrag zur KI-Engine-Pipeline als direkten Weg in die Wettbewerbsphase, der Entdeckung, Auswahl, Crawlen und Rendern umgehen kann. Das ist sein nützliches Denkmodell, keine Plattformzusage. Die Kehrseite: Die Datenqualität trägt mehr Verantwortung, weil kein Mensch während der Transaktion eine gerenderte Seite gegenprüft.

Drei Formate statt eines

Händler sollten alle drei parallel betreiben, weil sie unterschiedliche Agenten erreichen und sich gegenseitig überprüfen.

Diese Formate sind keine konkurrierenden Optionen. Google verbindet Feed-Daten ausdrücklich mit strukturierten Seitendaten, um die Berechtigung zu maximieren und Angaben zu verstehen und zu prüfen. Fehlende Markup-Preise können aus dem Feed stammen. Eine Abweichung zwischen beiden Kanälen untergräbt daher Vertrauen und kann Ablehnungen auslösen. Auch UCP von Google und Shopify nutzt denselben Merchant-Center-Feed als Datengrundlage.

Die OpenAI-ACP-Feed-Spezifikation nach Feldern

Die OpenAI-Spezifikation verlangt laut live geprüfter Dokumentation Folgendes:

Pflichtfelder

• item_id – höchstens 100 Zeichen und dauerhaft stabil. Änderungen lassen das alte Produkt verschwinden und ein neues entstehen.
• title – höchstens 150 Zeichen, keine reine Großschreibung.
• description – höchstens 5.000 Zeichen, nur Klartext.
• url – muss mit 200 antworten; HTTPS wird bevorzugt.
• brand – höchstens 70 Zeichen.
• image_url – JPEG oder PNG, bevorzugt per HTTPS.
• price – mit Währungscode nach ISO 4217.
• availability — enum: in_stock, out_of_stock, pre_order, backorder, unknown.
• seller_name (höchstens 70 Zeichen) und seller_url.
• target_countries und store_country – ISO 3166-1 Alpha-2.
• is_eligible_search – boolesch, standardmäßig false; für ChatGPT Suche ausdrücklich auf true setzen.
• is_eligible_checkout – boolesch; setzt is_eligible_search = true voraus.

Bedingte Anforderungen

• availability_date bei availability = pre_order.
• seller_privacy_policy und seller_tos bei is_eligible_checkout = true.
• Eine Rückgaberichtlinie für die Checkout-Berechtigung.

is_eligible_checkout = true macht ein Produkt nur im Feed checkout-berechtigt. Für Instant Checkout ist zusätzlich eine Partnerfreigabe nötig. Laut OpenAI bleiben Bestellvalidierung, Fulfillment, Steuern, Risikoprüfung, Zahlungsabwicklung und Annahme oder Ablehnung beim Händler. OpenAI stellt die Oberfläche bereit; Ihre Systeme besitzen die Transaktion.

Kennungen. gtin ist eine optionale, aber dringend empfohlene numerische Zeichenfolge mit 8 bis 14 Stellen ohne Bindestriche oder Leerzeichen; das Feld akzeptiert GTIN, UPC und ISBN. mpn mit höchstens 70 alphanumerischen Zeichen dient als Ersatz. Beide verbessern den Katalogabgleich und verringern Fehler, nach derselben Logik wie Googles Regel GTIN oder Marke plus MPN.

Der Mythos vom „15-Minuten-Update“ – was OpenAI tatsächlich dokumentiert

Eine oft wiederholte Zahl ließ sich nicht belegen. In Fachbeiträgen – und, zugegeben, in einer früheren Fassung unseres eigenen ACP-Artikels – steht häufig, OpenAI verlange Feed-Aktualisierungen alle 15 Minuten. In der aktuellen Commerce-Dokumentation von OpenAI ist diese Vorgabe jedoch nirgends genannt.

Die Dokumentation beschreibt stattdessen ein Modell mit zwei Kanälen:

• einen vollständigen Feed-Snapshot mindestens einmal täglich, der per SFTP als Datei mit stabilem, jeweils überschriebenem Dateinamen bereitgestellt wird;
• einen API-Kanal für inkrementelle Aktualisierungen im Tagesverlauf, über den Preise, Bestände und insbesondere Werbeaktionen schneller als mit dem täglichen Snapshot übertragen werden. Daten zu Werbeaktionen werden ausschließlich per API gesendet.

Sinngemäß verlangt OpenAI also: einmal täglich den gesamten Feed per Datei bereitstellen und Änderungen im Tagesverlauf per API senden. Einen eigenen Löschaufruf gibt es ebenfalls nicht. Um ein Produkt zu entfernen, setzen Sie is_eligible_search = false oder lassen es im nächsten vollständigen Snapshot weg.

Die „15 Minuten“ sind daher eher eine Faustregel aus der Praxis für die gewünschte Aktualität schnelllebiger SKUs als eine dokumentierte OpenAI-Anforderung. Die Spezifikation ist versioniert und entwickelt sich schnell; prüfen Sie deshalb die aktuelle Fassung, bevor Sie eine konkrete Zahl nennen. Technisch sollten Sie für täglichen Snapshot plus Intraday-API planen.

Warum Echtzeitgenauigkeit für Agenten unverzichtbar ist

Hier liegt der entscheidende Unterschied zwischen KI-Feeds und Feeds für Shopping-Anzeigen. Ein zwischengespeichertes Suchergebnis verträgt eine gewisse Verzögerung, weil ein Mensch auf der Seite Preis und Bestand vor dem Bezahlen nochmals prüft. Ein Agent, der eine Transaktion abschließt, hat diesen Puffer nicht: Er handelt auf Grundlage der Preis- und Bestandsangaben im Feed. Veraltete Werte stellen deshalb ein unmittelbares Transaktionsrisiko dar. Keine offizielle Spezifikation sagt, dass jeder veraltete Wert automatisch jede Transaktion scheitern lässt; Anbieter ergänzen eigene Prüfungen. Der fehlende menschliche Kontrollschritt erklärt aber, warum Aktualität hier wichtiger ist.

Kate Ragotte formuliert die Folge in Shopifys Leitfaden für Produktdaten in KI-Kanälen deutlich:

„Price, availability, and return windows must be accurate and synced across every channel where they appear. Inconsistent or stale data is one of the fastest ways to get filtered out.“

Übersetzung: Preise, Verfügbarkeit und Rückgabefristen müssen korrekt und über alle Kanäle hinweg synchronisiert sein; widersprüchliche oder veraltete Daten führen besonders schnell zum Ausschluss.

Sie ergänzt:

„AI agents can only recommend what they can understand, and that depends entirely on how well-structured your product data is.“

Übersetzung: KI-Agenten können nur empfehlen, was sie verstehen; das hängt vollständig davon ab, wie gut die Produktdaten strukturiert sind.

Darum geht es: Der Agent muss einer Angabe ausreichend vertrauen, um danach zu handeln. OpenAI schließt die Aktualitätslücke mit täglichem Snapshot und Intraday-API. Auf Googles Seite übernimmt das der Shopping Graph. Dieser enthält laut Google folgende Größenordnung:

„more than 50 billion product listings, 2 billion of which are updated every hour“.

Übersetzung: mehr als 50 Milliarden Produktangebote, von denen zwei Milliarden stündlich aktualisiert werden.

Dieser Maßstab zeigt das erwartete Tempo; der Shopping Graph selbst ist nicht Gegenstand dieses Artikels.

Googles Conversational Attributes – die konkrete neue KI-Ebene

Die ausdrücklich für KI neue Ebene bei Google besteht aus optionalen Merchant-Center- Attributen, die im Mai 2026 auf der Google Marketing Live angekündigt und von Search Engine Land beschrieben wurden. Googles KI-Systeme nutzen diese strukturierten Daten, um Produkte besser mit dialogorientierten Shopping-Anfragen in AI Mode, Gemini und anderen KI-Oberflächen abzugleichen.

Die Merchant-Center-Hilfe dokumentiert sechs Conversational Attributes: Frage und Antwort, Dokumentlink, verwandtes Produkt, Artikelgruppentitel, Variantenoption und Beliebtheitsrang. product_highlight und product_detail sind bereits vorhandene, ergänzende Felder und keine zwei weiteren Mitglieder der neuen Attributgruppe. Einige Fachbeiträge und eine frühere Version dieses Artikels hatten sie dennoch gemeinsam gezählt.

Google stellt ausdrücklich klar, dass diese Felder optional sind und ihre Ergänzung den bestehenden Produktfreigabestatus nicht beeinflusst. Sie können Produktverständnis und Auffindbarkeit in dialogorientierten Oberflächen verbessern, sind aber weder Pflicht noch Garantie für Aufnahme, Ranking oder Zitation in einer Antwort von AI Mode oder Gemini.

Behandeln Sie diese Felder als Anreicherung, nicht als Ersatz. Sie ergänzen die Pflichtattribute. Ein schönes Frage-und-Antwort-Feld rettet keinen Basisfeed, der wegen eines falschen Preises oder einer erfundenen GTIN abgelehnt wurde.

schema.org Product/Offer als agentenlesbare Markup-Ebene

Es gibt keine „KI-Ausgabe“ von schema.org. Agenten lesen das übliche E-Commerce-Vokabular. Besonders wichtig sind drei Eigenschaften:

• Offer.availability – der Bestandsstatus, den ein Agent aus dem Markup liest;
• Offer.checkoutPageURLTemplate – eine URL-Vorlage nach RFC 6570 für eine Checkout-Seite, über die ein Agent zu einem vorausgefüllten Checkout leiten kann;
• Offer.acceptedPaymentMethod – die akzeptierten Zahlungsmethoden, die ein Agent vor einer Transaktion prüfen kann.

Halten Sie Preis und Verfügbarkeit im Markup synchron mit dem Feed. Google verbindet und prüft beide Quellen gegeneinander. Abweichungen zwischen Seitenschema und Feed untergraben deshalb das Vertrauen in allen betroffenen Oberflächen.

Feed-Fehler, die agentische Auffindbarkeit und Checkout verhindern

Diese konkreten Fehler gefährden einen KI-Verkauf und nicht nur die Freigabe einer Anzeige:

1. Abweichender Preis in Feed und Checkout. Der Feed nennt 40 $, der Checkout 45 $. Bei Anzeigen führt das zur Ablehnung; bei einem Agenten mitten in der Transaktion zu einem abgebrochenen Kauf.
2. Phantom- oder Altbestand. Im Feed steht in_stock, im Checkout ist der Artikel ausverkauft. Der Agent versucht etwas zu kaufen, das nicht verfügbar ist.
3. Fehlende oder falsche Kennungen. Eine fehlende oder erfundene GTIN/MPN kann das Produkt formatübergreifend einem falschen Artikel zuordnen. Erfinden, erraten oder kopieren Sie keine Kennung; verwenden Sie bei tatsächlich kennungslosen Produkten identifier_exists = false.
4. Fehlende Rückgaberichtlinie oder Verkäufer-AGB. Für is_eligible_checkout = true sind sie in ACP Pflicht. Ohne sie bleibt ein Produkt auffindbar, kann aber nicht über den Agenten gekauft werden.
5. Instabile item_id oder SKU. Ändert sich der Identitätsschlüssel zwischen Snapshots, geht die Kontinuität verloren: Das alte Produkt wirkt gelöscht, das neue unbekannt.
6. Titel nur in Großbuchstaben oder mit Werbetext. Das verstößt bei Google und OpenAI gegen Richtlinien; OpenAI untersagt reine Großschreibung ausdrücklich.
7. Abweichende KI-generierte Bilder oder Beschreibungen. Erfundenen Eigenschaften, die nicht auf der Zielseite stehen, oder Bildern ohne erforderliche IPTC-Kennzeichnung widersprechen der Gegenprüfung von Feed und Seite. Der Leitfaden zur Feed-Optimierung erklärt ausführlich, warum keine Fakten erfunden werden dürfen.

Was Feed-Qualität leistet – und was sie nicht garantiert

Eine wichtige Einschränkung verhindert interne Übertreibungen: Ein hervorragender Feed macht Produkte auffindbar und berechtigt, garantiert aber keine Conversion. Ein anschaulicher Datenpunkt stammt von Walmart. Laut Search Engine Land erzielte der ChatGPT-Checkout im Chat nach Tests mit rund 200.000 Artikeln ungefähr ein Drittel der Conversion-Rate von Transaktionen nach einem Klick zur Website. Als Ursache nennt der Bericht Checkout-UX und Vertrauen – etwa Sorge vor Teillieferungen und einen nur für Einzelartikel ausgelegten Checkout – und nicht veraltete Feed-Daten. Das ist kein Beleg gegen Feeds, sondern dafür, dass Aufnahme in einen Feed notwendig, aber nicht hinreichend ist. Auffindbarkeit und Checkout-Conversion sind getrennte Probleme.

Halten Sie deshalb die gesamte Kette auseinander: Aufnahme bedeutet lediglich, dass die Plattform Ihre Datei akzeptiert hat. Das ist nicht dasselbe wie Validierung, Berechtigung über is_eligible_search und is_eligible_checkout, tatsächliche Anzeige, Ranking oder Zitation, Partnerfreigabe für Instant Checkout oder schließlich Conversion. Ein sauberer Feed verbessert die Chancen auf jeder Stufe, macht daraus aber kein garantiertes Ergebnis.

Einordnung in die Themenstruktur

• Agentic Commerce Protocol – das Protokoll selbst und seine fünf Bausteine, darunter der Produkt-Feed.
• Universal Commerce Protocol – das Gegenstück von Google und Shopify mit demselben Merchant-Center-Feed als Grundlage.
• Google Merchant Center und Merchant Center feed optimization – Grundlagen auf der Google-Seite sowie Details zu Titeln, Bildern, Attributen und GTIN, die hier nicht wiederholt werden.

KI-Zusammenfassung

Die Kurzfassung der fortgeschrittenen Perspektive:

• Es gibt keinen universellen „KI-Feed“. OpenAI beschreibt den Feed als Datenweg für ChatGPT Commerce ohne genannte Crawling-Ausweichlösung. Google kombiniert Crawling, strukturierte Seitendaten und den Merchant-Center-Feed.
• Betreiben Sie drei Formate: Google Merchant Center, OpenAI ACP und schema.org-Markup Product/Offer. Google prüft Feed und Seitendaten gegeneinander; Abweichungen gefährden Vertrauen und Freigabe.
• Kennungen sind das Rückgrat. Verwenden Sie GTIN oder Marke plus MPN in allen Formaten. Erfinden Sie keine Kennung; nutzen Sie bei kennungslosen Waren identifier_exists = false.
• Echtzeitgenauigkeit ist der entscheidende Unterschied. Ein Mensch prüft den Preis vor dem Kauf nochmals, ein Agent handelt programmatisch. Abweichende Preise oder Phantomlagerbestand gefährden die Transaktion.
• Eine 15-Minuten-Vorgabe steht nicht in OpenAIs Dokumentation. Dokumentiert sind täglicher Vollsnapshot per SFTP mit stabilen Dateinamen plus Intraday-API für Preis, Bestand und Werbeaktionen; Letztere werden ausschließlich per API übertragen.
• Zu den ACP-Pflichtfeldern gehören stabile item_id, title, description, url, brand, image_url, price, availability, Verkäufer- und Länderfelder sowie is_eligible_search, das standardmäßig false ist. Checkout verlangt außerdem Rückgabe-, Datenschutz- und AGB-Angaben; Instant Checkout bleibt Partnern vorbehalten.
• Googles sechs Conversational Attributes sind optionale KI-Anreicherungen: Frage und Antwort, Dokumentlink, verwandtes Produkt, Artikelgruppentitel, Variantenoption und Beliebtheitsrang. product_highlight und product_detail gab es bereits zuvor.
• Agentenrelevante schema.org-Eigenschaften: Offer.availability, checkoutPageURLTemplate und acceptedPaymentMethod.
• Feed-Qualität fördert Auffindbarkeit und Berechtigung, nicht automatisch Conversion. Aufnahme, Validierung, Berechtigung, Anzeige, Ranking, Checkout-Freigabe und Conversion sind getrennte Stufen.

Offizielle Dokumentation

Primärquellen und Spezifikationen für einen KI-tauglichen Feed.

OpenAI (Agentic Commerce Protocol)

• Product feeds overview – Überblick über den ACP-Feed.
• Product feed spec — required fields – Anforderungen für jedes Feld.
• Feed concept page – Auslieferung, Format und Snapshot-/API-Modell.
• Commerce key concepts – Einordnung des Feeds in ChatGPT-Suche und Checkout.

Google

• Product data specification – grundlegende Merchant-Center-Attributspezifikation.
• Unique product identifiers (GTIN, MPN, brand) – Regeln für Produktkennungen.
• Intro to Product structured data – Zusammenspiel von Feed und strukturierten Seitendaten.
• Agentic commerce AI tools & protocol for retailers – Googles Darstellung der Händlerwerkzeuge für KI.
• Agentic checkout / holiday AI shopping – Maßstab für Umfang und Aktualität des Shopping Graph.

schema.org

• Offer – availability, checkoutPageURLTemplate, acceptedPaymentMethod.
• Product – Produkttyp und Eigenschaften für Kennungen.

Zitate aus den Quellen

Öffentliche Aussagen der Plattformen und Fachleute.

Google – Kennungen und Datenqualität

• “Providing accurate and correctly formatted product data is essential for creating successful ads.” Übersetzung: Korrekte und richtig formatierte Produktdaten sind für erfolgreiche Anzeigen unverzichtbar. – Google Merchant Center-Hilfe. Jump to quote
• Zur GTIN/MPN: “Only provide a GTIN if you’re sure it is correct. When in doubt don’t provide this attribute (for example, do not guess or make up a value).” Übersetzung: Geben Sie eine GTIN nur an, wenn sie sicher korrekt ist. Lassen Sie das Attribut im Zweifel weg; raten oder erfinden Sie keinen Wert. Jump to source

Google – Feed und strukturierte Seitendaten gemeinsam

• “Providing both structured data on web pages and a Merchant Center feed maximizes your eligibility to experiences and helps Google correctly understand and verify your data.” Übersetzung: Strukturierte Daten auf Webseiten zusammen mit einem Merchant-Center- Feed maximieren die Berechtigung für Funktionen und helfen Google, Ihre Daten korrekt zu verstehen und zu prüfen. – Search Central. Read the doc

Google – Aktualität des Shopping Graph (Vidhya Srinivasan, VP/GM Ads and Commerce)

• Der Shopping Graph “includes more than 50 billion product listings, 2 billion of which are updated every hour.” Übersetzung: Er umfasst mehr als 50 Milliarden Produktangebote, von denen zwei Milliarden stündlich aktualisiert werden. Read the post

Kate Ragotte, Shopify (Shopify Enterprise blog)

• “Price, availability, and return windows must be accurate and synced across every channel where they appear. Inconsistent or stale data is one of the fastest ways to get filtered out.” Übersetzung: Preise, Verfügbarkeit und Rückgabefristen müssen korrekt und kanalübergreifend synchron sein; widersprüchliche oder veraltete Daten führen besonders schnell zum Ausschluss.
• “AI agents can only recommend what they can understand, and that depends entirely on how well-structured your product data is.” Übersetzung: KI-Agenten können nur empfehlen, was sie verstehen; das hängt vollständig von der Strukturqualität Ihrer Produktdaten ab. Read the article

Jason Barnard, Kalicube (Search Engine Land)

• “Structured feeds, Google Merchant Center and OpenAI Product Feed Specification, bypass discovery, selection, crawling, and rendering altogether, delivering your content to the competitive phase with minimal attenuation.” Übersetzung: Strukturierte Feeds wie Google Merchant Center und die OpenAI Product Feed Specification umgehen Entdeckung, Auswahl, Crawling und Rendering und bringen Inhalte mit minimalem Verlust direkt in die Wettbewerbsphase. Read the article

Jen Cornwell, Tinuiti (Search Engine Land)

• “Organic feed titles should reflect how your customers actually search, not how your bidding strategy is structured.” Übersetzung: Organische Feed-Titel sollten widerspiegeln, wie Kunden tatsächlich suchen, nicht wie die Gebotsstrategie aufgebaut ist.
• Zur strategischen Rolle des Feeds: “The feed sits at that intersection as it’s an owned asset managed by commerce infrastructure that directly feeds AI-powered visibility.” Übersetzung: Der Feed liegt an dieser Schnittstelle als eigenes, von der Commerce- Infrastruktur verwaltetes Asset, das KI-gestützte Sichtbarkeit direkt speist. Read the article

Checkliste für das KI-Feed-Audit über Formate hinweg

Ein gemeinsamer Prüfdurchlauf über alle drei Formate, bevor Sie einen Feed „KI-tauglich“ nennen:

Identität und Abgleich

• Jedes Produkt mit GTIN enthält die korrekte GTIN; keine Kennung ist erfunden oder von einem ähnlichen Produkt kopiert.
• Produkte ohne Herstellerkennung verwenden Marke plus MPN oder identifier_exists = false, niemals eine geratene GTIN.
• item_id/SKU bleibt dauerhaft stabil und stimmt in Feed, ACP und Markup überein.

Preis und Verfügbarkeit

• Der Feed-Preis entspricht dem Live-Checkout; die Währung ist ein gültiger ISO-4217-Code.
• Die Verfügbarkeit entspricht dem tatsächlichen Bestand; kein Phantom-in_stock.
• Schnelllebige SKUs werden über die ACP-Intraday-API statt nur über den täglichen Snapshot aktualisiert; Werbeaktionen laufen über die API.
• Preis und Verfügbarkeit im Seitenschema stimmen mit dem Feed überein.

ACP-Checkout-Berechtigung

• is_eligible_search ist ausdrücklich true; Standardwert ist false.
• Produkte mit is_eligible_checkout haben eine Rückgaberichtlinie, seller_privacy_policy und seller_tos.
• Für alle pre_order-Artikel ist availability_date gesetzt.
• Der Feed wird per SFTP unter stabilen, überschriebenen Dateinamen ausgeliefert; mindestens täglich kommt ein Vollsnapshot.

Inhalt und Richtlinienkonformität

• Titel haben höchstens 150 Zeichen und enthalten weder reine Großschreibung noch Werbetext.
• Beschreibungen sind Klartext mit höchstens 5.000 Zeichen, stimmen mit der Zielseite überein und erfinden keine Eigenschaften.
• Bilder sind JPEG/PNG über HTTPS; KI-generierte Bilder tragen erforderliche IPTC-Angaben.
• url liefert über HTTPS den Status 200.

Optionale Anreicherung

• Googles sechs Conversational Attributes sind an passenden Stellen ergänzt: Frage und Antwort, Beliebtheitsrang, verwandtes Produkt, Artikelgruppentitel, Variantenoption und Dokumentlink. Sie ergänzen Pflichtattribute, ersetzen sie nicht.
• schema.org checkoutPageURLTemplate ist vorhanden, damit Agenten zum Checkout leiten können.

KI-Produkt-Feed – Spickzettel

Welches Format erreicht welche Agenten?

ACP-Pflichtfelder im Schnellüberblick

• item_id (stabil), title (≤150, keine reine Großschreibung), description (≤5.000, Klartext), url (200/HTTPS), brand (≤70), image_url (JPEG/PNG), price (ISO 4217), availability (enum), seller_name/seller_url, target_countries/store_country (ISO 3166-1 Alpha-2), is_eligible_search (Standardwert false), is_eligible_checkout.
• Checkout verlangt außerdem Rückgaberichtlinie, seller_privacy_policy und seller_tos.
• availability enum: in_stock, out_of_stock, pre_order, backorder, unknown.

Kennungsregel für alle Formate

• GTIN vorhanden → verwenden (8–14 Ziffern, keine Bindestriche oder Leerzeichen).
• Keine GTIN → Marke plus MPN.
• Tatsächlich keine Kennung → identifier_exists = false. Niemals erfinden.

Mythencheck

• „OpenAI verlangt Aktualisierungen alle 15 Minuten“ → nicht dokumentiert. Tatsächlich: täglicher Snapshot plus Intraday-API; Werbeaktionen nur per API.
• „schema.org hat eine KI-Ausgabe“ → nein; es gilt das übliche Vokabular Offer/Product.
• „GTIN ist immer Pflicht“ → bedingt: GTIN, sonst Marke plus MPN, sonst identifier_exists = false).

Welche Kennung gehört in meinen Feed?

Kennungen sind das Rückgrat in Google, OpenAI und schema.org – und zugleich besonders fehleranfällig. Beantworten Sie ein oder zwei Fragen, um den passenden Wert zu bestimmen.

Was Sie bei einem KI-Feed nicht tun sollten

1. Nur den täglichen Snapshot bauen und die API auslassen. Bei einem einzigen Vollfeed pro Tag bleiben Preis- und Bestandsänderungen bis zu 24 Stunden alt. Lösung: Preise, Bestände und Werbeaktionen über OpenAIs Intraday-API übertragen; der Snapshot ist die Basis, nicht der gesamte Plan.

2. Eine GTIN erfinden, damit ein Feld validiert. Eine geratene oder kopierte Kennung ist schlimmer als keine, weil sie das Produkt falsch zuordnet. Lösung: GTIN, falls vorhanden; sonst Marke plus MPN; andernfalls identifier_exists = false.

3. Feed- und Checkout-Preis auseinanderlaufen lassen. Bei Anzeigen führt das zur Ablehnung, bei einem Agenten zum Kaufabbruch. Lösung: Den Feed-Preis als Vertrag behandeln, mit dem Live-Checkout synchronisieren und auch den Preis im Seitenschema abgleichen.

4. item_id/SKU wiederverwenden oder häufig ändern. Ändert sich der Identitätsschlüssel zwischen Snapshots, geht die Kontinuität verloren. Lösung: item_id während der gesamten Produktlebensdauer stabil halten.

5. Checkout ohne Richtlinienfelder aktivieren. is_eligible_checkout = true ohne Rückgabe-, Datenschutz- und AGB-Angaben lässt ein Produkt auffindbar, aber nicht kaufbar. Lösung: alle drei vor der Freigabe bereitstellen.

6. Conversational Attributes als Ersatz für einen sauberen Basisfeed behandeln. Ein gutes Frage-und-Antwort-Feld rettet keinen Feed mit falschem Preis oder erfundener GTIN. Lösung: erst Pflichtattribute bereinigen, dann anreichern.

7. Annehmen, schema.org-Markup allein ermögliche ChatGPT-Checkout. Für Transaktionsabläufe liest ChatGPT den ACP-Feed, nicht nur die gerenderte Seite. Markup dient der Gegenprüfung. Lösung: Den Feed ausliefern und das Markup damit konsistent halten.

Schnellprüfungen für die Konsistenz von Feed und Markup

Kleine, direkt nutzbare Prüfungen für Abweichungen, die agentische Verkäufe verhindern. Sie ersetzen keine Feed-Management-Plattform, helfen aber beim schnellen Auffinden von Fehlern.

Seitenschema Product/Offer in der Browserkonsole auslesen

Fügen Sie dies auf einer Produktseite in die Chrome-DevTools-Konsole ein, um Preis und Verfügbarkeit aus dem Markup mit dem Feed zu vergleichen:

// Grab every JSON-LD block, find Product/Offer, print price + availability
[...document.querySelectorAll('script[type="application/ld+json"]')]
  .map(s => { try { return JSON.parse(s.textContent); } catch { return null; } })
  .filter(Boolean)
  .flatMap(o => Array.isArray(o) ? o : (o['@graph'] || [o]))
  .filter(o => o && /Product/.test([].concat(o['@type']).join()))
  .forEach(p => {
    const offer = [].concat(p.offers || [])[0] || {};
    console.log({
      name: p.name,
      gtin: p.gtin13 || p.gtin || p.gtin12 || p.mpn || null,
      price: offer.price ?? offer.priceSpecification?.price,
      currency: offer.priceCurrency,
      availability: offer.availability,
    });
  });

Bookmarklet-Version (die folgende URL als Lesezeichen speichern und auf einer Produktseite anklicken, um Preis und Verfügbarkeit anzuzeigen):

javascript:(()=>{const b=[...document.querySelectorAll('script[type="application/ld+json"]')].map(s=>{try{return JSON.parse(s.textContent)}catch{return null}}).filter(Boolean).flatMap(o=>Array.isArray(o)?o:(o['@graph']||[o])).filter(o=>o&&/Product/.test([].concat(o['@type']).join()));if(!b.length){alert('No Product schema found');return}const p=b[0],o=[].concat(p.offers||[])[0]||{};alert(`${p.name}\nprice: ${o.price??o.priceSpecification?.price} ${o.priceCurrency||''}\navail: ${o.availability||'?'}`)})();

Feed-Preis mit dem Live-Checkout vergleichen (Shell)

Wenn Sie den Feed mit den Spalten item_id,price als CSV exportieren und die Live-Preise je SKU abrufen können, markiert diese Prüfung Abweichungen:

# feed.csv: item_id,price   |   live.csv: item_id,price (pulled from checkout)
join -t, -1 1 -2 1 \
  <(sort -t, -k1,1 feed.csv) \
  <(sort -t, -k1,1 live.csv) \
  | awk -F, '$2 != $3 { print "MISMATCH", $1, "feed="$2, "live="$3 }'

Vollständigkeit der ACP-Checkout-Berechtigung prüfen (Python)

Eine minimale Plausibilitätsprüfung, ob jedes für Checkout markierte Produkt vor dem Snapshot die erforderlichen Richtlinienfelder enthält:

import csv

REQUIRED_FOR_CHECKOUT = ["seller_privacy_policy", "seller_tos", "return_policy"]

with open("feed.csv", newline="") as f:
    for row in csv.DictReader(f):
        if row.get("is_eligible_checkout", "").lower() == "true":
            missing = [k for k in REQUIRED_FOR_CHECKOUT if not row.get(k, "").strip()]
            if missing:
                print(f"{row['item_id']}: checkout enabled but missing {missing}")
        if row.get("is_eligible_checkout", "").lower() == "true" \
           and row.get("is_eligible_search", "").lower() != "true":
            print(f"{row['item_id']}: checkout eligible but search is not (invalid)")

Gefälschte / fehlerhafte GTINs erkennen (Regex)

Eine ACP-gtin sollte aus 8 bis 14 Ziffern ohne Bindestriche oder Leerzeichen bestehen. Die folgende Prüfung markiert Abweichungen:

# Prints rows whose gtin column isn't a clean 8–14 digit string
awk -F, 'NR>1 && $3 != "" && $3 !~ /^[0-9]{8,14}$/ { print "BAD GTIN:", $1, $3 }' feed.csv

SOP für den täglichen Betrieb von KI-Produkt-Feeds

1. Abschluss des Vollsnapshots bestätigen. Erwarteten stabilen Dateinamen, Datensatzzahl, Schema und Auslieferungsstatus prüfen. Fertig bedeutet: Die Plattform hat den neuesten vollständigen Katalog statt einer versehentlichen Teildatei angenommen.
2. Änderungen im Tagesverlauf abstimmen. Preis-, Bestands- und Aktionsänderungen aus dem Commerce-Backend mit API-Bestätigungen vergleichen. Jede geänderte SKU war erfolgreich oder liegt in einer verantworteten Wiederholungswarteschlange.
3. Berechtigungs- und Richtlinienfehler prüfen. Fehler nach Quellfeld und Vorlage gruppieren, Checkout-Produkte priorisieren und Ursache, Verantwortliche sowie Korrekturweg festhalten.
4. Formatübergreifende Übereinstimmung stichprobenartig prüfen. Stabile ID, GTIN/MPN, Variante, Preis, Verfügbarkeit und Richtlinienwerte in Merchant-Center-Feed, OpenAI- Feed, Product/Offer-Markup und Live-Checkout vergleichen.
5. Identitätskontinuität prüfen. Artikel-IDs markieren, die ohne echten Produktwechsel verschwinden und unter neuen Werten wiederkehren. Versehentliche SKU-Wechsel vor dem nächsten Snapshot korrigieren.
6. Veraltete oder ungültige Angebote schließen. Nicht verfügbare Produkte korrekt markieren und den vorgesehenen Berechtigungsmechanismus nutzen, statt Phantomlagerbestand zu hinterlassen.
7. Fehler protokollieren und Trends verfolgen. Abweichungen, Verzögerungen, abgelehnte Zeilen und Korrekturen nach Quellsystem erfassen, damit wiederkehrende Fehler sichtbar sind.

Häufige Probleme mit KI-Produkt-Feeds

Produkt steht in der Datei, erscheint aber nicht in der Suche

Symptom: Die Zeile wurde ausgeliefert, das Produkt ist jedoch nicht berechtigt oder wird nicht angezeigt. Wahrscheinliche Ursache: is_eligible_search bleibt false, die Zeile scheitert an der Validierung oder Identitäts-/Richtliniendaten fehlen. Lösung: Zeilenstatus prüfen, fehlerhafte Felder korrigieren, Suchberechtigung ausdrücklich aktivieren und die Annahme im nächsten verarbeiteten Snapshot bestätigen.

Checkout ist für ein sonst sichtbares Produkt nicht verfügbar

Symptom: Das Produkt kann empfohlen, aber nicht über den Agenten gekauft werden. Wahrscheinliche Ursache: Checkout-Berechtigung ist false oder erforderliche Rückgabe-, Datenschutz- oder AGB-Angaben fehlen. Lösung: Richtlinien ergänzen, Suchberechtigung aktiv lassen und die Checkout-Berechtigung des verarbeiteten Artikels prüfen.

Der Agent zeigt einen falschen Preis oder Phantomlagerbestand

Symptom: Suchdaten widersprechen dem Checkout oder der Kauf scheitert. Wahrscheinliche Ursache: Nur der tägliche Snapshot wird aktualisiert, ein Intraday-Ereignis ist fehlgeschlagen oder die Variantenzuordnung verweist auf das falsche Angebot. Lösung: API-Bestätigungen mit dem Backend abgleichen, fehlgeschlagene Updates sicher wiederholen und Feed, Markup sowie Checkout für genau diese Variante vergleichen.

Produkte verschwinden wiederholt und kehren als neu zurück

Symptom: Die Katalogkontinuität wird zwischen Snapshots zurückgesetzt, obwohl sich das Sortiment nicht geändert hat. Wahrscheinliche Ursache: item_id stammt aus einem veränderlichen Titel, einer URL oder Exportzeile statt aus einem stabilen Produktschlüssel. Lösung: Eine dauerhafte Identitätszuordnung wiederherstellen und dieselbe Artikel-ID über die gesamte Produktlebensdauer behalten.

Ein Produkt wird der falschen Entität zugeordnet

Symptom: Das Angebot übernimmt Details oder Varianten eines anderen Produkts. Wahrscheinliche Ursache: erfundene oder falsche GTIN, kopierte MPN oder widersprüchliche Marken- und Variantendaten. Lösung: geratene Kennungen entfernen, die geprüfte GTIN oder Marke plus MPN verwenden und tatsächlich kennungslose Artikel korrekt markieren.

Denkmodelle für KI-Produkt-Feeds

Eine maßgebliche Quelle, mehrere Auslieferungsformate

Merchant Center, OpenAI und Product/Offer-Markup auf der Seite sind Abbildungen desselben Katalogs, keine unabhängigen Inhaltsprojekte. Erzeugen Sie sie aus einem kontrollierten Produktmodell, damit Identität und Angebotsdaten nicht je Kanal abweichen.

Identität, Angebot, Richtlinie

Jeden Feed in drei Ebenen debuggen:

• Identität: stabile Artikel-ID, GTIN oder Marke plus MPN, Produkt-/Variantenbeziehung.
• Angebot: Preis, Währung, Verfügbarkeit, Bild und Ziel-URL.
• Richtlinie: Versand, Rückgabe, Datenschutz, AGB und Checkout-Berechtigung.

Die Identität bestimmt, um welches Produkt es geht; das Angebot, was jetzt gekauft werden kann; die Richtlinie, ob ein Agent den Kauf abschließen darf.

Snapshot plus Ereignisstream

Der tägliche Vollsnapshot stellt den vollständigen Katalogzustand her. Intraday-API- Aktualisierungen übertragen schnelle Preis-, Bestands- und Aktionsereignisse. Keiner ersetzt den anderen: Der Snapshot beseitigt Abweichungen, der Ereignisstrom hält Transaktionen aktuell.

Auffindbarkeit ist notwendig, Checkout bleibt getrennt

Feed-Qualität kann ein Produkt verständlich und berechtigt machen. Sie garantiert weder Empfehlung noch Conversion; der Checkout ergänzt eigene Anforderungen an Richtlinien, Zuverlässigkeit und Vertrauen.

Konsistenz wird durch Gegenprüfung belohnt

Feed, Markup und Checkout sind unabhängige Zeugen desselben Angebots. Übereinstimmung schafft Vertrauen; bei Abweichungen muss die Plattform entscheiden, welche Quelle veraltet ist.

Empfehlenswerte Ressourcen

Meine verwandten Artikel

• The Beginner’s Guide to Technical SEO – Einordnung strukturierter Daten und Feeds in das Gesamtbild.
• Meet the New Web Crawlers: AI Bots Are Closing in on Search Engine Bots – wie sich die Bots, die Website und Feed-Umfeld lesen, in Richtung KI verschieben.

Meine Vorträge

• How Search Works (SlideShare) – mein Überblick über Crawling, Rendering, Indexierung und Ranking. Er hilft zu verstehen, warum feedbasierte Entdeckung große Teile dieses Trichters überspringt. Mein ständiger Hinweis: Das ist mein Verständnis der Systeme und nicht zu 100 % vollständig oder exakt.

Aus der Branche

• OpenAI — Product feeds overview und the required-fields spec – direkt geprüfte Primärquellen für den ACP-Feed.
• Google — Intro to Product structured data – Zusammenspiel und Gegenprüfung von Feed und Seiten-Markup.
• Shopify Enterprise — 8 tips to prepare your product data for AI channels (Kate Ragotte) – offizielle Plattformperspektive auf Datenkonsistenz und Struktur.
• Search Engine Land — Why product feeds need an organic strategy for AI search (Jen Cornwell, Tinuiti) – der Feed als eigenes Asset für KI-Sichtbarkeit.
• Search Engine Land — The AI engine pipeline: gates that decide whether you win the recommendation (Jason Barnard, Kalicube) – warum strukturierte Feeds große Teile des SEO-Trichters umgehen.
• PPC Land — 8 Google Merchant Center attributes your feed needs for AI Mode – Überblick über Conversational Attributes; Namen gegen Googles Live-Dokumentation prüfen.
• Search Engine Land — Walmart: ChatGPT checkout converted worse than website – Einschränkung zwischen Auffindbarkeit und Conversion.
• Striim — Retail’s AI problem isn’t the model, it’s the clock – anschauliche Erklärung, warum Batch-Bestandssynchronisierung für nahezu in Echtzeit arbeitende Agenten scheitert.

Selbsttest: Produkt-Feeds für KI

Fünf kurze Fragen zum Aufbau eines Feeds, den KI-Agenten lesen und für Käufe verwenden können. Wählen Sie jeweils eine Antwort und prüfen Sie anschließend das Ergebnis.

Änderungsprotokoll