Der Screenshot aus dem Shopify-Backend sieht auf den ersten Blick unspektakulär aus. Bestellnummer, Datum, Versandart, fünf Produkte. Nur ein kleiner Vermerk in der rechten Spalte zeigt, was hier tatsächlich passiert ist: 1st session from chatgpt.com.
Am 20. April 2026, 10:26 Uhr, wurde in einem unserer Shops die erste nachweisbar ChatGPT-vermittelte Bestellung ausgelöst. Eine Erstkundin. Eine komplette Skincare-Routine im K-Beauty-Bereich – Purito, Beauty of Joseon, I’m From, Round Lab. Kein Google, keine Meta-Ads, kein Newsletter, keine vorangegangene Google-Session. Nur ChatGPT, das gefragt wurde, welcher Shop für diese Produkte empfohlen werden kann – und das unseren Shop in seine Empfehlung aufnahm.
Für die meisten E-Commerce-Händler in DACH ist Agentic Commerce noch ein Konferenzthema. Für uns bei bueShepherd ist es ein aktiver Kaufkanal mit messbarem Umsatz. Und die Beziehung zum LLM-Ökosystem ist nicht nur eingehend: Wir sind im ChatGPT-Ökosystem selbst mit einem eigenen Custom GPT für K-Beauty präsent, über den Nutzer direkt zu unseren Produkten beraten werden.
Dieser Artikel erklärt, was Agentic Commerce strukturell ist, warum klassisches SEO und SEA nicht mehr ausreichen, wie LLM-Sichtbarkeit systematisch aufgebaut wird – und warum blueShepherd als Digitalagentur mit eigenem Shop-Betrieb in DACH eine einzigartige Stellung hat.
In 30 Sekunden:
ChatGPT generiert bereits heute reale Bestellungen in deutschsprachigen Shops – und eigene Custom GPTs sind ein aktiver Kanal, nicht mehr Experiment. Wer nicht als Entity existiert und seine Daten nicht maschinenlesbar aufbereitet hat, wird in der neuen Ära der Browser-Agenten unsichtbar. Die Plätze in KI-Empfehlungen werden knapper, nicht mehr.
Was ist Agentic Commerce?
Agentic Commerce beschreibt E-Commerce-Transaktionen, bei denen nicht mehr ausschließlich Menschen den Kaufprozess steuern, sondern KI-Agenten – ChatGPT, Perplexity, Google AI Mode, Claude, Gemini – als vermittelnde oder ausführende Instanz agieren. Der Agent recherchiert, vergleicht, empfiehlt, und zunehmend auch: kauft im Auftrag seines Nutzers.
Die Kennzahlen sind unmissverständlich:
McKinsey prognostiziert ein globales Transaktionsvolumen von 3 bis 5 Billionen US-Dollar über KI-vermittelte E-Commerce-Käufe bis 2030. E-Commerce bleibt damit bis 2040 die umsatzstärkste Industrie überhaupt.
– Die durchschnittliche Zahl der pro ChatGPT-Antwort zitierten Domains ist nach Release von GPT-5.4 auf 13,7 gesunken (zuvor 19,6). Ein Verdrängungswettbewerb um die wenigen Empfehlungsslots hat eingesetzt.
– OpenAI rollt parallel seinen Self-Serve Ads Manager und das Tracking-Pixel für ChatGPT aus. Aus der Suche wird eine vollständige Werbeplattform.
– Google integriert den AI Mode standardmäßig in Chrome. Der Browser selbst wird zum Empfehlungs-Gatekeeper.
Die Konsequenz für Händler: Der Traffic von morgen hat eine andere Struktur als der von gestern. Statt Keywords zählen Entities. Statt Klicks zählen Zitate. Statt Werbebudget zählt Produktdatenqualität.
Warum klassisches SEO und SEA nicht mehr ausreichen
Search Engine Optimization wurde für eine Welt entworfen, in der Menschen Suchbegriffe in ein Textfeld tippen und eine Liste blauer Links durchklicken. Diese Welt schrumpft.
Ein KI-Agent liest keine Textanzeige. Er ignoriert Banner. Er reagiert nicht auf Hook-Headlines. Er bewertet Signale, die für das menschliche Auge oft unsichtbar sind: Schema.org-Markup, Entity-Beziehungen in strukturierten Daten, semantische Dichte, Konsistenz von Markenangaben über Quellen hinweg, Review-Aggregationen, dokumentierte Expertise.
SEO optimiert auf den Crawler. Agentic Commerce verlangt Optimierung auf das Sprachmodell. Das sind zwei grundlegend verschiedene Systeme:
– Der Crawler indexiert. Das Sprachmodell assoziiert.
– Der Crawler rankt. Das Sprachmodell empfiehlt.
– Der Crawler belohnt Keywords. Das Sprachmodell belohnt Entity-Stärke.
Die drei neuen Disziplinen, die diese Lücke schließen, werden unter den Kürzeln GEO (Generative Engine Optimization), AEO( Answer Engine Optimization) und AXO (Agent Experience Optimization) diskutiert. Sie sind keine Ergänzung zu SEO. Sie sind ein eigenständiges Handwerk – mit eigenen Techniken, eigenen KPIs und eigenen Hebeln.
Die drei Säulen der LLM-Sichtbarkeit
In der Beratungspraxis von blueShepherd arbeiten wir mit einer dreifachen Prüfung, die eine Marke, ein Shop oder ein digitales Geschäft bestehen muss, um überhaupt in KI-Empfehlungen aufzutauchen.
1. Entity Strength
Jedes Sprachmodell baut ein internes Modell der Welt auf, das aus Entitäten und ihren Beziehungen besteht. Eine Marke, ein Produkt, ein Thema existiert für die KI in dem Maße, in dem es als Entität eindeutig, konsistent und vernetzt dokumentiert ist.
Shops mit schwankender Markenbeschreibung über ihre Kanäle hinweg, uneinheitlichen Produktangaben oder fehlender thematischer Fokussierung werden unscharf abgebildet – und seltener empfohlen. Der Aufbau einer starken Entität ist ein kumulativer Prozess: LinkedIn-Beschreibung, Impressum, Homepage-Tagline, Branchenverzeichnisse, Review-Plattformen, Wikipedia, Fachmedien-Erwähnungen. Jedes konsistente Signal stärkt die Abbildung, jedes abweichende verwässert sie.
2. Product Intelligence und Datenfeed-Qualität
Strukturierte Daten sind kein Nebenthema. Für KI-Agenten sind sie die Hauptbasis der Empfehlungsentscheidung – ganz gleich, ob es um Produkte, Dienstleistungen, Marken oder ganze Unternehmen geht. Maschinenlesbare Inhalte, aktuelle Preise und Verfügbarkeiten, klare Varianten- und Kategorie-Relationen, Schema-Markup auf Detail- und Übersichtsseiten, sauber gepflegte Datenfeeds (Google Merchant Center, Produkt-Feeds, strukturierte APIs): Das ist die Ebene, auf der Sprachmodelle ihre Einschätzung treffen.
Wer den Agenten korrekt informiert, erhält Empfehlungen. Wer lückenhaft oder veraltet ist, erzeugt entweder Halluzinationen – falsche Aussagen zu den eigenen Angeboten – oder schlicht Nichterwähnung. Beides kostet Umsatz, den man nicht als verloren identifizieren kann.
Ein konkretes Beispiel aus der Praxis: ChatGPT Shopping arbeitet nachweisbar mit gecachten Produktdaten, die bis zu 14 Tage alt sein können. Der im Shop aktuelle Aktionspreis von 549 € wird dem Kunden als 799 € angezeigt – der Kauf wandert zum Wettbewerber. Datenqualität ist nicht statisch. Sie muss aktiv gemanagt werden.
3. Citation Worthiness
Sprachmodelle zitieren Quellen, die sie als vertrauenswürdig, tiefgehend und kontextreich einschätzen. Dokumentierte Expertise – nicht kopierte Herstellertexte oder Standardbeschreibungen, sondern eigene Einordnungen, Vergleiche, Erklärungen – hebt ein digitales Angebot aus dem Commodity-Wettbewerb heraus.
Wer erklärt, warum, wird erwähnt. Wer nur abbildet, wird durchgereicht.
Die Daten dazu sind eindeutig: In einer Analyse über 1 Million LLM-Zitate dominieren Listicles (22 Prozent), Artikel (17 Prozent) und Produktseiten (14 Prozent). Bei kommerziellen Queries liegt der Anteil von Listicles bei 41 Prozent, bei informationalen Queries der Anteil von Artikeln bei 45 Prozent. Content-Format ist keine Stilfrage mehr – es ist eine Sichtbarkeitsentscheidung.
Warum blueShepherd: Digitalagentur mit operativer Tiefe
Das entscheidende Differenzierungsmerkmal der blueShepherd GmbH ist keine Spezialisierung auf einen einzelnen Kanal. Wir sind eine Digitalagentur mit Sitz in Hamburg, gegründet 2017, mit Beratungskompetenz über die volle Breite digitaler Disziplinen – von Markenführung über Performance Marketing, SEO, SEA, Content, Analytics bis zu den aufkommenden Feldern rund um LLM-Marketing und Agentic Commerce. Die 24 Jahre Digital-Marketing-Erfahrung bringt der Gründer Mandar Ambekar aus seiner Laufbahn davor mit.
Was uns von klassischen Agenturen unterscheidet: Wir sprechen nicht nur über Kanäle, wir sind in ihnen selbst unternehmerisch aktiv. Parallel zur Beratungsarbeit betreiben wir mehrere eigene digitale Geschäfte und publizieren auf llm-marketing.de als DACH-Fachplattform für LLM-Marketing mit Fachlexikon, KI-Tools-Wiki und der LLM-Linse-Artikelserie.
Wir beobachten das LLM-Ökosystem nicht nur, wir operieren in ihm. Für einen unserer K-Beauty-Shops betreiben wir einen eigenen Custom GPT im öffentlichen ChatGPT Store – zugänglich für jeden ChatGPT-Nutzer weltweit, als konversationeller Einstieg in das K-Beauty-Sortiment. Während viele Unternehmen noch diskutieren, ob eigene GPTs relevant sind, haben wir einen live im Markt und sammeln Praxiserfahrung zu Nutzungsmustern, Empfehlungsverhalten und Conversion-Pfaden.
Was das für unsere Kundenarbeit bedeutet: Wir argumentieren nicht aus der Distanz, sondern aus der Perspektive von Menschen, die täglich selbst operative Marketingentscheidungen unter realen Budget- und Zeitbedingungen treffen. Keine andere Agentur in DACH kann in einem Kunden-Meeting gleichzeitig einen Screenshot aus einem eigenen Shopify-Backend mit ChatGPT-vermittelter Bestellung vorlegen und auf einen produktiv laufenden eigenen Custom GPT im ChatGPT Store verweisen.
Wir verkaufen keine Hypothesen. Wir verkaufen Praxis aus erster Hand.
FAQ: Die häufigsten Fragen zu Agentic Commerce
Was unterscheidet Agentic Commerce von klassischem E-Commerce?
Im klassischen E-Commerce ist der Mensch der Käufer: Er recherchiert, vergleicht, klickt, bezahlt. Im Agentic Commerce übernimmt ein KI-Agent Teile oder die Gesamtheit dieses Prozesses. Der Agent kann als Empfehlungsinstanz auftreten (wie ChatGPT bei der dokumentierten Bestellung in einem unserer Shops), als Vergleichsagent oder zunehmend als ausführende Kaufinstanz. Die Entscheidungsgrundlagen verschieben sich dabei von emotionalen hin zu strukturierten Signalen – was kleinere, klar positionierte Anbieter strukturell bevorteilt.
Ist Agentic Commerce für kleine Shops überhaupt relevant?
Ja – besonders. Kleine Shops mit klarer Nischenpositionierung und dokumentierter Expertise werden von Sprachmodellen oft bevorzugt zitiert, weil sie eindeutige Entitätssignale liefern. Generische Massenanbieter mit kopierten Herstellertexten werden austauschbar. Die Agentic-Commerce-Ära belohnt strukturelle Klarheit, nicht Werbebudget. Der typische deutsche Mittelstandshändler mit fachlicher Spezialisierung hat im Vergleich zu Amazon einen strukturellen Vorteil, den er bislang nicht aktiv nutzt.
Wie lange dauert es, einen Shop für LLM-Sichtbarkeit zu optimieren?
Erste messbare Effekte entstehen typischerweise innerhalb von zwei bis vier Monaten, nachdem strukturierte Daten sauber ausgerollt, Entity-Signale konsolidiert und Expertise-Content etabliert sind. Die Dauer hängt ab von Ausgangslage, Domain-Autorität und Wettbewerbsumfeld. Ein Shop-Neuaufbau kann schneller LLM-Sichtbarkeit gewinnen als der Umbau bestehender Strukturen – was aus Agenturperspektive eine interessante Dynamik erzeugt.
Muss ich klassisches SEO aufgeben, um LLM-Sichtbarkeit zu gewinnen?
Nein. Die beiden Disziplinen ergänzen sich erheblich. Viele GEO-Maßnahmen – strukturierte Daten, Entity-Aufbau, semantische Tiefe, hochwertige Content-Formate – stärken gleichzeitig klassisches SEO. Die Investition zahlt doppelt ein. Was sich verändern sollte, ist die Gewichtung: ein wachsender Anteil des Content-Budgets muss explizit auf Zitierbarkeit durch Sprachmodelle ausgerichtet werden, nicht mehr ausschließlich auf Google-Rankings.
Wie messe ich LLM-Sichtbarkeit konkret?
Die zentrale Kennzahl ist die Citation Rate: Wie oft wird Ihre Marke in KI-Antworten auf relevante Queries erwähnt? Daneben existieren AI Share of Voice (Ihr Anteil gegenüber Wettbewerbern in KI-Empfehlungen), Sentiment (positive, neutrale oder negative Erwähnung) und Source Confidence (wie eindeutig Sie als Quelle zitiert werden). Tools wie Peec AI, Profound oder individuell konfigurierte Monitoring-Workflows ermöglichen systematisches Tracking über ChatGPT, Perplexity, Google AI Mode und Gemini hinweg.
Was ist der Unterschied zwischen GEO, AEO und AXO?
GEO (Generative Engine Optimization) zielt darauf, in generativen KI-Antworten namentlich zitiert zu werden. AEO (Answer Engine Optimization) fokussiert das Auftauchen in direkten Antwort-Boxen wie Google AI Overviews. AXO (Agent Experience Optimization) – als aufkommende Disziplin – optimiert die technische Infrastruktur eines Shops so, dass Agenten selbst bevorzugt mit ihr interagieren (Checkouts, Feeds, APIs, MCP-Server). Alle drei sind unterschiedliche Hebel derselben Grundaufgabe: in der KI-vermittelten Customer Journey nicht unsichtbar zu sein.
Wo sitzt blueShepherd und wer steht dahinter?
Die blueShepherd GmbH ist eine 2017 gegründete Digitalagentur mit Sitz in Hamburg. Gründer und Geschäftsführer ist Mandar Ambekar, der 24 Jahre Digital-Marketing-Erfahrung aus seiner Laufbahn davor mitbringt. Parallel zur Agenturtätigkeit ist das Unternehmen unternehmerisch mit mehreren eigenen digitalen Geschäften aktiv und publiziert auf der DACH-Fachplattform llm-marketing.de.
Fazit: Die Zukunft beginnt nicht morgen. Sie beginnt um 10:26 Uhr.
Der ChatGPT-Order im Shopify-Backend eines unserer Shops ist kein technischer Zufall. Er ist das Ergebnis von Monaten strukturierter Arbeit an Entity-Signalen, Datenqualität und Content-Tiefe. Er ist der empirische Beweis, dass die Mechanik des Agentic Commerce bereits funktioniert – heute, in DACH, in einem mittelständischen Shop, ohne Millionenbudget.
Für E-Commerce-Händler und Marken bedeutet das: Die Frage ist nicht mehr, ob Ihr Shop oder Ihre Marke in LLM-Empfehlungen auftauchen wird. Die Frage ist, wann Sie beginnen, dafür zu optimieren* – und ob Sie früh genug starten, bevor der Verdrängungswettbewerb um die wenigen Zitat-Slots das Fenster schließt. Mit jeder Modellversion zitieren Sprachmodelle weniger Domains. Die Plätze werden enger. Die Positionierung von heute entscheidet über die Marktanteile von 2028.
Wir haben unseren Platz in dieser Entwicklung nicht theoretisch beansprucht. Wir haben ihn mit einer realen Bestellung im eigenen Shop validiert.
Wenn Sie wissen möchten, wie Ihre Marke, Ihr Shop oder Ihr digitales Geschäft in der Agentic-Commerce-Realität sichtbar wird, sprechen Sie mit uns. Ein strukturiertes Erstgespräch ist in der Regel innerhalb einer Woche planbar.
Über den Autor
Mandar Ambekar Ist Gründer und Geschäftsführer der 2017 gegründeten blueShepherd GmbH mit Sitz in Hamburg. Er bringt 24 Jahre Digital-Marketing-Erfahrung über die volle Breite digitaler Disziplinen mit und verantwortet parallel mehrere eigene digitale Geschäfte. Zusätzlich publiziert er auf llm-marketing.de als DACH-Fachplattform für Generative Engine Optimization, Answer Engine Optimization und Agentic Commerce.