Früher tippten Kunden „Laufschuhe Herren 44“ in die Suche. Heute fragen sie: „Welche Laufschuhe mit guter Dämpfung eignen sich für Einsteiger, die auf Asphalt laufen?“ Diese Frage beantwortet keine Ergebnisliste mehr, sondern ein KI-System – und das braucht dafür etwas, das viele Händler bisher stiefmütterlich behandelt haben: strukturierte, aussagekräftige Produktdaten.
Auf der Google Marketing Live 2026 hat Google dafür zwei Bausteine vorgestellt, die im Trubel um Universal Commerce Protocol und Ask Advisor fast untergegangen sind: die Conversational Attributes im Produktfeed und die AI Performance Insights im Merchant Center. Beide zusammen verschieben die Spielregeln der Produktsichtbarkeit – weg von der Anzeigenoptimierung, hin zur Datenqualität.
1. Vom Keyword zur Kaufberatung: Was sich gerade wirklich ändert
Der AI Mode ist seit Oktober 2025 auch im deutschsprachigen Raum verfügbar. Damit steht neben der klassischen Ergebnisliste eine dialogbasierte Oberfläche, in der Nutzer nachfragen, vergleichen und sich beraten lassen. Für den Handel ist das mehr als eine neue Darstellungsform: Die Kaufberatung, die früher im Ladengeschäft oder auf der Produktdetailseite stattfand, wandert eine Ebene nach oben – in die Antwort selbst.
Damit verschiebt sich auch die entscheidende Frage. Sie lautet nicht mehr nur „Ranke ich für dieses Keyword?“, sondern: „Versteht ein KI-System mein Produkt gut genug, um es in einer Empfehlung zu nennen?“ Und die Antwort darauf hängt nicht am Anzeigenbudget, sondern daran, welche Informationen über ein Produkt überhaupt maschinenlesbar vorliegen.
Genau hier liegt das strukturelle Problem vieler Feeds. Titel, Preis, Verfügbarkeit und GTIN reichen aus, um in einer Shopping-Anzeige zu erscheinen. Sie reichen nicht aus, um die Frage „Ist dieser Kopfhörer für lange Flüge geeignet?“ zu beantworten. Wer diese Lücke schließt, wird zitierbar. Wer sie offen lässt, wird übergangen – ohne Fehlermeldung, ohne Ablehnung im Konto, einfach durch Nichterwähnung.
Kurz gesagt: KI-Systeme empfehlen nur, was sie verstehen. Produktdaten sind 2026 kein Pflichtprogramm für die Freigabe mehr, sondern der eigentliche Sichtbarkeitshebel.
2. Die Ausgangslage in Zahlen
Die 14 Prozent klingen zunächst überschaubar – entscheidend ist die Richtung: Gegenüber dem Vorjahr entspricht das einem Anstieg um das rund 5,6-Fache. Shopping-Anfragen gehören damit zu den Bereichen, in denen KI-Antworten am schnellsten Terrain gewinnen. Wer heute vorbereitet, spielt nicht auf einen Nischenkanal, sondern auf den Normalfall der kommenden Jahre.
Die folgende Gegenüberstellung zeigt, wo der Unterschied zwischen einem klassischen und einem KI-fähigen Produktfeed konkret liegt.
Schematische Gegenüberstellung der Feld-Ebenen. Die rechte Spalte zeigt die 2026 ergänzten Conversational Attributes. Stand: August 2026.
3. Conversational Attributes: die sechs neuen Felder
Conversational Attributes sind optionale Datenfelder. Sie ergänzen den bestehenden Feed, ersetzen keine Kernattribute und beeinflussen den Freigabestatus eines Produkts nicht. Übermittelt werden sie über Zusatzfeeds oder die Merchant API. Der Ausrollstatus ist global – deutsche Händler können also bereits damit arbeiten.
3.1 question_and_answer – Fragen und Antworten
Das aus unserer Sicht wirkungsvollste Feld: strukturierte Frage-Antwort-Paare zum Produkt, bis zu 30 Stück. Statt darauf zu hoffen, dass ein KI-System die Antwort aus einem Fließtext extrahiert, liefern Sie sie direkt. Bei einem Bluetooth-Kopfhörer etwa: „Wie lange hält der Akku?“ – „Bis zu 40 Stunden mit einer Ladung.“ Oder: „Lassen sich zwei Geräte gleichzeitig verbinden?“ – „Ja, Multipoint-Bluetooth wird unterstützt.“
3.2 document_link – belegende Dokumente
Hier hinterlegen Sie URLs zu PDF-Dokumenten: Bedienungsanleitungen, Aufbauanleitungen, technische Datenblätter, Zertifikate, Produktratgeber. Möglich sind bis zu fünf Dokumente pro Produkt mit jeweils maximal 50 MB. Damit werden Informationen zugänglich, die bisher außerhalb des Feeds lagen – und die bei erklärungsbedürftigen Produkten oft den Ausschlag geben.
3.3 related_product – Produktbeziehungen
Dieses Feld beschreibt, wie Produkte im Katalog zusammenhängen, referenziert über id oder gtin. Google unterscheidet dabei sechs Beziehungstypen: part_of_set (Teil eines Sets, etwa der Stuhl einer Essgruppe), required_part (zum Betrieb nötig, etwa die Batterie einer Lampe), often_bought_with (häufig gemeinsam gekauft), substitute (gleichwertige Alternative), different_brand (dasselbe Produkt unter anderer Marke) und accessory (optionales Zubehör). Bis zu 30 Verknüpfungen pro Produkt sind möglich.
3.4 item_group_title und variant_option – Varianten sauber abbilden
Beide Felder arbeiten mit der bestehenden item_group_id zusammen. Der Gruppentitel benennt die Produktfamilie („Herren-T-Shirt Bio-Baumwolle“), während der einzelne Produkttitel die konkrete Variante beschreibt („Herren-T-Shirt Bio-Baumwolle – Schwarz, M“). Das Variantenmerkmal wiederum benennt, was die Varianten unterscheidet: Farbe, Größe, Material oder Speichergröße. So kann ein KI-System Anfragen wie „Gibt es das Shirt in Schwarz, Größe M?“ eindeutig auflösen.
3.5 popularity_rank – der Beliebtheitswert
Ein Wert, der ein Produkt relativ zum eigenen Katalog einordnet. Ein Rang von 95,5 bedeutet, dass das Produkt besser abschneidet als 95,5 Prozent des Sortiments. Damit erhält Google ein Signal für Fragen wie „Was ist Ihr meistverkaufter Laufschuh?“ – Fragen, die ohne dieses Feld schlicht nicht beantwortbar sind.
Praxistipp: Beginnen Sie mit question_and_answer für Ihre 20 umsatzstärksten Produkte. Die Inhalte existieren meist schon – in FAQ-Bereichen, Support-Tickets und Rückfragen aus dem Vertrieb. Es geht hier um Strukturierung, nicht um Neuproduktion.
4. AI Performance Insights: Share of Voice in der KI-Suche
Die zweite Neuerung beantwortet die Frage, die bei KI-Sichtbarkeit am häufigsten offen bleibt: Woher weiß ich, ob ich überhaupt vorkomme? Der neue Bericht findet sich im Merchant Center unter „Analytics“ → „Produkte“ → Tab „AI Performance“ und zeigt, wie eine Marke und ihre Produkte im AI Mode und in den KI-Übersichten abschneiden.
4.1 Die Kennzahlen
Im Zentrum steht der Share of Voice: die eigene Sichtbarkeit im Vergleich zu definierten Wettbewerbern. Zwei Fallstricke sollte man dabei kennen – liegen zu wenige Impressionen vor, wird der Wert als 0 ausgewiesen; sind im Konto keine Wettbewerber hinterlegt, steht dort 100 Prozent. Beide Zahlen sind dann keine Erfolgsmeldung, sondern ein Hinweis auf eine unvollständige Konfiguration. Ergänzt wird der Share of Voice um die Query Frequency (wie häufig eine Anfrage gestellt wird) und den Query Type (welche Absicht dahintersteht).
4.2 Drei Phasen der Customer Journey
Der Bericht ordnet konversationelle Anfragen drei Phasen zu: Discovery (allgemeine Orientierung), Evaluation (Vergleich und Detailfragen) und Purchase (kurz vor der Transaktion). Für jede Phase wird ein eigener Share of Voice ausgewiesen. Weil Nutzer in einem einzigen Prompt oft mehreres gleichzeitig fragen – Preis und Vergleich etwa –, können Anfragen mehreren Phasen zugeordnet sein. Aufschlussreich ist vor allem das Muster: Wer in der Discovery-Phase stark, in der Purchase-Phase aber schwach ist, verliert Kunden genau dort, wo Umsatz entsteht.
4.3 Konkrete Optimierungshinweise
Über die reine Messung hinaus zeigt das Dashboard häufig genutzte KI-Shopping-Begriffe – also Formulierungen zu Eigenschaften oder Nutzen, etwa „maximale Dämpfung“, die Käufer in ihren Anfragen priorisieren. Dazu sehen Händler, wie viele eigene Produkte zu diesen Begriffen passen. Zusätzlich listet der Bericht gefragte Produktattribute wie Größe, Farbe oder Material auf und macht damit sichtbar, wo in den eigenen Datenquellen technische Angaben fehlen.
4.4 Verfügbarkeit – und was das für deutsche Händler heißt
Wichtige Einschränkung: Die AI Performance Insights befinden sich zunächst in einer Pilotphase für ausgewählte Merchant-Center-Konten in den USA. Angekündigt ist eine Ausweitung auf Australien, Kanada, Indien und Neuseeland; ein Termin für Deutschland liegt nicht vor. Außerdem berücksichtigt der Bericht ausschließlich organischen KI-Traffic – bezahlte Anzeigen fließen nicht ein, und einen kategorieübergreifenden Gesamtbericht gibt es bislang nicht. Die Conversational Attributes dagegen sind global verfügbar. Die sinnvolle Reihenfolge ist damit vorgegeben: erst die Datenbasis, dann das Reporting.
5. Die Pflicht vor der Kür: saubere Produktdaten
Conversational Attributes wirken nur auf einem tragfähigen Fundament. Ein KI-System, das aus einem Titel wie „Art.-Nr. 4471-SW“ nichts ableiten kann, wird auch durch dreißig Q&A-Paare nicht überzeugt. Bevor Sie die neuen Felder befüllen, lohnt der Blick auf die Basis.
5.1 Titel, die eine Frage beantworten
Der Produkttitel sollte Marke, Produktart und die zwei bis drei kaufentscheidenden Merkmale enthalten – in der Sprache der Kunden, nicht in interner Katalogsprache. Konversationelle Anfragen enthalten Nutzenformulierungen; wenn diese im Titel oder in der Beschreibung nirgends auftauchen, fehlt die Brücke zwischen Frage und Produkt.
5.2 Beschreibungen als Antwort, nicht als Werbetext
Google selbst hat den Punkt in seiner Marketing-Live-Ankündigung deutlich gemacht: Starke Produktbeschreibungen seien entscheidend, um im KI-Zeitalter gefunden zu werden. Praktisch heißt das: Wofür eignet sich das Produkt, wofür nicht, für wen ist es gemacht, was liegt bei? Superlative ohne Substanz sind für ein KI-System wertlos – überprüfbare Eigenschaften sind es nicht.
5.3 Vollständige technische Attribute
Größe, Farbe, Material, Gewicht, Maße, Energieeffizienz: Genau diese strukturierten Angaben wertet der neue Bericht aus, um Lücken aufzuzeigen. Fehlende Attribute sind kein Schönheitsfehler, sondern ein Ausschlusskriterium, sobald ein Nutzer nach genau diesem Merkmal filtert oder fragt.
6. Auch ohne Onlineshop relevant: das Prinzip dahinter
Das Merchant Center richtet sich an Händler mit Produktkatalog. Das dahinterliegende Prinzip gilt jedoch für jedes Unternehmen, das in KI-Antworten vorkommen möchte: KI-Systeme empfehlen, was sie in strukturierter Form eindeutig verstehen. Für Dienstleister, Handwerksbetriebe oder B2B-Anbieter lässt sich derselbe Effekt mit anderen Mitteln erzielen.
Konkret bedeutet das: Leistungsseiten, die echte Kundenfragen beantworten statt Leistungen aufzuzählen. Strukturierte Daten wie FAQPage, Service und Organization. Gepflegte Unternehmensdaten mit konsistenten Angaben über alle Verzeichnisse hinweg. Und eine llms.txt, die KI-Systemen zeigt, welche Inhalte für sie relevant sind. Wie sich die Anzeigenseite dieser Entwicklung darstellt, haben wir im Beitrag zu Ads in KI-Antworten beschrieben; die Kaufabwicklung durch Agenten beleuchtet unser Artikel zum Agentic Commerce.
7. Fünf Fehler, die Sichtbarkeit kosten
In der Praxis wiederholen sich einige Muster, die den Effekt der neuen Felder zunichtemachen:
7.1 Marketing-Floskeln statt echter Antworten
„Premium-Qualität für höchste Ansprüche“ beantwortet keine Frage. Q&A-Paare, die nur Werbesprache wiederholen, liefern KI-Systemen keinen zusätzlichen Informationsgehalt – und kosten trotzdem Pflegeaufwand.
7.2 Alles auf einmal ausrollen wollen
Sechs neue Felder über zehntausend Artikel zu ziehen, scheitert erfahrungsgemäß an Ressourcen und Datenqualität zugleich. Der belastbarere Weg ist der umgekehrte: Bestseller zuerst, Ergebnisse prüfen, dann skalieren.
7.3 Widersprüche zwischen Feed und Website
Wenn im Feed eine Akkulaufzeit von 40 Stunden steht und auf der Produktseite 30, entwertet das beide Quellen. Konsistenz über alle Kanäle hinweg ist kein Ordnungsprinzip, sondern ein Vertrauenssignal.
7.4 Beziehungstypen willkürlich vergeben
Zubehör ist kein Ersatzteil, und eine Alternative ist kein Set-Bestandteil. Falsch gesetzte Beziehungstypen führen zu unpassenden Empfehlungen – und damit zu Retouren statt Umsatz.
7.5 Einmal befüllen und liegen lassen
Beliebtheitswerte, Verfügbarkeiten und Produktbeziehungen verändern sich. Ein Feed, der nur zum Projektstart gepflegt wurde, produziert nach wenigen Monaten Fehlinformationen – schlimmer als eine Lücke.
8. Checkliste: Produktdaten KI-fest machen
Sie möchten Ihre Produktdaten und Ihre KI-Sichtbarkeit systematisch aufbauen? Vereinbaren Sie ein kostenloses Erstgespräch mit unserem Team.
9. Fazit: Produktdaten sind das neue Ranking-Signal
Die Merchant-Center-Neuerungen 2026 wirken auf den ersten Blick technisch. Ihre Konsequenz ist strategisch: Sichtbarkeit im Handel verlagert sich von der Anzeigenoptimierung zur Datenqualität. Wer die Fragen seiner Kunden kennt und maschinenlesbar beantwortet, wird empfohlen. Wer auf Werbebudget setzt und den Feed als Pflichtübung behandelt, verliert Terrain – langsam, aber stetig.
Das ist eine gute Nachricht für kleinere Anbieter. Denn Datenqualität lässt sich nicht kaufen, sie muss erarbeitet werden – und ein spezialisierter Händler mit 300 gut beschriebenen Produkten hat hier realistische Chancen gegen einen Großanbieter mit 300.000 lieblos gepflegten Artikeln.
Unsere Einschätzung: Die Conversational Attributes sind die unspektakulärste und zugleich folgenreichste Ankündigung der Google Marketing Live 2026. Sie kosten kein Budget, nur Sorgfalt – und genau deshalb wird sie ein großer Teil des Marktes zunächst ignorieren. Für alle anderen ist das ein Zeitfenster.
Lesen Sie auch: Agentic Commerce 2026: KI-Agenten kaufen für Ihre Kunden und E-E-A-T für KI: warum Autorität darüber entscheidet, ob ChatGPT Sie zitiert.
10. FAQ: Die wichtigsten Fragen
Was sind Conversational Attributes im Google Merchant Center?
Conversational Attributes sind sechs optionale Produktdatenfelder, die Google 2026 eingeführt hat: question_and_answer, document_link, related_product, item_group_title, variant_option und popularity_rank. Sie ergänzen den bestehenden Produktfeed, ersetzen ihn aber nicht, und beeinflussen den Freigabestatus eines Produkts nicht. Übermittelt werden sie über Zusatzfeeds oder die Merchant API. Googles KI-Systeme nutzen diese Zusatzinformationen, um Produkte in AI Mode, Gemini und weiteren KI-Oberflächen besser zu konversationellen Suchanfragen zuzuordnen.
Was zeigen die AI Performance Insights im Merchant Center?
Die AI Performance Insights zeigen, wie eine Marke und ihre Produkte in Googles KI-Suche abschneiden. Im Zentrum steht der Share of Voice im Vergleich zu definierten Wettbewerbern, ergänzt um Query Frequency, Query Type sowie eine Zuordnung der Anfragen zu den Phasen Discovery, Evaluation und Purchase. Zusätzlich listet der Bericht häufig genutzte KI-Shopping-Begriffe und fehlende Produktattribute auf. Der Bericht berücksichtigt ausschließlich organischen KI-Traffic, bezahlte Anzeigen fließen nicht ein.
Sind die neuen Merchant-Center-Funktionen in Deutschland verfügbar?
Unterschiedlich: Die Conversational Attributes rollt Google global aus, sie stehen also auch deutschen Händlern zur Verfügung. Die AI Performance Insights befinden sich dagegen zunächst in einer Pilotphase für ausgewählte Merchant-Center-Konten in den USA; angekündigt ist eine Ausweitung auf Australien, Kanada, Indien und Neuseeland. Ein Termin für Deutschland ist bislang nicht genannt. Die Produktdaten lassen sich aber schon jetzt vorbereiten.
Lohnt sich das auch ohne eigenen Onlineshop?
Das Merchant Center selbst richtet sich an Händler mit Produktkatalog. Das Prinzip dahinter gilt aber für jedes Unternehmen: KI-Systeme beantworten Fragen anhand strukturierter, eindeutiger Informationen. Dienstleister erreichen denselben Effekt über saubere Leistungsseiten mit echten Kundenfragen und Antworten, strukturierte Daten wie FAQPage und Service, gepflegte Unternehmensdaten sowie eine llms.txt. Entscheidend ist in beiden Fällen, dass die Antwort auf eine konkrete Nutzerfrage maschinenlesbar vorliegt.
