KI-Sichtbarkeit für Shopware-Shops: Wird Ihr Shop empfohlen?

Ein Shopware-Shop kann bei Google für seine wichtigsten Kategorien weit oben stehen und trotzdem bei ChatGPT keine Rolle spielen, wenn ein Kaufinteressent nach Empfehlungen fragt. Das ist kein Widerspruch. Google-Position und KI-Empfehlung sind zwei unterschiedliche Messgrößen, die aus unterschiedlichen Quellen entstehen und nach unterschiedlicher Logik funktionieren. Wer nur die eine beobachtet, übersieht die andere - und die andere entscheidet zunehmend mit, welche Marke ein Kunde überhaupt in Betracht zieht, bevor er eine Suchmaschine öffnet.

Was Shopware-Betreiber technisch selbst prüfen und verbessern können, um in der KI-Suche sichtbar zu werden - bei ChatGPT, Perplexity und in Googles KI-Antworten -, lässt sich auf sechs Stellschrauben herunterbrechen. Die gehen wir hier Schritt für Schritt durch, inklusive der Grenze dessen, was die eigene Website allein leisten kann.

Warum Google-Rankings und KI-Empfehlung auseinanderfallen

Eine Suchmaschine bewertet ein Bündel aus Relevanzsignalen: passende Begriffe, technische Sauberkeit, Backlinks, Nutzerverhalten. Ein Sprachmodell dagegen muss eine Antwort formulieren und darin eine Handvoll Marken nennen - oder keine. Es reicht dafür nicht, dass eine Seite gut rankt. Es muss aus den Inhalten klar hervorgehen, wofür die Marke steht, in welche Kategorie sie gehört und was sie unterscheidet.

Für Shopware-Shops kommt eine zusätzliche Schicht hinzu: die technische Struktur, mit der Inhalte für Maschinen lesbar gemacht werden. Ein Shopware-Standardtheme liefert eine solide Grundlage für die klassische Suchmaschinenoptimierung, ist aber nicht automatisch auf die Anforderungen von KI-Systemen zugeschnitten. Wie sich dieser Kanal grundsätzlich von klassischem SEO unterscheidet, erklären wir ausführlich im Beitrag KI-Sichtbarkeit für Online-Shops. Hier geht es um die konkrete technische Arbeit, die Shopware-Betreiber selbst leisten können.

Ein Denkbeispiel: bei Google vorn, in der KI-Suche unsichtbar

Nehmen wir einen Shopware-Shop für Büromöbel aus dem deutschsprachigen Raum. Der Inhaber ist zufrieden: Seine Hauptkategorie „Schreibtischstühle” rankt bei Google auf Seite eins, der organische Traffic ist stabil. Er stellt ChatGPT die Frage, die ein Kunde stellen würde, der seine Marke noch nicht kennt: „Welche deutschen Online-Shops für ergonomische Bürostühle kannst du empfehlen?” Genannt werden drei Wettbewerber. Seine eigene Marke fehlt.

Ein Blick in den Quellcode seiner Website zeigt einen möglichen Grund: Die Kategorieseite hat kaum Beschreibungstext, nur eine Bildergalerie und Filter. Schema.org Organization ist zwar vorhanden, aber ohne Verweise auf die eigenen Unternehmensprofile. Eine llms.txt gibt es nicht. Für die Suchmaschine reicht die technische Basis zusammen mit den vorhandenen Backlinks, um weiterhin gut zu ranken. Für ein Sprachmodell, das begründen soll, warum ausgerechnet dieser Shop empfehlenswert ist, findet sich dagegen wenig Konkretes.

Wie ein KI-System überhaupt an Informationen über Ihren Shop kommt

Ein System wie ChatGPT oder Perplexity stützt sich im Kern auf zwei Quellen. Die erste ist trainiertes Wissen - Texte, die das Modell während des Trainings gesehen hat: Presseartikel, Vergleichsseiten, Foreneinträge und eben auch die eigene Website, sofern sie öffentlich zugänglich und für eine Maschine eindeutig lesbar ist. Die zweite ist der gezielte Blick auf aktuelle Seiten während einer Anfrage - das sogenannte Retrieval, das vor allem Perplexity und ChatGPT mit Websuche aktiv nutzen.

In beiden Fällen gilt dieselbe Regel: Was für eine Maschine nicht klar strukturiert und zugänglich ist, kann sie auch nicht verwerten, unabhängig davon, wie gut es für ein menschliches Auge aussieht. Genau hier setzen die folgenden Stellschrauben an. Für einen Shopware-Shop bilden sie den praktischen Kern dessen, was als Generative Engine Optimization (GEO) bezeichnet wird - was der Begriff genau umfasst, ordnet der Beitrag Was ist GEO und AEO? ein. Die Stellschrauben ersetzen keine Markenpositionierung, aber ohne sie hat auch die beste Positionierung keine technische Eintrittskarte.

Schema.org: strukturierte Fakten statt Fließtext

Schema.org ist ein Vokabular, mit dem eine Website Fakten über sich selbst maschinenlesbar auszeichnet - als sogenanntes JSON-LD, unsichtbar im Quellcode, aber direkt auswertbar für Suchmaschinen und KI-Systeme. Für einen Shop sind zwei Entitäten zentral:

Organization beschreibt das Unternehmen selbst: Name, Logo, Kontaktmöglichkeit, Verweise auf offizielle Profile (das Feld sameAs) wie LinkedIn oder das Impressum-Pendant. Product beschreibt die einzelne Produktseite: Name, Beschreibung, Marke, Preis, Verfügbarkeit und, sofern vorhanden, die Bewertungszusammenfassung als AggregateRating.

Ein Shopware-Standardtheme liefert für beide Entitäten eine Basis mit, die in der Praxis aber häufig unvollständig bleibt. Typische Lücken: sameAs-Verweise auf die eigenen Unternehmensprofile fehlen, contactPoint ist nicht gesetzt, das Logo steht nur als reine URL statt als vollständiges ImageObject, und AggregateRating fehlt selbst dann, wenn auf der Produktseite sichtbare Kundenbewertungen stehen.

Sie prüfen das selbst in wenigen Minuten: Öffnen Sie die Seitenquelle Ihrer Startseite und einer Produktseite (im Browser meist über Rechtsklick, „Seitenquelltext anzeigen”) und suchen Sie nach application/ld+json. Alternativ liefert ein kostenloses Testwerkzeug wie Googles Rich-Results-Test eine strukturierte Auswertung, welche Felder erkannt werden und welche fehlen.

llms.txt: ein Wegweiser speziell für KI-Crawler

Neben robots.txt, das seit Jahrzehnten Suchmaschinen-Crawlern sagt, was sie lesen dürfen, gibt es einen deutlich jüngeren Vorschlag: llms.txt. Die Datei liegt im Wurzelverzeichnis der Domain und listet in einfachem Markdown, welche Seiten für ein KI-System besonders relevant sind - eine kuratierte Inhaltsübersicht, statt dass die Maschine sich die Struktur selbst erschließen muss.

Ein einfaches Beispiel für einen Shopware-Shop könnte so aussehen:

# Musterhaus Outdoor

> Online-Shop für Outdoor-Bekleidung und -Ausrüstung, Sitz in Deutschland.

## Sortiment
- /kategorie/jacken: Wander- und Trekkingjacken
- /kategorie/rucksaecke: Tagesrucksäcke und Trekkingrucksäcke

## Unternehmen
- /ueber-uns: Unternehmensgeschichte und Standort
- /presse: Presseerwähnungen

Die Spezifikation ist noch kein formal verabschiedeter Standard, wird aber bereits von einer wachsenden Zahl an Marken eingesetzt und experimentell von mehreren KI-Crawlern berücksichtigt. Shopware liefert eine solche Datei nicht automatisch mit - sie muss manuell als statische Datei im Wurzelverzeichnis abgelegt werden, etwa über den Hosting-Zugang oder die Verwaltung eigener Dateien im Shopware-Backend.

robots.txt: KI-Crawler brauchen eine explizite Erlaubnis

Die meisten Shopware-Shops haben ein funktionierendes robots.txt für klassische Suchmaschinen-Crawler. Was dabei häufig fehlt: eine explizite Erlaubnis für die KI-spezifischen Crawler, die inzwischen mit eigenem User-Agent unterwegs sind - etwa GPTBot (OpenAI), PerplexityBot (Perplexity), ClaudeBot (Anthropic) oder Google-Extended (Googles KI-Training, getrennt vom regulären Googlebot).

Ist ein Crawler nicht explizit erlaubt, herrscht Unklarheit, und manche Systeme werten das vorsichtshalber als Ausschluss. Die Lösung ist unaufwendig: ein Block mit expliziten Allow-Zeilen für die relevanten Crawler am Ende der robots.txt, in wenigen Minuten ergänzt. Wichtig zu wissen: Das öffnet nichts, was nicht ohnehin öffentlich einsehbar ist. Es macht lediglich unmissverständlich, dass gelesen werden darf.

Kategorietexte, die eine KI tatsächlich zitieren kann

Der technisch unauffälligste, aber inhaltlich wichtigste Punkt betrifft die Kategorietexte selbst. Im Shopware-Standard ist das Beschreibungsfeld einer Kategorie vorhanden, wird in der Praxis aber oft nur mit wenigen werblichen Sätzen gefüllt oder ganz leergelassen. Für eine Suchmaschine reicht das häufig noch, weil Title-Tag und interne Verlinkung ebenfalls zählen. Für ein Sprachmodell, das eine konkrete Aussage über die besten Anbieter einer Kategorie formulieren soll, ist ein leerer oder austauschbarer Text schlicht nichts, woraus sich etwas Verwertbares ziehen lässt.

Ein Kategorietext, der stattdessen konkrete, überprüfbare Aussagen enthält - Materialien, Einsatzzweck, Herkunft, Unterschiede zwischen den geführten Marken -, liefert einem Sprachmodell etwas, das es zusammenfassen und weitergeben kann. Der Unterschied liegt nicht in der Länge allein, sondern in der Konkretheit.

Checkliste: technische KI-Sichtbarkeit für Shopware-Shops

Signal	Im Shopware-Standardtheme meist	Was zu prüfen ist
Schema.org Organization	Basis vorhanden, oft ohne sameAs/contactPoint	Seitenquelle prüfen, fehlende Felder ergänzen
Schema.org Product	Basis vorhanden, AggregateRating oft fehlend	Stichprobe auf 3-5 Produktseiten
llms.txt	Nicht vorhanden	Datei manuell im Wurzelverzeichnis anlegen
robots.txt für KI-Crawler	Kein expliziter Allow-Block	GPTBot, PerplexityBot, ClaudeBot, Google-Extended ergänzen
Kategorietexte	Oft dünn oder werblich	Konkrete, faktenbasierte Texte je Hauptkategorie
AI-Crawler-Zugriffe im Log	Meist ungeprüft	Server-Logs stichprobenartig auf GPTBot/PerplexityBot durchsehen

Keiner dieser Punkte ist für sich allein entscheidend. Zusammen ergeben sie die Grundlage, auf der ein Sprachmodell überhaupt eine Chance hat, Ihren Shop korrekt einzuordnen.

Was die technische Grundlage nicht zeigt

Alle sechs Punkte oben liegen vollständig in Ihrer Hand - kein Tool und kein Dienstleister nimmt Ihnen das ab, weil es Zugriff auf Theme und Backend braucht. Was die technische Arbeit an der eigenen Seite nicht beantwortet, ist die eigentlich entscheidende Frage jeder Shopware-Wettbewerbsanalyse: Wie schneiden Sie im Vergleich zu Ihren zwei oder drei wichtigsten Wettbewerbern tatsächlich ab, wenn ein Kunde ChatGPT oder Perplexity nach Empfehlungen fragt?

Diese Frage lässt sich manuell beantworten. Wie, zeigen wir Schritt für Schritt im Beitrag Empfiehlt ChatGPT Ihre Marke?. Der manuelle Weg ist der richtige erste Schritt und für ein erstes Bild ausreichend.

Von der technischen Basis zur laufenden Messung

Die technischen Punkte in diesem Beitrag sind die Grundlage. Ob sie tatsächlich wirken, zeigt sich aber nicht am eigenen Shop, sondern im Vergleich: Wird Ihre Marke bei Google erkannt und in der KI-Antwort ebenso genannt wie Ihre Wettbewerber, oder holen die Wettbewerber gerade auf? Das lässt sich nicht aus dem eigenen Backend ablesen.

Genau hier setzt Rivly an. Sie geben einmal Ihre Domain und die Ihrer Wettbewerber ein. Rivly misst regelmäßig, ob und wie Ihre Marke bei ChatGPT, Perplexity, Claude und Gemini genannt wird, zeigt, ob Ihre Marke bei Google erkannt wird, und stellt das Ergebnis Ihren Wettbewerbern in einer Brand-Scorecard gegenüber - ergänzt um deren Werbung auf Meta und ihre Presse-Erwähnungen. Aus der einmaligen technischen Prüfung wird so ein laufendes Bild davon, ob die Arbeit an Schema.org, llms.txt und Kategorietexten tatsächlich wirkt - im Vergleich, nicht im luftleeren Raum.

Jetzt prüfen, wie Ihre Marke dasteht - die erste Analyse läuft in wenigen Minuten, ohne Kreditkarte, sieben Tage kostenlos.