Black Friday beginnt im August: Warum KI-Readiness 2026 über Sichtbarkeit entscheidet

von David Jennison

Black Friday und Weihnachten wirken im August noch weit entfernt. Doch für Händler beginnt jetzt die entscheidende Vorbereitungsphase und dabei geht es um mehr als Sortiment, Preise und Warenverfügbarkeit. KI-gestützte Produktsuche verändert zunehmend, welche Produkte Verbraucher überhaupt entdecken und in die engere Wahl nehmen. Wer im Golden Quarter sichtbar sein will, muss deshalb schon heute dafür sorgen, dass Produktdaten, Inhalte und Verfügbarkeit nicht nur für Kunden, sondern auch für KI-Systeme funktionieren.

Black Friday und Weihnachten fühlen sich im August noch weit entfernt an. Für Händler und Marken beginnt das Golden Quarter jedoch nicht Ende November. Die entscheidenden Weichen werden Monate vorher gestellt: Welche Produkte sollen im Fokus stehen? Ist ausreichend Ware verfügbar? Stimmen Preise und Promotions? Sind Produktseiten und Kampagnen vorbereitet?

2026 kommt zu dieser ohnehin langen Liste eine weitere Frage hinzu: Werden die eigenen Produkte von KI-Systemen überhaupt gefunden, verstanden und empfohlen? Denn die Art, wie Verbraucher online nach Produkten suchen, verändert sich. Die klassische Produktsuche verschwindet nicht. Doch neben Google, der Suchfunktion eines Online-Shops oder der Keyword-Suche auf einem Marktplatz werden KI-gestützte Shopping-Assistenten und generative Suchangebote immer relevanter.

Für Händler hat das weitreichende Folgen. Digitale Sichtbarkeit bemisst sich künftig nicht mehr nur daran, auf welcher Position ein Produkt für einen bestimmten Suchbegriff erscheint. Entscheidend wird zunehmend auch, ob ein KI-System ein Produkt als passende Antwort auf eine konkrete Kundenfrage identifiziert.

Von der Suchanfrage zur konkreten Kaufabsicht

Der Unterschied klingt zunächst klein, verändert die Produktsuche aber grundlegend. In der klassischen Suche tippt ein Kunde beispielsweise "Geschenk Kind 9 Jahre" ein und arbeitet sich anschließend durch Trefferlisten, Filter und Produktseiten.

Bei einem KI-gestützten Shopping-Assistenten kann dieselbe Suche deutlich konkreter ausfallen: "Ich suche ein Weihnachtsgeschenk für einen Neunjährigen, der sich für Gaming und Naturwissenschaften interessiert. Es sollte unter 50 Euro kosten." Das System muss daraufhin nicht nur einzelne Begriffe finden, sondern die Absicht hinter der Anfrage verstehen, verschiedene Eigenschaften miteinander abgleichen und aus einer potenziell sehr großen Produktauswahl eine überschaubare Anzahl geeigneter Empfehlungen zusammenstellen.

Genau darin liegt die Veränderung für den Handel. In einer Welt von Trefferlisten konnten Händler um einzelne Positionen kämpfen. In einer Welt von KI-generierten Empfehlungen könnte die Auswahl deutlich kleiner werden. Wer nicht in dieser Vorauswahl landet, verliert möglicherweise einen wichtigen Kontaktpunkt zum Kunden. Dass Unternehmen diese Entwicklung ernst nehmen, zeigt eine aktuelle Pattern-Studie  unter mehr als 1.000 E-Commerce-Verantwortlichen und Führungskräften in Deutschland, Großbritannien, den USA und den Vereinigten Arabischen Emiraten. 87 Prozent der Befragten (international sowie in Deutschland) erwarten, dass KI-gestützte Suche ihre Umsätze innerhalb der kommenden zwölf Monate positiv beeinflussen wird.

Händler sollten aber aufgrund dieser Entwicklung die klassische Suchmaschinenoptimierung noch nicht vollständig abschreiben. Vielmehr müssen sie eine zusätzliche Ebene mitdenken: Neben der Optimierung für Menschen und klassische Suchalgorithmen müssen Produktinformationen zunehmend auch für Systeme funktionieren, die Inhalte interpretieren, vergleichen und daraus Empfehlungen ableiten.

Produktdaten werden vom Hygiene-Faktor zum Wettbewerbsfaktor

Damit rückt ein Bereich in den Mittelpunkt, der im E-Commerce lange vor allem als operative Grundlage behandelt wurde: der Produktkatalog. Ein KI-Assistent kann nur mit den Informationen arbeiten, die er über ein Produkt erfassen kann. Sind wichtige Eigenschaften nicht vorhanden, widersprüchlich oder nur schwer interpretierbar, wird es für das System schwieriger, ein Produkt eindeutig einer konkreten Kundenanforderung zuzuordnen

Deshalb gewinnen vollständige und strukturierte Produktinformationen an Bedeutung. Dazu gehören aussagekräftige Titel und Beschreibungen ebenso wie detaillierte Attribute, Bilder, technische Daten und eindeutige Angaben zu Varianten. Ein Händler, der beispielsweise eine Jacke verkauft, sollte sich nicht darauf verlassen, dass ein KI-System aus einem werblichen Beschreibungstext selbst erschließt, für welche Wetterbedingungen, Zielgruppen oder Einsatzbereiche sie geeignet ist, wenn diese Informationen an anderer Stelle im Katalog fehlen.

Gleichzeitig endet KI-Readiness nicht beim PIM-System. Auch Kundenbewertungen spielen eine wichtige Rolle. Sie liefern zusätzliche Informationen darüber, wie Käufer ein Produkt tatsächlich erleben und für welche Anforderungen es sich eignet. KI-basierte Systeme berücksichtigen zunehmend Inhalte, die Expertise, Glaubwürdigkeit und reale Erfahrungen abbilden. Bewertungen, Testimonials oder Diskussionen über Produkte können deshalb Teil des Informationsumfelds werden, auf dessen Grundlage Empfehlungen entstehen.

Hinzu kommen zwei Faktoren, die Händler aus dem Tagesgeschäft bestens kennen: Preis und Verfügbarkeit. Eine theoretisch perfekte Produktempfehlung ist wenig wert, wenn der Artikel nicht lieferbar ist oder preislich deutlich hinter vergleichbaren Angeboten zurückfällt. Datenqualität, Content, Reviews, Preisgestaltung und Warenbestand sind daher nicht voneinander getrennte Disziplinen. Aus Sicht einer KI-gestützten Kaufentscheidung ergeben sie gemeinsam ein Bild davon, ob ein Produkt zur jeweiligen Anfrage passt und aktuell eine sinnvolle Empfehlung darstellt.

Damit verändert sich auch die strategische Bedeutung guter Produktdaten. Sie sind nicht mehr nur Voraussetzung für saubere Produktdetailseiten und effizientes Marktplatzmanagement. Sie können unmittelbar beeinflussen, ob ein Produkt überhaupt in den digitalen Auswahlprozess gelangt.

Werbung kann einen schwachen Katalog nicht dauerhaft kompensieren

Für Marken ergibt sich daraus noch eine weitere Konsequenz. Defizite bei Produktinformationen ließen sich im E-Commerce bislang zumindest teilweise durch zusätzlichen Mediendruck kompensieren. Wer organisch nicht ausreichend sichtbar war, konnte über Advertising Reichweite einkaufen. Bei KI-basierten Empfehlungen funktioniert diese Logik nicht ohne Weiteres. Kann ein System ein Produkt nicht zuverlässig verstehen oder gegenüber Alternativen einordnen, löst mehr Werbedruck das zugrunde liegende Problem nicht.

Das macht die Qualität der eigenen E-Commerce-Grundlagen wichtiger. Wer einen detaillierten, konsistenten und aktuellen Produktkatalog besitzt, verbessert nicht nur die Customer Experience auf der eigenen Produktseite. Er schafft zugleich bessere Voraussetzungen dafür, dass Produkte in neuen Such- und Beratungssituationen korrekt eingeordnet werden können. Für Handels- und E-Commerce-Verantwortliche sollte KI-Readiness deshalb nicht ausschließlich als Marketingthema betrachtet werden. Sie betrifft ebenso Produktdatenmanagement, Merchandising, Marketplace-Teams, Pricing, Operations und Supply Chain.

Warum August und September entscheidend sind

Ausgerechnet vor dem Golden Quarter zeigt sich allerdings das praktische Problem dieser Entwicklung: Ein guter Produktkatalog lässt sich nicht innerhalb weniger Tage herstellen. Fehlende Attribute müssen identifiziert und ergänzt werden. Beschreibungen und Bilder müssen überprüft werden. Daten müssen konsistent über verschiedene Kanäle ausgespielt werden. Schwache Produktseiten benötigen neuen Content. Bewertungsbestände lassen sich ebenfalls nicht auf Knopfdruck aufbauen.

Je näher Black Friday und das Weihnachtsgeschäft rücken, desto schwieriger werden größere Eingriffe. Spätestens im Oktober konzentrieren sich viele Teams auf die operative Umsetzung des Peak-Geschäfts. Dann gleichzeitig umfangreiche Produktdatenstrukturen zu verändern, neue Inhalte über Tausende SKUs auszurollen oder grundlegende Katalogprobleme zu beheben, erhöht Komplexität und Risiko.

August und September sind deshalb nicht nur Monate für Forecasting, Bestandsplanung und Kampagnenvorbereitung. Sie sind 2026 auch das sinnvolle letzte Zeitfenster, um die Grundlagen für KI-basierte Produktsichtbarkeit zu überprüfen. Dabei muss es nicht darum gehen, den gesamten Produktkatalog neu aufzubauen. Sinnvoller ist ein priorisiertes Vorgehen.

Für die Produkte, die im vierten Quartal besonders relevant sein sollen, sollten Händler zunächst prüfen, ob zentrale Produktattribute vollständig und eindeutig vorliegen. Sind Merkmale dokumentiert, nach denen Verbraucher tatsächlich auswählen? Sind Angaben über unterschiedliche Vertriebskanäle hinweg konsistent? Sind Titel, Beschreibungen und Bilder ausreichend konkret, um Produkte voneinander zu unterscheiden?

Im zweiten Schritt lohnt der Blick über die eigene Produktseite hinaus. Wie wird die Marke in Bewertungsportalen, auf Marktplätzen oder anderen öffentlich zugänglichen Plattformen beschrieben? Welche Informationen finden sich dort über die Produkte? Stimmen diese mit der eigenen Darstellung überein?

Und schließlich sollten Händler beginnen, ihre Sichtbarkeit in KI-gestützten Umgebungen systematischer zu beobachten. Klassische KPIs wie Rankings, Klicks und Conversion Rates verschwinden dadurch nicht. Ergänzend werden jedoch Fragen relevant wie: Wird eine Marke bei typischen Kaufanfragen überhaupt genannt? Für welche Anwendungsfälle erscheinen ihre Produkte? Wie werden sie eingeordnet - und welche Wettbewerber werden stattdessen empfohlen?

Das ist noch keine so etablierte Disziplin wie klassische SEO. Gerade deshalb ist es sinnvoll, jetzt Erfahrungen und Benchmarks aufzubauen, statt erst während des Weihnachtsgeschäfts festzustellen, dass sich die Regeln der Produktsuche verändert haben.

Die neue Definition von Peak Readiness

Das Golden Quarter hat im E-Commerce schon immer diejenigen belohnt, die frühzeitig vorbereitet waren. Neu ist, dass Vorbereitung heute über Warenbestand, Promotionskalender und technische Skalierbarkeit hinausgehen muss. Händler müssen weiterhin attraktive Produkte zum richtigen Preis anbieten und zuverlässig liefern können. Gleichzeitig sollten sie sicherstellen, dass digitale Systeme eindeutig verstehen können, was sie verkaufen, für wen ein Produkt geeignet ist und warum es für eine bestimmte Kaufabsicht relevant sein könnte.

David Jennison , Managing Director, Europe von Pattern 

Autoreninfo:
David Jennison blickt auf mehr als 15 Jahre Erfahrung im Aufbau und der Skalierung von E-Commerce-Unternehmen in Großbritannien und Europa zurück. Er hatte Führungspositionen bei Amazon inne, leitete die internationale Expansion eines durch Risikokapital finanzierten KI-Logistik-Scale-ups und baute eine E-Commerce-Beratungsfirma auf, die führende Einzelhandelsmarken auf mehreren europäischen Marktplätzen unterstützte, bevor er das Unternehmen verkaufte. Darüber hinaus berät er zu KI-Strategien und hilft Firmen dabei, neue Technologien in messbare geschäftliche Erfolge umzusetzen. Bei Pattern konzentriert er sich auf den Aufbau und die Skalierung leistungsstarker E-Commerce-Lösungen für globale Marken.

Pattern Inc.
76 Wardour Street
W1F 0UR London
https://uk.pattern.com/