So bereiten Sie Produktinhalte für die KI-Suche und den agentischen Handel vor

Produktbeschreibungen haben den Kunden schon immer dabei geholfen, zu verstehen, was sie kaufen. Doch zunehmend sind die Kunden nicht mehr die einzige Zielgruppe, die diese Informationen bewertet.

KI-Antwort- und Generierungs-Engines, Einkaufsassistenten und andere Agenten beginnen damit, Produktdaten im Auftrag des Käufers zu interpretieren. Sie können diese nutzen, um Fragen zu beantworten, Alternativen zu vergleichen, Vor- und Nachteile zu erläutern oder zu ermitteln, welche Produkte einer detaillierten Anfrage entsprechen.

Dies verändert die Fragen, die sich Marken stellen müssen.

Es geht nicht mehr nur um die Frage: „Können Kunden dieses Produkt finden?“, sondern auch um die Frage: „Kann ein KI-System es verstehen, vergleichen und in eine Antwort einbeziehen?“

Um dieser neuen Anforderung gerecht zu werden, reicht es nicht aus, lediglich zusätzliche Produkttexte zu verfassen. Die Teams müssen die Fakten, Zusammenhänge und den geschäftlichen Kontext ermitteln, die es Käufern und KI-Systemen ermöglichen zu verstehen, wann, wo und warum ein Produkt geeignet ist.

Die Herausforderung besteht darin, dass dieser Kontext über Produktdatensätze, Markenrichtlinien, technische Dokumentationen, gesetzliche Anforderungen und das Wissen interner Teams verstreut sein kann. Dies präzise und konsistent zusammenzuführen, wird bei umfangreichen Katalogen, Märkten, Sprachen und Kanälen noch schwieriger.

Warum Produktattribute allein möglicherweise nicht ausreichen 

Ausgangspunkt ist der Produktdatensatz. Dieser kann technisch zwar vollständig sein, aber dennoch keine Antworten auf die Fragen liefern, die ein KI-System klären muss.

Nehmen wir eine Waschmaschine als Beispiel. Ihr regulierter Produktdatensatz könnte Folgendes enthalten:

• Abmessungen
• Fassungsvermögen
• Energieeffizienzklasse
• Materialien
• Verfügbare Programme
• Aufstellungsvoraussetzungen
• Herkunftsland
• Verpackungsinformationen

Diese Fakten sind wichtig. Aber ein Käufer stellt sich vielleicht eine Frage, die den Kontext besser berücksichtigt: „Welche Waschmaschine eignet sich am besten für eine kleine Wohnung, häufiges Waschen und einen geringen Energieverbrauch?“

Um diese Frage sicher beantworten zu können, benötigt ein KI-System mehr als nur isolierte Attributwerte. Es benötigt genügend Kontext, um zu verstehen, in welchem Zusammenhang diese Attribute mit dem Verwendungszweck des Käufers stehen.

Dieser Kontext kann Anwendungsfälle, Kompatibilität, Zertifizierungen, Kundenbedürfnisse, Markenrichtlinien, gesetzliche Auflagen oder anderes anerkanntes Geschäftswissen umfassen. Ohne diesen Kontext verfügt ein KI-System zwar über genaue Daten, es fehlen ihm jedoch möglicherweise die Informationen, die für einen aussagekräftigen Produktvergleich erforderlich sind.

Dies schafft eine neue Herausforderung im Bereich der Inhalte. Unternehmen müssen die Produktwahrheit wahren und diese gleichzeitig für Systeme nutzbarer machen, die Fragen interpretieren, Optionen bewerten und Antworten generieren.

AEO und GEO erfordern eine kontinuierliche Verbesserung

Die Optimierung für Antwort-Engines (AEO) und die Optimierung für generative Engines (GEO) sind keine einmaligen Maßnahmen im Bereich der Inhalte.

Ein Unternehmen kann nicht einfach eine Handvoll Produktbeschreibungen optimieren, die Arbeit als abgeschlossen betrachten und davon ausgehen, dass seine Produkte in den von KI generierten Antworten weiterhin sichtbar und korrekt dargestellt werden.

Stattdessen erfordern AEO und GEO einen kontinuierlichen Kreislauf:

• Verstehen, wie Kunden Fragen stellen
• Beurteilen, ob jedes Produkt diese Fragen beantworten kann
• Fehlende Fakten, Zusammenhänge oder Kontext identifizieren
• Die verwalteten Produktinformationen verbessern
• Wandeln Sie diese Informationen in klare, kanalgerechte Inhalte um
• Verteilen Sie die aktualisierten Inhalte
• Beobachten Sie, wie Produkte in KI-gesteuerten Erlebnissen dargestellt werden
• Wenden Sie diese Erkenntnisse auf die nächste Verbesserungsrunde an

Um diesen Kreislauf zu unterstützen, bedarf es eines wiederholbaren Verfahrens, mit dem regulierte Attribute und genehmigtes Geschäftswissen in klarere, aussagekräftigere Produktdarstellungen umgewandelt werden können.

Doch die zugrunde liegende Basis spielt nach wie vor eine wichtige Rolle. Fehlen im regulierten Produktdatensatz Informationen zu Kompatibilität, Zertifizierung, Verfügbarkeit oder Anwendungsfällen, kann selbst ein ausgefeilter Text dies nicht zuverlässig ausgleichen.

AEO und GEO mögen die Schwachstelle aufdecken, doch die eigentliche Aufgabe besteht darin, die Produktinformationen selbst zu verbessern.

Von der KI-Suche zu Agentic Commerce

Bei AEO geht es darum, ob ein KI-System ein Produkt finden, interpretieren und in einer Antwort präzise darstellen kann.

Agentic Commerce legt die Messlatte noch höher.

Da KI-Systeme zunehmend Aufgaben im Bereich der Suche, des Vergleichs und der Bewertung übernehmen, können Produktinformationen nicht nur beeinflussen, was in einer Antwort erscheint, sondern auch, was für zukünftige Maßnahmen in Betracht gezogen wird.

Bessere Produktdaten können nicht garantieren, dass ein KI-System ein Produkt empfiehlt. Aber sie können dazu führen, dass dieses Produkt:

• besser in die Antwort einbezogen werden
• besser vergleichbar
• genauer dargestellt
• einfacher anhand der Kundenabsicht zu bewerten
• Besser steuerbar über den gesamten Content-Lebenszyklus hinweg

Der allgemeine Wandel besteht darin, dass es nicht mehr nur darum geht, um die Aufmerksamkeit der Menschen zu konkurrieren, sondern darum, von KI korrekt interpretiert und ausgewählt zu werden.

Ein Produkt gelangt möglicherweise gar nicht erst in die Auswahl eines Kunden, wenn das im Namen des Kunden handelnde System keine grundlegende Kompatibilität feststellen, eine wichtige Zertifizierung nicht interpretieren oder den für den Vergleich mit Alternativen erforderlichen Kontext nicht abrufen kann.

Diese verpasste Chance ist möglicherweise auch schwer zu erkennen. Es gibt möglicherweise keinen verlassenen Warenkorb, keine Absprungrate auf der Website oder keine fehlgeschlagene Suche, die analysiert werden könnten, da das Produkt bereits ausgeschlossen wurde, bevor der Kunde einen markeneigenen Kanal besucht hat. Das liegt daran, dass sich der Markt von traditionellen Website-Signalen hin zu KI-gestützter Bewertung, Empfehlung und Kaufentscheidung verlagert.

Die Frage, die sich jedes Produktteam stellen sollte

Jedes Produktteam sollte sich eine praktische Frage stellen:

Wenn ein KI-Agent heute eines Ihrer wichtigsten Produkte anhand eines detaillierten Kundenbedarfs bewerten würde, welche fehlende Information könnte dazu führen, dass es aus der Auswahl gestrichen wird?

Wäre es:

• Ein Detail zur Kompatibilität?
• Die aktuelle Verfügbarkeit?
• Eine Zertifizierung?
• Ein Anwendungsfall?
• Ein Material oder Inhaltsstoff?
• Eine Beziehung zwischen dem Produkt und einem Zubehörteil?
• Geschäftswissen, das irgendwo im Unternehmen vorhanden ist, aber nie in den Produktdatensatz gelangt?

Dies ist eine nützliche Übung, da sie die Diskussion über die bloße Erstellung weiterer Inhalte hinausführt.

Das Ziel besteht darin, die Fakten und den Kontext zu ermitteln, anhand derer Kunden und KI-Systeme feststellen können, ob ein Produkt einem bestimmten Bedarf entspricht.

Wie können Teams Produktinhalte für KI aufbereiten?

Unternehmen können damit beginnen, eine kleine, aber wichtige Gruppe von Produkten auszuwählen und die strukturierten Produktinformationen mit den Fragen zu vergleichen, die Kunden tatsächlich stellen.

Berücksichtigen Sie für jedes Produkt Folgendes:

• Sind die Kernattribute vollständig und aktuell?
• Wird die Kompatibilität klar dargestellt?
• Sind relevante Zertifizierungen übersichtlich strukturiert und leicht zugänglich?
• Enthält der Datensatz aussagekräftige Anwendungsbeispiele?
• Können verschiedene Produkte anhand einheitlicher Merkmale verglichen werden?
• Sind die Beziehungen zu Zubehör, Varianten oder ergänzenden Produkten eindeutig dargestellt?
• Basieren die Inhalte auf anerkannten Marken- und Unternehmenskenntnissen?
• Können Teams die erstellten Inhalte auf vertrauenswürdige Produktinformationen zurückführen?

Dieser Prozess kann aufzeigen, ob das Problem in erster Linie in der Qualität der Inhalte liegt oder ob wesentliche Fakten in der Produktgrundlage fehlen.

Fehlen die zugrunde liegenden Informationen, ist eine bessere Eingabeaufforderung nicht die oberste Priorität. Vielmehr sind besser verwaltete Produktdaten erforderlich.

Die Stärkung der Produktdatenbasis ist immer die oberste Priorität. Sobald diese geschaffen ist, benötigen die Teams eine praktische Möglichkeit, kontrollierte Fakten und genehmigtes Geschäftswissen in Inhalte für Käufer, Kanäle und Antwortmaschinen umzuwandeln.

Hier kommt unser „Content Optimizer Agent“ ins Spiel.

Lernen Sie den Content Optimizer Agent kennen

Unser Content Optimizer Agent erzeugt Produktinhalte auf der Grundlage kontrollierter Stammdaten und genehmigter geschäftlicher Zusammenhänge.

Der Agent nutzt Produktattribute, die bereits in STEP, unserer bewährten Intelligence-Plattform, bereits erfasst wurden, um Produktbeschreibungen, AEO-/GEO-Inhalte und Marketingtexte direkt aus diesen geregelten Attributen zu generieren. Er fügt den Anwendungsfallkontext hinzu, den KI-Engines benötigen, um das richtige Produkt für die richtige Anfrage zu empfehlen, und hilft Marken dabei, AEO-fähige Inhalte zu erstellen, die jeden Markt erreichen können, ohne für jeden einzelnen manuell umgeschrieben werden zu müssen.

Der Agent arbeitet mit:

• Verwaltete Produktdaten: Die vertrauenswürdigen Attribute, die bereits in STEP verwaltet werden.
• Genehmigtes Geschäftswissen: Die Richtlinien, Regeln und Kontextinformationen, die festlegen, wie diese Fakten dargestellt werden sollen.
• Ein definierter Workflow: Ein Prozess, durch den Mitarbeiter die generierten Inhalte prüfen, verfeinern, genehmigen und verteilenkönnen .

Der Agent nutzt die verfügbaren Informationen, um die Darstellung des Produkts zu verbessern, überlässt die endgültige Freigabe jedoch dem menschlichen Nutzer.

Dies unterscheidet sich von einem universellen KI-Tool, das lediglich weiß, was jemand in die Eingabeaufforderung eingibt. Wenn in der Eingabeaufforderung das Herkunftsland oder die Allergenangabe fehlt, füllt das Tool die Lücke möglicherweise mit einer plausiblen Angabe. Unser Content-Optimizer-Agent geht von den Attributen aus, die in STEP bereits erfasst und geregelt sind, sodass der Text die tatsächlichen Produkteigenschaften widerspiegelt.

Wie funktioniert der Content Optimizer Agent?

Innerhalb der Product Experience Data Cloud beginnt der Workflow mit Produktdatensätzen in STEP, die sich in verschiedenen Vorbereitungsphasen vor der Veröffentlichung befinden. Jeder Datensatz enthält geregelte Stammdaten, Platz für zusätzlichen AEO-orientierten Kontext sowie Verweise auf relevantes Geschäftswissen.

Der „Content Optimizer“ kombiniert diese Eingaben, um kontextbezogene Inhalte zu generieren, die anschließend einen Überprüfungs- und Genehmigungsprozess durchlaufen können.

Die daraus resultierenden Inhalte können Folgendes umfassen:

• Produktbeschreibungen
• Kanalspezifische Marketingtexte
• AEO-, GEO- und SEO-optimierte Inhalte
• Ausführliche Produktdetails
• Anwendungsszenarien, die der KI helfen, ein Produkt zu bewerten und zu empfehlen

Das Ziel ist nicht die Erstellung von Inhalten um ihrer selbst willen, sondern die Umwandlung fundierter Produktdaten in Inhalte, die über alle digitalen Kanäle und KI-gestützten Erlebnisse hinweg korrekt, konsistent und nützlich bleiben. Außerdem sollen die Inhalte kontrolliert und nachvollziehbar bleiben, wobei sie vor der Veröffentlichung einer menschlichen Überprüfung unterzogen werden.

Warum die Überprüfung durch Menschen nach wie vor wichtig ist

KI kann die Erstellung von Inhalten beschleunigen, doch Geschwindigkeit ist nicht die einzige Anforderung.

Produktinhalte müssen das zugrunde liegende Produkt genau wiedergeben. Möglicherweise müssen sie zudem Markenstandards, Kanalvorgaben, gesetzliche Auflagen oder marktspezifische Regeln einhalten. Eine flüssige Antwort ist nicht automatisch auch eine korrekte oder genehmigte Antwort.

Mit dem Content Optimizer liegt die endgültige Entscheidung weiterhin beim Nutzer. Das bedeutet, dass Teams generierte Inhalte im Rahmen eines festgelegten Workflows prüfen, verfeinern, genehmigen und verbreiten können.

Dadurch entsteht eine praktische Arbeitsteilung:

• STEP liefert verifizierte Produktdaten
• Geschäftswissen ergänzt den Marken- und betrieblichen Kontext
• Der Agent erstellt oder verbessert Inhalte anhand der verfügbaren Informationen
• Mitarbeiter prüfen und genehmigen das Endergebnis

Dieses Gleichgewicht hilft Teams, schneller voranzukommen, ohne die Erstellung von Inhalten von den dahinterstehenden Daten- und Governance-Prozessen zu trennen.

Von einer leeren Eingabeaufforderung zu regelkonformen Inhalten

Generative KI hat die Inhaltserstellung beschleunigt. Die noch bedeutendere Chance besteht jedoch darin, die Inhaltserstellung vertrauenswürdig, kontextbezogen und mit Unternehmensdaten verknüpft zu gestalten.

Der „Content Optimizer“ zeigt uns, wie dieses Modell in der Praxis aussehen kann.

Anstatt die KI zu beauftragen, eine Produktgeschichte von Grund auf neu zu erfinden, geht der Agent von fundierten Produktinformationen aus. Er wendet anerkanntes Fachwissen an, ermittelt, wo der Kontext die Darstellung verbessern kann, und hilft bei der Erstellung von Inhalten für Kanäle, Suchmaschinen und die KI-gestützte Produktsuche. Die Menschen bleiben weiterhin in die endgültige Entscheidung eingebunden.

Dieses Modell fördert mehr als nur Effizienz. Es hilft Unternehmen dabei, eine zuverlässige Verbindung zwischen dem, was das Unternehmen über ein Produkt weiß, und dem, was Kunden oder KI-Systeme letztendlich sehen, aufrechtzuerhalten.

AEO ist die sichtbare Anforderung, während „Agentic Commerce“ den umfassenderen Wandel darstellt. Und vertrauenswürdige, kontextbezogene Produktinformationen bilden die Grundlage für beides – und können von Unternehmen bereits heute gestärkt werden.