So taucht ein Online-Shop in Google AI Overviews auf

Bei immer mehr Shopping-Suchen zeigt Google eine hervorgehobene Antwortbox, noch vor der klassischen Liste mit zehn Links. Meist enthält sie eine kurze Textzusammenfassung, manchmal eine Reihe von Produktkarten mit Fotos und Preisen, und sie sitzt direkt über den Ergebnissen, die Käufer früher als Erstes durchgescrollt haben. Das ist eine AI Overview, und bei vielen Suchen wie "beste X für Y" oder "wo kaufe ich Z" ist sie das einzige, was ein Käufer liest, bevor er weiterklickt, einen bestimmten Shop prüft oder die Frage präzisiert.

Für Shopbetreiber liegt die naheliegende Frage bei "wie rankt man in AI Overviews". Die nützlichere Frage ist "über welchen Teil der Box sprechen wir eigentlich", denn eine AI Overview ist kein einzelnes Ding, das von einem einzelnen Signal gespeist wird. In derselben visuellen Box stecken zwei unterschiedliche Mechanismen, und jeder davon belohnt eine andere Art von Arbeit.

Was ein Käufer in einer AI Overview sieht

Öffne eine AI Overview zu einer Shopping-Frage, und meist siehst du zwei getrennte Elemente, obwohl sie wie ein einziges Panel wirken.

Das erste ist eine kurze Textantwort: zwei bis fünf Sätze oder ein paar Aufzählungspunkte, die das Thema zusammenfassen, oft mit kleinen Links zu einigen Seiten, aus denen die Antwort stammt. Dieser Teil taucht bei vergleichenden Fragen auf - "beste günstige Espressomaschinen", "lohnt sich [Produktkategorie] für eine kleine Küche".

Das zweite ist eine horizontale Reihe von Produktkarten: ein Foto, ein Preis, ein Shop- oder Markenname, manchmal eine Bewertung, jede als eigene Kachel, die ein Käufer antippen kann, um zum Angebot zu gelangen. Dieser Teil taucht eher bei transaktionalen Fragen auf - "Espressomaschine unter 300 Euro kaufen", ein konkreter Modellname plus "Preis".

Nicht jede Suche löst beide Elemente aus, und nicht jeder Shop, der in einem auftaucht, taucht auch im anderen auf. Ein Shop kann in der Textantwort zitiert werden und in der Produktreihe auf derselben Seite komplett fehlen, oder umgekehrt. Die gesamte Box als ein einziges Ranking zu behandeln, um das man kämpft, ist der erste Fehler, den du vermeiden solltest.

Zwei Spuren: zitierte Seiten gegen Produktkarten

Die Textzusammenfassung und die Produktkarten entstehen aus unterschiedlichen Mechanismen, und zu wissen, welchen davon du beeinflussen willst, verändert, welche Arbeit tatsächlich zählt.

Die Textantwort: gecrawlte und zitierte Seiten

Der Textteil funktioniert wie die meisten KI-generierten Antworten: Ein System liest Seiten im Web, die zur Frage passend erscheinen, fasst aus dem, was mehrere davon sagen, eine kurze Antwort zusammen und verlinkt auf einige der Seiten, aus denen es geschöpft hat. Zitiert zu werden hängt hier von denselben Dingen ab, die entscheiden, ob eine Seite in einen normalen hervorgehobenen Suchausschnitt gelangt: Ist die Seite überhaupt indexiert, ist sie für einen Crawler erreichbar, und beantwortet sie die tatsächliche Frage des Käufers klar in Text, den ein System sicher extrahieren kann.

Produktkarten: der Shopping Graph

Die Produktreihe stammt aus Googles eigenen Shopping-Daten - dem, was meist als Shopping Graph bezeichnet wird. Dieser Graph entsteht vor allem aus Produktfeeds, die Händler über Google Merchant Center einreichen, kombiniert mit strukturierten Produktdaten, die Googles Crawler direkt auf einer Seite finden. Ein bestimmtes Produkt in dieses Karussell zu bekommen, ist eine Frage von Merchant Center und Feed-Verwaltung, die über Googles eigene Tools und Kontoeinstellungen läuft. Kein Drittanbieter-Sichtbarkeitstool und kein GEO-Tool reicht einen Feed im Namen eines Shops ein oder verwaltet ein Merchant-Center-Konto - diese Einrichtung und die Datenqualität liegen klar beim Shop und bei wem auch immer den Feed betreut.

Beide Spuren haben eines gemeinsam: Beide brauchen, dass Google überhaupt eine funktionierende, crawlbare und korrekt beschriebene Version der Seite hat. Über dieses gemeinsame Fundament hinaus trennen sie sich.

Was weiterhin wie normales SEO aussieht

Es ist verlockend, nach einem speziellen Tag, einem versteckten Schema-Typ oder einem "AI-Overview-Metafeld" zu suchen, das die Textzusammenfassung freischaltet. So etwas gibt es nicht. Google sagt konsequent, dass AI Overviews aus demselben gecrawlten und indexierten Web-Content entstehen, der auch die normalen Suchergebnisse speist, und dass der Weg zur Eignung derselbe ist wie der Weg zu einem guten Ranking: Eine Seite muss crawlbar, indexiert und zitierwürdig sein.

In der Praxis heißt das, die langweilige Liste gilt weiterhin. Eine Seite muss ohne Fehler für einen Crawler laden, darf die Bots, die diesen Content sammeln, nicht blockieren, muss ihren tatsächlichen Inhalt in HTML angeben statt nur in einem Bild oder einem Skript, das für einen Bot nie rendert, und muss die Frage, die ein Käufer tatsächlich stellt, direkt beantworten, statt nur einen Werbeslogan zu tragen. Eine Vergleichsseite, die nie sagt, welches Produkt für welchen Einsatzzweck besser ist, oder eine Kategorieseite, die nur aus Hero-Bildern ohne echten Text besteht, gibt einem zusammenfassenden System nichts zum Extrahieren und Zitieren - dasselbe Problem, das eine Seite aus einem klassischen hervorgehobenen Ausschnitt heraushält, hält sie auch aus einer AI-Overview-Zitierung heraus.

Nichts davon ist spezifisch für AI Overviews. Es ist dieselbe Grundlagenarbeit, die in der GEO-Checkliste für Online-Shops beschrieben ist: crawlbare Seiten, echte Antworten in Text, und Inhalte, die Fakten klar benennen statt nur anzudeuten.

Produktdaten, die Shopping-Oberflächen tatsächlich brauchen

Der direkte Weg ins Shopping-Karussell von Google läuft über Merchant Center, und das ändert sich nicht, egal was auf der Seite steht. Aber Product- und Offer-Schema auf der Seite, das zu dem passt, was ein Käufer tatsächlich sieht, lohnt sich trotzdem aus zwei Gründen, die nichts mit einem Feed zu tun haben.

Erstens ist es einer der Inputs, die der Shopping Graph selbst direkt von einer gecrawlten Seite ziehen kann, zusätzlich zu dem, was ein Feed liefert. Zweitens, und oft unmittelbar nützlicher, ist es genau das, was andere KI-Shopping-Assistenten lesen, wenn sie entscheiden, ob sie ein Produkt sicher nennen. Ein Modell, das eine Produktseite liest, um zu entscheiden, ob es sie in einer Antwort empfiehlt, stützt sich auf dieselben strukturierten Fakten: aktueller Preis, Währung, Verfügbarkeit und ein Link zurück zu der genauen Seite, von der diese Fakten stammen. Dieser Mechanismus wird ausführlicher in empfiehlt ChatGPT deinen Online-Shop beschrieben, und er gilt egal ob der fragende Assistent ChatGPT, Gemini oder die Textebene einer AI Overview ist.

Ein paar Dinge lohnen sich auf den Seiten zu prüfen, die tatsächlich verkaufen:

• Preis und Währung im Schema stimmen mit dem überein, was auf dem Bildschirm angezeigt wird. Ein Preis, der nur im Bild oder nur im Schema korrekt ist, aber nicht in beidem gleichzeitig, wirkt für alles, was ihn zitieren will, unzuverlässig.
• Die Verfügbarkeit spiegelt den echten Lagerbestand. Ein Produkt, das im Schema als verfügbar markiert ist, während die Seite "ausverkauft" zeigt, ist genau die Art von Diskrepanz, die das Vertrauen in die gesamte Seite unterminiert, nicht nur in dieses eine Feld.
• Ein stabiler Identifikator ist vorhanden - SKU oder GTIN, wo eines existiert - damit dasselbe Produkt zuverlässig über Feed, Seite und alles, was die Seite direkt liest, hinweg zugeordnet werden kann.
• Das Schema wird aus den Produktdaten generiert, statt einmal hineinkopiert und danach statisch für jedes Produkt im Katalog zu bleiben.

Nichts davon ersetzt einen Merchant-Center-Feed speziell für das Shopping-Karussell, und kein Sichtbarkeitstool repariert einen Feed für dich. Es erhöht aber die Chance, dass eine Seite überall sicher gelesen und zitiert wird, wo ein Käufer fragen könnte - auch in der Texthälfte einer AI Overview und in anderen KI-Assistenten.

So prüfst du, ob du auftauchst

Beide Spuren zu prüfen bedeutet, zwei unterschiedliche Dinge zu prüfen, und keines davon ist ein einfaches Ja oder Nein aus einer einzigen Suche.

Bei der Textantwort ist die direkte Methode manuell: Suche nach ein paar tatsächlichen Fragen, die Käufer vor dem Kauf in einer Kategorie stellen, lies, welche Overview erscheint, und prüfe, ob deine Domain zu den verlinkten Zitaten gehört. Wiederhole dieselbe Suche ein paar Tage später - Overviews ändern sich, wenn Seiten neu gecrawlt werden und wenn sich die zugrunde liegende Antwort verschiebt, also ist ein einzelner Blick eine Momentaufnahme, kein Urteil.

Beim Produktkarussell ist das zuerst eine Merchant-Center-Frage: ob Produkte im Konto tatsächlich genehmigt und zulässig sind, worüber Googles eigene Diagnosen innerhalb von Merchant Center direkt berichten. Diese Seite liegt außerhalb dessen, was ein GEO- oder KI-Sichtbarkeitstool trackt.

Genau hier hilft ein Tool wie Aigely: auf der geschriebenen, zitierten Ebene regelmäßig tracken, ob ein Shop in Google-AI-Overview-Antworten auf echte Shopping-Fragen genannt wird, und wie er bei ChatGPT und anderen Assistenten auf dieselben Fragen abschneidet. Das deckt mehrere Assistenten ab, ersetzt aber keine Merchant-Center-Diagnosen.

Eine Einschränkung beim Umfang: Der kostenlose Aigely Scan lässt zehn Shopping-Fragen nur gegen ChatGPT laufen, für eine Domain, einmal pro Woche, ohne Kreditkarte - er prüft keine Google AI Overviews. Ob ein Shop in AI-Overview-Antworten genannt wird, trackst du nur mit einem bezahlten Plan: Starter deckt ChatGPT und Google AI Overviews zusammen wöchentlich ab, Pro ergänzt Gemini, und Business ergänzt Claude zusätzlich zum Rest. Eine Woche zum Testen (Karte nötig) umfasst AI Overviews und Gemini zusammen mit ChatGPT, allerdings nicht Claude - genug, um die Textzitate über die wichtigsten Assistenten zu sehen, bevor du dich für einen Plan entscheidest.

Eine praktische Reihenfolge der Arbeit

Bei zwei Spuren, die auf unterschiedliche Arbeit reagieren, sieht eine sinnvolle Reihenfolge etwa so aus:

1. Kümmere dich zuerst um die Grundlagen der Crawlbarkeit. Beide Spuren brauchen, dass Google eine Seite überhaupt erreichen, rendern und indexieren kann, bevor irgendetwas anderes zählt. Eine Seite, die Fehler zurückgibt, Crawler blockiert oder ihren Inhalt hinter JavaScript versteckt, das für einen Bot nie rendert, verliert auf beiden Spuren, bevor die Content-Qualität überhaupt eine Rolle spielt.
2. Schreibe Seiten, die die Frage, die ein Käufer tatsächlich stellt, klar beantworten. Das speist die Textantwort: eine echte Antwort in Text, nicht nur eine Überschrift und ein Hero-Bild, auf den Kategorie- und Vergleichsseiten, auf denen ein Käufer vor dem Kauf wahrscheinlich landet.
3. Füge Product- und Offer-Schema hinzu oder korrigiere es, damit es exakt zur sichtbaren Seite passt. Preis, Währung, Verfügbarkeit und ein stabiler Identifikator, generiert aus echten Produktdaten statt einmal hineinkopiert. Das hilft dem Shopping Graph, eine Seite direkt zu lesen, und ist genau das, was andere KI-Assistenten prüfen, bevor sie ein Produkt nennen.
4. Halte den Merchant-Center-Feed separat synchron. Wenn ein Shop Shopping-Anzeigen oder kostenlose Einträge nutzt, ist die Genauigkeit des Feeds selbst und sein Genehmigungsstatus eine Merchant-Center-Aufgabe, die über Googles eigene Kontodiagnosen geprüft wird, nicht über das, was ein GEO-Audit misst.
5. Tracke es nach Zeitplan, statt einmal zu prüfen. Starte mit einer Ausgangsbasis über den kostenlosen ChatGPT-Scan und wechsle dann zu einem Plan, der auch Google AI Overviews trackt, sobald wöchentliches Tracking wichtig wird. Sieh dir an, wie das Tracking funktioniert, bevor du entscheidest, wie viel Abdeckung ein Shop braucht.

Starte mit dem kostenlosen Aigely Scan, um zu sehen, wo ein Shop heute bei ChatGPT steht, und vergleiche die Pläne, um Tracking für Google AI Overviews, Gemini und Claude zu ergänzen, sobald wöchentliche Sichtbarkeit über mehrere Assistenten hinweg ihren Preis wert ist.