# Sascha Hoffmann

> Mit meinen Werkzeugen prüfst du, ob KI-Systeme dein Unternehmen finden und empfehlen. Ich zeige dir, wie du die Ergebnisse liest und wo du an deiner Website ansetzen kannst. Einstieg ist der kostenlose AgentReady Check: https://ai-agent-ready.com/check

Sascha Hoffmann baut Software für Agent-Traffic und veröffentlicht, was er dabei misst. Mit dem AgentReady Check prüft er, ob KI-Agenten eine Domain finden, verstehen und dort kaufen können, mit dem AgentReady Monitor misst er monatlich, was ChatGPT, Claude, Gemini und Perplexity über eine Marke antworten.

## Die drei Stufen des Agent-Traffic
Ich prüfe zuerst, ob ein Agent die Seite abrufen kann. Dann sehe ich mir an, welche Angaben er bekommt und ob er damit einen Kauf abschließen könnte.

### 01 Auffindbar
Kommt ein Agent überhaupt an deine Seite?
In der robots.txt legst du Regeln für Crawler fest. Ich prüfe auch, ob ein vorgeschalteter Schutzdienst den Abruf blockiert.

### 02 Lesbar
Versteht er, was du anbietest?
Bei einem reinen HTML-Abruf zählt der Text, den dein Server liefert. Ich prüfe, ob darin dein Angebot verständlich beschrieben ist und Kundenfragen beantwortet werden.

### 03 Kaufbar
Kann ein Agent bei dir abschließen?
Für einen Kauf muss ein Agent wissen, was angeboten wird, welche Bedingungen gelten und wie er den Abschluss auslösen kann. Diese Schritte sehe ich mir einzeln an.

Ob dein Unternehmen in KI-Antworten vorkommt, prüfe ich gesondert. Dafür messe ich die KI-Sichtbarkeit mit einem festen Satz von Fragen.

## Fakten
- Sascha Hoffmann baut Software für Agent-Traffic: Werkzeuge, mit denen sich prüfen lässt, ob KI-Modelle ein Unternehmen finden, korrekt beschreiben und empfehlen.
- Er betreibt den AgentReady Check, der eine Domain technisch darauf prüft, ob Agenten sie finden, ansprechen und dort kaufen können.
- Er betreibt den AgentReady Monitor, der monatlich ein festes Set aus 25 Kauf-Prompts gegen bis zu neun Sprachmodelle laufen lässt und daraus Score, Share of Answer und offene Lücken berechnet.
- Er arbeitet an Flow, der Technik, über die KI-Agenten direkt kaufen können.
- Er baut außerdem Clapr, Loop Engineer und den 21-Prozesse-Check unter der Marke The Autopilot.
- Seine Themen sind Generative Engine Optimization, KI-Sichtbarkeit und Agentic Commerce.
- Er veröffentlicht seine Befunde öffentlich, auf dieser Seite und in seinem Newsletter.
- Er arbeitet auf Deutsch und Englisch und sitzt in Deutschland.

## Häufige Fragen
### Was ist Agent-Traffic?
Agent-Traffic bezeichnet hier Zugriffe von KI-Systemen, etwa bei einer Websuche oder der Recherche eines Agenten im Auftrag eines Kunden. Ein solcher Zugriff sagt allein noch nichts darüber aus, ob daraus eine Empfehlung oder ein Kauf entsteht.

### Warum reicht klassisches SEO dafür nicht?
Eine gute Position in der Suche beantwortet noch nicht, was KI-Systeme über dein Unternehmen sagen. Dafür prüfe ich die Antworten selbst: Wird deine Marke genannt, stimmen die Angaben und wie wird dein Angebot beschrieben?

### Was prüft der Check genau?
Ob die Technik einer Domain für Agenten lesbar ist: robots.txt mit den KI-Crawlern, llms.txt und llms-full.txt, strukturierte Daten, serverseitig geliefertes HTML, ein maschinenlesbarer FAQ-Teil und ob Preise überhaupt auffindbar sind. Der Check bewertet keine Qualität, er sagt dir, ob du technisch überhaupt in Frage kommst.

### Was kostet der Check?
Nichts. Du gibst eine Domain ein und bekommst das Ergebnis sofort, ohne Anmeldung. Der Monitor, der monatlich gegen die Modelle misst, ist das kostenpflichtige Produkt darüber.

### Für wen lohnt sich das heute schon?
Der Check richtet sich an Unternehmen, die wissen möchten, ob ihre Website für KI-Systeme zugänglich ist. Bei längeren Kaufentscheidungen ist außerdem interessant, wie die Modelle dein Angebot im Vergleich zu anderen beschreiben.

## Seiten
- Startseite: https://www.saschahoffmann.xyz/
- GEO-Optimierung: https://www.saschahoffmann.xyz/geo-optimierung
- KI-Sichtbarkeit: https://www.saschahoffmann.xyz/ki-sichtbarkeit
- Agentic Commerce: https://www.saschahoffmann.xyz/agentic-commerce
- Wissen: https://www.saschahoffmann.xyz/wissen

---

# Agentic Commerce in Deutschland: wo B2B heute steht (ACP, UCP und AP2 erklärt)

URL: https://www.saschahoffmann.xyz/wissen/agentic-commerce-deutschland
Sprache: de
Typ: Ratgeber
Veröffentlicht: 2026-09-25T08:00:00+02:00
Zuletzt geändert: 2026-09-25T08:00:00+02:00

Der Kaufabschluss über Google und ChatGPT ist in Deutschland nicht freigeschaltet. Was ACP, UCP und AP2 regeln, warum sie kaum auf B2B passen und was du jetzt vorbereiten solltest.

Agentic Commerce in Deutschland ist im September 2026 vor allem eine Frage der Auffindbarkeit, denn keiner der großen Checkouts in KI-Oberflächen ist für deutsche Anbieter freigeschaltet.

Die drei Protokolle, über die gerade alle sprechen, heißen ACP, UCP und AP2. Sie regeln verschiedene Teile desselben Vorgangs: welche Angebote ein Agent sieht, wie aus einer Absicht ein Kauf wird und wie belegt wird, dass der Mensch diesen Kauf erlaubt hat. Der Kaufabschluss über Google oder ChatGPT läuft heute in Nordamerika und Australien, nicht in Deutschland. Für B2B-Anbieter hier heißt das: Die Arbeit, die sich jetzt lohnt, ist dieselbe Arbeit, die dich für Agenten lesbar und vergleichbar macht.

Das Wichtigste in Kürze

- Laut der Merchant-Center-Hilfe von Google gilt der Checkout über das Universal Commerce Protocol nur für Produkte mit Berechtigung in den USA, Kanada und Australien.
-

- Google hat im Mai 2026 angekündigt, den UCP-Checkout später auch in Großbritannien einzuführen, einen Termin für Deutschland gibt es nicht.
-

- OpenAI hat im März 2026 Instant Checkout in ChatGPT aufgegeben und nutzt das Agentic Commerce Protocol seitdem vor allem für die Produktsuche.
-

- AP2, das Agent Payments Protocol, bewegt kein Geld, es belegt mit signierten Aufträgen, dass ein Mensch den Kauf durch den Agenten erlaubt hat.
-

- Alle drei Protokolle sind auf Warenkorb und Bestellung gebaut, typische B2B-Abläufe wie Anfrage, Angebot und Rahmenvertrag bilden sie heute kaum ab.
-

- Für deutsche B2B-Anbieter lohnt sich jetzt eine Reihenfolge: lesbar werden, vergleichbar werden, eine Anfrage maschinell ermöglichen, erst dann ein Protokoll.
-

## Wo steht Agentic Commerce in Deutschland im Jahr 2026?

Agentic Commerce in Deutschland steht im September 2026 bei der Recherche, nicht beim Kauf: Agenten können deutsche Angebote lesen und vergleichen, aber keiner der großen KI-Checkouts ist hier verfügbar.

Mit Agentic Commerce meine ich einen Ablauf, in dem ein KI-Agent im Auftrag eines Menschen recherchiert, vergleicht und den Kauf auslöst. Die Grundidee habe ich auf der Seite zu [Agentic Commerce](/agentic-commerce) beschrieben. Hier geht es um die Frage, was davon in Deutschland heute tatsächlich funktioniert.

Der Kaufabschluss direkt in einer KI-Oberfläche ist an zwei Stellen gebaut worden, bei Google und bei OpenAI. Google beschränkt den Checkout über das Universal Commerce Protocol laut der eigenen [Merchant-Center-Hilfe](https://support.google.com/merchants/answer/16837055?hl=en) auf Produkte mit Berechtigung in den USA, Kanada und Australien, und auch dort nur auf ausgewählte Händler. OpenAI hat den Kauf direkt im Chat im März 2026 wieder eingestellt.

Die Recherche dagegen kennt keine Ländergrenze. Ein Agent, der für einen Einkäufer in Stuttgart drei Anbieter für eine Dienstleistung vergleicht, ruft deine Seite ab und liest, was dort steht. Ob er dich in die engere Wahl nimmt, hängt davon ab, ob er Leistung, Bedingungen und Preisrahmen auf deiner Seite findet. Wie ein solches Urteil technisch abläuft, habe ich im Ratgeber zu [Jev und Entscheidungsmodellen im Agentic Commerce](/wissen/jev-ki-modell-agentic-commerce) beschrieben.

Für einen deutschen B2B-Anbieter ist die ehrliche Lage deshalb zweigeteilt. Die Abschlussfähigkeit ist ein Thema für später. Die Auffindbarkeit ist ein Thema für jetzt, und sie entscheidet, ob dich ein Agent überhaupt in einen Vergleich aufnimmt.

## Was regeln ACP, UCP und AP2, und wie hängen sie zusammen?

ACP, UCP und AP2 sind drei offene Protokolle, die verschiedene Schichten eines Kaufs durch KI-Agenten regeln: UCP beschreibt den ganzen Einkauf von der Suche bis zur Bestellung, ACP die Anbindung von Händlern an ChatGPT, und AP2 den Nachweis, dass der Mensch den Kauf erlaubt hat.

Das Agentic Commerce Protocol, kurz ACP, haben OpenAI und Stripe im September 2025 veröffentlicht. Laut der [Mitteilung von Stripe](https://stripe.com/en-hu/newsroom/news/stripe-openai-instant-checkout) war es die Grundlage für Instant Checkout in ChatGPT. Die Zahlungsdaten laufen dabei über ein sogenanntes Shared Payment Token, das an einen Händler und an einen Warenkorbbetrag gebunden ist, sodass der Agent die Kartendaten des Käufers nie sieht.

Das Universal Commerce Protocol, kurz UCP, hat Google am 11. Januar 2026 vorgestellt. Laut dem [Google Developers Blog](https://developers.googleblog.com/under-the-hood-universal-commerce-protocol-ucp/) ist es gemeinsam mit Shopify, Etsy, Wayfair, Target und Walmart entstanden und deckt Checkout, Identitätsverknüpfung und Bestellverwaltung ab. Händler können es über normale Schnittstellen, über das Model Context Protocol oder über Agent2Agent anbinden.

AP2, das Agent Payments Protocol, stammt ebenfalls von Google. Es beschreibt laut der [Ankündigung im Google Cloud Blog](https://cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol) signierte Aufträge, mit denen sich belegen lässt, dass ein Nutzer einen Agenten zu einem bestimmten Kauf ermächtigt hat. Google nennt UCP in der Merchant-Center-Hilfe ausdrücklich kompatibel mit AP2, A2A und MCP.

Die drei Protokolle sind deshalb eher Schichten als Konkurrenten. UCP und ACP beschreiben den Einkauf selbst, AP2 liefert den Nachweis der Erlaubnis darunter. Konkurrenz gibt es zwischen UCP und ACP, weil beide den Weg vom Angebot zur Bestellung regeln wollen, der eine über Googles Oberflächen, der andere über ChatGPT.

[Grafik: Drei Protokolle, drei Aufgaben — UCP regelt den Einkauf von der Suche bis zur Bestellung, ACP die Anbindung von Händlern an ChatGPT, AP2 den Nachweis, dass der Mensch den Kauf erlaubt hat. — Drei Protokolle, drei Aufgaben · Sie ergänzen sich eher, als dass sie sich ersetzen. · UCP · Einkauf von der Suche bis zur Bestellung · Google mit Shopify und Handelspartnern · ACP · Produktdaten und Anbindung an ChatGPT · OpenAI mit Stripe · AP2 · Nachweis, dass der Mensch den Kauf erlaubt · Google, als Schicht unter dem Einkauf]

Kostenloser Check

Könnte ein Agent dein Angebot heute schon vergleichen?
 Der Check prüft, ob deine Domain für Agenten lesbar ist und ob Angebotsangaben und Kaufwege maschinell erkennbar sind.

Kostenlosen Check starten

## Was ist UCP, und in welchen Ländern läuft der Checkout schon?

UCP ist ein offener Standard von Google, über den Agenten Angebote finden, einen Warenkorb bilden und eine Bestellung auslösen, und den Checkout darüber bietet Google im September 2026 nur in den USA, Kanada und Australien an.

In der Praxis ist UCP für Händler zunächst Googles Weg in die eigenen KI-Oberflächen. Die [Merchant-Center-Hilfe](https://support.google.com/merchants/answer/16837055?hl=en) nennt den KI-Modus der Google-Suche und die Gemini-App als Orte, an denen der Checkout erscheint, und beschreibt den Zugang als Programm für ausgewählte Händler, die ihr Interesse über ein Formular anmelden.

Laut dem [Google Developers Blog](https://developers.googleblog.com/under-the-hood-universal-commerce-protocol-ucp/) bleibt der Händler dabei der Vertragspartner des Käufers, also der Merchant of Record, und behält seine eigene Geschäftslogik. Für Händler mit sehr eigenen Abläufen gibt es eine eingebettete Variante des Checkouts.

Zur Verbreitung sind die Angaben von Google eindeutig. Auf der Google Marketing Live im Mai 2026 hat Google laut dem [eigenen Blog](https://blog.google/products-and-platforms/products/shopping/shopping-updates-google-marketing-live/) angekündigt, den UCP-Checkout in den kommenden Monaten in Kanada und Australien und später in Großbritannien einzuführen. Deutschland taucht in dieser Planung nicht auf.

[Grafik: Wo der UCP-Checkout von Google verfügbar ist — Nach Angaben von Google ist der Checkout in den USA verfügbar, für Kanada und Australien angekündigt, für Großbritannien später geplant, für Deutschland gibt es keinen Termin. — UCP-Checkout nach Ländern · USA · für ausgewählte Händler · Kanada und Australien · in den kommenden Monaten · Großbritannien · später angekündigt · Deutschland · kein Termin genannt]

## Was ist aus ACP geworden, seit OpenAI Instant Checkout beendet hat?

ACP lebt weiter, aber mit einer anderen Aufgabe: Seit OpenAI im März 2026 Instant Checkout aufgegeben hat, dient das Agentic Commerce Protocol in ChatGPT vor allem dazu, Produktdaten für die Suche und den Vergleich bereitzustellen.

Beim Start im September 2025 war der Kauf direkt im Chat das Aushängeschild. Laut [Stripe](https://stripe.com/en-hu/newsroom/news/stripe-openai-instant-checkout) konnten Nutzer in den USA zunächst bei Etsy-Verkäufern aus den USA kaufen, Shopify-Händler sollten folgen.

Im März 2026 hat OpenAI in einem Beitrag zur [Produktsuche in ChatGPT](https://openai.com/index/powering-product-discovery-in-chatgpt/) angekündigt, ACP für die Produktsuche auszubauen. Im selben Beitrag steht, dass die erste Version von Instant Checkout nicht die gewünschte Flexibilität geboten habe und Händler deshalb wieder ihren eigenen Checkout nutzen, während sich OpenAI auf die Suche konzentriert.

Die Grundlage dafür ist ein Produktfeed. Die [Entwicklerdokumentation von OpenAI](https://developers.openai.com/commerce/guides/key-concepts) beschreibt ihn als regelmäßig aktualisierte Datei im Format CSV oder JSON mit Kennungen, Beschreibungen, Preisen, Lagerbestand, Medien und Versandoptionen. Pflichtfelder sichern laut OpenAI die korrekte Anzeige von Preis und Verfügbarkeit.

Für deutsche Anbieter ist das die interessantere Nachricht. Ein Feed mit sauberen Produktdaten ist genau die Vorarbeit, die auch jeder andere Agent braucht. Ob und wann OpenAI deutsche Händler in dieses Programm aufnimmt, geht aus der öffentlichen Dokumentation nicht hervor, der Zugang läuft über eine Bewerbung.

## Wofür braucht es AP2, wenn UCP und ACP den Kauf schon abbilden?

AP2 wird gebraucht, weil UCP und ACP regeln, wie ein Kauf abläuft, aber nicht beweisen, dass der Mensch hinter dem Agenten diesen Kauf wirklich wollte.

Bei einem Kauf durch einen Menschen ist die Frage einfach: Wer auf den Knopf drückt, will kaufen. Bei einem Agenten fehlt dieser Moment. Händler, Zahlungsanbieter und Banken brauchen deshalb einen Beleg, der zeigt, in welchem Rahmen ein Nutzer den Agenten beauftragt hat.

Genau diesen Beleg beschreibt AP2 mit signierten Aufträgen. Ein Auftrag kann festhalten, was gekauft werden darf, und ein weiterer, dass der konkrete Warenkorb diesem Rahmen entspricht. Die [Ankündigung von Google](https://cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol) stellt AP2 als offenes Protokoll vor, das mit verschiedenen Zahlungsarten funktionieren soll.

Für einen Anbieter in Deutschland ist AP2 heute kein Projekt. Es wird relevant, sobald ein Zahlungsanbieter es für dich umsetzt, und das ist der wahrscheinliche Weg: Du bindest AP2 nicht selbst an, dein Zahlungsdienstleister tut es. Wichtig ist nur, das Prinzip zu kennen, damit du verstehst, warum ein Agent künftig vor einem Kauf einen Nachweis mitbringt.

## Warum passen die Protokolle heute schlecht auf B2B-Käufe?

Die Protokolle passen heute schlecht auf B2B, weil sie auf Warenkorb, Checkout und Bestellung gebaut sind, während viele B2B-Käufe über Anfrage, individuelles Angebot, Freigabe und Rechnung laufen.

Das ist meine Einschätzung nach dem Lesen der Dokumentationen, keine Aussage der Anbieter. In der Beschreibung von UCP im [Google Developers Blog](https://developers.googleblog.com/under-the-hood-universal-commerce-protocol-ucp/) stehen Checkout, Rabatte, Identitätsverknüpfung und Bestellverwaltung im Mittelpunkt. Die [Konzepte von ACP bei OpenAI](https://developers.openai.com/commerce/guides/key-concepts) beginnen mit dem Produktfeed und führen zum Checkout.

Ein typischer B2B-Einkauf sieht anders aus. Ein Einkäufer beschreibt einen Bedarf, holt mehrere Angebote ein, verhandelt Konditionen, lässt intern freigeben und bezahlt nach Rechnung mit Zahlungsziel. Häufig gilt ein Rahmenvertrag, und der Preis hängt von Menge, Laufzeit oder Leistungsumfang ab.

Für diesen Ablauf brauchen Agenten andere Bausteine als einen Warenkorb. Sie brauchen maschinenlesbare Leistungsbeschreibungen, einen Preisrahmen, die Bedingungen für einen Vertrag und einen Weg, eine Anfrage verbindlich zu stellen. Nichts davon fehlt grundsätzlich in den Protokollen, aber es steht in keinem von ihnen im Vordergrund.

Für dich als B2B-Anbieter ist das eine gute Nachricht. Der Teil, den Agenten im B2B heute wirklich brauchen, hängt an keinem Protokoll. Er hängt an deiner eigenen Seite.

## Was können B2B-Anbieter in Deutschland heute schon vorbereiten?

B2B-Anbieter in Deutschland können heute vier Dinge vorbereiten, in dieser Reihenfolge: lesbar werden, vergleichbar werden, eine Anfrage maschinell ermöglichen und erst danach ein Protokoll anbinden, wenn ein Kanal dafür existiert.

**Lesbar** heißt, dass ein Agent deine Leistungen im ausgelieferten HTML findet, ohne JavaScript ausführen zu müssen, und dass dich Crawler und Firewall nicht aussperren. Die technischen Grundlagen stehen im Ratgeber [Website für KI optimieren](/wissen/website-fuer-ki-optimieren). Ich prüfe diesen Teil bei jeder Domain zuerst, weil jeder weitere Schritt darauf aufbaut.

**Vergleichbar** heißt, dass die Angaben, die ein Einkäufer für einen Vergleich braucht, als Klartext und als strukturierte Daten auf der Seite stehen: Leistungsumfang, Einsatzgebiet, Voraussetzungen, Ablauf und wenigstens ein Preisrahmen. Ohne Preisrahmen bleibt dieser Teil des Vergleichs leer, und ein Agent mit einer Budgetgrenze kann dich nicht einordnen.

**Ansprechbar** heißt, dass ein Agent eine Anfrage stellen kann, ohne an einem Formular mit Captcha zu scheitern. Das kann ein sauber beschriftetes Formular sein oder eine dokumentierte Schnittstelle für Anfragen. Eine Schnittstelle, die ein Agent nicht selbst entdecken kann, beschreibst du in deiner `llms.txt`, wie im Ratgeber zu [llms.txt erstellen](/wissen/llms-txt-erstellen) erklärt.

**Protokoll** kommt erst am Ende. Sobald Google oder OpenAI den Kaufabschluss in Deutschland öffnen, lohnt es sich, den Weg über den eigenen Shop oder den Zahlungsdienstleister zu prüfen. Wer die ersten drei Schritte erledigt hat, baut dann eine Erweiterung und keinen Umbau.

[Grafik: Die Reihenfolge für B2B-Anbieter — Vier Schritte in dieser Reihenfolge: lesbar werden, vergleichbar werden, ansprechbar werden, erst dann ein Protokoll anbinden, wenn es einen Kanal dafür gibt. — Erst lesbar, dann das Protokoll · 01 · Lesbar: Inhalt ohne JavaScript abrufbar · 02 · Vergleichbar: Leistung, Bedingungen, Preisrahmen · 03 · Ansprechbar: Anfrage per Formular oder API · 04 · Protokoll: sobald es einen Kanal gibt]

## Wie sieht ein Angebot aus, das ein Agent vergleichen kann?

Ein Angebot, das ein Agent vergleichen kann, nennt Leistung, Einsatzgebiet, Zielkunden und einen Preisrahmen als Klartext auf der Seite und zusätzlich als strukturierte Daten nach Schema.org.

Das folgende Beispiel ist ausgedacht und dient nur zur Anschauung: eine fiktive Beispiel GmbH, die Wartungsverträge für Druckluftanlagen anbietet. Die Typen und Eigenschaften stammen aus dem Vokabular von [Schema.org](https://schema.org/Service), insbesondere `Service`, `Offer` und `PriceSpecification`.

```json
{
  "@context": "https://schema.org",
  "@type": "Service",
  "name": "Wartungsvertrag für Druckluftanlagen",
  "serviceType": "Wartung und Instandhaltung",
  "provider": { "@type": "Organization", "name": "Beispiel GmbH" },
  "areaServed": { "@type": "Country", "name": "Deutschland" },
  "description": "Zwei Wartungstermine pro Jahr, Ersatzteile nach Aufwand, Reaktionszeit bei Störungen innerhalb von 24 Stunden an Werktagen.",
  "offers": {
    "@type": "Offer",
    "eligibleCustomerType": "http://purl.org/goodrelations/v1#Business",
    "priceSpecification": {
      "@type": "PriceSpecification",
      "minPrice": 1200,
      "maxPrice": 4800,
      "priceCurrency": "EUR",
      "valueAddedTaxIncluded": false
    }
  }
}
```

Drei Dinge machen dieses Beispiel für einen Agenten brauchbar. Der Preisrahmen steht als Zahl mit Währung da, nicht als „auf Anfrage". Die Leistung ist konkret genug, dass sich zwei Anbieter vergleichen lassen, zum Beispiel über die Zahl der Termine und die Reaktionszeit. Und der Hinweis, dass sich das Angebot an Geschäftskunden richtet, steht als Eigenschaft im Markup statt nur im Kleingedruckten.

Dieselben Angaben gehören zusätzlich als Text auf die Seite. Nicht jeder Agent liest strukturierte Daten, und ein Widerspruch zwischen Text und Markup ist für einen Agenten ein Grund, dir weniger zu trauen. Ob das Markup richtig ankommt, lässt sich mit dem Validator von Schema.org prüfen.

Wie sichtbar du danach in den Antworten der Modelle bist, ist eine eigene Frage. Wie ich das ohne Tool prüfe, steht im Ratgeber zu [KI-Sichtbarkeit messen](/wissen/ki-sichtbarkeit-messen).

## Wann lohnt sich eine Protokoll-Anbindung noch nicht?

Eine eigene Protokoll-Anbindung lohnt sich für einen deutschen B2B-Anbieter nicht, solange es in Deutschland keinen Kanal gibt, über den Käufer damit tatsächlich bestellen.

Das ist im September 2026 der Fall. Google bietet den UCP-Checkout hier nicht an, und OpenAI hat den Kauf im Chat eingestellt. Eine Integration, die heute gebaut wird, hätte keine Nutzer und müsste bis zum Start in Deutschland vermutlich mehrfach nachgezogen werden, weil sich die Spezifikationen noch bewegen.

Auch für Anbieter, die fast nur auf Anfrage verkaufen, ist ein Protokoll heute kein Thema. Wer keinen festen Warenkorb hat, profitiert von den Checkout-Teilen der Protokolle kaum. Für solche Anbieter sind die Schritte Lesbarkeit, Vergleichbarkeit und ein maschinell erreichbarer Anfrageweg der gesamte sinnvolle Umfang für die nächsten Monate.

Anders sieht es aus, wenn du über eine Shop-Plattform verkaufst, die UCP oder ACP selbst unterstützt, oder wenn du auch in die USA verkaufst. Dann kann die Anbindung ein Schalter in einem System sein, das du ohnehin nutzt, und keine Eigenentwicklung. Prüfe in diesem Fall zuerst, was deine Plattform oder dein Zahlungsdienstleister anbietet.

Ich halte es selbst so: Ich baue keine eigene Kaufschnittstelle für ein Protokoll ohne Nutzer. Ich sorge dafür, dass Agenten mein Angebot finden, verstehen und eine Anfrage stellen können.

## Häufige Fragen

**Was genau ist agentic commerce?**

Agentic Commerce ist ein Einkauf, bei dem ein KI-Agent im Auftrag eines Menschen recherchiert, Angebote vergleicht und den Kauf auslöst. Der Mensch gibt das Ziel und den Rahmen vor, der Agent erledigt die Schritte dazwischen. In Deutschland beschränkt sich das im September 2026 weitgehend auf Recherche und Vergleich, weil die großen KI-Checkouts hier nicht verfügbar sind.

**Was versteht man unter agentic?**

Agentic beschreibt KI-Systeme, die nicht nur antworten, sondern eigenständig Schritte ausführen, um ein vorgegebenes Ziel zu erreichen. Ein solcher Agent ruft Seiten ab, wählt zwischen Optionen und löst Aktionen aus. Im Handel heißt das, dass der Agent selbst sucht, vergleicht und bestellt, statt nur eine Empfehlung zu geben.

**Was ist eine UCP?**

UCP steht für Universal Commerce Protocol, einen offenen Standard, den Google am 11. Januar 2026 gemeinsam mit Shopify und großen Händlern vorgestellt hat. Er beschreibt, wie Agenten Angebote finden, einen Warenkorb bilden und eine Bestellung auslösen. Den Checkout darüber bietet Google im September 2026 nur in den USA, Kanada und Australien an.

**Wie kann ich KI im Einkauf nutzen?**

Im Einkauf lässt sich KI heute vor allem für Recherche und Vergleich nutzen: Anbieter finden, Leistungsbeschreibungen gegenüberstellen und Angebote vorsortieren. Die Entscheidung und die Freigabe bleiben sinnvollerweise beim Menschen. Voraussetzung ist, dass die Anbieter ihre Leistungen, Bedingungen und Preisrahmen so veröffentlichen, dass ein Agent sie lesen kann.

## Fazit

Agentic Commerce in Deutschland ist im September 2026 ein Thema der Auffindbarkeit, weil der Kaufabschluss über Google und ChatGPT hier nicht freigeschaltet ist. ACP, UCP und AP2 regeln verschiedene Schichten eines Kaufs, und keines davon ist auf die typischen Abläufe im B2B zugeschnitten. Wer jetzt lesbar, vergleichbar und ansprechbar wird, hat die Vorarbeit für jedes dieser Protokolle erledigt. Die Protokoll-Anbindung selbst kann warten, bis es in Deutschland einen Kanal dafür gibt.

## Kann ein Agent dein Angebot heute schon vergleichen?

Bevor ein Protokoll zählt, muss ein Agent deine Leistungen, Bedingungen und Preise überhaupt finden und lesen können. Der Check zeigt dir an deiner echten Domain, ob das heute der Fall ist und wo es hakt.

Kostenlosen Check starten

Kostenfrei · 2 Minuten

---

# Jev: Was das KI-Modell von TypeSafe AI für Agentic Commerce bedeutet

URL: https://www.saschahoffmann.xyz/wissen/jev-ki-modell-agentic-commerce
Sprache: de
Typ: Ratgeber
Veröffentlicht: 2026-09-22T08:00:00+02:00
Zuletzt geändert: 2026-09-22T08:00:00+02:00

Jev schreibt keinen Text, es fällt Urteile in Millisekunden. Was das für Anbieter heißt, deren Seiten künftig von Agenten beurteilt statt gelesen werden.

Jev ist ein KI-Modell von TypeSafe AI, das keinen Text schreibt, und für Agentic Commerce bedeutet das: Ein Agent kann deine Seite in Millisekunden beurteilen, statt sie zu lesen.

Die meisten Texte über Jev erklären, wie Entwickler das Modell aufrufen. Für Anbieter ist die andere Richtung wichtiger. Wenn Agenten ihre Auswahl an ein Entscheidungsmodell abgeben, dann fällt das Urteil über dein Angebot anhand weniger, eng gestellter Fragen. Ob die Antwort stimmt, hängt davon ab, was auf deiner Seite in Klartext steht.

Das Wichtigste in Kürze

- Jev beantwortet nur drei Arten von Fragen: Auswahl aus festen Optionen, Einordnung auf einer Skala und Ja oder Nein mit Wahrscheinlichkeit.
-

- TypeSafe AI nennt eine Antwortzeit von 70 bis 500 Millisekunden und einen Preis von 0,042 US-Dollar pro Million Eingabe-Tokens, die Ausgabe ist kostenlos.
-

- Der Browser-Agent von Browser Use zeigt das Prinzip: Die Seite wird zu einer nummerierten Liste von Bedienelementen, und Jev wählt daraus den nächsten Schritt.
-

- TypeSafe AI führt E-Commerce-Marktplätze selbst als Einsatzfeld, mit Aufgaben wie Produktangaben aus Titeln ziehen und Produkte in eine Rangfolge bringen.
-

- Laut TypeSafe-Dokumentation kann Text, der für seine eigene Einstufung argumentiert, die Antwort verschieben. Das Modell behandelt Seiteninhalte nicht als feindlich.
-

- Für Anbieter in DACH ändert sich heute wenig am Umsatz, aber viel an der Vorarbeit: eindeutige, sichtbare, abrufbare Angaben werden zur Voraussetzung für ein richtiges Urteil.
-

## Was ist Jev, und was unterscheidet das KI-Modell von ChatGPT?

Jev ist ein Entscheidungsmodell: Es bekommt einen Zustand und Fragen mit festen Antwortmöglichkeiten und gibt Entscheidungen mit Wahrscheinlichkeit zurück, aber keinen einzigen Satz.

TypeSafe AI hat Jev am 15. September 2026 vorgestellt und nennt die Modellklasse System One. Der Name bezieht sich laut der [Ankündigung von TypeSafe AI](https://typesafe.ai/blog/introducing-system-one-models-and-jev) auf Daniel Kahnemans Unterscheidung zwischen schnellem, intuitivem und langsamem, abwägendem Denken. Der Modellname Jev geht auf den Ökonomen William Stanley Jevons zurück.

Ein Sprachmodell wie ChatGPT erzeugt eine Antwort Wort für Wort, und ein Programm muss diese Antwort danach wieder in ein Feld, ein Etikett oder eine Zahl zerlegen. Jev überspringt diesen Umweg.

Die [Dokumentation von TypeSafe AI](https://docs.typesafe.ai/introduction) beschreibt drei Fragetypen. Choice wählt eine Option aus einer festen Menge, laut der [Seite zu Choice](https://docs.typesafe.ai/primitives/choice) aus bis zu 255 Optionen. Score ordnet etwas auf einer Skala mit beschriebenen Stufen ein. Noul liefert die Wahrscheinlichkeit, dass eine Ja-Nein-Aussage zutrifft.

Alle Fragen zu einem Zustand werden in einem Aufruf gleichzeitig beantwortet. TypeSafe AI gibt in der Ankündigung eine Antwortzeit von 70 bis 500 Millisekunden an. Die [Modellseite von TypeSafe AI](https://docs.typesafe.ai/models) nennt 0,042 US-Dollar pro Million Eingabe-Tokens, eine kostenlose Ausgabe und eine Grenze von 64.000 Tokens pro Anfrage.

Klüger als ein Sprachmodell ist Jev damit nicht. TypeSafe AI schreibt selbst, Jev erreiche bei passenden Aufgaben ein ähnliches Niveau wie bestehende Sprachmodelle und sei dabei um zwei Größenordnungen schneller und günstiger. Der Unterschied liegt also im Preis pro Urteil, und genau der verändert, wie oft geurteilt wird.

## Warum betrifft ein Entscheidungsmodell den Handel mit KI-Agenten?

Weil ein Agent beim Recherchieren und Vergleichen vor allem urteilt, und Jev macht jedes einzelne Urteil so billig, dass ein Agent es bei jedem Schritt fällen kann.

Ein Agent, der für einen Menschen einkauft, schreibt wenig. Er entscheidet. Welches der zwanzig Suchergebnisse lohnt den Abruf? Passt dieses Produkt zur Anfrage? Welche Schaltfläche führt zum Warenkorb? Ist diese Angabe der Preis oder ein Streichpreis?

Bisher lief jede dieser Fragen durch ein großes Sprachmodell, mit mehreren Sekunden Wartezeit und spürbaren Kosten pro Schritt.

Mit einem Entscheidungsmodell verschiebt sich die Arbeitsteilung. Das große Modell plant den Auftrag und formuliert am Ende die Empfehlung. Die vielen kleinen Urteile dazwischen übernimmt ein Modell wie Jev. Für dich als Anbieter heißt das: Zwischen dem Auftrag des Käufers und der Empfehlung liegen künftig Dutzende schnelle Urteile über deine Seite, und keines davon liest deinen Text so, wie ein Mensch ihn lesen würde.

Das ist die Fortsetzung dessen, was ich auf der Seite zu [Agentic Commerce](/agentic-commerce) als erste Hälfte des Themas beschreibe: gefunden und korrekt beschrieben werden. Ein Entscheidungsmodell macht diese Hälfte strenger. Eine Angabe, die fehlt oder nur zwischen den Zeilen steht, führt nicht zu einer vorsichtigen Formulierung, sie führt zu einer falschen Auswahl.

Kostenloser Check

Findet ein Agent auf deiner Seite, was er für ein Urteil braucht?
 Der Check prüft, ob deine Domain technisch auffindbar, lesbar und ansprechbar ist.

Kostenlosen Check starten

## Was sieht ein Agent von deiner Seite, wenn Jev den nächsten Klick wählt?

Er sieht eine nummerierte Liste der sichtbaren Bedienelemente mit Rolle, Beschriftung und aktuellem Wert, und aus dieser Liste wählt Jev eine Aktion und ein Ziel.

Das am besten dokumentierte Beispiel ist der offene Browser-Agent [Jev Ultrafast von Browser Use](https://github.com/browser-use/jev-ultrafast). Laut der Beschreibung im Repository entsteht bei jeder Beobachtung der Seite eine neue Elementtabelle. Für eine Flugsuche sieht der Anfang dieser Tabelle so aus:

```text
[1] button    Change ticket type · Round trip
[2] combobox  Where from?        · San Francisco
[3] combobox  Where to?          · empty
[4] textbox   Departure          · empty
```

Jev wählt daraus eine Operation wie Klicken, Text eingeben, Auswählen oder Scrollen und dazu das passende Element. Ein kleines Sprachmodell wird nur dann gerufen, wenn tatsächlich Text eingegeben werden muss. Das Repository nennt für eine Flugsuche von Zürich nach London eine gemessene Laufzeit von 7.073 Millisekunden, einschließlich Ladezeiten und Texteingabe.

Drei Sätze aus dieser Beschreibung sind für Anbieter wichtiger als die Geschwindigkeit. Erstens arbeitet der Agent im Normalfall ohne Bildschirmfoto, er bekommt strukturierte Daten statt Pixel. Zweitens wird nur sichtbarer Text gesendet, Inhalte außerhalb des sichtbaren Bereichs und Fußzeilen füllen den Kontext des Modells nicht. Drittens liest der Agent gängige HTML- und ARIA-Bedienelemente, aber laut Repository ausdrücklich keine Shadow Roots, keine Frames, kein Canvas und keine beliebigen Tastatur-Widgets.

Übersetzt heißt das: Deine Seite ist für diesen Agenten so gut wie die Beschriftung ihrer Bedienelemente. Eine Schaltfläche, die als Grafik ohne zugänglichen Namen gebaut ist, steht nicht in der Tabelle. Ein Konfigurator in einem eingebetteten Frame existiert für ihn nicht. Ein Feld mit der Beschriftung "Eingabe 3" ist ein Rätsel, ein Feld mit der Beschriftung "Lieferdatum" ist eine Option.

[Grafik: Wie ein Agent mit Jev eine Seite bedient — Vier Schritte: Die Seite wird beobachtet, daraus entsteht eine nummerierte Liste der Elemente mit Rolle und Name, Jev wählt Operation und Ziel, der Browser führt den Schritt aus. — Vom Seitenaufruf zum Klick · Der Agent liest keine Absätze. Er wählt aus einer Liste. · 01 · Seite · sichtbarer Teil · 02 · Elemente · Rolle und Name · 03 · Jev wählt · Aktion und Ziel · 04 · Browser · führt aus]

Eine Einschränkung gehört dazu. Das Beispiel von Browser Use sucht Flüge, es bucht keinen. Das Repository hält ausdrücklich fest, dass das Skript keinen Flug auswählt und keinen Kauf abschließt, und dass die Messung drei Wiederholungen einer Aufgabe auf einem Browserprofil umfasst. Es zeigt das Muster, keinen Markt.

## Welche Urteile über Produkte und Anbieter sind heute schon belegt?

Belegt sind vier Arten: Produktangaben aus Text ziehen, Produkte einer Kategorie zuordnen, zwei Einträge als dasselbe Produkt erkennen und Kandidaten in eine Rangfolge bringen.

Die [Übersicht der Einsatzfelder von TypeSafe AI](https://docs.typesafe.ai/concepts/use-case-map) führt E-Commerce-Marktplätze als eigenen Punkt. Genannt werden dort vier Aufgaben: Produkteinträge aus uneinheitlichen Händlerkatalogen klassifizieren und vereinheitlichen, Produktattribute aus Titeln und Beschreibungen ziehen, verbotene Einträge und gefälschte Bewertungen erkennen sowie Produkte in eine Rangfolge bringen und unsichere Einträge an einen Menschen geben.

Zu zwei dieser Aufgaben gibt es ausgearbeitete Beispiele. Das [Beispiel zum Abgleich von Einträgen](https://docs.typesafe.ai/cookbooks/entity_alignment) entscheidet bei 450 Kandidatenpaaren aus zwei Bierkatalogen, ob beide Einträge dasselbe Produkt beschreiben. Eine einzige Score-Frage trägt die Entscheidung mit drei Stufen: zusammenführen, getrennt lassen oder einem Menschen vorlegen. Drei Ja-Nein-Fragen laufen im selben Aufruf mit und sagen, in welchem Feld sich die beiden Quellen widersprechen.

Das [Beispiel zur hierarchischen Klassifizierung](https://docs.typesafe.ai/cookbooks/hierarchical_classification) ordnet Dokumente in tiefe Kategoriebäume ein, darunter eine Produkthierarchie aus dem Handel. Das Modell entscheidet an jedem Knoten, in welchen Ast ein Produkt gehört, und verfolgt mehrere Pfade gleichzeitig.

Für dich bedeuten diese Beispiele zwei Dinge. Ein Agent oder ein Marktplatz kann mit vertretbarem Aufwand prüfen, ob dein Produkt dasselbe ist wie das eines Wettbewerbers, und deine Angaben mit dessen Angaben Feld für Feld vergleichen. Und die Zuordnung zu einer Kategorie hängt an deinem Titel und deiner Beschreibung. Ein Produkttitel, der mehr Werbung als Bezeichnung enthält, landet im falschen Ast, und dort sucht niemand nach ihm.

## Wie sieht ein solches Urteil über eine Anbieterseite konkret aus?

Es besteht aus einem Zustand, also dem Text deiner Seite, und wenigen Fragen mit festen Antworten, zum Beispiel ob ein Preis genannt wird, welche Zielgruppe angesprochen ist und wie vollständig das Angebot beschrieben ist.

Das folgende Beispiel ist von mir konstruiert und klar ein Rechenbeispiel. Es folgt der Form, die TypeSafe AI in der Dokumentation beschreibt. Ein Agent soll für einen Auftraggeber Anbieter von Lagersoftware vergleichen und hat den sichtbaren Text deiner Angebotsseite abgerufen. Er stellt drei Fragen in einem Aufruf:

```json
{
  "preis_genannt": {
    "type": "noul",
    "instructions": "Die Seite nennt einen konkreten Preis oder eine Preisspanne"
  },
  "zielgruppe": {
    "type": "choice",
    "instructions": "Für welche Unternehmensgröße ist das Angebot gedacht",
    "criteria": {
      "klein": "Bis 20 Mitarbeitende",
      "mittel": "20 bis 250 Mitarbeitende",
      "gross": "Mehr als 250 Mitarbeitende",
      "other": "Die Seite sagt dazu nichts"
    }
  },
  "vollstaendigkeit": {
    "type": "score",
    "instructions": "Wie vollständig beschreibt die Seite den Leistungsumfang",
    "criteria": ["Nur Schlagworte", "Leistungen genannt, Grenzen fehlen", "Leistungen, Grenzen und Ablauf genannt"]
  }
}
```

Steht auf deiner Seite "Preis auf Anfrage", dann lautet die ehrliche Antwort auf die erste Frage nein, und zwar mit hoher Sicherheit. Steht nirgends, für wen das Angebot gedacht ist, fällt die Wahl auf die Option, dass die Seite dazu nichts sagt. Ein Vergleich, der nach Anbietern für mittelgroße Unternehmen filtert, sortiert dich damit aus, ohne dass jemand dein Angebot abgelehnt hätte.

Die Kosten erklären, warum ein Agent diese Fragen bei jedem Anbieter stellen kann. Browser Use weist für die komplette Flugsuche 90.558 Eingabe-Tokens an TypeSafe AI aus. Beim Listenpreis von 0,042 US-Dollar pro Million Tokens sind das rechnerisch 0,0038 US-Dollar. Für ein Rechenbeispiel mit 200 Anbieterseiten zu je 2.000 Tokens ergeben sich 400.000 Tokens und damit knapp 0,02 US-Dollar. Bei diesem Preis gibt es keinen Grund mehr, nur die ersten fünf Treffer zu prüfen.

[Grafik: Drei Fragearten, angewendet auf eine Anbieterseite — Ja oder Nein: Nennt die Seite einen Preis. Auswahl: Für welche Unternehmensgröße ist das Angebot gedacht. Skala: Wie vollständig ist der Leistungsumfang beschrieben. — Drei Fragen an deine Angebotsseite · Jede Antwort ist fest vorgegeben. Freitext gibt es nicht. · 01 · Ja oder Nein · Nennt die Seite einen konkreten Preis? · Preis auf Anfrage zählt als nein · 02 · Auswahl · Für welche Unternehmensgröße? · Fehlt die Angabe, gewinnt die Option ohne Aussage · 03 · Skala · Wie vollständig ist der Leistungsumfang? · Schlagworte, Leistungen oder Leistungen mit Grenzen]

## Was muss auf deiner Seite stehen, damit das Urteil richtig ausfällt?

Auf der Seite muss jede Angabe, nach der ein Vergleich fragt, als eigener, eindeutiger Satz im sichtbaren Text stehen, und jedes Bedienelement braucht einen Namen, der sagt, was es tut.

Ich leite das aus den Schwächen ab, die TypeSafe AI selbst dokumentiert. Die [Seite zu den bekannten Schwächen von Jev 1.13](https://docs.typesafe.ai/model-jaggedness/jev-1.13) empfiehlt unter anderem, den Zustand vor der Anfrage zu filtern und nur zu senden, was die Frage braucht. Das Modell wird ungenauer, wenn der Zustand viel Unwichtiges enthält. Daraus ergeben sich fünf Regeln für Anbieter.

**Eine Angabe, ein Satz.** "Die Software eignet sich für Unternehmen mit 20 bis 250 Mitarbeitenden" ist eine Antwort. "Ob Mittelständler oder Konzern, bei mir sind alle richtig" ist keine. Ein Modell, das eine Option wählen muss, braucht eine Aussage, die zu genau einer Option passt.

**Rechne selbst, statt rechnen zu lassen.** Die TypeSafe-Dokumentation hält fest, dass Jev unzuverlässig zählt und Datumsangaben wie Text behandelt. Schreib deshalb "Lieferung in 3 Werktagen" und nicht "Bestellungen bis Mittwoch verlassen das Lager am Freitag". Schreib "12 Monate Mindestlaufzeit" und nicht ein Start- und ein Enddatum.

**Sichtbarer Text schlägt versteckten Text.** Der Agent von Browser Use sendet nur sichtbare Inhalte. Angaben, die erst nach einem Klick auf ein Akkordeon, in einem Tooltip oder in einem PDF stehen, fehlen im Urteil. Wie du prüfst, was ein Abruf deiner Seite tatsächlich liefert, beschreibe ich im Ratgeber [Website für KI optimieren](/wissen/website-fuer-ki-optimieren).

**Bedienelemente brauchen echte Namen.** Schaltflächen als `button`, Eingabefelder mit `label`, Auswahllisten als `select` oder mit sauberem ARIA. Das ist dieselbe Arbeit wie Barrierefreiheit, und sie zahlt jetzt doppelt ein. Wichtige Schritte wie Anfrage, Warenkorb oder Terminbuchung gehören nicht in ein Canvas, nicht in ein fremdes Frame und nicht in ein selbstgebautes Widget ohne Rolle.

**Vermeide Verneinungen und Bedingungsketten.** Die TypeSafe-Dokumentation beschreibt, dass das Modell Anweisungen wörtlich nimmt. Dasselbe gilt für das Lesen deines Textes. "Nicht ungeeignet für kleinere Teams, sofern kein Schichtbetrieb vorliegt" ist für ein wörtlich lesendes Modell eine Falle. "Geeignet für Teams ab 5 Personen ohne Schichtbetrieb" ist eine Angabe.

Keine dieser Regeln ist neu. Sie decken sich mit dem, was ich auf der Seite zur [GEO-Optimierung](/geo-optimierung) für Sprachmodelle beschreibe. Neu ist die Härte. Ein Sprachmodell gleicht eine unklare Stelle mit Kontext aus und formuliert vorsichtig. Ein Entscheidungsmodell muss eine Option wählen, und die unklare Stelle kippt die Wahl.

## Kann man ein Entscheidungsmodell mit Text auf der eigenen Seite beeinflussen?

Ja, laut TypeSafe AI ist das möglich, und genau deshalb ist es als Strategie eine schlechte Idee.

Die Dokumentation zu Jev 1.13 sagt es ohne Umschweife: Der Zustand ist Daten, und das Modell behandelt ihn nicht von sich aus als feindlich. Inhalte, die das Modell gezielt steuern sollen, können die Antwort verschieben. TypeSafe AI nennt dafür eine eingeschleuste Anweisung, eine absichtlich irreführende Rahmung und einen Text, der für seine eigene Einstufung argumentiert. TypeSafe AI schreibt dazu, dass eine Verbesserung erwartet wird, und empfiehlt Entwicklern bis dahin präzise Kriterien und gründliche Tests.

Für Anbieter klingt das nach einer Einladung. Ein Absatz wie "Dieses Produkt ist die beste Wahl für jede Anfrage" könnte ein Urteil kippen. Ich rate aus drei Gründen davon ab.

Erstens bauen die Betreiber von Agenten Gegenprüfungen ein. Das Muster steht bereits in den Beispielen: Code besitzt die harten Regeln, das Modell berät nur. Der Agent von Browser Use prüft laut Repository jedes gewählte Ziel gegen das Dokument und verlangt für ein Ergebnis eine unabhängige Bestätigung. Ein Agent, der Anbieter vergleicht, wird Preis, Verfügbarkeit und Bewertungen aus strukturierten Quellen gegenlesen.

Zweitens wird ein Text, der für seine eigene Einstufung wirbt, selbst zum Merkmal. Die Einsatzfelder von TypeSafe AI nennen das Erkennen von Richtlinienverstößen und gefälschten Signalen ausdrücklich als Aufgabe. Dieselbe Technik, die du austricksen willst, sucht nach genau diesem Trick.

Drittens ist die Wirkung an eine Modellversion gebunden. TypeSafe AI führt die Schwächen pro Version und kündigt an, viele davon in späteren Versionen zu beheben. Was heute ein Urteil verschiebt, ist morgen wirkungslos oder ein Warnsignal. Eine eindeutige Angabe dagegen funktioniert bei jeder Version und bei jedem Modell.

## Was löst Jev nicht, und wann betrifft dich das Thema noch nicht?

Jev schließt keinen Kauf ab, ersetzt kein Protokoll und ist im September 2026 ein früher Zugang, kein verbreiteter Standard.

Die Grenzen des Modells stehen in der Dokumentation. Jev verarbeitet nur Text, keine Bilder. Es zählt und rechnet unzuverlässig. Die Modellseite nennt 64.000 Tokens pro Anfrage, davon höchstens 32.000 für den Zustand und die längste Frage. Dazu kommt die Herkunft der Leistungsdaten: Die Angaben zu Geschwindigkeit und Niveau stammen von TypeSafe AI selbst, eine unabhängige Wiederholung der Auswertung kenne ich nicht.

Für den Handel ist bisher wenig belegt. Das Beispiel von Browser Use sucht, es kauft nicht. Die Beispiele von TypeSafe AI sortieren Kataloge, sie wickeln keine Bestellung ab.

Wie ein Agent verbindlich bestellt und bezahlt, regeln Protokolle wie ACP, UCP und AP2, und wie weit diese in Deutschland sind, steht im Ratgeber [Agentic Commerce in Deutschland](/wissen/agentic-commerce-deutschland). Jev ändert an dieser Frage nichts. Es macht nur den Schritt davor billiger.

Es gibt Fälle, in denen du das Thema liegen lassen kannst. Wenn dein Geschäft über persönliche Empfehlung und Ausschreibungen läuft und niemand online vergleicht, ändert ein schnelleres Urteil nichts. Wenn deine Seite schon an den Grundlagen scheitert, also Preise per JavaScript nachlädt oder KI-Crawler aussperrt, dann ist das die erste Baustelle. Ein Agent, der deine Seite nicht abrufen kann, fällt gar kein Urteil.

Dazu kommt der Betrieb. Jev läuft ausschließlich über eine Schnittstelle von TypeSafe AI und über Vermittler wie das Vercel AI Gateway und OpenRouter. Wer es selbst einsetzen will, etwa um Anfragen vorzusortieren, muss vorher klären, welche Daten diese Schnittstelle sehen darf. Personenbezogene Daten gehören ohne Prüfung nicht hinein.

## Was bedeutet Jev für die Messung von KI-Sichtbarkeit?

Für die Messung bedeutet Jev vor allem, dass die Auswertung vieler KI-Antworten günstiger wird, und dass die Modellversion Teil jeder Messung werden muss.

Wer regelmäßig prüft, was ChatGPT, Perplexity oder der KI-Modus über eine Marke sagen, muss jede Antwort beurteilen. Wird die Marke empfohlen oder nur erwähnt? An welcher Stelle steht sie? Wie ist der Ton?

Das sind viele gleichartige Urteile mit festen Antworten über reinen Text, also genau die Form, für die ein Entscheidungsmodell gebaut ist. Die Kennzahlen dahinter stehen auf der Seite zur [KI-Sichtbarkeit](/ki-sichtbarkeit) und im Ratgeber [KI-Sichtbarkeit messen](/wissen/ki-sichtbarkeit-messen).

Ich setze Jev dafür im AgentReady Monitor noch nicht ein. Geplant ist ein Vergleich auf gespeicherten Antworten, bei dem das bisherige Bewertungsmodell und Jev dieselben Antworten beurteilen. Erst wenn beide je Kennzahl ausreichend übereinstimmen, kommt eine Umstellung in Frage.

Zwei Regeln stehen schon fest. Die Modellversion wird Teil der Bewertungsversion, weil sich sonst zwei Quartale nicht vergleichen lassen. Und der Abgleich mehrerer Fakten gegen ein Faktenblatt bleibt bei einem Sprachmodell, weil das ein Abwägen ist und kein schnelles Urteil.

Ein Punkt verbindet Messung und Handel. Wer fremde Seiten oder fremde Antworten mit einem Entscheidungsmodell bewertet, arbeitet mit Inhalten, die das Urteil beeinflussen können. Jede Bewertung fremder Inhalte braucht deshalb eine zweite, regelbasierte Prüfung daneben.

## Was solltest du jetzt konkret tun?

Geh deine drei wichtigsten Angebotsseiten mit den Fragen durch, die ein Vergleich stellen würde, und prüfe, ob jede Antwort als eindeutiger Satz im sichtbaren Text steht.

Ich würde in dieser Reihenfolge vorgehen:

1. **Fragen sammeln.** Schreib zehn Fragen auf, nach denen ein Käufer in deinem Markt filtert: Preisrahmen, Zielgruppe, Lieferzeit, Mindestlaufzeit, Standort, Schnittstellen, Support. Formuliere jede so, dass sie mit Ja oder Nein, einer festen Option oder einer Stufe beantwortbar ist.
2. **Seite dagegenhalten.** Lies nur den sichtbaren Text deiner Angebotsseite und beantworte jede Frage ausschließlich daraus. Jede Frage, bei der du auf dein eigenes Wissen zurückgreifen musst, ist eine Lücke.
3. **Lücken als Sätze schließen.** Ergänze pro Lücke einen Satz mit genau einer Aussage. Keine Verneinung, keine Rechnung, kein Verweis auf ein PDF.
4. **Bedienelemente prüfen.** Geh mit der Tabulatortaste durch die Seite oder nutze einen Screenreader. Was dabei keinen verständlichen Namen hat, hat auch für einen Agenten keinen.
5. **Nichts einbauen, was ein Urteil steuern soll.** Keine versteckten Absätze, keine Anweisungen an Modelle im Seitentext, keine Superlative ohne Beleg.
6. **Wiederholen, wenn sich das Angebot ändert.** Ein Urteil ist nur so aktuell wie der Satz, auf dem es beruht.

Der Aufwand liegt bei einem halben Tag pro Seite. Er lohnt sich auch ohne einen einzigen Agenten, weil Menschen dieselben Fragen haben und dieselben Lücken bemerken. Wer zusätzlich eine Volltextdatei bereitstellt, macht es einem Agenten leichter, alle Angaben in einem Abruf zu bekommen. Wie das geht, steht im Ratgeber [llms.txt erstellen](/wissen/llms-txt-erstellen).

[Grafik: Was ein Urteil kippt und was es trägt — Links drei Dinge, die ein Urteil verfälschen: Preis auf Anfrage, Schaltfläche ohne Namen, Text der für sich selbst wirbt. Rechts die Gegenstücke: Preisspanne im Text, Bedienelement mit Rolle, Aussage mit Beleg. — Was ein Urteil kippt, was es trägt · Links die Lücke, rechts der Satz, der sie schließt. · × · Preis auf Anfrage · × · Schaltfläche ohne Namen · × · Text, der für sich wirbt · Preisspanne im Text · Bedienelement mit Rolle · Aussage mit Beleg]

## Häufige Fragen

**Was ist ein KI-Modell?**

Ein KI-Modell ist ein trainiertes Programm, das aus einer Eingabe eine Ausgabe berechnet. Sprachmodelle wie die hinter ChatGPT erzeugen Text. Jev von TypeSafe AI gehört zu einer anderen Klasse: Es erzeugt keinen Text, es wählt aus vorgegebenen Antworten und nennt dazu eine Wahrscheinlichkeit.

**Welche KI-Modelle gibt es?**

Für Anbieter sind heute zwei Klassen wichtig. Sprachmodelle lesen Seiten, fassen zusammen und formulieren Empfehlungen. Entscheidungsmodelle wie Jev beantworten eng gestellte Fragen mit festen Optionen und eignen sich für die vielen kleinen Urteile, die ein Agent beim Vergleichen fällt.

**Kann künstliche Intelligenz Entscheidungen treffen?**

Ja, in einem engen Sinn. Ein Modell wie Jev wählt eine von mehreren vorgegebenen Optionen und gibt an, wie sicher die Wahl ist. Was mit dieser Wahl geschieht, legt der Code des Betreibers fest, und TypeSafe AI empfiehlt, unsichere Fälle an einen Menschen zu geben.

**Wie funktionieren KI-Agenten?**

Ein KI-Agent arbeitet in einer Schleife: Er beobachtet einen Zustand, entscheidet über den nächsten Schritt, führt ihn aus und prüft das Ergebnis. Beim Agenten von Browser Use ist der Zustand eine nummerierte Liste der sichtbaren Bedienelemente einer Seite. Jev wählt daraus Aktion und Ziel, ein kleines Sprachmodell schreibt nur dann Text, wenn ein Feld ausgefüllt werden muss.

**Was genau ist agentic commerce?**

Agentic Commerce bedeutet, dass ein KI-Agent im Auftrag eines Menschen recherchiert, vergleicht und den Kauf abschließt. Für Anbieter hat das zwei Hälften: vom Agenten gefunden und richtig beurteilt werden, und einen Abschluss ohne menschlichen Klick ermöglichen. Entscheidungsmodelle wie Jev betreffen die erste Hälfte.

**Was ist AI Commerce?**

AI Commerce wird meist als Sammelbegriff für den Einsatz von KI im Handel verwendet, etwa für Empfehlungen oder Suche im eigenen Shop. Agentic Commerce ist der engere Begriff für den umgekehrten Fall: Ein Agent auf der Seite des Käufers liest deine Seite und handelt im Auftrag.

## Fazit

Jev macht das einzelne Urteil über eine Seite so billig, dass Agenten es bei jedem Anbieter und bei jedem Schritt fällen können. Für Anbieter zählt deshalb weniger das Modell als die Form der eigenen Angaben: eindeutig, sichtbar, als Satz. Wer versucht, das Urteil mit Text zu steuern, baut auf eine Schwäche, die TypeSafe AI selbst als vorübergehend beschreibt. Eine klare Angabe übersteht jede Modellversion.

## Würde ein Agent auf deiner Seite die richtige Option wählen?

Das lässt sich prüfen, bevor es ein Agent tut. Der AgentReady Check zeigt, ob deine Domain für Modelle und Agenten auffindbar, lesbar und ansprechbar ist, und wo die Lücken liegen.

Kostenlosen Check starten

Kostenfrei · 2 Minuten

---

# Agentic Commerce: wenn KI-Agenten recherchieren, vergleichen und kaufen

URL: https://www.saschahoffmann.xyz/agentic-commerce
Sprache: de
Typ: Leistungsseite
Veröffentlicht: 2026-09-10T08:00:00+02:00
Zuletzt geändert: 2026-09-10T08:00:00+02:00

Was sich für Anbieter verändert, wenn ein KI-Agent im Auftrag eines Kunden ein Angebot auswählt und den Kauf abschließt.

Agentic Commerce bedeutet, dass ein KI-Agent im Auftrag eines Menschen recherchiert, vergleicht und den Kauf abschließt, ohne dass die Person selbst durch einen Shop klickt.

Ich sehe mir dabei an, welche Angaben ein Agent für die Auswahl bekommt und wie er anschließend den Kauf auslösen kann. Dazu gehören Leistungsumfang, Preis und Bedingungen.

Das ist der Teil, an dem ich gerade selbst arbeite. Ich schreibe hier auf, was ich dabei herausfinde, einschließlich der Sackgassen.

Das Wichtigste in Kürze

- Bei Agentic Commerce müssen Agenten das Angebot finden und einen Kauf auslösen können.
-

- Ein Modell, das deine Seite liest, braucht nur Text. Ein Agent, der kauft, braucht strukturierte Angaben.
-

- Drei Protokolle stehen im Raum: ACP, UCP und AP2. Keines ist heute in DACH verbreitet.
-

- Mich interessiert besonders, wie Agenten Angebote im Geschäftskundenbereich vergleichen.
-

- Die Vorarbeit ist dieselbe wie für KI-Sichtbarkeit. Wer die erledigt hat, hat später eine Erweiterung statt eines Umbaus.
-

## Die zwei Hälften des Themas

Bei Agentic Commerce prüfe ich zwei Fragen: Findet ein Agent das Angebot und kann er einen Kauf auslösen?

**Auffindbarkeit** heißt, dass dein Angebot überhaupt in der Antwort auftaucht, aus der ein Agent seine Auswahl trifft. Das ist dieselbe Arbeit wie bei der [GEO-Optimierung](/geo-optimierung), und sie zahlt sich schon heute aus.

**Abschlussfähigkeit** heißt, dass ein Agent den Kauf oder die Anfrage auslösen kann, ohne dass ein Mensch dazwischen klickt. Dafür braucht er eindeutige Angaben: was genau gekauft wird, zu welchen Bedingungen, in welcher Währung, was danach passiert.

In DACH ist die zweite Hälfte heute noch klein. Das ist kein Grund, sie zu ignorieren, aber es ist ein Grund, mit der ersten anzufangen. Ich halte es selbst so: erst messbar auffindbar, dann abschlussfähig.

## Wie KI-Agenten Produkte finden

Über denselben Weg wie jede andere KI-Antwort: ein Abruf der Seite, gelesen wird das ausgelieferte HTML.

Bei einem reinen HTML-Abruf ist entscheidend, was der Server liefert. Wird der Preis erst per JavaScript nachgeladen, fehlt er in diesem Abruf. Prüfe deshalb, ob die Angebotsangaben bereits im ausgelieferten Text stehen.

Dazu kommt die Bewertung. Ein Agent, der drei Anbieter vergleichen soll, braucht vergleichbare Angaben. Fehlen sie bei dir und stehen sie bei zwei anderen, fällst du aus dem Vergleich, ohne je abgelehnt worden zu sein.

Kostenloser Check

Könnte ein Agent bei dir überhaupt anfangen?
 Der Check prüft, ob deine Domain technisch auffindbar, lesbar und ansprechbar ist.

Kostenlosen Check starten

## ACP, UCP und AP2: was die Protokolle regeln

Drei Vorschläge stehen im Raum, und sie lösen unterschiedliche Teile desselben Problems.

Ein Protokoll in diesem Feld regelt im Kern drei Fragen: wie ein Agent dein Angebot maschinenlesbar bekommt, wie eine Absicht verbindlich wird, und wie bezahlt wird, ohne dass der Agent die Kreditkartendaten des Nutzers selbst hält.

Für dich als Anbieter ist die Lage heute unbequem, aber überschaubar: kein Standard hat sich durchgesetzt, und keiner ist in DACH verbreitet. Sich jetzt auf einen festzulegen wäre eine Wette, und ich gehe sie nicht ein. Was sich dagegen lohnt, ist die Vorarbeit, die bei jedem der drei gebraucht wird: eindeutige Angaben zu Angebot, Preisbildung und Ablauf, in strukturierter Form.

Diese Vorarbeit ist nicht verloren, egal welches Protokoll gewinnt. Sie ist außerdem dieselbe, die dir heute schon bei der Auffindbarkeit hilft.

## Warum B2B der interessantere Fall ist

Mich interessieren im B2B vor allem Käufe, bei denen mehrere Angebote anhand fester Kriterien verglichen werden.

Ich will wissen, welche Teile dieser Recherche ein Agent übernehmen kann. Dafür muss er erkennen können, ob ein Angebot zu den Anforderungen des Käufers passt.

Für solche Vergleiche bereite ich die Angebotsangaben so auf, dass sich Unterschiede erkennen lassen. Leistungsumfang, Abgrenzung, Voraussetzungen, Ablauf, und wenigstens eine Größenordnung beim Preis. Ob eine konkrete Zahl auf die Seite gehört, ist eine unternehmerische Entscheidung. Fehlen Preisangaben, bleibt dieser Teil des Vergleichs offen.

## An KI-Agenten verkaufen: was heute schon geht

Heute geht vor allem eines: dafür sorgen, dass ein Agent dich korrekt beschreiben kann. Der Abschluss kommt später.

Vier Dinge sind sofort umsetzbar und kosten keine Protokoll-Entscheidung:

1. **Angebotsangaben in Klartext**, auf einer abrufbaren Seite, nicht in einem PDF und nicht in einer Grafik.
2. **Ein maschinenlesbarer Frageteil** mit den Fragen, die im Vergleich entscheiden.
3. **Strukturierte Daten** zu Anbieter und Leistung, genau ein Block mit `@graph`.
4. **Eine Volltextdatei** wie `llms-full.txt`, damit ein Agent weiterlesen kann, ohne zwanzig Seiten einzeln abzurufen.

Damit machst du deine Angebotsangaben zugänglich, bevor du einen konkreten Kaufablauf integrierst.

## Was du heute nicht bauen solltest

Alles, was sich an ein einzelnes Protokoll bindet, solange keines verbreitet ist.

Eine eigene Schnittstelle, über die ein Agent bezahlen kann, ist heute in DACH ein Projekt ohne Nutzer. Dasselbe gilt für Integrationen in einzelne Agenten-Ökosysteme. Solche Integrationen binden Entwicklungszeit. Ich prüfe deshalb zuerst, ob Agenten das Angebot finden und korrekt beschreiben können.

Wenn ein Modell deine Marke falsch beschreibt, würde ich zuerst dort ansetzen.

Ich schreibe über dieses Thema, weil ich mit Flow selbst an einem Kaufablauf für Agenten arbeite. Woran ich gerade arbeite, steht [über mich](/ueber-mich).

## Häufige Fragen

**Ist Agentic Commerce dasselbe wie KI im E-Commerce?**

Nein. KI im E-Commerce meint meist Werkzeuge auf deiner Seite, etwa Empfehlungen oder Suchfunktionen. Agentic Commerce meint den umgekehrten Fall: ein Agent auf Seiten des Käufers, der deine Seite liest und im Auftrag handelt.

**Muss ich mich jetzt für ein Protokoll entscheiden?**

Nein. Keines ist in DACH verbreitet, und die Vorarbeit ist bei allen dieselbe: eindeutige, abrufbare Angaben zu Angebot, Preisbildung und Ablauf. Die lohnt sich unabhängig davon, welches sich durchsetzt.

**Können KI-Agenten heute schon kaufen?**

Technisch gibt es die Bausteine, in einzelnen Märkten laufen erste Umsetzungen. Im deutschsprachigen Raum ist das Volumen heute klein. Der Wert liegt aktuell im Gefundenwerden, nicht im Abverkauf.

**Brauche ich dafür einen Produktfeed?**

Wenn du physische Produkte verkaufst, wird ein strukturierter Feed früher relevant als bei Dienstleistungen. Für beide gilt aber zuerst: die Angaben müssen überhaupt auf einer abrufbaren Seite stehen.

**Was ist der erste Schritt?**

Prüfen, ob deine Domain für Agenten überhaupt lesbar ist. Alles andere setzt darauf auf.

## Fazit

Bei Agentic Commerce arbeite ich zuerst an eindeutigen, abrufbaren Angebotsangaben. Danach kommt die Frage, wie ein Agent den Kauf auslösen kann. Mit dieser Reihenfolge kann ich die Website vorbereiten und den passenden Kaufablauf gesondert prüfen.

## Könnte ein Agent bei dir kaufen?

Die Antwort beginnt eine Stufe früher: kann er dich überhaupt finden und verstehen. Der Check prüft genau das, und zwar an deiner echten Domain.

Kostenlosen Check starten

Kostenfrei · 2 Minuten

---

# KI-Sichtbarkeit messen: Share of Answer statt Ranking

URL: https://www.saschahoffmann.xyz/ki-sichtbarkeit
Sprache: de
Typ: Leistungsseite
Veröffentlicht: 2026-09-09T08:00:00+02:00
Zuletzt geändert: 2026-09-09T08:00:00+02:00

Die Messung: wie du prüfst, ob KI-Systeme dich nennen, ob die Aussage stimmt, und wer stattdessen empfohlen wird.

KI-Sichtbarkeit ist der Anteil der KI-Antworten, in denen deine Marke vorkommt, gemessen an einem festen Satz von Fragen. Sie ist eine Zahl, keine Position.

Diese Seite handelt von der Messung. Was du tust, damit sich die Zahl bewegt, steht auf der Seite zur [GEO-Optimierung](/geo-optimierung). Die Trennung hilft dir, Änderungen und ihre Ergebnisse auseinanderzuhalten.

Ich betreibe dafür einen eigenen Monitor: 25 Kauf-Prompts, bis zu neun Modelle, jeden Monat. Was hier steht, ist die Methode dahinter, aufgeschrieben so, dass du sie auch ohne mein Werkzeug nachbauen kannst.

Das Wichtigste in Kürze

- Gemessen wird der Anteil der Antworten mit Nennung, nicht ein Platz von 1 bis 10.
-

- Drei Werte pro Antwort reichen: wirst du genannt, stimmt die Aussage, wer wird stattdessen genannt.
-

- Der Wortlaut der Fragen muss gleich bleiben. Wer jedes Mal anders fragt, misst die Frage statt die Seite.
-

- Eine einzelne Abfrage ist kein Befund. Dieselbe Frage führt nicht zwangsläufig zur selben Antwort.
-

- Ein Satz aus 20 bis 30 Fragen, monatlich gestellt, ergibt eine Zahl, die sich vergleichen lässt.
-

## Warum eine Position hier nicht funktioniert

Für diese Messung zähle ich, in welchen Antworten dein Unternehmen genannt wird. Die Reihenfolge einer Suchergebnisliste ist dafür kein geeigneter Maßstab.

Ich halte pro Antwort fest, ob die Marke vorkommt. Über mehrere Fragen und Messläufe ergibt sich daraus ein Anteil, den ich verfolgen kann.

Was bleibt, ist eine Häufigkeit: in wie vielen von dreißig Antworten kommst du vor. Diese Häufigkeit kannst du bei gleichem Vorgehen über die Monate vergleichen.

## Wie kann ich meine KI-Sichtbarkeit messen?

Mit einem festen Fragensatz, regelmäßig gestellt, und drei notierten Werten pro Antwort. Genau so läuft mein Monitor, nur automatisch.

**Der Fragensatz.** Zwanzig bis dreißig Fragen, die ein Käufer wirklich stellen würde. Nutze dafür die Formulierungen aus echten Erstgesprächen. Sinnvoll sind fünf Blöcke: Kategorie-Auswahl, Fakten über dich, Anwendungsfall, Kaufkriterien, direkter Vergleich mit deinen Wettbewerbern.

**Die drei Werte.** Notiere, ob du genannt wirst, ob die Angaben stimmen und welche Wettbewerber vorkommen. Vergleiche die Aussagen mit deinem aktuellen Angebot, damit dir alte Preise oder eingestellte Leistungen auffallen.

**Der Rhythmus.** Einmal im Monat reicht und ist besser als sporadisch. Wichtig ist, dass Wortlaut und Zeitpunkt stabil bleiben. Ich messe monatlich, weil kürzere Abstände vor allem Rauschen zeigen.

Kostenloser Check

Bevor du misst, prüf die Technik.
 Der Check hilft dir, technische Abrufprobleme zu erkennen, bevor du die Antworten auswertest.

Kostenlosen Check starten

## Share of Answer im Vergleich

Share of Answer ist der Anteil der Vergleichsfragen, in denen du genannt wirst, direkt neben demselben Wert für jeden Wettbewerber.

Ein Rechenbeispiel: Bei dreißig Fragen kommst du in acht Antworten vor. Das sind rund 27 Prozent. Zwölf Nennungen im Folgemonat wären 40 Prozent. Ob eine Änderung an der Website die Ursache ist, lässt sich daraus allein noch nicht ablesen. Der Wert wird erst im Vergleich aussagekräftig: "Wettbewerber A wird in 80 Prozent der Vergleiche genannt, du in 40" sagt mehr als jede absolute Zahl.

Daneben lohnt eine zweite Größe: die offenen Lücken. Das sind Fragen, die kein Modell über dich beantworten konnte. Diese Liste hilft mir, Themen für die nächsten Artikel auszuwählen.

[Grafik: Drei Werte pro Antwort — Nennung, Richtigkeit und der dominierende Wettbewerber. Aus dem ersten Wert ergibt sich der Share of Answer. — Was pro Antwort notiert wird · Drei Werte, mehr braucht es nicht. · 01 · Wirst du genannt? · ergibt den Share of Answer · 02 · Stimmt die Aussage? · deckt veraltete Angaben auf · 03 · Wer wird stattdessen genannt? · zeigt, gegen wen du antrittst · Gleicher Wortlaut, gleicher Rhythmus. Sonst misst du die Frage.]

*Zum Vergrößern tippen*

## Warum empfiehlt ChatGPT meine Marke nicht?

Weil auf deiner Seite kein Satz steht, der die gestellte Frage beantwortet, oder weil die Seite den Abruf gar nicht erreicht.

Diese beiden Ursachen sehen von außen gleich aus und brauchen völlig verschiedene Maßnahmen. Ein schneller Trenntest: frag ein Modell direkt nach deiner Domain, nicht nach deiner Kategorie. Kommt eine brauchbare Beschreibung zurück, bist du erreichbar und lesbar, und das Problem liegt beim Text. Kommt nichts oder etwas offensichtlich Falsches, liegt es an der Zustellung.

Eine dritte Ursache ist Positionierung. Fragen nach einer Kategorie mit zehn großen, bekannten Anbietern werden mit diesen zehn beantwortet. Das ist kein technisches Problem. Die Antwort darauf ist eine engere Frage, bei der du die naheliegende Wahl bist.

## Von ChatGPT empfohlen werden

Empfohlen wird, wer die Frage beantwortet und dessen Angaben überprüfbar sind. Beides muss im abrufbaren Text stehen.

Konkret heißt das: für jede Frage ein eigener Abschnitt, Überschrift ist die Frage, erster Satz ist die Antwort. Schreibe die Antwort direkt unter die Überschrift und ergänze danach die Erklärung.

Was zusätzlich zählt, ist Genauigkeit. Zwei Seiten, die dasselbe sagen, führen dazu, dass die bekanntere genannt wird, und das ist im Zweifel nicht deine. Der einzige verlässliche Vorteil ist eine Angabe, die sonst niemand machen kann: eine Zahl aus deinem Betrieb, ein Fall, den du begleitet hast, ein Ablauf, den du wirklich so fährst.

## In Claude gefunden werden

Die technische Grundlage ist dieselbe wie bei ChatGPT, die Zusammensetzung der Antworten ist es nicht. Deshalb lohnt es, mehr als ein System zu messen.

Perplexity arbeitet sichtbar mit Quellen und nennt sie neben der Aussage. Systeme, die ihre Antwort als geschlossenen Text formulieren, nennen Quellen sparsamer. Dort ist die Nennung deines Namens im Fließtext wertvoller als der Link.

Ein zweiter Unterschied betrifft die Sprache. Eine Frage auf Deutsch führt zu anderen Quellen als dieselbe Frage auf Englisch, auch bei identischem Thema. Wer im deutschsprachigen Markt verkauft, misst auf Deutsch.

## Agent Readiness: die technische Vorstufe

Agent Readiness beschreibt, ob ein Agent deine Domain finden, verstehen und dort etwas auslösen kann. Sie ist die Voraussetzung, nicht das Ergebnis.

Der Unterschied zur Sichtbarkeit ist wichtig. Agent Readiness lässt sich technisch prüfen und hat eine eindeutige Antwort. Sichtbarkeit lässt sich nur beobachten und schwankt. Wer die Vorstufe nicht bestanden hat, braucht mit dem Messen gar nicht anzufangen: er misst dann nur, dass er nicht abrufbar ist.

Deshalb habe ich zuerst den Check gebaut und danach den Monitor. Mehr dazu steht [über mich](/ueber-mich).

## Häufige Fragen

**Wie viele Fragen brauche ich für eine belastbare Messung?**

Zwanzig bis dreißig. Weniger schwankt zu stark, mehr kostet Aufwand ohne zusätzliche Aussage. Wichtiger als die Anzahl ist, dass der Wortlaut über die Monate gleich bleibt.

**Warum bekomme ich bei derselben Frage unterschiedliche Antworten?**

Das liegt in der Natur dieser Systeme. Deshalb ist eine einzelne Abfrage kein Befund. Erst ein fester Fragensatz, mehrfach gestellt, ergibt ein Bild, mit dem man arbeiten kann.

**Reicht es, ChatGPT zu messen?**

Für den Anfang ja. Sobald du etwas änderst, lohnt der Blick auf mehrere Systeme, weil ein Rückgang im einen und ein Anstieg im anderen sonst unbemerkt bleibt.

**Was mache ich mit den offenen Lücken?**

Das ist dein Redaktionsplan. Jede Frage, die kein Modell über dich beantworten konnte, ist ein Abschnitt, den es auf deiner Seite noch nicht gibt.

**Kann ich das von Hand messen?**

Ja, und für den ersten Befund ist das sogar sinnvoll, weil du dabei ein Gefühl für die Antworten bekommst. Ab dem zweiten Monat wird es mühsam, weil Wortlaut und Zeitpunkt stabil bleiben müssen.

## Fazit

KI-Sichtbarkeit ist eine Häufigkeit, keine Position, und sie wird erst im Verlauf aussagekräftig. Ein fester Fragensatz, drei notierte Werte pro Antwort und ein monatlicher Rhythmus reichen aus. Wer vorher nicht geprüft hat, ob seine Seite überhaupt abrufbar ist, misst am falschen Ende.

## Was sagen die Modelle heute über dich?

Prüfe zunächst die technische Zugänglichkeit deiner Website. Der Check sagt dir in zwei Minuten, ob deine Domain überhaupt in Frage kommt.

Kostenlosen Check starten

Kostenfrei · 2 Minuten

---

# GEO-Optimierung: sichtbar werden in ChatGPT, Perplexity und Googles KI-Modus

URL: https://www.saschahoffmann.xyz/geo-optimierung
Sprache: de
Typ: Leistungsseite
Veröffentlicht: 2026-09-08T08:00:00+02:00
Zuletzt geändert: 2026-09-08T08:00:00+02:00

Die Methode: was du tust, damit KI-Systeme deine Seite abrufen, verstehen und in ihren Antworten nennen.

GEO-Optimierung ist die Arbeit daran, dass KI-Systeme deine Seite abrufen, verstehen und in ihren Antworten nennen. Die Abkürzung steht für Generative Engine Optimization.

Bei GEO interessiert mich, ob eine KI-Antwort dein Unternehmen nennt und dein Angebot richtig beschreibt. Eine Position in der Suchergebnisliste beantwortet diese Frage noch nicht.

Ich baue die Werkzeuge, mit denen ich das messe, und schreibe auf dieser Seite auf, was dabei herauskommt. Was hier steht, ist die Reihenfolge, in der ich selbst vorgehe, wenn ich mir eine Domain ansehe.

Das Wichtigste in Kürze

- GEO ist die Methode, KI-Sichtbarkeit ist die Messung. Auf dieser Seite steht, was du tust.
-

- Es gibt zwei Wege in eine Antwort: das Trainingswissen und die Live-Websuche. Nur den zweiten beeinflusst du diese Woche.
-

- Sechs technische Voraussetzungen entscheiden, ob ein Abruf mit etwas Brauchbarem zurückkommt.
-

- Prüfe, ob dein Text bereits im ausgelieferten HTML steht oder erst im Browser entsteht.
-

- Die ersten drei Prüfungen kosten zehn Minuten und brauchen keinen Entwickler.
-

## Wie ich GEO-Optimierung aufteile

Ich zerlege sie in drei Teile: Zustellung, Lesbarkeit und Antwort.

**Zustellung** heißt, dass der Abruf überhaupt durchkommt. Das entscheidet deine `robots.txt` und, falls vorhanden, ein vorgeschalteter Schutzdienst.

**Lesbarkeit** heißt, dass im ausgelieferten HTML Text steht. Gemeint ist die Datei, die dein Server beim Abruf herausgibt.

**Antwort** heißt, dass dieser Text die Frage beantwortet, die jemand gestellt hat. Das ist der Teil, den keine Einstellung löst.

Ich prüfe zuerst den Abruf und dann den gelieferten Text. So sehe ich, ob die technische Grundlage für die Textarbeit vorhanden ist.

## Was ist der Unterschied zwischen SEO und GEO?

SEO optimiert auf eine Position in einer Ergebnisliste, GEO auf die Nennung in einem Antworttext.

Bei SEO kannst du die Position einer Seite verfolgen. Bei GEO sehe ich mir die Antworten selbst an: Wird das Unternehmen genannt und in welchem Zusammenhang?

Gemessen wird deshalb auch anders. Statt einer Position zählt der Anteil der Antworten, in denen du vorkommst, ob die Aussage über dich stimmt, und in welchem Ton sie ausfällt. Wie das geht, steht auf der Seite [KI-Sichtbarkeit](/ki-sichtbarkeit).

Die technische Grundlage überschneidet sich stark. Saubere Seitenstruktur, schnelles Ausliefern und strukturierte Daten helfen beidem. Die Textarbeit unterscheidet sich.

Kostenloser Check

Wo steht deine Domain gerade?
 Der Check liest sie so, wie ein Modell sie liest, und zeigt dir, welche der sechs Voraussetzungen fehlen.

Kostenlosen Check starten

## Ist GEO wichtiger als SEO?

SEO und GEO betreffen unterschiedliche Wege, auf denen Kunden ein Angebot finden können. Ich würde bestehende Suchzugriffe bei der Arbeit an GEO weiter im Blick behalten.

Wer heute alles auf GEO umstellt und Google fallen lässt, verliert Traffic, der bereits funktioniert. Wer GEO ignoriert, verliert Sichtbarkeit in einem Kanal, der jedes Jahr größer wird.

Die gemeinsame technische Grundlage kannst du für beide nutzen. Was dazukommt, ist die Art, wie du schreibst. Ein Abschnitt, dessen Überschrift eine Frage stellt und dessen erster Satz sie beantwortet, wirkt in beiden Kanälen. In der KI-Antwort wirkt er stärker.

## Wie mache ich meine Website für KI sichtbar?

Sechs Voraussetzungen entscheiden darüber, und sie bauen aufeinander auf. Das ist die Liste, die ich bei jeder Domain durchgehe.

1. **robots.txt** mit den KI-Crawlern: `GPTBot`, `OAI-SearchBot`, `ChatGPT-User`, `PerplexityBot`, `ClaudeBot`, `Google-Extended`.
2. **HTML kommt vom Server.** Was erst im Browser entsteht, ist für einen Abruf nicht vorhanden.
3. **llms.txt** als geordneter Einstieg, dazu `llms-full.txt` mit den Volltexten.
4. **Strukturierte Daten**, genau ein Script-Block mit `@graph`, nie Felder daneben.
5. **Ein lesbarer Frageteil** mit vier bis acht echten Kundenfragen.
6. **Nachvollziehbare Angaben zum Angebot**, damit ein Modell dich in Vergleiche einsortieren kann.

Prüfe zuerst, ob der Seiteninhalt ankommt. Ein grüner Haken für strukturierte Daten beantwortet diese Frage noch nicht. Danach kannst du dich um die Angaben zum Angebot und die Kundenfragen kümmern.

[Grafik: Die drei Teile der GEO-Optimierung — Zustellung, Lesbarkeit und Antwort. Jeder Teil setzt auf dem vorherigen auf. — Drei Teile, eine Reihenfolge · An Teil drei zu arbeiten, während Teil eins blockiert, wirkt nicht. · 01 · Zustellung · Kommt der Abruf durch? · robots.txt, Schutzdienst · 02 · Lesbarkeit · Steht Text im HTML? · Serverseitig geliefert, llms.txt, Schema · 03 · Antwort · Beantwortet der Text die Frage? · Überschrift ist die Frage, erster Satz ist die Antwort]

*Zum Vergrößern tippen*

## Findet ChatGPT meine Website?

Das prüfst du in einer Minute: ruf `deine-domain.de/robots.txt` auf und sieh nach, ob die Namen aus Punkt eins darin vorkommen und ob irgendwo ein pauschales `Disallow: /` steht.

Kommt gar keine Datei zurück, gilt die Standardregel deines Hosters, und die ist bei Baukästen oft restriktiver als gedacht. Steht ein Schutzdienst vor der Seite, kann die robots.txt einwandfrei sein und der Abruf trotzdem eine Fehlerseite bekommen.

Der zweite Test dauert zwei Minuten: frag ein Modell direkt nach deiner Domain. Kommt eine brauchbare Beschreibung zurück, ist die Seite erreichbar und lesbar. Kommt nichts, liegt es an der Zustellung.

## Wird meine Website von KI gelesen?

Öffne deine Seite, Rechtsklick, "Seitenquelltext anzeigen", und such nach einem Satz, den du auf der Seite siehst. Findest du ihn, wirst du gelesen.

Wichtig ist der richtige Menüpunkt. "Untersuchen" zeigt den Zustand, den dein Browser gebaut hat, und damit immer eine vollständige Seite. Nur der Quelltext zeigt, was vom Server kam.

Fällt der Test negativ aus, baut deine Seite ihren Inhalt erst im Browser zusammen. Im Browser kann die Seite dabei vollständig aussehen. Deshalb gehört der Blick in den Quelltext zu meiner Prüfung.

## Wie ich vorgehe

Ich beginne mit dem kostenlosen Check und bearbeite danach die technischen Befunde und den Text.

**Befund.** Der Check liest deine Domain wie ein Modell und listet, welche der sechs Voraussetzungen fehlen. Zwei Minuten, ohne Anmeldung.

**Technik.** Die Punkte eins bis vier sind in der Regel an einem Vormittag erledigt. Punkt zwei kann ein Umbau sein, das hängt davon ab, womit die Seite gebaut ist.

**Text.** Für jede Frage, für die du genannt werden willst, ein Abschnitt, dessen Überschrift die Frage ist und dessen erster Satz sie beantwortet. Dafür brauchst du die Fragen deiner Kunden und konkrete Angaben zu deinem Angebot.

Warum ich es so mache und woher die Werkzeuge kommen, steht [über mich](/ueber-mich).

## Häufige Fragen

**Wofür steht GEO?**

Für Generative Engine Optimization. Der Begriff hat nichts mit Geografie oder lokaler Suche zu tun, auch wenn die Abkürzung dieselbe ist. Gemeint ist die Optimierung auf Systeme, die Antworten erzeugen statt Listen.

**Ist GEO dasselbe wie KI-SEO oder LLM SEO?**

Ja, die Begriffe meinen dasselbe. GEO hat sich im deutschsprachigen Raum als Gattungsbegriff durchgesetzt, die anderen tauchen als Synonyme auf.

**Wie lange dauert es, bis es wirkt?**

Über die Live-Websuche gibt es keine Wartezeit im klassischen Sinn: sobald die Seite abrufbar und lesbar ist, kann sie in der nächsten Antwort auftauchen. Ob sie es tut, hängt am Text. Das Wissen im Modell selbst braucht deutlich länger und lässt sich nicht beschleunigen.

**Brauche ich dafür einen Entwickler?**

Für robots.txt und llms.txt nicht. Für serverseitig geliefertes HTML unter Umständen schon. Die Textarbeit braucht ohnehin dich und keinen Entwickler.

**Muss ich meine Preise veröffentlichen?**

Nein, das ist eine unternehmerische Entscheidung. Ohne jede Angabe zur Größenordnung kann ein Modell dich aber in keinen Vergleich einsortieren, und Vergleichsfragen sind genau die Stellen, an denen Empfehlungen entstehen.

**Sollte ich KI-Crawler lieber aussperren?**

Das hängt von deinem Geschäft ab. Wer Inhalte verkauft, hat gute Gründe, den Zugriff einzuschränken. Wer über Inhalte gefunden werden will, sperrt sich damit selbst aus. Man kann auch unterscheiden und die Crawler für die Live-Websuche erlauben, während man die für das Training sperrt.

## Fazit

GEO-Optimierung verbindet technische Prüfung mit Textarbeit. Ich prüfe zuerst, ob sich die Seite abrufen lässt und welcher Inhalt dabei ankommt. Danach bearbeite ich die Antworten auf Kundenfragen. So lässt sich für jede Änderung benennen, welches Problem sie lösen soll.

## Wo steht deine Seite heute?

Die ersten drei Prüfungen sind in zehn Minuten erledigt, und du musst dafür nichts installieren. Der Check nimmt dir die Handarbeit ab und prüft auch das, was man im Browser nicht sieht.

Kostenlosen Check starten

Kostenfrei · 2 Minuten