### OpenAI führt Shopping-Recherche in ChatGPT ein
OpenAI hat Shopping-Recherche eingeführt, eine neue Funktion in ChatGPT, die die KI in einen interaktiven Produkt-Rechercheur verwandelt. Benutzer beschreiben ihre Bedürfnisse – wie z. B. einen leisen, kabellosen Staubsauger für eine kleine Wohnung oder ein Geschenk für ein Kind, das Kunst liebt – und das System antwortet mit präzisierenden Fragen zu Budget, Größe, Präferenzen und Prioritäten wie Leistung oder Preis. Anschließend werden mehrstufige Web-Suchen durchgeführt, wobei strukturierte Daten zu Preisen, Spezifikationen, Bewertungen und Verfügbarkeit aus hochwertigen Quellen entnommen werden, um einen personalisierten Einkäufer-Ratgeber mit rangierten Optionen, Vergleichen und Kompromissen zu liefern[4][1][2].
Die Funktion wurde am 24. November 2025 für angemeldete Benutzer in den kostenlosen, Plus-, Pro- und anderen Tarifen auf Mobilgeräten und im Web eingeführt, wobei die Nutzung über die Feiertage nahezu unbegrenzt war, um beim Geschenkeinkauf zu helfen. Angetrieben von einer speziellen GPT-5-Mini-Variante, die durch Verstärkungslernen für Shopping-Aufgaben trainiert wurde, dauert die Bearbeitung pro Anfrage mehrere Minuten und erreicht eine Genauigkeit von 52 % bei Anfragen mit mehreren Einschränkungen (z. B. bestimmte Preisspannen, Farben und Funktionen) im Vergleich zu 37 % für die Standard-ChatGPT-Suche. OpenAI weist auf mögliche Fehler bei Preisen oder Verfügbarkeit hin und fordert eine Überprüfung auf den Websites der Einzelhändler an[2][3][4].
### Auswirkungen auf E-Commerce-Produkt-Feeds
Die Shopping-Recherche zieht Echtzeitdaten aus dem gesamten Web und synthetisiert sie in strukturierte Anleitungen und nicht in Rohlisten. Dies erfordert, dass E-Commerce-Plattformen dynamische, qualitativ hochwertige <a href="/de/blog/product_feed/">Produkt-Feeds</a> mit aktuellen Spezifikationen, Preisen und Bewertungen pflegen, um diese in KI-gesteuerten Suchanfragen genau darzustellen. Unvollständige oder veraltete Feeds riskieren den Ausschluss von Empfehlungen, da die KI zuverlässige Quellen priorisiert[1][4].
Bei den Katalogisierungsstandards erzwingt die Funktion eine Verschiebung hin zu semantischer Reichhaltigkeit: Produkte müssen detaillierte Attribute (Abmessungen, Materialien, Benutzerbewertungen) enthalten, die mit natürlichen Sprachabfragen übereinstimmen. Kategorien wie Elektronik, Beauty, Haushaltswaren, Küchengeräte und Outdoor-Ausrüstung schneiden aufgrund ihrer spezifikationslastigen Natur am besten ab, während Bekleidung mit subjektiven Faktoren wie der Passform zu kämpfen hat[2][3][4].
### Verbesserung der Qualität und Vollständigkeit von Produkt Cards
Einkäufer-Ratgeber heben Kompromisse und Personalisierung hervor – indem sie die ChatGPT-Memory für den Kontext wie vergangene Gamer-Präferenzen oder Stil-Abneigungen nutzen – und Lücken in einfachen Produkt Cards aufdecken. Der E-Commerce muss die Cards mit umfassenden Details, Bildern und benutzergenerierten Inhalten verbessern, um die Tiefe der KI-Synthese zu erreichen. Interaktive Verfeinerungen, wie z. B. das Markieren von Optionen mit „nicht interessiert“ oder „mehr wie diese“, setzen die Plattformen zusätzlich unter Druck, Echtzeitfilter zu ermöglichen[1][2][6].
Dies erhöht die Messlatte für die Vollständigkeit der Inhalte: Teilweise Spezifikationen oder veraltete Bewertungen führen zu suboptimalen Rankings, da die KI mehrere Websites kreuzverweist. Plattformen mit robusten, standardisierten Cards erhalten Sichtbarkeit in diesen konversationellen Abläufen[1][5].
### Beschleunigung des Sortiments-Deployments
Der traditionelle E-Commerce stützt sich bei neuen Sortimenten auf manuelle Kuration, aber die Shopping-Recherche beschleunigt die Entdeckung durch sofortiges Indizieren von Webdaten. Händler können das Inventar schneller über KI-optimierte Feeds ausgeben, wodurch die Time-to-Market für saisonale oder Nischenartikel verkürzt wird. Der Deep-Research-Modus der Funktion – der komplexe Entscheidungen in Minuten bewältigt – umgeht das aufwändige Browsen und leitet den Traffic in gut indizierte Kataloge[4][6].
Feiertags-Boosts wie unbegrenzte Anfragen unterstreichen diese Geschwindigkeit: Phasen mit hohem Traffic verstärken die Präsenz für agile Feed-Manager und können die Geschwindigkeit des Sortiments potenziell von Wochen auf Tage verändern[4]. Erfahren Sie mehr über das Thema in unserem Artikel über <a href="/de/blog/common-mistakes-in-product-feed-uploads/">Häufige Fehler beim Hochladen von Produkt-Feeds</a>.
### No-Code- und KI-Integration in Content-Workflows
No-Code-Tools lassen sich jetzt nahtlos in KI-Rechercheure integrieren und automatisieren die Feed-Generierung und Card-Anreicherung ohne Entwicklungsteams. Die Abhängigkeit der Shopping-Recherche von strukturierten Webdaten motiviert Low-Code-Plattformen, KI für die dynamische Katalogisierung einzubetten, z. B. das automatische Taggen von Spezifikationen oder das Erstellen von Vergleichstabellen. In unserem Artikel über <a href="/de/blog/csv-format-how-to-structure-product-data-for-smooth-integration/">CSV Format</a> erfahren Sie, wie Sie Ihre Produktdaten im CSV-Format strukturieren.
Zukünftiges Instant Checkout – bereits für ausgewählte Händler live – deutet auf geschlossene Journeys hin, die Recherche mit reibungslosen Käufen verbinden. Diese No-Code/KI-Synergie rationalisiert die Content-Infrastruktur und verwandelt statische Kataloge in adaptive, abfragegesteuerte Systeme[2][3]. Erfahren Sie außerdem mehr über <a href="/de/blog/artificial-intelligence-for-business/">Künstliche Intelligenz für Unternehmen</a>.
*Retail Dive.*
*OpenAI Blog.*
---
Die Entwicklung der KI-gestützten Shopping-Recherche unterstreicht eine entscheidende Verschiebung im E-Commerce: die Betonung der Datenqualität und -vollständigkeit innerhalb der Produkt-Feeds. Da KI-Tools immer ausgefeilter werden, verlassen sie sich für eine optimale Leistung auf umfassende, strukturierte Produktinformationen. Dieser Trend unterstreicht die Bedeutung von Lösungen wie NotPIM, die die Tools und Fähigkeiten bereitstellen, um Produktdaten zu standardisieren, anzureichern und zu optimieren und sicherzustellen, dass E-Commerce-Unternehmen in einer zunehmend KI-gesteuerten Landschaft gedeihen können, indem sie in relevanten Käufer-Journeys genau und umfassend dargestellt werden. Weitere Informationen finden Sie in unserem Artikel über <a href="/de/blog/data-integration-challenges-whats-holding-your-online-store-back/">Herausforderungen bei der Datenintegration</a>.