OTTO KI-Suche 2026: Produktdaten für den Assistenten

Die kurze Antwort: OTTO hat gemeinsam mit Google einen KI-Assistenten entwickelt, der auf Gemini-Technologie basiert und Kunden bei der Produktsuche sowie bei Serviceanfragen unterstützt. Der Assistent versteht natürlich formulierte Anfragen per Text und per Sprache, erkennt auch Dialekte, ordnet Bedürfnisse kontextuell ein und schlägt passende Artikel aus einem Sortiment von über 18 Millionen Produkten vor (Stand: August 2026, Quelle: onlinemarktplatz.de, t3n, retail-news). Die Funktion befindet sich im stufenweisen Rollout und wird schrittweise mehr Kunden zugänglich gemacht. Für Händler ändert sich damit die Ausgangslage: Nicht mehr allein das Keyword im Titel entscheidet über Sichtbarkeit, sondern wie vollständig und maschinenlesbar Ihre Produktdaten beschreiben, wofür ein Artikel taugt. Wer nur Titel und Bild pflegt, wird in KI-Antworten seltener vorkommen.

Dieser Beitrag zeigt, welche Datenfelder jetzt zählen und wie Sie Ihr Sortiment darauf vorbereiten.

Inhaltsverzeichnis

• Was der OTTO KI-Assistent tatsächlich kann
• Warum strukturierte Attribute jetzt wichtiger werden
• Beschreibungstexte für Anwendungsfälle statt für Keywords
• Bilder, Bewertungen und die Rolle von Kontextdaten
• In 5 Schritten Ihr Sortiment KI-fähig machen
• Rechenbeispiel: Was ein Attribut-Sprint bringen kann
• Was Sie jetzt tun können
• FAQ

Was der OTTO KI-Assistent tatsächlich kann

OTTO hat 2026 zwei KI-Anwendungen gestartet, die man auseinanderhalten sollte. Die eine ist ein Shopping-Assistent für die Produktsuche, die andere eine Service-KI, die Kundenanfragen zu Lieferungen und Rechnungen beantwortet (Stand: August 2026, Quelle: stadt-bremerhaven.de, gfm-nachrichten).

Für Händler ist vor allem der Shopping-Assistent relevant. Er nimmt eine frei formulierte Anfrage entgegen — etwa "Ich suche eine pflegeleichte Couch für ein kleines Wohnzimmer mit Kindern" — und übersetzt sie in eine Produktauswahl. Die Eingabe funktioniert per Text und per Sprachfunktion, und laut OTTO erkennt das System auch dialektale Formulierungen.

Der entscheidende technische Punkt: Der Assistent zieht seine Antworten aus den vorhandenen Produktdaten des Sortiments. Er erfindet keine Eigenschaften. Wenn in Ihren Daten nicht steht, dass ein Bezug abwischbar ist, kann das Modell Ihren Artikel für die Anfrage oben nicht sinnvoll vorschlagen.

Das unterscheidet die KI-Suche grundlegend von der klassischen Stichwortsuche. Bei der Stichwortsuche gewinnt, wessen Titel das Suchwort enthält. Bei der KI-Suche gewinnt, wessen Datensatz eine Bedürfnisbeschreibung erfüllen kann — und das sind meistens mehrere Attribute gleichzeitig.

Die Funktion ist als Beta gestartet und wird schrittweise ausgerollt. Das heißt für Sie: Der Effekt auf Ihre Umsätze ist heute noch begrenzt, der Vorbereitungsaufwand aber genauso hoch wie später. Wer jetzt aufräumt, ist bereit, wenn der Rollout Breite gewinnt.

💡 Dieselbe Logik greift bei Amazon mit Rufus und bei den großen Sprachmodellen, die Kaufempfehlungen geben. Wie Sie kanalübergreifend in KI-Antworten auftauchen, beschreibt der Beitrag zur Marktplatz-Sichtbarkeit in LLM und ChatGPT 2026.

Warum strukturierte Attribute jetzt wichtiger werden

Ein Sprachmodell kann mit einem Fließtext arbeiten, aber es arbeitet deutlich zuverlässiger mit strukturierten Feldern. Ein gepflegtes Attribut "Bezugsmaterial: Mikrofaser, abwischbar" ist eine harte Tatsache. Derselbe Hinweis mitten in einem Beschreibungsabsatz ist eine Interpretationsaufgabe.

OTTO arbeitet pro Kategorie mit einem eigenen Attributset. Manche Felder sind Pflicht, viele sind optional — und genau die optionalen Felder werden jetzt zum Unterschied. Wer in einer Kategorie mit 30 möglichen Attributen nur die acht Pflichtfelder füllt, liefert dem Assistenten wenig Anknüpfungspunkte.

Priorisieren Sie diese Attributgruppen:

Maße und Gewicht. Fast jede Kaufanfrage mit Raumbezug ("für ein kleines Bad", "passt in einen Kombi") läuft über Maße. Ohne exakte Werte fallen Sie aus solchen Antworten heraus.

Material und Pflege. Abwischbar, waschbar, wasserabweisend, kratzfest — das sind die Eigenschaften, nach denen Kunden in natürlicher Sprache fragen, ohne die Fachbegriffe zu kennen.

Verwendungszweck und Zielgruppe. Felder wie Einsatzbereich, Altersempfehlung oder Raumtyp verbinden Ihr Produkt direkt mit einer Bedarfsformulierung.

Kompatibilität. Bei Zubehör, Ersatzteilen und Technik entscheidet die Kompatibilitätsangabe darüber, ob Sie überhaupt vorgeschlagen werden können.

Nachhaltigkeitsmerkmale. OTTO spielt Nachhaltigkeitsattribute prominent aus, und entsprechende Formulierungen tauchen häufig in Kundenanfragen auf.

Wie Sie das Attributset systematisch abarbeiten, steht im Beitrag zu den OTTO Produktdaten und Attributen 2026. Bei AMZ+ Consulting arbeiten wir dafür mit einer Abdeckungsquote je Kategorie — also dem Anteil der gefüllten Felder gemessen an allen verfügbaren Feldern. Alles unter 70 Prozent ist erfahrungsgemäß Nachholbedarf.

Beschreibungstexte für Anwendungsfälle statt für Keywords

Die klassische Marktplatz-Beschreibung ist eine Aufzählung von Produktmerkmalen mit eingestreuten Suchbegriffen. Für die KI-Suche ist das die falsche Textsorte.

Ein Sprachmodell sucht nach der Verbindung zwischen einem Bedürfnis und einer Produkteigenschaft. Diese Verbindung müssen Sie explizit herstellen. Statt "Bezug aus Mikrofaser" schreiben Sie "Der Mikrofaser-Bezug lässt sich feucht abwischen und eignet sich deshalb für Haushalte mit Kindern und Haustieren".

Arbeiten Sie mit konkreten Anwendungssituationen. Für welchen Raum, welche Jahreszeit, welchen Nutzertyp, welches Problem ist das Produkt gedacht? Drei bis fünf klar benannte Anwendungsfälle im Text erhöhen die Zahl der Anfragen, für die Ihr Artikel infrage kommt.

Nehmen Sie außerdem Abgrenzungen mit auf. "Nicht für den Außenbereich geeignet" oder "für Trommelwaschmaschinen ab 7 kg" klingt nach Einschränkung, verhindert aber Fehlempfehlungen — und Fehlempfehlungen führen zu Retouren, die Ihre Kennzahlen belasten.

Vermeiden Sie leere Superlative. Formulierungen ohne Substanz liefern dem Modell keine Information und helfen auch dem Kunden nicht. Konkrete, überprüfbare Aussagen sind in jeder Hinsicht besser.

Halten Sie die Sprache dabei nah an der Kundensprache. Wenn Ihre Kunden von "Kindersitz fürs Fahrrad" sprechen und Ihr Datenblatt "Fahrradkindersitz Systemträger" sagt, sollten beide Varianten im Text vorkommen. Die Grundlagen der Textstruktur beschreibt der Beitrag zur OTTO Listing-Optimierung 2026.

Bilder, Bewertungen und die Rolle von Kontextdaten

Bilder werden in KI-gestützten Oberflächen nicht weniger wichtig, sondern anders wichtig. Der Assistent liefert eine kompakte Auswahl statt einer langen Ergebnisliste — und in einer kurzen Liste entscheidet das erste Bild noch stärker über den Klick.

Achten Sie deshalb auf drei Dinge. Erstens: ein freigestelltes, klar erkennbares Hauptbild, das auch in kleiner Darstellung funktioniert. Zweitens: mindestens ein Anwendungsbild, das den beschriebenen Einsatzzweck zeigt. Drittens: ein Bild mit Maßangaben, weil Größenunsicherheit einer der häufigsten Retourengründe ist.

OTTO hat angekündigt, künftig auch Bewertungen in die Empfehlungslogik des Assistenten einzubeziehen (Stand: August 2026, Quelle: onlinemarktplatz.de). Damit gewinnt Ihre Bewertungsbasis eine zweite Funktion: Sie ist nicht mehr nur Vertrauenssignal für den Kunden, sondern auch Datenquelle für das Modell. Bewertungstexte, in denen Kunden konkrete Anwendungsfälle beschreiben, sind dabei wertvoller als reine Sternebewertungen.

Ein oft übersehener Punkt sind Bestands- und Lieferdaten. Ein Assistent, der eine Empfehlung ausspricht, greift auf Verfügbarkeit und Lieferzeit zu. Artikel mit unzuverlässigen Beständen oder unrealistischen Lieferzusagen fallen aus Empfehlungen heraus, bevor die Datenqualität überhaupt eine Rolle spielt.

Für Händler mit größeren Sortimenten ist das eine Aufgabe, die manuell kaum zu bewältigen ist. Wir setzen dafür bei AMZ+ Consulting unsere eigene KI-Plattform MarketplAIce ein, die Produktdaten, Bestände und Preise kanalübergreifend überwacht und Lücken automatisch meldet — für OTTO ebenso wie für Amazon und Kaufland.

In 5 Schritten Ihr Sortiment KI-fähig machen

1. Attributabdeckung messen. Exportieren Sie Ihre Artikeldaten und ermitteln Sie je Kategorie, wie viel Prozent der verfügbaren Attributfelder tatsächlich gefüllt sind. Diese Zahl ist Ihre Ausgangsbasis und Ihr Fortschrittsmaß.
2. Top-Sortiment zuerst bearbeiten. Sortieren Sie nach Umsatz und nehmen Sie sich die Artikel vor, die 80 Prozent Ihres Umsatzes ausmachen. Eine vollständige Datenbasis bei 200 Artikeln bringt mehr als eine halbe bei 2.000.
3. Anwendungsfälle definieren. Notieren Sie je Artikelgruppe drei bis fünf konkrete Bedarfssituationen in Kundensprache und arbeiten Sie diese in Beschreibung und Attribute ein. Nehmen Sie auch Abgrenzungen mit auf.
4. Bilder ergänzen. Prüfen Sie für jeden Top-Artikel, ob ein Anwendungsbild und ein Bild mit Maßangaben vorhanden sind, und ergänzen Sie fehlende Motive. Das reduziert gleichzeitig Ihre Retourenquote.
5. Regelmäßige Kontrolle einrichten. Legen Sie einen monatlichen Termin fest, an dem Sie neue Artikel auf Attributvollständigkeit prüfen und die Abdeckungsquote fortschreiben. Ohne festen Rhythmus verfällt die Datenqualität mit jedem Sortimentszugang.

Rechenbeispiel: Was ein Attribut-Sprint bringen kann

Rechenbeispiel: Angenommen, Sie führen 1.200 Artikel auf OTTO Market und erzielen damit 40.000 Euro Umsatz im Monat. Ihre Attributabdeckung liegt aktuell bei 45 Prozent. 300 Artikel machen 80 Prozent Ihres Umsatzes aus, also rund 32.000 Euro.

Sie entscheiden sich, diese 300 Artikel auf eine Abdeckung von 90 Prozent zu bringen. Pro Artikel rechnen wir mit 12 Minuten Aufwand für Attributpflege und Textanpassung, das sind 60 Arbeitsstunden. Bei einem internen Stundensatz von 45 Euro entspricht das 2.700 Euro einmaligem Aufwand.

Nehmen wir konservativ an, dass die verbesserte Datenqualität die Sichtbarkeit in Filtern, in der klassischen Suche und in KI-Antworten so weit erhöht, dass der Umsatz dieser 300 Artikel um 8 Prozent steigt. Das wären 2.560 Euro zusätzlicher Monatsumsatz. Bei einem angenommenen Deckungsbeitrag von 22 Prozent bleiben davon rund 563 Euro pro Monat.

Die Investition hätte sich damit nach knapp fünf Monaten amortisiert — und der Effekt läuft weiter, ohne dass laufende Kosten entstehen. Zum Vergleich: Dieselben 563 Euro Deckungsbeitrag über bezahlte Werbung zu erzeugen, verursacht jeden Monat neue Kosten.

Wichtig: Die 8 Prozent sind eine Annahme für diese Beispielrechnung, keine belegte Kennzahl. Der Punkt der Rechnung ist ein anderer — Datenqualität ist eine Einmalinvestition mit dauerhaftem Effekt, Werbung ist eine laufende Ausgabe. Bei knappen Ressourcen ist die Reihenfolge deshalb meistens klar.

Sie wissen nicht, wo Ihre Produktdaten heute stehen? Wir analysieren bei AMZ+ Consulting Ihre Attributabdeckung je Kategorie und liefern eine priorisierte Aufgabenliste statt einer allgemeinen Empfehlung. → Kostenloses Erstgespräch buchen

Was Sie jetzt tun können

✅ Testen Sie den Assistenten selbst mit drei typischen Kundenanfragen aus Ihrem Sortiment und schauen Sie, ob Ihre Artikel auftauchen. Das ist die schnellste Diagnose, die Sie bekommen können.

✅ Ermitteln Sie Ihre Attributabdeckung für die drei umsatzstärksten Kategorien. Ohne diese Zahl arbeiten Sie im Blindflug.

✅ Formulieren Sie für Ihre zehn wichtigsten Artikel je drei Anwendungsfälle in Kundensprache und arbeiten Sie sie in die Beschreibung ein.

✅ Prüfen Sie, ob Ihre Bestands- und Lieferzeitangaben aktuell sind. Falsche Verfügbarkeiten kosten Sie Empfehlungen, bevor Ihre Texte überhaupt gelesen werden.

✅ Legen Sie fest, wer bei Ihnen dauerhaft für Produktdatenqualität verantwortlich ist. Ohne klare Zuständigkeit bleibt es bei einmaligen Aufräumaktionen.

FAQ

Auf welcher Technologie basiert der OTTO KI-Assistent?

OTTO hat den Assistenten in Zusammenarbeit mit Google entwickelt, technische Grundlage ist das Sprachmodell Gemini (Stand: August 2026, Quelle: onlinemarktplatz.de, retail-news). Ergänzend betreibt OTTO eine eigenentwickelte Service-KI für Anfragen zu Lieferungen und Rechnungen.

Wie viele Artikel deckt der Assistent ab?

Nach Angaben aus der Berichterstattung greift der Assistent auf Produktdaten von über 18 Millionen Artikeln zu (Stand: August 2026, Quelle: t3n, stadt-bremerhaven.de). Das entspricht dem Gesamtsortiment inklusive Marktplatz-Partnern.

Muss ich meine Listings für die KI-Suche komplett neu schreiben?

Nein. In den meisten Fällen genügt es, die Attributfelder zu vervollständigen und die vorhandene Beschreibung um konkrete Anwendungsfälle zu ergänzen. Ein vollständiger Neuaufbau lohnt sich nur bei Artikeln, deren Texte ohnehin veraltet sind.

Kann ich beeinflussen, ob mein Artikel empfohlen wird?

Direkt steuerbar ist das nicht. Sie können aber die Voraussetzungen schaffen: vollständige Attribute, präzise Beschreibungen, verlässliche Bestände und gute Bewertungen. Der Assistent kann nur empfehlen, was er in den Daten findet.

Ersetzt die KI-Suche die klassische Suche bei OTTO?

Derzeit nicht. Die Funktion ist im stufenweisen Rollout und ergänzt die bestehende Suche. Klassische Rankingfaktoren bleiben relevant — nachzulesen im Beitrag zum OTTO Ranking-Algorithmus 2026.

Zählen Bewertungen für die KI-Empfehlung?

OTTO hat angekündigt, Bewertungen künftig in die Empfehlungslogik einzubeziehen. Aussagekräftige Bewertungstexte, in denen Kunden konkrete Anwendungssituationen schildern, dürften dabei mehr Gewicht haben als reine Sternewerte.

Gilt das auch für Amazon und Kaufland?

Die Mechanik ist vergleichbar. Amazon setzt mit Rufus auf einen ähnlichen Ansatz, und auch externe Sprachmodelle greifen zunehmend auf Marktplatzdaten zu. Eine saubere Attributbasis wirkt deshalb kanalübergreifend und ist keine reine OTTO-Aufgabe.

Über den Autor

Jorginho Engelmeyer ist Geschäftsführer der AMZ+ Consulting GmbH und seit über 8 Jahren auf Amazon, Otto und Kaufland für Händler aktiv.

→ Kostenloses Erstgespräch buchen

Zuletzt aktualisiert: 22.08.2026