Ein Sears-Katalog erklärt, warum Amazon jetzt spricht
In seinem Büro bewahrt Amazons Handelschef Doug Herrington einen Sears-und-Roebuck-Katalog aus dem Jahr 1910 auf. Auf seinem eigenen Podcast Learn and Be Curious with Doug Herrington beschreibt er, wie dieser Katalog mit rund 20.000 Artikeln jede Bestellung auf eine Nummer, einen Titel und ein Bestellformular reduzierte. „Es hat wahrscheinlich 20.000 Artikel drin“, sagt Herrington über das Heft, „von Kleidung über Konsumgüter bis zu Häusern. Sie hatten einen Titel, einen kurzen Text, eine Nummer. Hinten gab es ein Bestellformular, man schrieb die Nummer auf und bestellte das Produkt, und dann wurde es einem geschickt.“
Genau dieses Bild nutzt Herrington, um zu erklären, warum Amazon jetzt auf Alexa for Shopping setzt: Jedes Handelsformat hat laut ihm irgendwann eine Obergrenze. Die Sears-Leute hätten mit 20.000 Artikeln großartig gewirtschaftet, aber sobald sie auf 100.000 oder 200.000 Artikel hätten wachsen wollen, sei das Format an seine Grenze gestoßen – ein dickeres Buch lässt sich niemandem mehr zumuten. Amazon habe dieses Platzproblem mit dem eigenen Online-Store gelöst und darüber hundert Millionen Produkte durchsuchbar gemacht. Doch auch dieses Format, sagt Herrington, sei irgendwann an einem Punkt angekommen, an dem eine derart große Auswahl eine neue Technologie brauchte, damit Kundinnen und Kunden darin überhaupt noch die richtigen Produkte finden.
Diese Erzählung ist mehr als eine hübsche Anekdote für den Podcast. Sie liefert Amazons eigene Begründung dafür, weshalb ein Konzern, der bereits über eine der größten Suchmaschinen des E-Commerce verfügt, trotzdem ein grundlegend neues Antwortformat einführt. Wer den Sears-Katalog als Ausgangspunkt akzeptiert, akzeptiert implizit auch die Schlussfolgerung: Auch die klassische Amazon-Suchleiste ist demnach nur eine Zwischenstation auf dem Weg zu etwas Konversationellerem.
Was Amazon konkret vorstellt
Amazon lässt Kundinnen und Kunden ihre Frage direkt in die Amazon-Suchleiste eingeben – und liefert laut Unternehmensangabe eine persönliche, hilfreiche Antwort statt einfach nur eine Liste von Produkten. Das ist der Kern von Alexa for Shopping, wie Amazon es in der Podcast-Begleitmeldung vom 12. August 2026 beschreibt. Die Technik soll dabei schon heute Fragen beantworten, Bestellungen nachverfolgen und personalisierte Empfehlungen erstellen, die auf Kaufhistorie, Fotos und bisherigen Unterhaltungen basieren.
Damit verschiebt sich die Grundlogik der Amazon-Suche: weg vom Stichwort, hin zur Konversation. Wer bislang ein einzelnes Schlagwort eingab und danach eine lange Trefferliste sortieren musste, bekommt bei einer entsprechenden Frage künftig direkt eine konkrete Information zurück, etwa zum eigenen Lieferstatus, sofern eine passende Bestellung existiert. Für Onlinehändler, die an klassische Kategoriebäume und Filterlogik gewöhnt sind, ist das mehr als ein Komfort-Feature; es verändert, wie eine Produktsuche auf der größten Handelsplattform der USA überhaupt aussieht.
Bemerkenswert ist, wie unspektakulär Amazon den Umbruch verpackt. Es gibt keinen neuen Markennamen für ein separates Sucherlebnis, keine zusätzliche App und keinen gesonderten Modus, den Kundinnen und Kunden erst aktivieren müssten. Alexa for Shopping ersetzt schlicht das Ergebnis derselben Suchleiste, die Millionen Menschen bereits täglich benutzen – eine leise Umstellung mit potenziell lauter Wirkung auf jedes Ranking, das bislang auf klassischen Suchbegriffen beruhte.
Wie eine Anfrage heute wirklich beantwortet wird
Amazon nennt ein konkretes Beispiel: Wer „Wo sind meine AA-Batterien?“ in die Suchleiste eingibt, bekommt keine Batterie-Angebotsseite, sondern die Antwort, dass die bereits bestellten Batterien noch am selben Tag bis 17 Uhr geliefert werden. Bei komplexeren Fragen, etwa zum Unterschied zwischen einer klassischen Kaffeemaschine und einer Cold-Brew-Maschine, liefert Alexa for Shopping laut Amazon eine erklärende Antwort zusammen mit passenden Produktvorschlägen – etwa eine kompakte Variante, wenn das System aus dem Kontext eine kleine Wohnung ableitet, oder einen Hinweis auf zuvor angesehene Cold-Brew-Geräte.
Das ist die freundliche Seite der Geschichte. Die unfreundliche Seite: Jede dieser Antworten braucht tiefen Zugriff auf Bestellhistorie, Browsing-Verhalten und im Idealfall auch Fotos, damit die Antwort überhaupt trägt. Wer als Händler eigene Produktdaten oder Kundenservice-Antworten pflegt, sollte sich fragen, wie diese Systemantworten zustande kommen und welche Kontrolle noch über die eigene Produktdarstellung bleibt, wenn die Antwort nicht mehr aus einer Trefferliste, sondern aus einem einzigen generierten Satz besteht.
Dieses Muster ist kein amazonspezifisches Einzelphänomen. Unsere frühere Analyse, wie ChatGPT die Produktsuche bereits verändert, zeigt, dass sich mehrere große Plattformen zeitgleich vom klassischen Kategoriebaum lösen. Für Onlinehändler bedeutet das: Wer Produktdaten nur für eine einzelne Suchoberfläche pflegt, optimiert zunehmend an mehreren Fronten gleichzeitig vorbei, ohne es an einem einzelnen Rankingverlust sofort zu merken.
Warum Conversational Commerce Messarbeit bleibt
Beeindruckende Beispiele ersetzen keine Messbarkeit. Amazon beschreibt Alexa for Shopping als Antwortmaschine, nicht als Suchmaschine – aber ob eine gute Antwort auch zu einem guten Kauf führt, ist eine andere Frage als die, ob die Antwort inhaltlich stimmt. Für Händler heißt das: Sichtbarkeit in einer generierten Antwort ist nicht dasselbe wie ein Listing-Platz in einer klassischen Trefferliste. Bislang liefert Amazon dazu keine öffentlichen Kennzahlen zu Klickpfaden, Conversion oder Rückgabequote, an denen sich der tatsächliche Effekt ablesen ließe.
Wer Conversational Commerce ernst nehmen will, sollte deshalb nicht auf die Demo schauen, sondern auf die eigene Datenlage. Wie oft taucht Ihr Sortiment in einer generierten Antwort auf, verglichen mit einer klassischen Produktsuche? Verändert sich die Rückgabequote, wenn Kaufentscheidungen stärker über eine KI-Antwort statt über einen offenen Produktvergleich fallen? Amazon liefert mit Alexa for Shopping die Bühne, aber die Kennzahlen zur eigenen Wirkung muss jeder Händler selbst aufbauen – das ist an dieser Stelle noch eine offene Rechnung, keine abgeschlossene.
Gerade weil die Antwort so glatt formuliert wirkt, lohnt der nüchterne Blick besonders. Eine schlecht sortierte Trefferliste erkennt jeder auf den ersten Blick als schlecht sortiert. Eine falsch personalisierte, aber selbstbewusst formulierte Antwort erkennt niemand sofort als falsch – das ist der eigentliche Unterschied, den Händler bei der Bewertung von Alexa for Shopping einpreisen sollten. Wer diesen Unterschied ignoriert, verwechselt Selbstbewusstsein der Maschine mit Richtigkeit der Empfehlung.
Fotos als neue Sucheingabe: Kühlschrank und Bücherregal
Neben Text funktioniert Alexa for Shopping laut Amazon auch mit Bildern. Herrington beschreibt, wie er ein Foto seines Kühlschranks gemacht und das System gebeten hat, eine wöchentliche Lebensmittelbestellung vorzuschlagen. Die Antwort habe erkannt, dass für zwei Personen gekocht wird und eher frische Zutaten bevorzugt werden, und daraus eine Liste aus Proteinen, Obst, Gemüse und weiteren Artikeln erstellt.
Rajiv Mehta, bei Amazon als VP of Conversational Shopping für den Bereich verantwortlich, schildert im selben Podcast ein ähnliches Beispiel aus seiner Familie: Sein Sohn habe zwei Bücherregale mit rund 200 Büchern fotografiert und Alexa for Shopping gefragt, was er als Nächstes lesen solle. Das System schlug demnach Sportbücher vor und berücksichtigte dabei, dass die NFL-Saison bevorsteht. Solche Beispiele klingen charmant, sie zeigen aber vor allem, wie viele persönliche Kontextdaten in eine einzelne Kaufempfehlung einfließen können, sobald ein Foto zur Sucheingabe wird.
Für Händler ergibt sich daraus eine unbequeme Konsequenz: Wenn ein Foto des eigenen Kühlschranks oder Bücherregals zur relevanten Sucheingabe wird, verliert die klassische, textbasierte Produktbeschreibung an Bedeutung. Entscheidend wird stattdessen, wie gut ein Produkt visuell und kontextuell erkennbar ist – eine Anforderung, die weit über gepflegte Attribute in einem Produktfeed hinausgeht und eher in Richtung saubere Produktfotografie und konsistente visuelle Markenzeichen zielt.
Rajiv Mehta und die Frage, was Kunden eigentlich tippen dürfen
Mehta beschreibt Alexa for Shopping als agentischen KI-Einkaufsassistenten von Amazon und sagt im Podcast, Kundinnen und Kunden auf Amazon wüssten bereits genau, was sie in die Suche eingeben dürften und was nicht. „Ich glaube, wir öffnen jetzt so schnell wie möglich die Blende dafür, was sie eingeben können“, sagt Mehta, „und das wird viel Gutes für sie freisetzen.“ Sein erklärtes Ziel ist es, diese Beschränkung zu öffnen, also den Raum an möglichen Eingaben deutlich zu vergrößern.
Für die Struktur von Produkttiteln bleibt dabei relevant, wie viel Information ein System überhaupt automatisiert verarbeiten kann; unsere Einordnung zur 75-Zeichen-Regel bei Amazon-Produkttiteln zeigt, wie eng Amazon Titel-Formate schon vor Alexa for Shopping reglementiert hat. Wer heute Produkttitel und Attribute strikt für klassische Suchfilter optimiert, optimiert womöglich für ein System, das in zwei Jahren anders gewichtet, welche Informationen überhaupt in eine generierte Antwort einfließen dürfen.
Herrington selbst fasst diesen Umbruch mit einem persönlichen Beispiel zusammen: Er könne sich künftig eine Unterhaltung über seine ganz eigenen Vorlieben bei Socken vorstellen – Vorlieben, die sich von denen anderer Kundinnen und Kunden unterscheiden – und trotzdem nicht das Gefühl haben, sich mühsam durch einen riesigen Sockenberg wühlen zu müssen. Das Bild ist bewusst banal gewählt; es funktioniert gerade deshalb, weil es zeigt, wie alltäglich Amazon diese Umstellung eigentlich verkaufen will.
Was Händler aus Alexa for Shopping lernen sollten
Drei praktische Punkte lassen sich aus der Ankündigung ableiten, ohne über die Quelle hinauszugehen. Erstens: Produktdaten müssen so vollständig und eindeutig gepflegt sein, dass ein Sprachmodell sie ohne Nachfrage korrekt zuordnen kann – unvollständige Attribute werden in einem Antwortformat schneller zum Problem als in einer klassischen, durchsuchbaren Liste. Zweitens: Bestellstatus- und Trackinginformationen gewinnen an Bedeutung, weil genau solche Anfragen laut Amazon bereits heute zuverlässig funktionieren. Drittens: Bild- und Kontextdaten werden Teil der Produktsuche, was neue Anforderungen an Produktfotografie und Kategorisierung stellt.
Herrington selbst bleibt vorsichtig optimistisch: Er sagt, man werde in fünf Jahren zurückblicken und es für normal halten, wenn ein Haushalt sich selbst regelmäßig mit Vorräten versorgt – aktuell klinge das noch nach Science-Fiction, und er wisse selbst nicht genau, wie sich das im Detail entwickeln werde, halte diese Offenheit aber bewusst locker.
Für die tägliche Arbeit im Handel zählt trotzdem weniger die Zukunftsvision als die nüchterne Gegenwart: Testen Sie, wie Ihre eigenen Produkte in generierten Antworten überhaupt auftauchen, bevor Sie Budget oder Sortimentsstrategie an ein Format anpassen, dessen Wirkung Amazon bislang nicht mit eigenen Zahlen belegt. Wer diesen Test auslässt, verlässt sich auf eine Podcast-Anekdote statt auf eigene Kennzahlen – und genau das sollte sich in der Praxis niemand leisten wollen.
Was halten Sie von dem Thema? Hier können Sie mit anderen Leserinnen und Lesern ins Gespräch gehen.
Mitreden & diskutieren
Ihre Meinung zählt — teilen Sie Gedanken, Fragen oder Erfahrungen zu diesem Artikel.