Shopping Research: Wie ChatGPT die Produktsuche verändert – ganz ohne Amazon

Amazon baut auf OpenAI? Schöne Schlagzeile, nur leider stimmt sie nicht. Die Wahrheit ist unbequemer: OpenAI hat mit Shopping Research einen neuen Einkaufsberater in ChatGPT gebaut – und Amazon hat als Erstes die Tür zugeschlagen. Was das für Marktplatz-Händler wirklich bedeutet, ist ein Lehrstück in Sachen Sichtbarkeit, Attribution und Marge.

Seit Ende November 2025 rollt OpenAI mit Shopping Research eine neue Einkaufsfunktion in ChatGPT aus, verfügbar für eingeloggte Nutzer in den Stufen Free, Go, Plus und Pro, auf Web und Mobile. Klartext: Wer eine ausführliche Produktrecherche will, muss dafür nicht mehr zahlen, nur eingeloggt sein. Der Zeitpunkt kurz vor Black Friday war kein Zufall, sondern Kalkül – Shopping Research sollte genau dann laufen, wenn Kaufentscheidungen besonders knifflig werden.

Was Shopping Research technisch tatsächlich macht

Shopping Research ist kein Plugin und kein separates Produkt, sondern ein Kernfeature, das bei entsprechenden Prompts automatisch aktiv wird. Die Funktion durchsucht öffentlich zugängliche Webseiten, liest Rezensionen, vergleicht Optionen nach Nutzervorgaben und liefert am Ende einen kompakten Buyer’s Guide mit Preisen, Spezifikationen, Verfügbarkeit, Bildern und Händler-Links. Das Interessante dabei: Statt einer Linkliste stellt ChatGPT Rückfragen. Wer nach einem leisen Akku-Staubsauger für eine kleine Wohnung fragt, wird nach Budget, Lautstärkegrenze und Wohnungsgröße gefragt, bevor überhaupt Produkte auftauchen.

Laut Branchenanalysen läuft die Funktion auf einer für Shopping-Aufgaben optimierten Variante von GPT-5 mini – kein neues Flaggschiffmodell, sondern eine schlanke, auf Einkaufslogik trainierte Version. Das erklärt auch, warum die Antworten eher wie ein sortierter Kaufberater klingen als wie ein allwissendes Sprachmodell: Die Aufgabe ist eng, das Modell ist darauf zugeschnitten.

Mit aktivierter Memory-Funktion bezieht Shopping Research frühere Gespräche in die Empfehlung ein – etwa, dass jemand in einer kleinen Wohnung lebt oder generell auf Linux-Geräte setzt. Das ist ein fundamental anderer Personalisierungsansatz als bei Amazon, das primär auf Klick- und Kaufhistorie innerhalb der eigenen Plattform setzt. ChatGPT Integration bedeutet hier also nicht nur ein neues Suchfeld, sondern ein neues Gedächtnis für Kaufabsichten – über Sitzungen und Themen hinweg.

Die Amazon-Blockade: Warum der große Deal ausbleibt

Und hier kommt das eigentliche Problem dabei: Amazon hat im Zuge des Launches seine robots.txt so angepasst, dass OpenAI-Crawler wie „ChatGPT-User“ und „AI-SearchBot“ ausgesperrt werden. Keine Kooperation, keine Produktfeeds, kein gemeinsamer API-Deal – sondern eine technische Mauer. Amazon Produktfeeds fließen damit nicht in Echtzeit in Shopping Research ein. Preise, Verfügbarkeit, aktuelle Rezensionen: all das bleibt für ChatGPT unsichtbar, solange die Sperre steht.

Die Konsequenz ist größer, als es auf den ersten Blick wirkt. Schätzungen aus Branchenanalysen gehen davon aus, dass durch die Blockade rund 40 Prozent des US-E-Commerce-Volumens der direkten Sichtbarkeit in ChatGPTs Shopping-Empfehlungen entzogen sind. Das ist keine Randnotiz, das ist ein strukturelles Loch mitten im größten Marktplatz des Westens. Wer als Amazon-Seller darauf gewartet hat, dass die eigene Produktseite künftig auch über ChatGPT gefunden wird, kann diese Hoffnung erst mal beerdigen.

Persönliche Einschätzung: Die Blockade ist strategisch nachvollziehbar, aber kurzsichtig. Amazon schützt kurzfristig die eigene Such- und Werbemarge, verschenkt aber mittelfristig Reichweite in einem Kanal, der laut Branchenschätzungen bereits rund 50 Millionen Shopping-Anfragen pro Tag verarbeitet und potenziell auf einen Nutzerpool von rund 700 Millionen ChatGPT-Konten zugreift. Das sind Zahlen, bei denen selbst gut gefüllte Amazon-Werbebudgets nervös werden sollten. Ähnlich wie in anderen Bereichen, in denen Automatisierung klassische Abläufe verdrängt – man denke etwa an den Wandel bei der Drohnen-Logistik in der Zustellung –, zeigt sich auch hier: Wer neue Vertriebs- und Beratungskanäle ignoriert, verliert Boden, den er später nur schwer zurückgewinnt.

Wer die Lücke füllt: Walmart, Etsy und Reddit

Shopping Research füllt die Amazon-Lücke pragmatisch: Es weicht auf andere Händler und Marktplätze aus. Walmart, Etsy, Shopify-Shops und unabhängige Händler tauchen in den Empfehlungen deutlich prominenter auf, weil sie Crawler nicht blockieren. Noch spannender: Bewertungs- und Diskussionsplattformen wie Reddit werden von Shopping Research offenbar stärker gewichtet als klassische Händler-Eigenseiten.

Das ist ein Bruch mit der bisherigen SEO-Logik. Wer bislang alles auf optimierte Amazon-Listings gesetzt hat – Titel, Bulletpoints, Backend-Keywords – merkt jetzt, dass ein ganz anderer Signalgeber wichtig wird: die ungefilterte Meinung in einem Reddit-Thread oder ein unabhängiger Test in einem Fachmagazin. Forbes brachte es in einer Analyse zur ChatGPT-Shopping-Funktion auf den Punkt und stellte die Frage, ob Shopping Research die klassische Produktseite überflüssig macht, weil Spezifikationen, Bewertungen und Preisinformationen zu einem einzigen, komprimierten Entscheidungs-Guide verschmelzen.

Für Händler heißt das: Die eigene Produktseite ist nicht mehr der alleinige Verkaufsort, sondern nur noch eine von mehreren Quellen, aus denen sich ein KI-Modell ein Bild macht. Wer in Fachforen und Testportalen nicht vorkommt, existiert für Shopping Research schlicht nicht – ganz unabhängig davon, wie gut das eigene Amazon-Listing optimiert ist.

Wie Verbraucher die neue Beratung tatsächlich nutzen

Interessant ist, für welche Art von Kaufentscheidungen Nutzer die Funktion überhaupt heranziehen. Bei günstigen, austauschbaren Artikeln – Küchenrolle, Batterien, Standard-USB-Kabel – lohnt sich der Dialogaufwand kaum, hier greifen Menschen weiterhin direkt zur gewohnten Suche. Anders sieht es bei komplexeren, hochpreisigeren Anschaffungen aus: eine Espressomaschine für den täglichen Gebrauch, ein Business-Laptop mit bestimmten Anschlüssen oder eine Kamera für Einsteiger mit Videoambitionen. Genau hier zeigt sich der Vorteil des dialogischen Ansatzes, weil Unsicherheiten wie „Brauche ich wirklich 4K oder reicht Full HD“ direkt ausgeräumt werden können, statt zwanzig Filteroptionen manuell durchzuklicken.

Gleichzeitig sollten Nutzer den Empfehlungen nicht blind vertrauen. Shopping Research basiert auf öffentlich zugänglichen Inhalten, und Marken, die im Web schlicht präsenter sind – mehr Testberichte, mehr Forenbeiträge, mehr Reviews – werden dadurch nicht automatisch zu den besten Produkten, sondern nur zu den sichtbarsten. Wer eine Kaufentscheidung wirklich fundiert treffen will, tut deshalb gut daran, die KI-Empfehlung als Ausgangspunkt und nicht als Endpunkt der Recherche zu behandeln. Auch die Memory-Funktion verdient einen zweiten Blick: Wer nicht möchte, dass frühere Gespräche in künftige Produktempfehlungen einfließen, sollte diese Funktion bewusst prüfen und bei Bedarf deaktivieren.

Amazon-Suche versus Shopping Research im direkten Vergleich

Damit der Unterschied nicht abstrakt bleibt, hier die Gegenüberstellung, die jeder Seller einmal durchdenken sollte, bevor er die nächste Listing-Optimierung plant:

• Suchlogik: Amazon arbeitet mit Keyword-Matching und Filterlogik. Shopping Research führt einen Dialog, fragt nach Budget, Einsatzzweck und Präferenzen.
• Datenquelle: Amazon zeigt eigene, live gepflegte Produktdaten. Shopping Research greift auf öffentlich zugängliche Webseiten zu – Amazon-Daten fehlen durch die Crawler-Sperre fast vollständig.
• Vertrauenssignal: Amazon gewichtet Sternebewertungen und Kaufhistorie. Shopping Research gewichtet offenbar Community-Diskussionen und unabhängige Tests stärker als Händler-Eigenangaben.
• Personalisierung: Amazon nutzt On-Site-Klickverhalten. Shopping Research kann bei aktivierter Memory-Funktion auch länger zurückliegende Gesprächsinhalte einbeziehen.
• Ergebnisformat: Amazon liefert eine Trefferliste mit Sortierfiltern. Shopping Research liefert einen kuratierten Buyer’s Guide mit einer kleinen, begründeten Auswahl.

Das Fazit aus dieser Tabelle ist unbequem für alle, die jahrelang nur auf Amazon-SEO optimiert haben: Zwei fundamental unterschiedliche Entscheidungssysteme existieren jetzt parallel, und nur eines davon lässt sich mit klassischen Amazon-Tools beeinflussen. Wer sein gesamtes Geschäft ausschließlich über den Amazon-Marktplatz aufgebaut hat, muss sich jetzt fragen, wie er auch außerhalb dieses einen Kanals sichtbar bleibt.

Was das für Amazon-Seller praktisch bedeutet

Für Marktplatz-Händler ergibt sich daraus ein zweigeteiltes Bild. Kurzfristig ändert sich am Kerngeschäft wenig: Wer über Amazon-Suche und Amazon-Werbung verkauft, verkauft weiterhin über Amazon-Suche und Amazon-Werbung. Die Conversion-Pfade bleiben identisch, solange die Crawler-Sperre steht. Mittelfristig aber verschiebt sich der Ort, an dem Kaufentscheidungen vorbereitet werden – und genau das ist die eigentliche Story hinter Shopping Research.

Wenn immer mehr Menschen komplexe Kaufentscheidungen (Kamera, Business-Laptop, Haushaltsgerät) zuerst mit ChatGPT vorklären und erst danach zum eigentlichen Kauf zu einem Händler wechseln, entsteht eine neue Attributionslücke. Der Kauf landet zwar noch bei Amazon, aber die Entscheidung fiel woanders – ohne dass Amazon davon irgendetwas mitbekommt oder daran mitverdient. Das ist ökonomisch relevant: Wer die Beratungsphase kontrolliert, kontrolliert langfristig auch die Marge, weil er entscheidet, welche Marken und Produkte überhaupt in die engere Auswahl kommen.

Für Seller, die auch außerhalb von Amazon präsent sind – etwa über einen eigenen Shopify-Shop oder D2C-Kanäle –, öffnet sich hier tatsächlich eine Chance. Wer über eigene Produktseiten mit strukturierten, widerspruchsfreien Daten verfügt und zusätzlich in unabhängigen Testportalen oder relevanten Foren sichtbar ist, taucht in Shopping Research eher auf als ein reiner Amazon-Seller ohne Web-Präsenz außerhalb des Marktplatzes. Ein vorsichtiges Gedankenspiel verdeutlicht den Unterschied: Zwei Händler bieten ein vergleichbares Küchengerät an, der eine ausschließlich über Amazon, der andere zusätzlich über einen eigenen Shop mit Testberichten und einer aktiven Community. Bei einer Anfrage über Shopping Research hat der zweite Händler schlicht mehr öffentlich zugängliche Anknüpfungspunkte – nicht, weil sein Produkt besser wäre, sondern weil er an mehr Stellen im offenen Web überhaupt auffindbar ist.

Konkrete Handlungsschritte statt Abwarten

Wer jetzt reflexhaft die eigenen Amazon-Listings weiter optimiert, löst nicht das eigentliche Problem dabei: nämlich Unsichtbarkeit außerhalb des Amazon-Kosmos. Sinnvoller sind stattdessen folgende Schritte:

• Produktdaten auch außerhalb von Amazon strukturiert und konsistent pflegen – auf der eigenen Website, im eigenen Shop, mit maschinenlesbaren Auszeichnungen.
• Präsenz in unabhängigen Testportalen und relevanten Fachforen aktiv aufbauen, statt sie als Nebensache zu behandeln.
• Widersprüche zwischen Produktangaben auf verschiedenen Plattformen bereinigen, weil KI-Systeme bei Unklarheiten eher konservativ empfehlen oder ein Produkt ganz auslassen.
• Eigene D2C-Kanäle stärken, damit im Fall weiterer Marktplatz-Blockaden nicht die gesamte Sichtbarkeit von einer einzigen Plattform abhängt – wer sich näher mit dem Thema Amazon-D2C und was KMU wirklich wissen müssen beschäftigt, findet dort konkrete Ansatzpunkte.
• Die Entwicklung rund um ChatGPT Integration in E-Commerce-Systeme im Blick behalten – aktuell experimentiert OpenAI mit spezialisierten Retail-Apps, bei denen der Checkout weiterhin bei den Händlern selbst stattfindet.

Wichtig dabei: Frühere Experimente von OpenAI mit einem eigenständigen „Instant Checkout“ direkt im Chat wurden offenbar wieder zurückgefahren. Die aktuelle Richtung setzt stärker auf spezialisierte Apps innerhalb von ChatGPT, bei denen die eigentliche Kaufabwicklung weiterhin über die Händlerseite läuft. Für Seller ist das eine gute Nachricht, weil die Kontrolle über den Checkout-Prozess und damit über die eigene Conversion nicht komplett an OpenAI abgegeben wird.

Gegenargumente: Ist die Amazon-Blockade wirklich dauerhaft?

So klar die aktuelle Ausgangslage auch wirkt, eine dauerhafte Blockade ist keineswegs sicher. Amazon hat in der Vergangenheit wiederholt gezeigt, dass Zugänge und Kooperationen dann geöffnet werden, wenn der wirtschaftliche Druck groß genug wird – etwa bei API-Schnittstellen für Werbepartner oder Vergleichsportale, die früher ebenfalls restriktiv gehandhabt wurden. Sollte sich zeigen, dass ein relevanter Teil der Kaufentscheidungen tatsächlich über Shopping Research vorbereitet wird und Amazon dadurch Marktanteile an Walmart, Etsy oder unabhängige Shops verliert, dürfte die interne Kalkulation neu aufgemacht werden. Auch regulatorischer Druck ist denkbar, etwa im Rahmen von Diskussionen um Plattform-Neutralität, wie sie in unterschiedlichen Märkten immer wieder aufkommen.

Gleichzeitig gibt es nachvollziehbare Gründe für die aktuelle Zurückhaltung. Amazon kann argumentieren, dass unkontrollierte Crawler-Zugriffe Verkäuferdaten, Preisstrategien und Nutzerverhalten in einer Form abfließen lassen, die sich später nur schwer wieder einfangen lässt. Wer als Plattform jahrelang in die eigene Such- und Empfehlungslogik investiert hat, öffnet diese nicht ohne Gegenleistung für ein fremdes KI-System. Belastbare Hinweise darauf, wann oder ob sich diese Position ändert, gibt es derzeit nicht – jede Prognose dazu bliebe Spekulation. Seller sollten sich deshalb weder auf eine schnelle Öffnung verlassen noch die Entwicklung ignorieren, sondern die eigene Sichtbarkeit unabhängig vom Ausgang dieser Auseinandersetzung breiter aufstellen.

Grenzen und Risiken der neuen Beratungslogik

Bei aller Euphorie über konversationelle Produktberatung lohnt sich ein nüchterner Blick auf die Schwächen. Shopping Research stützt sich auf öffentlich zugängliche Webinhalte – Websites, die Crawler blockieren, fallen aus der Live-Datenbasis heraus, nicht nur Amazon. Das bedeutet auch: Wer selbst Crawler aussperrt, verschwindet ebenso aus den Empfehlungen. Zweitens bleibt unklar, wie das System mit gesponserten Inhalten oder gezielt platzierten Fake-Reviews umgeht; wer als Marke stark auf gekaufte Bewertungen setzt, könnte hier böse überrascht werden, sobald Systeme wie Shopping Research lernen, solche Muster zu erkennen.

Drittens: Für sicherheitsrelevante oder regulierte Produkte – Medizintechnik, Elektrogeräte mit Normanforderungen, Finanzprodukte – ersetzt ein KI-generierter Buyer’s Guide keine Prüfung offizieller Herstellerangaben. Shopping Research aggregiert Wissen aus dem Web, es verifiziert es nicht im Sinne einer Zulassungsprüfung. Wer als Händler in solchen Kategorien unterwegs ist, sollte KI-Empfehlungen als zusätzliche Sichtbarkeitsebene betrachten, nicht als Ersatz für rechtssichere Produktinformationen.

Ein Aspekt, der in der öffentlichen Debatte oft untergeht: OpenAI selbst beschreibt Shopping Research in der offiziellen Ankündigung zur neuen Funktion bewusst zurückhaltend als Recherchewerkzeug, nicht als Verkaufsplattform. Das deckt sich mit Beobachtungen aus der Marktanalyse, wonach die Amazon-Sperre und ihre Folgen für den US-Handel unter anderem von Modern Retail detailliert eingeordnet wurden. Wer als Seller auf schnelle Traffic-Wunder wartet, wird also enttäuscht – die Verschiebung passiert leise, über Monate, nicht über einen einzelnen Launch-Tag.

Was bleibt?

Die Schlagzeile „Amazon baut auf OpenAI“ verdreht die eigentliche Nachricht ins Gegenteil: Amazon baut gerade eine Mauer, keine Brücke. Shopping Research verändert Produktsuche und Beratung trotzdem – nur eben an Amazon vorbei, über Walmart, Etsy, unabhängige Shops und Community-Plattformen. Die spannende Frage für die kommenden Monate ist weniger, ob Amazon nachgibt, sondern wie lange sich eine 40-Prozent-Lücke im US-Handel ignorieren lässt, bevor der Druck der eigenen Werbekunden zu groß wird. Bis dahin gilt für Seller: Sichtbarkeit jenseits der eigenen Marktplatz-Bubble aufbauen, bevor es andere tun.