OpenAIs „Shopping Research“ verändert die Produktsuche grundlegend. Was das für den Schweizer Einzelhandel bedeutet – und wie Händler KI jetzt gezielt nutzen können.
Shopping Research in ChatGPT: Was jetzt auf den Handel zukommt
45 % der Schweizer Onlinekäufer brechen laut Studien ihren Kauf ab, weil die Produktsuche zu mühsam ist. Genau hier setzt OpenAI mit der neuen Funktion „Shopping Research“ in ChatGPT an – und verschiebt das Spielfeld im E‑Commerce massiv.
Für Schweizer Händler, Marken und Detailhändler bedeutet das: Produktsuche findet künftig nicht mehr primär über klassische Webshops oder Marktplätze statt, sondern in einem Gespräch mit einer KI. Wer heute im Weihnachtsgeschäft 2025 noch nur auf Filter, Kategorien und Suchleisten setzt, wird in zwei Jahren von KI-gestützten Einkaufserlebnissen überholt.
In diesem Beitrag zeige ich, wie „Shopping Research“ funktioniert, warum das für den Schweizer Einzelhandel strategisch relevant ist – und welche konkreten Schritte Sie jetzt planen sollten, um KI im Retail sinnvoll zu nutzen, statt Zulieferer eines fremden Ökosystems zu werden.
Was kann der neue Shopping-Assistent von ChatGPT konkret?
„Shopping Research“ ist eine neue Funktion in ChatGPT, mit der Nutzer in wenigen Minuten massgeschneiderte Kaufempfehlungen erhalten – allein auf Basis einer Beschreibung ihrer Bedürfnisse.
Statt:
- 10 Tabs im Browser offen,
- 20 Filter im Onlineshop,
- 30 Minuten Produktbewertungen lesen,
reicht ein Satz wie:
„Ich suche einen leisen Geschirrspüler für eine 4‑köpfige Familie, Budget 800–1’200 Franken, möglichst energieeffizient und unterbaufähig.“
Die KI erstellt daraufhin eine kuratierte Produktauswahl, passt Vorschläge mit Rückfragen an („Wie wichtig ist dir die Lautstärke im Vergleich zur Energieeffizienz?“) und verfeinert die Liste iterativ durch Feedback.
Zentrale Merkmale von „Shopping Research“:
- basiert auf GPT‑5‑mini, speziell fürs Shopping trainiert
- liest vertrauenswĂĽrdige Websites und fasst Informationen aus vielen Quellen zusammen
- zitiert Quellen, um Transparenz und Vertrauen zu stärken
- eignet sich besonders fĂĽr detailreiche Produktkategorien wie Elektronik, Beauty, Haus & Garten, KĂĽche & Haushalt, Sport & Outdoor
- ist fĂĽr alle eingeloggten Nutzer (Free, Go, Plus, Pro) auf Web und Mobile verfĂĽgbar
Heute führt der Kauf noch per Link zum Händler. OpenAI arbeitet aber bereits an einem Instant Checkout, bei dem der Kauf direkt aus dem Chat bei unterstützten Händlern abgeschlossen werden kann. Genau das ist der Punkt, an dem es für den Schweizer Retail ernst wird.
Warum „Conversational Commerce“ den Schweizer Handel unter Druck setzt
Der Kern von „Shopping Research“ ist Conversational Commerce: Einkaufen als Gespräch, nicht als Klick-Strecke.
Die Erfahrung zeigt: Sobald Kundinnen und Kunden eine kompetente, dialogbasierte Beratung erleben, wollen sie nicht mehr zurück zur klassischen Filterhölle. Wer einmal im Chat sauber zu seinem Produkt geführt wurde, erwartet dieses Niveau überall.
FĂĽr den Schweizer Markt bedeutet das:
- Preisvergleichs-Portale verlieren Einfluss – wenn die KI bereits eine gewichtete Shortlist mit Begründung erstellt.
- Marken und Händler werden austauschbarer, wenn die Produktauswahl primär im KI-Interface statt im eigenen Shop passiert.
- Margen geraten stärker unter Druck, weil KI-Assistenten Transparenz schaffen und überhöhte Preise gnadenlos sichtbar machen.
Gleichzeitig eröffnet sich aber eine starke Chance: Händler, die strukturierte, verlässliche Produktdaten, saubere Bewertungen und klare Mehrwerte liefern, haben die Chance, systematisch in die Empfehlungen der KI aufgenommen zu werden.
Ich bin überzeugt: In zwei bis drei Jahren wird es für den Schweizer E‑Commerce so normal sein, einen KI-Einkaufsassistenten zu haben wie heute eine Shop-Suche.
Wie funktioniert Shopping Research technisch – und was heisst das für Daten?
FĂĽr den Handel ist weniger die Modellbezeichnung wichtig als die Datenlogik dahinter.
GPT‑5‑mini als spezialisierter Shopping-Motor
„Shopping Research“ baut auf einer spezialisierten Version des Modells auf, die über Reinforcement Learning auf Shopping-Aufgaben trainiert wurde. Vereinfacht gesagt: Das Modell hat unzählige Einkaufssituationen „geübt“ und gelernt, welche Antworten zu zufriedenen Nutzern führen.
Wichtig für Händler:
- Das Modell wertet Produktinformationen und Testberichte aus.
- Es lernt, vertrauenswĂĽrdige Quellen zu bevorzugen.
- Es fasst Daten so zusammen, dass Laien verstehen, worauf es ankommt.
Damit eine KI wie ChatGPT Produkte sinnvoll empfehlen kann, braucht sie:
- klar strukturierte Produktdaten (Attribute, Spezifikationen, Varianten)
- verständliche Beschreibungen (kein Marketing-Sprech ohne Substanz)
- eindeutige Informationen zu VerfĂĽgbarkeit und Preis
Wer heute noch mit Excel-Listen, uneinheitlichen Attributen und lückenhaften Beschreibungen arbeitet, ist für diese Art von KI-Shopping schlicht unsichtbar – oder landet höchstens als unzuverlässige Quelle im Hintergrund.
Chancen für Schweizer Detailhändler und Marken
Der Reflex vieler Händler ist zuerst: „Noch ein US-Anbieter, der sich zwischen mich und meine Kunden schiebt.“ Das Risiko gibt es. Aber wer nur in dieser Abwehrhaltung bleibt, verpasst eine Reihe konkreter Chancen.
1. Besser gefunden werden – auch ausserhalb des eigenen Shops
KI-Assistenten brauchen gute, vertrauenswürdige Produktinformationen, um Empfehlungen abzugeben. Genau hier können Schweizer Händler punkten:
- Aufbau eines sauberen Produktdaten-Ă–kosystems (PIM, saubere Attribute, hochwertige Bilder)
- Transparente Informationen zu Herkunft, Nachhaltigkeit, Garantieleistungen – Themen, die für Schweizer Konsumenten besonders wichtig sind
- klare Positionierung als sichere und seriöse Quelle, etwa durch geprüfte Bewertungen und nachvollziehbare Testberichte
Je besser diese Basis, desto höher die Wahrscheinlichkeit, dass KI-Systeme die eigenen Angebote in ihre Vorschläge aufnehmen.
2. Eigene KI-Shopping-Assistenten im Shop anbieten
Die logische Antwort auf „Shopping Research“ ist nicht, einfach abzuwarten, sondern im eigenen Kanal ähnliche Erlebnisse zu bieten. Zum Beispiel:
- Chat-Assistent im Webshop, der produktübergreifend berät („Ich suche ein komplettes Home Office Setup unter 2’000 Franken“)
- KI, die Kundendaten aus CRM und Loyalty-Programmen nutzt, um wirklich personalisierte Vorschläge zu machen
- Beratung fĂĽr komplexe Produkte (z.B. Ski-AusrĂĽstung, Kaffeevollautomaten, Schlafsysteme), wo Menschen oft unsicher sind
Viele Commerce-Plattformen und Schweizer Softwareanbieter bieten 2025 bereits API-Schnittstellen zu KI-Modellen an. Wer jetzt pilotiert, sammelt wertvolle Erfahrung, während andere noch über Risiken diskutieren.
3. Beratung als Differenzierungsmerkmal wiederentdecken
Im stationären Handel in der Schweiz ist Beratung traditionell stark. Online ging das oft verloren. KI bietet die Chance, diese Stärke digital zu übersetzen:
- Standardfragen automatisieren, damit menschliche Berater sich auf Spezialfälle konzentrieren
- Best Practices der besten Verkäuferinnen und Verkäufer in KI-Assistenten „einbauen“
- hybride Modelle: KI erstellt Vorauswahl, der Mensch finalisiert – etwa im Kundenservice oder im Video-Chat
Wer Beratung systematisch denkt, wird durch KI nicht ersetzt, sondern verstärkt.
Risiken, die der Schweizer Handel aktiv steuern muss
Wo Chancen sind, gibt es auch Risiken. Einige davon lassen sich technisch, andere nur strategisch lösen.
Abhängigkeit von Plattformen
Wenn ein grosser Teil des Shoppings über externe KI-Assistenten läuft, rutschen Händler in die Rolle von reinen Lieferanten, ähnlich wie bei grossen Marktplätzen.
Fragen, die sich jede Geschäftsleitung stellen sollte:
- Wie viel Umsatz darf mittelfristig plattformabhängig sein?
- Welche Daten bekomme ich zurück, wenn Käufe über externe KI-Assistenten laufen?
- Wie stelle ich sicher, dass die Marke sichtbar bleibt – auch wenn der Kunde nicht mehr direkt meinen Shop nutzt?
Datenschutz und Vertrauen
Die Schweiz hat mit dem revidierten Datenschutzgesetz und hoher Sensibilität bei Konsumentinnen und Konsumenten einen Standortvorteil – aber auch höhere Ansprüche zu erfüllen.
Händler sollten klar kommunizieren:
- wie KI-Assistenten im Shop funktionieren
- welche Daten dafĂĽr genutzt werden
- wie Kundinnen und Kunden der Nutzung widersprechen können
Transparenz zahlt sich aus: Wer Vertrauen systematisch aufbaut, profitiert langfristig von höheren Konversionsraten und Loyalität.
Qualität statt KI-Hype
Nicht jede KI-Funktion macht Sinn. Ein schlechter KI-Assistent, der falsche Produkte empfiehlt oder ungenaue Informationen liefert, beschädigt die Marke schneller als jede schlechte Kampagne.
Meine Empfehlung:
- klein starten (eine Kategorie, ein Use Case)
- mit echten Kundinnen und Kunden testen
- Metriken definieren (z.B. Beratungsqualität, Conversion, Retourenquote)
- nur skalieren, wenn die Qualität stimmt
Konkreter 6‑Schritte-Plan für Schweizer Händler
Wer „Shopping Research“ nicht nur beobachten, sondern aktiv für sich nutzen will, kann mit einem einfachen, fokussierten Plan starten.
1. Produktdaten aufräumen
- einheitliche Attribute definieren (z.B. Lautstärke, Energieklasse, Material)
- LĂĽcken in Produktinformationen schliessen
- Marketing-Texte auf verständliche Kundensprache trimmen
2. Relevante Kategorien priorisieren
Starten Sie dort, wo die Beratung heute schon aufwendig ist, z.B.:
- Unterhaltungselektronik
- Haushaltsgeräte
- Sport- und Outdoor-Artikel
3. KI-Assistenten im eigenen Shop pilotieren
- begrenzter Test mit einer Kategorie
- klare Ziele: weniger Abbrüche, höhere Warenkörbe, weniger Retouren
- internes Team definieren, das Feedback sammelt und Inhalte verbessert
4. Daten- und KI-Strategie festlegen
- welche Daten dĂĽrfen fĂĽr KI-Nutzung intern verwendet werden?
- welche Drittplattformen kommen infrage, welche nicht?
- wie bleiben Sie technologisch flexibel, um Lock-in-Effekte zu vermeiden?
5. Mitarbeitende schulen
- Verkauf und Kundenservice frĂĽh einbinden
- Ă„ngste ernst nehmen, aber konkrete Chancen zeigen
- Best Practices aus der Filiale in digitale Beratung ĂĽbersetzen
6. Monitoring und Optimierung
- Konversionsraten und Retourenquote beobachten
- häufige Kundenfragen analysieren und Inhalte nachschärfen
- Feedback von Kundinnen und Kunden aktiv einholen
Wer diesen Weg konsequent geht, ist bestens vorbereitet – egal, ob Kundinnen später über den eigenen Shop, ChatGPT oder eine andere KI einkaufen.
Fazit: KI-Shopping ist gekommen, um zu bleiben – jetzt handeln
„Shopping Research“ in ChatGPT zeigt sehr klar, wo sich der Onlinehandel in der Schweiz hinbewegt: weg von starren Produktlisten, hin zu dialogbasierter, intelligenter Beratung. Die Frage ist nicht, ob dieser Wandel kommt, sondern wer davon profitiert.
Händler, die ihre Produktdaten in Ordnung bringen, eigene KI-Einkaufsassistenten testen und Beratung als Stärke neu definieren, sichern sich einen Vorsprung. Wer abwartet, riskiert, dass KI-Assistenten irgendwann nur noch über den günstigsten Preis entscheiden – und dann gewinnen andere.
Jetzt ist der richtige Moment, Pilotprojekte zu starten, Erfahrungen zu sammeln und eine klare KI-Strategie für den Schweizer Einzelhandel zu entwickeln. Die Kundinnen und Kunden werden diese Entwicklung sehr schnell als neuen Standard einfordern – die Frage ist nur, ob sie ihn bei Ihnen bekommen.