Wie AI-Shopping-Assistenten den Handel neu ordnen

AI-Shopping-Assistenten: Die neuen Gatekeeper im Detailhandel

In den USA laufen bereits über 20% der Produktsuchen nicht mehr über klassische Suchmaschinen, sondern über KI-Assistenten. Wer heute ein neues Smartphone, einen Skihelm oder eine Küchenmaschine sucht, fragt zunehmend Chatbots – nicht mehr Google.

Für den Schweizer Detailhandel ist das eine stille, aber massive Verschiebung der Spielregeln. Mit den neuen Shopping-Assistenten von OpenAI (Shopping Research in ChatGPT) und Perplexity wird klar: KI wird zum Einkaufsberater – und damit zum neuen Gatekeeper zwischen Kundinnen und Händlern.

Dieser Beitrag zeigt, was hinter den neuen Funktionen steckt, warum das für den Schweizer Einzelhandel 2026 strategisch entscheidend ist und wie Händler konkret reagieren können – von Produktdaten bis Payment.

Was OpenAIs „Shopping Research“ wirklich verändert

Shopping Research in ChatGPT macht Produktsuche zu einem Dialog – nicht zu einer Liste von Treffern.

Statt „Kaffeevollautomat Test 2025“ einzugeben, formuliert ein Mensch etwa:

„Ich suche einen leisen Kaffeevollautomaten für eine 4-köpfige Familie, Budget 800–1000 CHF, mit gutem Service in der Schweiz.“

Kernfunktionen von Shopping Research

OpenAI beschreibt mehrere Bausteine, die für Händler relevant sind:

• Produktsuche in natürlicher Sprache: Kund:innen beschreiben Bedürfnisse, nicht Features.
• Konversation statt Filterlisten: ChatGPT fragt nach („Wie wichtig ist Ihnen die Lautstärke?“), grenzt ein und schlägt Alternativen vor.
• Aggregierte Informationen: Beschreibungen, Bewertungen, Preisinformationen – sofern online auffindbar.
• Spezialisierung auf komplexe Kategorien:
  • Elektronik
  • Beauty
  • Haus & Garten
  • Küche
  • Sport & Outdoor

Im Hintergrund läuft eine speziell trainierte Variante von GPT-5-mini, die auf Online-Einkauf optimiert wurde. Damit rückt ChatGPT faktisch in die Rolle eines unabhängigen Fachverkäufers.

Aktuell führen Produktempfehlungen noch per Link zu den Shops. OpenAI arbeitet aber an „Instant Checkout“ direkt im Chat. Spätestens dann wird ChatGPT selbst zur Commerce-Oberfläche.

Warum das für Schweizer Händler brisant ist

Für den Schweizer Detailhandel bedeutet Shopping Research vor allem drei Dinge:

1. Die Customer Journey beginnt seltener im eigenen Shop.
2. Produktdatenqualität entscheidet, ob man überhaupt empfohlen wird.
3. Preis allein reicht nicht mehr – Kontext, Nutzen und Vertrauen zählen stärker.

Wenn Ihr Sortiment im Netz schlecht beschrieben, veraltet oder unstrukturiert ist, haben Sie in dieser neuen Welt schlicht keine Stimme. Die KI greift dann auf Wettbewerber zurück, deren Daten maschinenlesbar und vollständig sind.

Perplexity: Konversationelles Shopping mit integriertem Checkout

Perplexity geht noch einen Schritt weiter in Richtung „Agent, der für mich einkauft“.

Der Assistent soll nicht nur verstehen, was jemand kaufen will, sondern warum und in welchem Kontext.

Personalisierte Suche mit Lifestyle-Kontext

Perplexity nennt als Beispiel:

„Welcher Wintermantel passt, wenn ich in San Francisco lebe und täglich mit der Fähre pendle?“

Übertragen auf die Schweiz könnte das heissen:

„Welche Winterschuhe eignen sich, wenn ich in Zürich wohne, jeden Tag mit dem Velo zum Bahnhof fahre und am Wochenende in die Berge gehe?“

Der Assistent berücksichtigt:

• Historie und Vorlieben des Nutzers
• Kontext (Ort, Wetter, Nutzungsszenario)
• Stilpräferenzen

Produkte erscheinen als Karten mit:

• Kernmerkmalen
• Spezifikationen
• Bewertungen

Entscheidend: Dank Integration mit PayPal kann der Kauf direkt im Interface abgeschlossen werden, ohne dass die Person die Konversation verlässt.

Perplexity betont zwar, dass Händler Kundenschnittstelle und After-Sales-Beziehung behalten. Faktisch verschiebt sich aber die „erste Empfehlung“ – und damit enorme Umsatzpotenziale – in Richtung KI-Schicht.

Was bedeutet das für den Schweizer Einzelhandel konkret?

Für den Schweizer Detailhandel sind KI-Shopping-Assistenten keine Tech-Spielerei, sondern eine neue Vertriebsschicht. Wer heute an KI im Retail denkt, fokussiert häufig auf Bestandsmanagement, Preisoptimierung oder Filialdisposition. Diese Themen bleiben zentral – aber die Kundenschnittstelle wird gerade neu verteilt.

1. Produktdaten werden zum entscheidenden Rohstoff

KI-Assistenten können nur empfehlen, was sie verstehen.

Händler sollten daher 2026 drei Hausaufgaben priorisieren:

1. Strukturierte Produktdaten aufbauen

   • Einheitliche Attribute (Grösse, Material, Einsatzbereich, Kompatibilitäten)
   • Mehrsprachigkeit (mindestens DE/FR/IT, oft auch EN)
   • Maschinenlesbare Formate (z.B. saubere APIs, klare Schema-Strukturen)

2. Nutzungsorientierte Beschreibungen schreiben

   • Nicht nur: „Skihelm, Grösse M, schwarz“
   • Sondern: „Geeignet für ambitionierte Skifahrer:innen, Fokus auf Sicherheit bei hoher Geschwindigkeit, besonders stabil bei Off-Piste-Einsatz.“

3. Bewertungen aktiv aufbauen

   • KI-Assistenten nutzen Ratings als Relevanzsignal.
   • E-Mail- und App-Flows nach Kauf optimieren, um seriöse Bewertungen zu erhalten.

Wer das sauber umsetzt, wird von generativen Systemen eher gefunden – egal ob in ChatGPT, Perplexity oder zukünftigen Schweizer Lösungen.

2. KI muss in die eigene Omnichannel-Strategie integriert werden

Viele Schweizer Händler investieren in Omnichannel: Click & Collect, Reserve in Store, Filialverfügbarkeit in Echtzeit.

Der nächste Schritt ist klar: KI-gestützte Beratung über alle Kanäle.

Konkrete Einsatzszenarien:

• Beratungs-Chat auf der Website, der ähnliche Dialoge ermöglicht wie Shopping Research, aber auf das eigene Sortiment fokussiert.
• Filial-Mitarbeitende mit KI-Assistenz: Verkäufer:innen fragen intern ein System, das Produktempfehlungen, Verfügbarkeiten und Alternativen in Sekunden liefert.
• Personalisierte Newsletter & App-Feeds, die aus denselben KI-Modellen gespeist werden, die auch im Chat beraten.

So entsteht ein konsistentes Erlebnis: Wer sich zu Hause via Chat beraten lässt, erkennt dieselbe Logik in Filiale und App wieder.

3. Preisoptimierung muss KI-konform werden

Viele Händler nutzen bereits Dynamic Pricing oder datenbasierte Preisoptimierung.

Neu kommt eine Frage hinzu: Wie „erklärt“ sich der Preis gegenüber einer KI?

Wenn ChatGPT oder Perplexity Empfehlungen gewichten, können zum Beispiel zählen:

• Preistransparenz (stabile Preise, klare Angaben)
• Value for Money anhand von Bewertungen („sehr gutes Preis-Leistungs-Verhältnis“)
• Service-Komponenten wie Garantie, lokaler Support, Reparaturmöglichkeiten

Es lohnt sich, diese Mehrwerte explizit zu machen. Sonst reduziert die KI den Vergleich fälschlicherweise auf den nackten Preis.

Praxisleitfaden: 5 Schritte für Schweizer Händler bis Ende 2026

Wer jetzt strukturiert vorgeht, kann KI-Assistenten zu einem zusätzlichen Akquisitionskanal machen – statt sie als Bedrohung zu erleben.

Schritt 1: Inventur der Produktdaten

• Gibt es ein zentrales PIM (Product Information Management)?
• Sind Attribute einheitlich, vollständig und mehrsprachig?
• Wie ist die Datenqualität bei Topsellern vs. Long Tail?

Ergebnis sollte ein klar priorisiertes Backlog sein: Welche Kategorien müssen zuerst professionell aufbereitet werden (typischerweise Elektronik, Sport, Haus & Garten, Fashion)?

Schritt 2: Content für KI-Dialoge optimieren

• Produktbeschreibungen so formulieren, wie Kund:innen denken:
  • Probleme („passt in kleine Stadtwohnung“)
  • Nutzungsszenarien („täglich pendeln bei Regen“)
  • Emotionale Faktoren („besonders leise, ideal fürs offene Büro“)
• FAQ-Texte je Kategorie aufbereiten (z.B. „Wie finde ich die richtige Skihelmgrösse?“). Diese Inhalte sind Gold für KI-Modelle.

Schritt 3: KI in die eigene Customer Journey integrieren

• Pilotprojekt: KI-basierter Beratungs-Chat im Webshop mit Zugriff auf aktuelles Sortiment.
• Verbindung mit Bestandsdaten (kein Frust durch nicht verfügbare Empfehlungen).
• Erste Use Cases im Kundendienst: Retourenfragen, Grössenberatung, Lieferzeiten.

Schritt 4: Partnerschaften und Payment durchdenken

Mit PayPal und anderen Anbietern entsteht eine Schicht von Conversation Commerce über Drittplattformen.

Fragen, die sich Schweizer Händler stellen sollten:

• Über welche Payment-Provider bin ich bereits angebunden, die solche Integrationen ermöglichen?
• Welche Margen, Fees und Risiken sind damit verbunden?
• In welchen Kategorien lohnt sich ein Checkout direkt im Fremdinterface – und wo will ich unbedingt vollen Kundenzugang behalten?

Schritt 5: Organisation & Kompetenzen aufbauen

KI im Handel ist kein reines IT-Thema. Erfolgreiche Händler bauen interdisziplinäre Teams aus:

• E-Commerce & Omnichannel
• Data/BI
• Category Management
• Marketing & CRM
• Filialorganisation

Mein Eindruck aus Projekten: Unternehmen, die Produktdaten, CRM und Filial-Know-how an einen Tisch bringen, kommen doppelt so schnell voran wie jene, die KI nur an die IT „delegieren“.

Wie passt das in die Retail-Innovation-Agenda der Schweiz?

Unsere Serie „KI für Schweizer Einzelhandel: Retail Innovation“ hat bisher stark auf Backoffice-Themen geschaut: Bestandsmanagement, Prognosen, Preisgestaltung, Sortimentsplanung.

Mit ChatGPT Shopping Research und Perplexity rückt eine andere Frage ins Zentrum:

Wer „besitzt“ die Kundenschnittstelle, wenn Beratung, Vergleich und – bald – Bezahlung über KI-Assistenten laufen?

Für mich ist klar: Die Gewinner im Schweizer Detailhandel werden jene sein, die KI nicht nur im Hintergrund nutzen, sondern aktiv an der vordersten Front der Customer Journey.

Wer heute beginnt,

• Produktdaten KI-fähig zu machen,
• eigene konversationelle Shopping-Erlebnisse aufzubauen und
• Partnerschaften mit Payment- und Plattformanbietern strategisch zu wählen,

wird 2026 nicht darum kämpfen, von KI-Assistenten überhaupt gefunden zu werden – sondern diese Assistenten als leistungsfähige, zusätzliche Verkaufskanäle nutzen.

Der spannendste Schritt fehlt vielen noch: das erste konkrete Pilotprojekt. Genau dort setzt der nächste Beitrag dieser Serie an – mit Beispielen, wie Schweizer Händler in 90 Tagen einen produktiven KI-Shopping-Assistenten auf die Beine stellen können.