OpenAIs neuer Shopping-Assistent in ChatGPT verändert, wie Kunden Produkte finden. So können Schweizer Händler KI & Conversational Commerce jetzt für sich nutzen.
Wie ChatGPTs Shopping-Assistent den Einkauf verändert – und was das für den Schweizer Detailhandel heisst
„In wenigen Minuten zur passenden Produktempfehlung“ – genau das verspricht OpenAI mit der neuen Funktion „Shopping Research“ in ChatGPT. Statt Tabs, Preisvergleiche und Testberichte zu jonglieren, reicht eine einfache Beschreibung: „leichter Wanderschuh für Herbsttouren im Berner Oberland, wasserfest, Budget 150 Franken“. Den Rest übernimmt die KI.
Für Konsumentinnen und Konsumenten klingt das bequem. Für den Schweizer Einzelhandel ist es deutlich mehr: ein Vorgeschmack darauf, wie KI-gestütztes Produkt-Discovery und Conversational Commerce die Kaufentscheidung vorverlagern – weg von klassischen Shops, hin zu KI-Assistenten.
In dieser Ausgabe der Serie „KI für Schweizer Einzelhandel: Retail Innovation“ schauen wir uns an, was OpenAIs Shopping-Assistent konkret kann, wie er funktioniert – und wie Händler in der Schweiz diese Entwicklung aktiv für sich nutzen können, statt nur zuzuschauen.
Was kann „Shopping Research“ in ChatGPT konkret?
„Shopping Research“ ist eine neue Funktion in ChatGPT, die Nutzerinnen und Nutzer wie einen persönlichen Einkaufsberater verwenden können. Der Ablauf ist simpel:
- Produktwunsch und Anforderungen im Chat beschreiben
- ChatGPT stellt RĂĽckfragen, bis die BedĂĽrfnisse klar sind
- Die KI erstellt eine kuratierte Produktauswahl und begrĂĽndet jeden Vorschlag
- Per Link geht es aktuell direkt zum Händler, perspektivisch soll ein Instant Checkout direkt aus dem Chat möglich sein
Das System basiert auf einem speziell trainierten Modell (GPT-5-mini), das laut OpenAI:
- bevorzugt vertrauenswĂĽrdige Websites liest,
- Quellen zitiert und
- Informationen aus vielen Quellen zusammenfasst.
Besonders geeignet ist „Shopping Research“ für Sortimente mit vielen Details und Varianten:
- Elektronik (Laptops, Smartphones, Kopfhörer)
- Beauty & Pflege
- Haus & Garten
- KĂĽche & Haushalt
- Sport & Outdoor
Die Funktion ist für alle eingeloggten User der Tarife ChatGPT Free, Go, Plus und Pro verfügbar – im Web und in der mobilen App. Damit landet sie potentiell direkt in der Hosentasche vieler Schweizer Konsumentinnen und Konsumenten.
Kernaussage: „Shopping Research“ verschiebt einen grossen Teil der Produktrecherche von Suchmaschinen und Shops in die Konversation mit einer KI.
Warum diese Entwicklung fĂĽr den Schweizer Detailhandel relevant ist
Für Händler ist „Shopping Research“ nicht nur ein weiteres Feature eines US-Techkonzerns, sondern ein deutlicher Hinweis, wohin die Reise im Omnichannel-Commerce geht.
1. Der Einstieg in den Kaufprozess verlagert sich
Wer bisher bei Google „bester Fernseher 65 Zoll Test“ eingegeben hat, tippt künftig vielleicht direkt in ChatGPT: „Wir suchen einen 65-Zoll-TV fürs Wohnzimmer, viel Fussball, Budget 800–1000 Franken, bitte ohne grelle Farben.“
Die Folge: Die erste Empfehlung kommt nicht mehr von einer klassisch organischen Google-Resultatseite, sondern von einem LLM, das Ergebnisse filtert, bewertet und vorsortiert.
2. Preisvergleich und Inspiration verschmelzen
KI-Assistenten kombinieren:
- Inspiration („passend zu deinem kleinen Balkon in Zürich wären diese klappbaren Tische sinnvoll“)
- Produktauswahl
- Preisinformation
Das ist näher an einem Beratungsgespräch im Fachgeschäft als an einer traditionellen Kategorieübersicht.
3. Wer nicht im Datensatz vorkommt, findet nicht statt
Wenn ChatGPT für die Schweiz vor allem internationale Marktplätze auswertet, geraten lokale Anbieter ins Hintertreffen – selbst wenn deren Angebot objektiv besser oder näher ist.
Das heisst: sichtbar sein in der „KI-Welt“ wird genauso wichtig wie SEO.
Für den Schweizer Detailhandel – vom grossen Händler bis zum regionalen Fachgeschäft – stellt sich deshalb die Frage: Wie komme ich überhaupt in diesen KI-gestützten Empfehlungsraum hinein – und wie baue ich parallel eigene, vergleichbare Erlebnisse auf?
So funktioniert Shopping Research technisch – und was der Handel daraus lernen kann
Die Details des Trainings liegen bei OpenAI, aber die veröffentlichten Infos und Beispiele zeigen einige klare Prinzipien, die sich 1:1 auf den Handel übertragen lassen.
1. Gespräch statt Filterhölle
Anstatt zig Filter zu setzen, beschreibt der Kunde einfach seine Situation. Die KI reagiert mit RĂĽckfragen:
- „Wie wichtig ist dir Lautstärke bei diesem Staubsauger?“
- „Brauchst du das Zelt eher für Festivals oder mehrtägige Bergtouren?“
Lernpunkt für Händler:
Wer heute noch starre Filterleisten und grobe Kategorien anbietet, verschenkt Potenzial. Auch ohne eigenes LLM können Sie:
- Guided-Selling-Quiz in den Shop integrieren
- Chat-basierte Produktfinder einsetzen
- Verkäufer im Laden mit KI-gestützten Beratungstools ausstatten
2. Reinforcement Learning fĂĽr Shopping-Szenarien
OpenAI trainiert das Modell mit Reinforcement Learning, optimiert speziell auf Shopping. Ăśbersetzt fĂĽr den Handel heisst das:
- Gute Empfehlungen werden verstärkt,
- schlechte Vorschläge „bestraft“ und
- das System lernt, welche Kriterien für verschiedene Kundentypen wirklich zählen.
Lernpunkt:
Auch ein mittelgrosses Schweizer Handelsunternehmen kann datengetrieben lernen:
- Welche Filter werden vor einem Kauf typischerweise gesetzt?
- Welche Produktkombinationen werden oft gemeinsam gekauft?
- Welche Empfehlungen führen zu Rücksendungen – und welche zu geringen Retourenquoten?
Diese Informationen lassen sich in eigene Recommendation Engines und KI-Assistenten einspeisen – egal ob im Webshop oder an der Kasse.
3. VertrauenswĂĽrdige Quellen statt reiner Werbung
OpenAI betont, dass das Modell auf vertrauenswürdige Websites trainiert ist und „zuverlässige Quellen“ zitiert. Das ist eine klare Ansage: Reine Werbetexte ohne Nutzwert sind für KI-basierte Systeme zweitrangig.
Konsequenz fĂĽr Content & Produktdaten:
- AusfĂĽhrliche Produktbeschreibungen mit klarem Nutzwert
- Objektive Informationen: Materialien, Messwerte, Tests, Nachhaltigkeitsangaben
- Hochwertige redaktionelle Inhalte: Ratgeber, Kaufberatungen, Vergleiche
So steigen die Chancen, dass ein KI-Assistent Ihre Inhalte als seriöse Grundlage für Empfehlungen nutzt.
Konkrete Chancen für Schweizer Händler – von Conversational Commerce bis Instore-Einsatz
Der neue Shopping-Assistent von OpenAI ist kein direkter Kanal, den Schweizer Händler heute einfach „zubuchen“ können. Aber er zeigt sehr klar, wohin sich Customer Journeys entwickeln. Daraus entstehen mehrere konkrete Handlungsfelder.
1. Eigene KI-Shopping-Assistenten aufbauen
Viele Kundinnen und Kunden gewöhnen sich gerade an das Konversationsparadigma: Sie chatten mit einer KI, beschreiben ihre Situation – und bekommen Vorschläge.
Diese Erwartung können Sie direkt auf Ihren Kanälen aufgreifen:
- Im Webshop: Chatbasierter Produktberater, der Sortimente wie Ski, Smartphones oder Kaffeemaschinen versteht und passend empfiehlt.
- In der App: Persönlicher Einkaufsassistent, der bisherige Käufe berücksichtigt – etwa für Abo-Produkte, Nachfüllungen oder passende Ergänzungen.
- Im stationären Handel: Verkäuferinnen und Verkäufer nutzen Tablets mit KI-Assistenten, um aus tausenden SKUs rasch passende Optionen zu finden – inklusive Verfügbarkeitscheck im Lager.
Wichtig ist dabei: Der Assistent muss tief ins eigene Sortiment integriert sein – mit aktuellen Preisen, Beständen und Lieferzeiten.
2. Datenqualität massiv verbessern
KI ist nur so gut wie die Daten, auf die sie zugreift. Das gilt sowohl fĂĽr OpenAIs Shopping Research als auch fĂĽr eigene Systeme.
Fokusbereiche fĂĽr den Handel:
- Saubere Produktstammdaten (Attribute, Varianten, Grössen, Materialien)
- Einheitliche Kategorisierung über Kanäle hinweg
- Lokale Relevanz (z.B. Stecker-Typ, Sprache, Serviceangebote in der Schweiz)
- VerfĂĽgbarkeitsdaten in Echtzeit fĂĽr Omnichannel (Click & Collect, Instore-Reservierung)
Wer hier aufräumt, profitiert doppelt: Bessere Filter- und Suchergebnisse im eigenen Shop – und höherer Nutzwert, wenn externe KI-Systeme Ihre Daten auswerten.
3. Conversational Commerce testen – bevor Instant Checkout Standard ist
OpenAI arbeitet parallel an einem Instant Checkout direkt in ChatGPT. In ersten Märkten werden Nutzer Produkte direkt aus dem Chat heraus kaufen können – ohne Zwischenschritt über den Webshop.
Auch wenn das in der Schweiz (Stand 12.2025) noch nicht verfügbar ist, sollten Händler jetzt Erfahrung mit Conversational Commerce sammeln:
- Chatbasierte Bestellprozesse im eigenen Shop oder in der App
- WhatsApp- oder SMS-basierte Replenishment-Services (z.B. fĂĽr Tierfutter, Wasserfilter, Kontaktlinsen)
- KI-gestĂĽtzte Upsell-Empfehlungen direkt im Warenkorb oder nach dem Kauf
Ich habe in Projekten immer wieder gesehen: Wer früh mit kleinen, pragmatischen Conversational-Commerce-Piloten beginnt, ist später deutlich schneller, wenn grosse Plattformen neue Schnittstellen öffnen.
4. Beratungskompetenz als USP ausbauen
Wenn eine generative KI bereits sehr gute Produktempfehlungen liefern kann, stellt sich die Frage: Wozu noch ins Fachgeschäft?
Meine Sicht: Genau jetzt entsteht eine starke Chance für Händler mit echter Beratungskompetenz.
Kluge Kombination:
- Vorabberatung per KI-Assistent (Website/App)
- Vertiefung im Laden mit echten Menschen, die Spezialfälle, Emotionen und komplexe Konstellationen abdecken
- Rückbindung der Erkenntnisse aus der Filialberatung ins KI-System (welche Fragen kommen immer wieder? welche Einwände?)
So entsteht eine Omnichannel-Experience, bei der KI und Menschen zusammenarbeiten, statt miteinander zu konkurrieren.
Datenschutz, Vertrauen und Schweizer Besonderheiten
Im Schweizer Markt sind Themen wie Datenschutz, Transparenz und Fairness besonders sensibel. Wer KI im Handel einsetzen will, sollte das offensiv berĂĽcksichtigen.
Wichtige Punkte:
- Klare, verständliche Infos: „Dieser Assistent nutzt KI, speichert XYZ-Daten, für ABC-Zwecke.“
- Möglichkeit, ohne Personalisierung zu shoppen
- Sorgfältiger Umgang mit sensiblen Kaufdaten (z.B. Gesundheit, Kinder, Finanzen)
- BerĂĽcksichtigung der Schweizer Rechtslage (DSG) und, wo relevant, der EU-Vorgaben
Gerade hier haben Schweizer Retailer einen Vorteil: Nähe zum Markt, lokale Verantwortungsträger, kurze Wege zum Kundendienst. Wer KI als Werkzeug einsetzt – und nicht als Blackbox – kann Vertrauen aufbauen, während globale Plattformen eher abstrakt bleiben.
Wie geht es weiter – und was sollten Händler jetzt konkret tun?
„Shopping Research“ in ChatGPT ist ein deutliches Signal: KI rückt näher an die Kaufentscheidung. Für den Schweizer Einzelhandel bedeutet das nicht das Ende eigener Kanäle, sondern die Pflicht, sie intelligenter zu machen.
Konkrete nächste Schritte, die ich Retailern im DACH-Raum aktuell empfehle:
- Ist-Analyse Customer Journey: Wo recherchieren Ihre Kundinnen und Kunden heute? Welche Fragen stellen sie, bevor sie kaufen?
- Produktdaten-Projekt starten: Attribute, Beschreibungen, Bilder und VerfĂĽgbarkeitsdaten systematisch verbessern.
- Kleinen KI-Assistenten-Pilot aufsetzen: Zuerst für ein klar begrenztes Sortiment (z.B. Kaffeemaschinen, Ski, Kindersitze), intern testen, dann mit ausgewählten Kundengruppen.
- Beratungsteams einbinden: Verkäuferinnen und Verkäufer in die Entwicklung einbeziehen – sie wissen genau, welche Fragen in der Realität auftauchen.
- Monitoring & Lernen: Daten aus dem Assistenten auswerten, Empfehlungen iterativ verbessern und Best Practices im Unternehmen teilen.
Der Trend ist klar: Conversational Commerce wird in den nächsten Jahren einen festen Platz im Schweizer Retail-Ökosystem erhalten – ob über globale Plattformen wie ChatGPT oder über eigene Assistenten der Händler.
Wer jetzt experimentiert, sammelt Erfahrungswissen, baut Kompetenzen auf und positioniert sich als innovativer Anbieter in einem Markt, in dem Kundinnen und Kunden immer weniger Lust auf komplizierte Kaufentscheidungen haben.
Kurze FAQ für Händler
Was bedeutet OpenAIs Shopping-Assistent konkret fĂĽr meinen Shop?
Er zeigt, dass Kundinnen und Kunden produktübergreifende, konversationsbasierte Beratung erwarten. Ihr Shop sollte mittelfristig ähnliche Erlebnisse bieten – zumindest in Schlüsselsortimenten.
Brauche ich dafĂĽr gleich ein eigenes LLM?
Nein. Für viele Anwendungsfälle reichen bestehende KI-Services, die Sie mit Ihren Produktdaten kombinieren. Wichtig ist eine klare Zieldefinition: Was soll der Assistent leisten?
Ist das Thema 2026 schon „Pflicht“?
Für den gesamten Markt vermutlich noch nicht. Aber für Händler, die sich als innovativ, kundenzentriert und digital stark positionieren wollen, ist 2026 der richtige Zeitpunkt, um ernsthafte Pilotprojekte zu starten.
Wer KI im Detailhandel nur als Trendthema sieht, wird von den Kundenerwartungen überholt. Wer sie als neues „Beratungslayer“ versteht – online wie offline –, kann einen echten Vorteil im Schweizer Markt aufbauen.