Kurzantwort: Das Agentic Commerce Protocol (ACP) verbindet Händlerdaten mit Commerce-Erlebnissen in ChatGPT. Ein sauberer Produktfeed kann aktuelle Angaben zu Artikel, Preis, Verfügbarkeit, Varianten und Verkäufer bereitstellen. Er ist jedoch kein Rankingtrick und garantiert keine Produkterscheinung. Entscheidend sind Zugang, gültige Stable-Spezifikation, konsistente Produktdaten und messbare Commerce-Ereignisse.
Strukturierte Produktdaten sind im E-Commerce besonders geschäftsnah: Ein falscher Preis oder eine unklare Variante kann unmittelbar zu Abbruch, Rückgabe oder Vertrauensverlust führen. Deshalb sollte ACP nicht als weiterer SEO-Textfeed behandelt werden, sondern als kontrollierte Datenschnittstelle mit Verantwortlichkeiten, Tests und Aktualitätsregeln.
Was ACP laut OpenAI leistet
OpenAI beschreibt das Agentic Commerce Protocol als offenen Standard, der zwischen Händlern und ChatGPT-Nutzern vermittelt. ChatGPT kann darüber strukturierte Katalogdaten einlesen, Inventar verstehen und Produkte im passenden Kontext darstellen.
Die offizielle Hilfe zu Shopping Research in ChatGPT nennt mehrere mögliche Informationsquellen: Händlerdaten über ACP, öffentlich verfügbare Produktinformationen und weitere relevante Retail-Quellen. Daraus folgt eine wichtige Grenze: Ein Feed ist eine maßgebliche First-Party-Datenquelle, aber nicht die einzige mögliche Quelle und keine Zusage für eine konkrete Auswahl.
ACP, Produktfeed und Checkout nicht vermischen
| Ebene | Aufgabe | eigener Prüfpunkt |
|---|---|---|
| Produktfeed | Katalog, Preis, Verfügbarkeit und Produktmerkmale liefern | gültige Felder, Aktualität, Abdeckung |
| ChatGPT Shopping | Produkte für eine Nutzerfrage recherchieren und darstellen | Erscheinung, Korrektheit, Klick |
| Merchant-Auswahl | ein konkretes Angebot einem Händler zuordnen | Preis, Bestand, Verkäuferdaten |
| Checkout | Kauf innerhalb oder außerhalb der Oberfläche abschließen | Warenkorb, Kauf, Fehler, Umsatz |
| Anzeigenfeed | Produkte für Werbekampagnen bereitstellen | Ads-Berechtigung und Kampagnenmessung |
Organische Produktergebnisse und Anzeigen sind nicht dasselbe. OpenAI erklärt in der Shopping-Hilfe, dass Produktresultate unabhängig von Partnerschaften ausgewählt werden und Anzeigen separat sind. Entsprechend dürfen organische Sichtbarkeit und bezahlte Ausspielung nicht in einer Kennzahl zusammengeführt werden.
Stable-Spezifikation statt veralteter Feldlisten
Die aktuelle OpenAI-Produktspezifikation unterscheidet eine Stable- und eine Draft-Ansicht. Stable ist für unterstützte File-Upload-Integrationen vorgesehen; Draft dient Planung und Feedback und ist laut Dokumentation noch nicht für Produktionsintegrationen freigegeben.
Das ist für Implementierungen entscheidend. Ein Blogartikel altert schneller als die Spezifikation. Verwenden Sie daher nie eine kopierte Feldliste als alleinige technische Grundlage. Speichern Sie für jedes Release:
- verwendete Schema-Version oder Abrufdatum,
- Stable- oder Draft-Status,
- interne Feldquelle,
- Transformation und Validierungsregel,
- verantwortliches System und Team,
- Zeitpunkt des letzten erfolgreichen Exports.
Zentrale Felder der aktuellen Stable-Spezifikation
Die folgende Tabelle ist eine Orientierung, keine vollständige Referenz. Maßgeblich bleibt die jeweils aktuelle OpenAI-Dokumentation.
| Bereich | Beispiele aus der Spezifikation | Qualitätsregel |
|---|---|---|
| Berechtigung | is_eligible_search, is_eligible_checkout |
nur bewusst aktivieren; Abhängigkeiten prüfen |
| Identität | item_id, optional gtin und mpn |
stabil, variantenscharf und nicht recyceln |
| Inhalt | title, description, brand, url |
wahrheitsgemäß, aktuell, URL erreichbar |
| Medien | image_url, optionale weitere Medien |
Produkt muss erkennbar und Asset erreichbar sein |
| Angebot | Preis, Währung, Verfügbarkeit | mit Zielseite und Checkout synchron halten |
| Verkäufer | seller_name, seller_url, Richtlinien |
tatsächlichen Verkäufer korrekt abbilden |
| Region | target_countries, store_country |
gültige Länder und passende Angebote liefern |
| Vertrauen | optionale Reviews, Q&A und Returns | nur belegte Werte und gültige Richtlinien |
OpenAI kennzeichnet beispielsweise item_id, title, description, url, brand und image_url als Required. Für die Produktsuche ist auch is_eligible_search erforderlich. Je nach Checkout- und Verkäufermodell kommen weitere Pflichtangaben und Abhängigkeiten hinzu.
Produktidentität und Varianten richtig modellieren
Die Artikel-ID muss laut Spezifikation pro Variante eindeutig und über Zeit stabil bleiben. Das verhindert, dass Preis- oder Bestandsverläufe einem anderen Produkt zugeordnet werden.
Eine Variante sollte einen eigenen Datensatz erhalten, wenn sie eigenständig gekauft wird. Typische variantenspezifische Felder sind:
- Größe oder Konfiguration,
- Farbe oder Material,
- Artikel-ID und gegebenenfalls GTIN,
- genaue Produkt-URL,
- Preis und Währung,
- Bestand und Verfügbarkeit,
- passendes Bild,
- Länder- oder Regionsgültigkeit.
Verwenden Sie keine generische Eltern-URL, wenn der Nutzer danach erneut die Variante suchen muss. Prüfen Sie, ob die URL mit HTTP 200 erreichbar ist und exakt die im Feed behaupteten Werte zeigt.
Optionale Felder sind keine Einladung zum Erfinden
Die aktuelle Spezifikation enthält optionale Signale wie popularity_score, Review-Aggregate, Q&A und verwandte Produkte. Optional bedeutet nicht automatisch empfehlenswert für jeden Händler.
Definieren Sie vor der Lieferung:
- aus welchem System der Wert stammt,
- welcher Zeitraum und welche Einheit gelten,
- wie Varianten und Märkte getrennt werden,
- wann der Wert aktualisiert wird,
- wie fehlende Daten behandelt werden.
Ein popularity_score ohne dokumentierte Berechnung ist schwer zu prüfen. Bewertungen dürfen nicht aus verschiedenen Produkten oder Märkten vermischt werden. Rückgabedaten, Verfügbarkeit und Preis müssen besonders eng mit dem operativen System verbunden sein.
Produktseite, Schema und Feed synchron halten
ACP ersetzt die öffentliche Produktseite nicht. OpenAI weist darauf hin, dass Shopping Research auch öffentliche Retail-Seiten lesen kann und Preise oder Verfügbarkeit weiterhin auf der Händlerseite bestätigt werden sollten.
Nutzen Sie deshalb eine gemeinsame Produktdatenquelle für:
- sichtbare Produktseite,
- ACP-Feed,
Product- undOffer-Markup,- Google Merchant Center oder andere Marktplatzfeeds,
- Suche, Warenkorb und Checkout.
Die Formate dürfen verschieden sein; Produktidentität und Geschäftslogik müssen gleich bleiben. Der Leitfaden zu Structured Data für LLMO erklärt, warum JSON-LD eine Beschreibungsschicht und kein Ersatz für Feed oder sichtbaren Inhalt ist.
Ein belastbarer ACP-Implementierungsplan
1. Zugang und Ziel klären
Prüfen Sie, welche OpenAI-Commerce-Integration für Ihren Händlerstatus verfügbar ist. Dokumentieren Sie, ob es um organische Produktsuche, Checkout, Anzeigen oder mehrere getrennte Pfade geht.
2. Produktdaten inventarisieren
Ordnen Sie jedes Zielfeld einem führenden System zu: PIM, ERP, Shop, Bewertungsplattform oder Policy-Datenbank. Markieren Sie fehlende, widersprüchliche und manuell gepflegte Werte.
3. Stable-Schema transformieren
Bauen Sie eine reproduzierbare Transformation mit Feldvalidierung. Draft-Felder gehören erst in Produktion, wenn OpenAI sie für den gewählten Integrationsweg unterstützt.
4. Stichprobe fachlich prüfen
Testen Sie nicht nur Syntax. Öffnen Sie für verschiedene Kategorien und Varianten Feed-Datensatz, Produktseite und Checkout nebeneinander. Vergleichen Sie Identität, Preis, Bestand, Bild, Rückgabe und Verkäufer.
5. Datenfrische überwachen
Definieren Sie maximale Altersschwellen nach Feld. Ein Titel ändert sich selten; Bestand und Preis können deutlich schneller veralten. Alarmieren Sie bei fehlgeschlagenem Export, Validierungsanstieg oder Abweichung zur Shopseite.
6. Nutzerfragen und Commerce messen
Testen Sie reale Suchsituationen wie Budget, Eigenschaften, Vergleich und Verfügbarkeit. Speichern Sie Produkterscheinung, dargestellte Werte, Händlerlink, Klick, Warenkorb und Kauf getrennt.
Kennzahlen für Feed und Geschäftswirkung
| Ebene | Kennzahl | Beispieldefinition |
|---|---|---|
| Abdeckung | gültige Produkte | valide Datensätze ÷ erwartete aktive Produkte |
| Qualität | Feldfehlerquote | fehlerhafte Pflichtfelder ÷ geprüfte Pflichtfelder |
| Aktualität | Datenalter | Zeit seit letztem erfolgreichen Quellupdate |
| Konsistenz | Abweichungsrate | Feed-Werte ungleich Produktseite ÷ Stichprobe |
| Sichtbarkeit | Product Appearance Rate | Antworten mit eigenem Produkt ÷ auswertbare Shopping-Fragen |
| Traffic | Produktklicks | qualifizierte Klicks auf Händler-URLs |
| Conversion | Kaufquote | bestätigte Käufe ÷ zuordenbare qualifizierte Sitzungen |
Eine technische Integration ist erfolgreich, wenn Daten vollständig, aktuell und korrekt geliefert werden. Eine geschäftliche Wirkung wird erst mit Nutzer- und Conversion-Daten sichtbar. Der Vergleich der LLMO-KPIs hilft, Nenner und Datenquellen vor dem Reporting festzulegen.
Häufige ACP-Fehler
- Draft-Felder als produktionsreif behandeln,
- Varianten unter einer wechselnden ID zusammenziehen,
- Preis und Bestand nur gelegentlich aktualisieren,
- Feed-Werte und sichtbare Produktseite widersprechen lassen,
- optionale Popularitäts- oder Reviewdaten ohne Herkunft liefern,
- organische Shopping-Ergebnisse und Anzeigen vermischen,
- eine Produkterscheinung als garantierte Empfehlung darstellen,
- technische Feed-Abnahme mit Umsatzwirkung verwechseln.
Fazit: ACP ist Dateninfrastruktur, kein KI-Rankingpaket
Ein ACP-Produktfeed kann ChatGPT strukturierte, aktuelle Händlerdaten bereitstellen. Der Wert entsteht durch stabile Identitäten, korrekte Varianten, aktuelle Angebote, nachvollziehbare optionale Signale und eine saubere Verbindung zum Checkout. Die Darstellung eines Produkts bleibt eine externe Systementscheidung.
Sie möchten vor einer Integration wissen, welche Produktfelder, Varianten und Richtlinien aktuell widersprüchlich sind? Website prüfen und anschließend einen verfügbaren Termin wählen.
Quellenstand: 15. Juli 2026. Feldstatus und Anforderungen wurden mit der aktuellen OpenAI-Stable-Produktspezifikation abgeglichen. Funktionsweise und Quellenmix basieren auf der offiziellen ACP-Übersicht und der Hilfe zu Shopping Research.
Häufig gestellte Fragen
Was ist das Agentic Commerce Protocol (ACP)?
OpenAI beschreibt ACP als offenen Standard und Verbindungsschicht zwischen Händlern und ChatGPT-Nutzern. Damit kann ChatGPT strukturierte Katalogdaten einlesen, Bestände verstehen und relevante Produkte im Kontext darstellen.
Garantiert ein ACP-Feed, dass Produkte in ChatGPT erscheinen?
Nein. Ein technisch gültiger Feed verbessert die Verfügbarkeit aktueller Produktdaten, garantiert aber keine Darstellung, Position oder Empfehlung. ChatGPT Shopping kann außerdem öffentliche Produktseiten und weitere Retail-Quellen berücksichtigen.
Welche Felder sind im ACP-Produktfeed erforderlich?
Die aktuelle Stable-Spezifikation kennzeichnet erforderliche Felder unter anderem für Suchberechtigung, stabile Artikel-ID, Titel, Beschreibung, Produkt-URL, Marke, Hauptbild sowie Verkäufer- und Länderangaben. Die vollständige aktuelle Spezifikation ist vor jeder Implementierung maßgeblich.
Sind GTIN, Bewertungen und Popularity Score Pflicht?
In der aktuellen Stable-Spezifikation sind GTIN, Review-Aggregate und popularity_score optionale Felder. Sie dürfen nur mit korrekten, nachvollziehbaren Werten geliefert werden. Erfundene oder aus unpassenden Quellen übernommene Signale schaden der Datenqualität.
Wie werden Varianten im Produktfeed modelliert?
Jede kaufbare Variante benötigt eine stabile, eindeutige Artikel-ID und ihre zutreffenden Werte für URL, Preis, Verfügbarkeit, Bild und Merkmale. Varianten dürfen nicht zu einem Datensatz zusammengezogen werden, wenn Nutzer unterschiedliche Angebote kaufen.
Ersetzt ACP Schema.org oder einen Google-Merchant-Feed?
Nein. ACP ist eine eigene Commerce-Schnittstelle für ChatGPT. Sichtbare Produktseiten, korrektes Product-Markup und Feeds für andere Plattformen erfüllen jeweils eigene Zwecke und sollten aus einer gemeinsamen, verlässlichen Produktdatenquelle gespeist werden.
Wie misst man den Erfolg eines ACP-Setups?
Zuerst werden Feed-Abdeckung, Validierungsfehler, Datenfrische und Übereinstimmung mit der Produktseite geprüft. Danach folgen Produkterscheinungen, Klicks, Warenkorb- und Checkout-Ereignisse sowie Umsatz – getrennt nach Oberfläche und Datenquelle.
Kostenlose Ersteinschätzung
Sind Ihre Produktdaten bereit für KI-gestützte Kaufentscheidungen?
Der Website-Check prüft öffentliche Produkt- und Technikgrundlagen. Danach klären wir Feed-Zugang, Datenqualität, Varianten und ein belastbares Messkonzept.
Produktdaten und Website prüfenErgebnis zuerst. Kontaktdaten erst, wenn Sie fortfahren möchten.