Google hat den August damit verbracht, seinen Bericht zur generativen KI-Performance schrittweise in der Search Console auszurollen – ein Rollout, den die Fachpresse eher als Ausweitung denn als Abschluss verfolgt hat. Noch in diesem Monat bestätigte Googles John Mueller, dass der Bericht längst nicht für jede Domain verfügbar sei. Er liefert eine einzige Kennzahl: Impressionen innerhalb von AI Overviews und AI Mode, aufgeschlüsselt nach Seite, Land und Gerät – ohne Klicks, ohne Suchanfragen, ohne Position. Googles Richtlinien für eben diese Funktionen besagen im Kern, dass die Optimierung für die generative KI-Suche nach wie vor SEO ist und keine eigenständige Disziplin mit neuen Taktiken erfordert. Dem Händler bleibt eine Zahl, die sich bewegt – und in dieser Konsole nichts, womit er sie bewegen könnte.

Das Timing ist bedeutsam, weil KI-Referral-Traffic für die Bekleidungsbranche längst nicht mehr marginal ist. Zahlen von Adobe Analytics, berichtet von Digital Commerce 360, zeigen für Juli einen Anstieg des KI-vermittelten Traffics zu US-Handelsseiten um 62 Prozent gegenüber dem Vorjahr. Wachstum allein würde noch kein Budget rechtfertigen, da eine kleine Basis schnell wachsen und dennoch eine Rundungsgröße bleiben kann. Die Qualität ist der eigentliche Treiber: Diese Besuche konvertierten 60 Prozent besser als Traffic ohne KI-Bezug – der elfte Monat in Folge, in dem KI-Referrals den Rest der Seite in der Konversion übertreffen. Ein Kanal, der besser konvertiert als alles um ihn herum, bekommt im nächsten Jahr ein Ziel zugewiesen – und ein Ziel braucht ein Messinstrument.

Googles Leitfaden ist ungewöhnlich direkt darin, was nicht funktioniert, und die Liste deckt das meiste ab, was Händlern derzeit verkauft wird. Sie besagt, dass llms.txt-Dateien zwar gecrawlt, aber ignoriert werden und dass das Hinzufügen einer solchen Datei die Sichtbarkeit oder das Ranking einer Website nicht beeinflusst. Sie besagt, dass strukturierte Daten für die generative KI-Suche nicht erforderlich sind und kein spezielles schema.org-Markup gebraucht wird. Inhalte müssen nicht in Chunks aufgeteilt werden, und es gibt kein separates Register, in dem für Maschinen geschrieben werden müsste. Jede dieser Aussagen ist vermutlich zutreffend, und genau das ist das Problem: Ein Dokument, das jede Taktik entfernt, lässt dem Händler eine Kennzahl und die Anweisung, weiterzumachen wie bisher.

Eine Impressionszahl ohne Dimension für Suchanfragen kann einem Händler nicht sagen, ob sich die Zahl bewegt hat, weil sich der Katalog verbessert hat, oder weil Google den Bereich erweitert hat, in dem AI Mode ausgelöst wird.

Googles eigene Augustzahlen belegen diesen Punkt wirkungsvoller als jedes Argument. Im selben Rollout-Zeitraum drückte ein Protokollierungsfehler die Impressionszahlen zwischen dem 13. und 17. August, wie Googles Protokoll zu Datenanomalien festhält. Seiten, die ihre Zahlen in diesem Zeitraum prüften, hätten einen Rückgang gesehen, den sie nicht selbst verursacht hatten. Dass Google diesen Fehler offengelegt und eingegrenzt hat, spricht für das Unternehmen. Die Lehre daraus ist enger gefasst und bleibt bestehen: Die Baseline verschiebt sich aus Gründen, die in Google selbst liegen, und wer die Zahl beobachtet, kann diese Verschiebungen nicht von den eigenen Effekten trennen.

Der Hebel, den Modehändler tatsächlich besitzen, ist real – und Google weist ihn in einer anderen Konsole aus. Die einzige handelsspezifische Anweisung des Leitfadens lautet, “Merchant Center (etwa über Merchant-Center-Feeds) und Google-Unternehmensprofile” zu nutzen, damit Produkte in KI-Antworten erscheinen. Bei Google Marketing Live im Mai führte das Unternehmen konversationelle Attribute ein: strukturierte Produktfelder und neu formulierte Beschreibungen, deren erklärter Zweck es ist, Googles KI-Systemen zu helfen, Produkte zu konversationellen Shopping-Anfragen über AI Mode und Gemini hinweg zuzuordnen. Für Maschinen zu schreiben ist genau das, was der Leitfaden Website-Betreibern als überflüssig darstellte.

Google kann die beiden Positionen miteinander vereinbaren, und genau diese Vereinbarkeit ist das Problem. Der Leitfaden regelt die eigene Website; das Merchant Center regelt einen Feed, den man Google direkt übergibt, und die Regeln für beide waren nie identisch. Doch AI Performance Insights, der Bericht, der die Feed-Seite misst und genau das liefert, was der Search Console fehlt, bleibt ein begrenzter US-Pilotversuch, mit Australien, Kanada, Indien und Neuseeland als angekündigten nächsten Schritten. Seine zentrale Kennzahl ist der Share of Voice gegenüber einem benannten Wettbewerberkreis, aufgeschlüsselt nach Anfragetyp und Phase der Shopping-Journey. Die meisten Händler halten also die Zahl in der Hand, auf die sie nicht reagieren können, und ihnen fehlt die Zahl, auf die sie reagieren könnten.

Bekleidung ist die Kategorie, die von dieser Arbeit auf der Feed-Seite am meisten profitieren könnte, und ihre Position in Adobes Lesbarkeits-Rankings hat sich rasant verschoben. Das Content-Visibility-Tool des Unternehmens, das misst, wie viel einer Seite ein Sprachmodell lesen kann, taxierte Bekleidung im Mai auf 51 Prozent – hinter Kosmetik und Elektronik. Startseiten der Bekleidungsbranche erreichten in derselben Erhebung 62 Prozent, was das Defizit auf der Produktdetailseite verortete, der einzigen Seite, die eine Shopping-Antwort überhaupt benötigt.

Bis Juli lag Bekleidung in derselben Erhebung bereits bei 76 Prozent – vor Elektronik und Kosmetik gleichermaßen. Nichts in den öffentlichen Daten erklärt diesen Sprung: Ein überarbeiteter Katalog, eine saisonale Auffrischung der Produktfotografie oder eine Verschiebung, wie stark Bekleidung überhaupt im Traffic von AI Mode vertreten ist, könnten die Zahl jeweils für sich bewegen, und Adobes Bericht kann diese Effekte nicht trennen. Das ist dieselbe Attributionslücke wie bei der Impressionszahl – nur in kleinerem Maßstab und über einen kürzeren Zeitraum.

Das stärkste Gegenargument zu dieser Lesart lautet, dass Messgerät und Hebel doch zusammenhängen. Bessere Produktdaten sollten mehr Seiteninhalte zitierfähig machen, zitierfähige Seiten sollten häufiger in KI-Antworten erscheinen, und die Impressionszahl in der Search Console müsste dann steigen, sobald sich der Katalog verbessert – womit sie genau das Vorher-Nachher-Instrument wäre, das Händler brauchen. Das ist die Bedingung, unter der dieses Argument scheitert, und sie verdient es, in voller Stärke formuliert zu werden. Sie übersteht die fehlende Dimension für Suchanfragen nicht. Ein Händler, der über zwei Quartale hinweg vierzigtausend Produktseiten überarbeitet und die Impressionen steigen sieht, kann die Überarbeitung nicht von saisonaler Nachfrage, einem Core-Update oder einer Ausweitung des Anteils der Suchanfragen unterscheiden, die AI Mode überhaupt auslösen. Attribution setzt voraus, die Nachfrage konstant zu halten, und der Bericht bietet dafür keinerlei Anhaltspunkt.

Die fehlenden Kennzahlen sind bereits terminiert, was den Zeitplan ändert, nicht das Problem. Die Verhaltensauflage für Publisher der CMA, die wir im Juli untersucht haben, verpflichtet Google, Publishern klarere, detailliertere Engagement-Kennzahlen bereitzustellen. Sollte Google diese Kennzahlen über britische Publisher hinaus ausweiten, schließt sich die Messlücke, und die Impressionszahl wird attribuierbar. Die Kontrolllücke schließt sich damit nicht, denn einen Hebel einzuräumen würde bedeuten, einen eigenständigen Optimierungskanal einzuräumen – und genau diesen Kanal zu bestreiten ist der Zweck des Leitfadens. Man sollte die Zahl als Publikumsschätzung lesen, nicht als Performance-Kennzahl: nützlich zu kennen, aber unmöglich zu steuern. Die Entscheidung in diesem Quartal ist nicht, welche KI-Taktik man einkauft. Sie lautet, ob man die Lesbarkeit des Katalogs allein auf Verdacht finanziert – denn die Zahl, die darüber Klarheit schaffen würde, liegt in einer Konsole, zu der die meisten Händler keinen Zugang haben.