Otto KI-Assistent 2026: Listings für Gemini-Suche optimieren
Otto hat 2026 einen Shopping-Assistenten auf Google-Gemini-Basis eingeführt. So strukturieren Händler Produktdaten, damit die KI ihre Artikel empfiehlt.
Die Kurzfassung: Seit März 2026 nutzt Otto in der eigenen App einen sprach- und textbasierten Shopping-Assistenten auf Basis von Google Gemini. Kundinnen und Kunden formulieren Wünsche wie "Ich brauche einen Staubsauger für eine Wohnung, in der eine Person mit Hausstauballergie lebt" in natürlicher Sprache, und die KI greift dafür auf Daten von über 18 Millionen Artikeln zurück, um passende Empfehlungen zu geben. Für Händler bedeutet das: Ob ein Produkt in dieser neuen Art der Suche überhaupt auftaucht, hängt nicht mehr nur vom klassischen Keyword-Ranking ab, sondern davon, wie vollständig und kontextreich die hinterlegten Produktattribute sind. Wer seine Listings nicht darauf vorbereitet, wird von der KI schlicht nicht empfohlen — unabhängig davon, wie gut das Produkt eigentlich passen würde.
Was der Otto-KI-Assistent anders macht als die klassische Suche
Die klassische Kategoriesuche bei Otto arbeitet mit Filtern und Keywords: Kundinnen und Kunden tippen einen Begriff, wählen Kategorie und Attribute, und der Algorithmus sortiert danach. Der neue KI-Assistent funktioniert grundlegend anders. Er versteht Anfragen in natürlicher Sprache und interpretiert sie kontextabhängig — eine Anfrage nach einem allergikerfreundlichen Staubsauger für eine Einzelperson ist etwas anderes als dieselbe Anfrage für eine vierköpfige Familie mit Haustieren, selbst wenn beide Male das Wort "Staubsauger" fällt.
Das bedeutet für Ihr Listing: Attribute, die früher höchstens als Filterkriterium in der Seitenleiste dienten (Allergikergeeignet, Geräuschpegel, Behältervolumen, Einsatzbereich), werden jetzt zur Grundlage dafür, ob die KI Ihr Produkt in einem sehr spezifischen, sprachlich formulierten Kontext überhaupt in Betracht zieht. Ein technisch korrektes, aber lückenhaft attribuiertes Listing wird von der klassischen Suche noch gefunden — von der KI-Empfehlung aber häufig nicht, weil ihr schlicht die Datenbasis fehlt, um eine Passung zu erkennen.
Warum unvollständige Produktdaten jetzt doppelt teuer werden
Bisher kostete ein dünnes Listing vor allem Ranking-Plätze in der klassischen Suche — ärgerlich, aber mit gezielter SEO-Arbeit korrigierbar. Mit dem KI-Assistenten kommt eine zweite Reichweitenquelle hinzu, die komplementär zur klassischen Suche funktioniert und eigene Regeln hat. Ein Produkt kann in der Kategorie-Suche gut platziert sein und trotzdem in den KI-Empfehlungen komplett fehlen, weil die für natürliche Sprache relevanten Attribute (Einsatzzweck, Zielgruppe, besondere Eignungen) nicht oder nur unvollständig gepflegt sind.
Für Händler mit großen Katalogen ist das eine Kapazitätsfrage: Wer Hunderte oder Tausende SKUs führt, kann Attribute nicht mehr nur stichprobenartig pflegen, sondern muss systematisch prüfen, wo Datenlücken die KI-Sichtbarkeit blockieren.
In 6 Schritten: Listings für die KI-Suche vorbereiten
- Pflichtattribute vollständig ausfüllen. Prüfen Sie je Kategorie, welche Otto-Attribute optional sind, aber inhaltlich relevant für natürlichsprachliche Anfragen sein könnten (Zielgruppe, Allergiker-Eignung, Einsatzort, Geräuschpegel) — und füllen Sie diese konsequent aus, nicht nur die als Pflichtfeld markierten.
- Produktbeschreibungen kontextreich statt stichwortlastig formulieren. Statt reiner Keyword-Aneinanderreihung sollte die Beschreibung konkrete Nutzungsszenarien benennen ("geeignet für Wohnungen mit Haustieren", "leise genug für Nachtbetrieb"), da die KI genau solche Formulierungen mit Nutzeranfragen abgleicht.
- Attribut-Lücken systematisch je Kategorie identifizieren. Exportieren Sie Ihren Katalog und markieren Sie SKUs mit leeren oder generischen Attributfeldern — priorisieren Sie umsatzstarke Produkte zuerst.
- Bildunterschriften und Alt-Texte inhaltlich anreichern. Auch wenn die Otto-KI primär auf Textdaten zugreift, verbessert eine konsistente Bild- und Textbeschreibung die Gesamtqualität des Produktdatensatzes.
- Regelmäßige Stichproben mit typischen Kundenformulierungen. Testen Sie selbst im KI-Assistenten, ob Ihre wichtigsten Produkte bei realistischen, in natürlicher Sprache formulierten Anfragen erscheinen — und passen Sie die Attribute bei Bedarf an.
- Datenpflege priorisieren nach Umsatzpotenzial. Bei großen Katalogen ist die vollständige Attribuierung aller SKUs unrealistisch — konzentrieren Sie sich zuerst auf die Top-Umsatzträger und Produkte mit hohem Suchvolumen.
Was Otto und Google für die Zukunft angekündigt haben
Otto und Google haben erklärt, die Software in den kommenden Monaten schrittweise zu optimieren und den KI-Assistenten sukzessive weiteren Kundinnen und Kunden zur Verfügung zu stellen. Für Händler heißt das: Der Anteil des Traffics, der über KI-Empfehlungen statt über klassische Suche generiert wird, dürfte in den kommenden Quartalen wachsen — wer die Datenbasis jetzt vorbereitet, sammelt einen Vorsprung, bevor der Wettbewerbsdruck auf dieses Sichtbarkeitsfeld zunimmt.
Parallelen zu Amazon Rufus und Cosmo — und was Otto anders macht
Amazon-Händler kennen das Muster bereits aus der Optimierung für Rufus und Cosmo: Auch dort verschiebt sich Sichtbarkeit von reinem Keyword-Matching hin zu kontextreichem Verständnis von Produktdaten. Der wesentliche Unterschied bei Otto liegt in der Datenbasis: Otto bindet die KI direkt an die eigenen, strukturierten Kategorie-Attribute statt primär an Freitext-Beschreibungen. Das macht die Optimierung in gewisser Weise greifbarer, weil klar definierte Attributfelder existieren, die gepflegt werden können — es verlangt aber auch eine konsequentere Datenpflege, weil fehlende Pflichtfelder die KI-Auswertung direkt einschränken, unabhängig davon, wie gut der Fließtext formuliert ist.
Risiken bei übertriebener Attribut-Befüllung
Der naheliegende Reflex, möglichst viele Attribute mit möglichst vielen Begriffen zu füllen, kann nach hinten losgehen. Otto prüft Produktdaten auch auf Konsistenz zwischen Kategorie, Attributen und Beschreibung; offensichtlich unpassende oder überladene Angaben (etwa ein Attribut "geeignet für Allergiker" bei einem Produkt, das dafür keine erkennbare Eigenschaft hat) wirken sich eher negativ auf die Datenqualität und potenziell auf die Sichtbarkeit aus, als dass sie zusätzliche KI-Treffer bringen. Sinnvoller ist eine präzise, wahrheitsgemäße Attribuierung, die tatsächliche Produkteigenschaften abbildet, statt eine möglichst breite Abdeckung möglicher Suchbegriffe zu erzwingen.
Wie MarketplAIce die Listing-Vorbereitung unterstützt
MarketplAIce prüft Ihre Otto-Listings kanalübergreifend auf Attribut-Vollständigkeit und zeigt, welche Produkte mit hohem Umsatzpotenzial noch Datenlücken haben, die eine KI-Empfehlung verhindern könnten. Die prädiktive Analyse arbeitet fünf Tage im Voraus über 15 Dimensionen und priorisiert automatisch die Listings, deren Optimierung den größten Effekt auf Sichtbarkeit und Umsatz verspricht — statt dass Sie Tausende SKUs manuell durchgehen müssen. So lässt sich die Vorbereitung auf die KI-Suche systematisch statt zufällig angehen.
Testen Sie MarketplAIce 14 Tage kostenlos unter app.marketplaice.io/registrieren und sichern Sie sich Sichtbarkeit in Ottos KI-Empfehlungen, bevor der Wettbewerb nachzieht. Die passenden Tarife finden Sie unter /de/preise.
FAQ
Was ist der Otto KI-Assistent genau?
Ein seit März 2026 in der Otto-App verfügbarer Shopping-Assistent auf Basis von Google Gemini, der Produktwünsche in natürlicher Sprache versteht und daraus passende Empfehlungen aus über 18 Millionen Artikeln generiert.
Ersetzt der KI-Assistent die klassische Otto-Suche?
Nein, beide Suchwege laufen parallel. Die klassische Kategorie- und Keyword-Suche bleibt bestehen, der KI-Assistent ist ein zusätzlicher, kontextbasierter Zugang für natürlichsprachliche Anfragen.
Welche Produktattribute sind für die KI-Suche besonders wichtig?
Attribute, die einen konkreten Nutzungskontext beschreiben — etwa Zielgruppe, Allergiker-Eignung, Geräuschpegel oder Einsatzort — sind relevanter als rein technische Spezifikationen, weil sie mit natürlichsprachlichen Nutzeranfragen abgeglichen werden.
Muss ich meinen gesamten Katalog sofort überarbeiten?
Nein. Priorisieren Sie zunächst umsatzstarke Produkte und Kategorien mit hohem Suchvolumen, bevor Sie die Attributpflege auf den restlichen Katalog ausweiten.
Wie kann ich testen, ob mein Produkt vom KI-Assistenten gefunden wird?
Formulieren Sie realistische Kundenanfragen in natürlicher Sprache direkt im Assistenten und prüfen Sie, ob und wie prominent Ihre Produkte in den Empfehlungen erscheinen.
Gilt die Optimierung nur für die Otto-App oder auch für die Website?
Otto hat den KI-Assistenten zunächst in der App eingeführt; die zugrunde liegenden Produktdaten und Attribute sind aber dieselben, die auch für die Website-Suche genutzt werden — eine saubere Attribuierung wirkt daher kanalübergreifend.
Wie oft sollte ich meine Produktdaten auf Vollständigkeit prüfen?
Da Otto den Assistenten laut eigener Ankündigung schrittweise weiterentwickelt, empfiehlt sich eine regelmäßige, mindestens vierteljährliche Überprüfung der wichtigsten Attributfelder statt einer einmaligen Anpassung.
Über den Autor
Jorginho Engelmeyer ist Gründer von MarketplAIce und beschäftigt sich seit über acht Jahren mit Amazon Advertising und Marktplatz-Operations. Mehr über ihn und das Team unter /expertise.