KI-Commerce-Bereitschaft

Shopware KI-Agenten-Bereitschafts-Auditor: Katalog- & Site-Bewertung

Shopware-6-Plugin, das einen Katalog gegen OpenAIs eigenen Produkt-Feed-Validator prüft und den Storefront auf KI-Agenten-Erkennungssignale scannt. Asynchron auf Skalierung ausgelegt, 21 Tests.

Branche:: E-Commerce / SaaS-Tooling
Projekttyp:: Plugin-Produkt
Dauer:: Laufend
Standort:: Germany
Veröffentlicht:: 6. August 2026

KI-Agenten-Bereitschafts-Auditor Fallstudie Titelbild

Ergebnis

Bewertete Felder pro Produkt

Automatisierte Tests

CLI-Befehle

0-100

Score pro Produkt

Die Herausforderung

KI-Einkaufsagenten wie ChatGPT lesen heute den Produkt-Feed eines Händlers direkt und entscheiden, ob sie ihm vertrauen. Shopwares eigener Export-Validator erzwingt ein striktes Bestehen oder Scheitern für diesen Feed, erklärt einem Händler aber nie, welche Produkte durchfallen würden oder warum.

Kritische Problempunkte

Händler hatten keine Sichtbarkeit, welche Produkte den Agentic-Commerce-Feed-Validator bestehen oder nicht bestehen würden, bis der Feed selbst sie ablehnte
Produktdatenprobleme, fehlende Marke, dünne Beschreibungen, kein Bild, blieben bis zum Export unsichtbar
"KI-Bereitschaft" zu prüfen bedeutete, halb dokumentierte Anforderungen zu erraten, statt sich auf die Regeln der Plattform selbst zu stützen
Kataloge mit hunderttausenden Produkten machten ein manuelles Audit unmöglich
Über den Katalog hinaus prüfte niemand, ob der Storefront selbst das zeigt, wonach agentenbasierte Crawler suchen: llms.txt, strukturierte Daten, ein auffindbarer API-Katalog

Einen Katalog KI-Agenten-bereit zu machen bedeutete, blind vorzugehen, Produkt für Produkt, ohne Scorecard und ohne Möglichkeit, die größten Lücken zu priorisieren.

Die Lösung

Ich habe ein Plugin gebaut, das Shopwares eigene Feed-Validator-Logik gegen jedes Produkt vor dem Export laufen lässt und die Seite auf die Signale scannt, die KI-Agenten tatsächlich prüfen.

Am Validator ausgerichtete Bewertung

Die Score-Gewichtungen spiegeln Shopwares OpenAiProductExportValidator Feld für Feld: Titel, Beschreibung, Marke, Bild, Preis. Ein 100er-Score bedeutet, dass das Produkt den echten Validator bestehen würde, keine Annäherung daran.

Echte indizierte Tabelle statt Custom Field

Scores liegen in einer eigenen Entität am Produkt, sodass Lücken als sortierbare Admin-Spalte erscheinen statt in einem JSON-Blob, den niemand abfragen kann.

Site-weiter Signal-Scanner

Ein separater Scan prüft llms.txt, AGENTS.md, JSON-LD auf Produkt-, FAQ- und Breadcrumb-Seiten, Robots-Content-Signal-Regeln und einen auffindbaren Well-Known-API-Katalog: alles außerhalb des Produkt-Feeds, wonach agentenbasierte Crawler suchen.

Gebaut, um über die Sync-Grenze zu skalieren

Große Kataloge laufen per Symfony Messenger nach Produkt-ID-Bereich in Batches, sodass ein vollständiges Re-Audit nach einem Massenimport als Hintergrund-Jobs läuft statt als ein blockierender Befehl.

Ergebnisse & Geschäftsauswirkungen

Ein Validator, den Händler vor dem Export laufen lassen können, nicht nach der Ablehnung

Jeder Score führt auf dieselben Regeln zurück, die Shopwares eigener Validator erzwingt, sodass ein 100er-Score eine Garantie ist, keine Vermutung.

Lücken sortierbar, nicht vergraben

Die Admin-Produktliste sortiert direkt nach Score, sodass die schlechtesten Produkte zuerst auffallen statt zufällig entdeckt zu werden.

Blinde Flecken auf Site-Ebene ebenfalls erfasst

llms.txt-, AGENTS.md- und Structured-Data-Lücken werden genauso markiert wie Produktlücken, in einem einzigen Bericht.

21 Tests, iteriert gegen den Plattform-Quellcode

Frühere Score-Annahmen zu GTIN, MPN und Beschreibungslänge wurden verworfen, nachdem der Validator-Quellcode erneut gelesen und bestätigt wurde, dass sie tatsächlich nicht erzwungen werden.

Verwendete Technologien

Shopware 6.7
PHP 8.2
Symfony Messenger
DAL
PHPUnit
CLI Commands

Verkaufen Sie über KI-Einkaufsagenten?

Wenn Sie nicht wissen, ob Ihr Katalog den Feed-Validator eines KI-Agenten bestehen würde, ist das eine Lücke, die es zu schließen lohnt, bevor der Assistent Ihres Kunden sie für Sie findet. Lassen Sie uns sprechen.

Beratung buchen

Fallstudie teilen

Interessant gefunden? Teilen Sie es mit Ihrem Netzwerk