Ihre Shopware-Kunden suchen Produkte nicht mehr nur über Google. Sie fragen ChatGPT. Über 200 Millionen Menschen nutzen ChatGPT wöchentlich, und mit der Shopping-Funktion werden Produktempfehlungen direkt im Chat angezeigt, verglichen und im besten Fall sofort gekauft. Der klassische Funnel, von der Suche über die Produktseite zum Warenkorb, schrumpft auf eine einzige Konversation zusammen.
Mit Shopware 6.7.9.0 (Release 16. April 2026) reagiert Shopware auf diese Entwicklung mit einem nativen Agentic Commerce Sales-Channel. Produkte aus Ihrem Shop können jetzt strukturiert an OpenAI geliefert werden, erscheinen in ChatGPT Shopping und sind theoretisch sogar über In-Chat-Checkout kaufbar, ohne dass der Nutzer Ihren Shop jemals besucht.
Für Agenturen und Shop-Betreiber stellt sich jetzt eine strategische Frage: Ignorieren Sie diesen Kanal und überlassen das Feld der Konkurrenz? Oder positionieren Sie sich als einer der ersten deutschen Shops in ChatGPT Shopping? Shopware ist Gründungsmitglied der Agentic Commerce Alliance und hat damit eine klare strategische Richtung signalisiert. Die Frage ist nicht ob, sondern wann Agentic Commerce für den deutschen E-Commerce relevant wird.
Die Tragweite wird klarer, wenn man sich den Kontext ansieht: OpenAI hat mit dem Agentic Commerce Protocol (ACP) einen offenen Standard etabliert, der nicht nur Produktsuche, sondern auch In-Chat-Checkout über Stripe ermöglicht. Google arbeitet parallel am Universal Commerce Protocol (UCP). Die großen Plattformen bauen gerade die Infrastruktur für eine Welt, in der Kaufentscheidungen innerhalb von KI-Konversationen fallen. Und Shopware liefert mit 6.7.9.0 die native Anbindung an genau diese Infrastruktur.
Was Shopware 6.7.9.0 konkret liefert
Der neue Agentic Commerce Sales-Channel
Shopware führt mit 6.7.9.0 einen neuen Top-Level-Vertriebskanal ein, der als zentraler Einstiegspunkt für KI-gesteuerte Produktdistribution dient. Das ist kein Plugin, kein Third-Party-Tool, sondern ein nativer Bestandteil des Shopware-Cores. Der Sales-Channel ist dabei als Plattform-Dach konzipiert: Darunter können plattformspezifische Feeds erstellt werden, beginnend mit dem "OpenAI Product Feed" und erweiterbar auf weitere KI-Plattformen.
Die technische Basis: Shopware generiert einen JSONL-Feed nach der OpenAI Product Feed Specification. Jede Zeile im Feed ist ein vollständiges Produkt-Objekt mit Varianten, Preisen, Verfügbarkeit und Medien. Zusätzlich liefert Shopware AI-Referral-Tracking, um den geschäftlichen Impact von KI-generiertem Traffic messen zu können.
Was viele unterschätzen: Die OpenAI Product Feed Spec ist kein simpler CSV-Export wie bei Google Shopping. Sie hat eigene Architekturprinzipien. Der Feed wird vom Händler aktiv an einen verschlüsselten OpenAI-Endpoint gepusht (kein Crawling). Updates sind bis zu alle 15 Minuten möglich. Und zwei Flags steuern das Verhalten fundamental: enable_search bestimmt, ob ein Produkt in ChatGPT Shopping-Suchergebnissen erscheint. enable_checkout aktiviert den In-Chat-Kauf, setzt aber automatisch enable_search=true voraus.
Wie unterscheidet sich das von Google Shopping?
Aus meiner Erfahrung mit Shopware-Projekten: Wer Google Shopping-Feeds kennt, findet Parallelen, aber die Unterschiede sind entscheidend. Google Shopping basiert auf einem passiven Pull-Modell (Google crawlt Ihren Feed). OpenAI setzt auf ein aktives Push-Modell. Google Shopping ist werbefinanziert (bezahlte Platzierung beeinflusst Sichtbarkeit). ChatGPT Shopping zeigt Ergebnisse ausschließlich basierend auf Feed-Qualität, Produktrelevanz und Nutzerkontext. Keine Ads, keine bezahlte Platzierung.
Der fundamentale Unterschied liegt in der Beschreibungsqualität. Google Shopping bevorzugt Keyword-optimierte Titel und strukturierte Attribute. ChatGPT interpretiert Produktbeschreibungen semantisch. Eine Beschreibung, die in natürlicher Sprache erklärt, warum ein Produkt für einen bestimmten Anwendungsfall geeignet ist, performed in ChatGPT besser als eine Keyword-gestopfte Bullet-Liste.
// OpenAI Product Feed: JSONL-Format (vereinfacht)
{
"product_id": "SW-12345",
"title": "Ergonomischer Bürostuhl mit Lordosenstütze",
"description": {
"text": "Für Menschen, die 8+ Stunden am Schreibtisch sitzen...",
"html": "<p>Für Menschen, die 8+ Stunden...</p>"
},
"price": { "amount": "449.00", "currency": "EUR" },
"availability": { "status": "in_stock" },
"enable_search": true,
"enable_checkout": false,
"seller_name": "Ihr Shop-Name",
"images": [{ "url": "https://ihr-shop.de/media/stuhl-front.jpg" }],
"variants": [
{
"variant_id": "SW-12345-BLK",
"attributes": { "color": "Schwarz" },
"price": { "amount": "449.00", "currency": "EUR" }
}
]
}Beachten Sie: Das ist ein vereinfachtes Beispiel. Die vollständige Spec umfasst Felder für Retourenpolicies, Bewertungsstatistiken, regulatorische Hinweise, Popularitäts-Metriken und Marketplace-Seller-Informationen. Die Komplexität liegt im Detail.
Deep-Dive: Architektur und Integrationskonzepte
Das Agentic Commerce Protocol (ACP)
Hinter dem Product Feed steht ein größeres Framework: Das Agentic Commerce Protocol (ACP). ACP ist ein offener Standard, der die Kommunikation zwischen Händlern und ChatGPT-Nutzern definiert. Es besteht aus drei Schichten:
Product Feed Spec: Strukturierte Produktdaten (das, was Shopware 6.7.9.0 nativ generiert). Agentic Checkout Spec: Fünf REST-Endpoints für den Kaufprozess (Session erstellen, aktualisieren, Status abrufen, Kauf abschließen, stornieren). Delegated Payment Spec: Sichere Zahlungsabwicklung über PSPs wie Stripe mit Shared Payment Tokens.
Was Shopware 6.7.9.0 liefert, ist die erste Schicht: den Product Feed. Damit sind Ihre Produkte in ChatGPT suchbar und sichtbar. Die zweite und dritte Schicht (In-Chat-Checkout mit Stripe-Integration) erfordert zusätzliche Implementierung. Aktuell gibt es dafür bereits Plugins im Shopware Store, die native Core-Unterstützung für den vollständigen ACP-Stack wird aber in kommenden Releases erwartet.
Warum Variant-Modeling über Erfolg und Misserfolg entscheidet
Was auf den ersten Blick einfach wirkt, hat in Production Implikationen für die gesamte Produktdaten-Architektur. Die OpenAI-Spec definiert ein striktes Variant-Modell: Jedes Produkt hat ein kanonisches Record mit einem Set an purchasable Variants. Farbe, Größe, Material sind typische Variant-Dimensionen.
In der Praxis scheitert das oft an inkonsistenten Produktdaten. Ein häufiger Fehler, den ich in Shopware-Audits sehe: Varianten sind nicht sauber als Varianten angelegt, sondern als separate Produkte. Oder: Variant-Properties wie "Material" sind nicht als Shopware-Properties definiert, sondern stehen nur im Freitext der Beschreibung. Die OpenAI-Spec erwartet aber maschinenlesbare Attribute.
# Typisches Problem: Unsaubere Varianten-Daten
# ❌ Material nur im Freitext: "Hochwertiges Eichenholz, geölt"
# ✅ Material als strukturiertes Attribut:
# { "material": "Eichenholz", "finish": "geölt" }
# Shopware-seitig: Property-Groups korrekt konfigurieren
# Admin → Kataloge → Properties → Property Group "Material"
# Jede Variante muss die Properties zugewiesen habenDie entscheidende Frage für Ihr Projekt ist: Wie gut sind Ihre Produktdaten strukturiert? Wenn Ihre PIM-Workflows bereits saubere Property-Zuweisungen und vollständige Varianten-Konfigurationen erzeugen, ist die Feed-Generierung weitgehend automatisch. Wenn nicht, beginnt die eigentliche Arbeit bei der Datenqualität, nicht beim Feed-Export.
Die Integration in bestehende Architekturen erfordert individuelle Analyse, besonders bei Multi-Sales-Channel-Setups und Headless-Frontends. → Erstgespräch vereinbaren
Praxis-Perspektive: Was funktioniert, was nicht?
Welche Shops profitieren am meisten?
Aus meiner Projekterfahrung lässt sich eine klare Einordnung treffen. Am meisten profitieren Shops mit physischen Produkten, die sich gut beschreiben lassen. Kleidung, Elektronik, Möbel, Sportartikel. ChatGPT kann diese Produkte semantisch einordnen und bei konkreten Nutzerfragen empfehlen ("Welcher Laufschuh ist gut für Überpronierer unter 120 Euro?").
Weniger geeignet sind aktuell: Shops mit sehr individuellen Konfigurationsprodukten (Maßanfertigungen, B2B-Konfigurationen), reine Dienstleistungs-Shops ohne physische Produkte, und Shops mit extrem kleinem Sortiment (unter 50 Produkte). ChatGPT Shopping lebt von Auswahl und Vergleichbarkeit.
Was die Dokumentation nicht erwähnt: Die Beschreibungsqualität ist der wichtigste Ranking-Faktor. Wie ich im Artikel zum Shopware HTTP Caching Rework beschrieben habe, sind Performance und Datenqualität in der Shopware-Welt untrennbar. Das gilt hier noch stärker: Ein Produkt mit einer generischen 3-Wort-Beschreibung wird in ChatGPT nicht empfohlen. Eine Beschreibung, die den Anwendungsfall, die Zielgruppe und die Differenzierung zum Wettbewerb klar kommuniziert, hat deutlich bessere Chancen.
Feed-Optimierung: Worauf es wirklich ankommt
Die OpenAI-Spec unterscheidet zwischen Required, Recommended und Optional Fields. Required stellt sicher, dass Ihr Produkt korrekt angezeigt wird. Recommended verbessert Ranking und Nutzervertrauen. Optional liefert zusätzlichen Kontext.
In der Praxis entscheiden die Recommended Fields über den Erfolg. Dazu gehören: Retourenpolicies mit konkreten Fristen (return_deadline_in_days), aggregierte Bewertungsstatistiken, Popularitäts-Metriken und FAQ-Daten zum Produkt. Je mehr dieser Felder Sie befüllen, desto stärker wird Ihr Produkt in ChatGPT bevorzugt.
Ein konkretes Beispiel aus der Praxis: Ein Shop mit 500 Produkten, der bei allen Produkten seller_name, Retourenpolicies und mindestens 3 Produktbilder liefert, wird in ChatGPT Shopping deutlich besser positioniert als ein Shop mit 5.000 Produkten, bei dem die Hälfte unvollständige Daten hat. ChatGPT filtert Produkte mit unvollständigen oder widersprüchlichen Daten konsequent aus. Ein KI-Agent hat keine Toleranz für Inkonsistenzen: Er geht einfach zum nächsten Ergebnis weiter.
AI-Referral-Tracking: Messen, was ChatGPT bringt
Shopware 6.7.9.0 liefert natives Tracking für KI-generierten Traffic. Das ist geschäftskritisch, denn ohne Messung können Sie den ROI dieses neuen Kanals nicht bewerten. Die Integration in bestehende Analytics-Setups (Google Analytics 4, Matomo, Custom-Dashboards) erfordert aber zusätzliche Konfiguration. UTM-Parameter müssen korrekt in den Feed integriert werden, damit KI-Traffic in Ihren Reports sauber von organischem oder Paid-Traffic getrennt erscheint.
Ein Anti-Pattern, das ich voraussehe: Teams aktivieren den Agentic Commerce Channel, schauen nach zwei Wochen in die Zahlen, sehen wenig Traffic und deaktivieren ihn wieder. Das verkennt, dass ChatGPT Shopping erst Traktion aufbaut. Die frühen Adopter bauen jetzt Sichtbarkeit auf, die später nur schwer einzuholen ist. Der Agentic Commerce Channel ist ein strategisches Investment, kein kurzfristiger Traffic-Hack.
Realistisch eingeschätzt: Für den deutschen Markt ist Agentic Commerce Stand April 2026 noch ein Early-Adopter-Thema. In-Chat-Checkout ist regional begrenzt und erfordert OpenAI-Approval plus eine Stripe-Integration. Die Product Feed Sichtbarkeit in ChatGPT Shopping wächst aber kontinuierlich. Als Symfony-Entwickler mit Fokus auf Shopware und E-Commerce sehe ich hier eine klare Parallele zur frühen Google-Shopping-Phase: Wer damals früh dabei war, hatte einen strukturellen Vorteil.
Was kommt nach dem Product Feed?
Shopware hat den Sales-Channel bewusst als Plattform-Dach konzipiert. Der OpenAI Product Feed ist der erste spezifische Feed darunter. Google arbeitet parallel am Universal Commerce Protocol (UCP), das eine ähnliche Infrastruktur für Google Search AI Mode und Gemini aufbaut. Amazon hat ein eigenes Protokoll in Entwicklung. Wer jetzt die Datenqualität für den OpenAI-Feed aufbaut, legt damit gleichzeitig die Basis für diese weiteren Kanäle. Die Architektur des Agentic Commerce Sales-Channels ist genau dafür ausgelegt: Ein Dach, mehrere plattformspezifische Feeds darunter.
Strategische Empfehlungen
Lohnt sich Agentic Commerce für Ihren Shop schon jetzt?
Ja, wenn: Sie einen B2C-Shop mit 100+ Produkten betreiben, Ihre Produktdaten gut strukturiert sind (saubere Properties, vollständige Beschreibungen), und Sie einen Wettbewerbsvorteil durch Early-Mover-Positionierung suchen.
Noch nicht, wenn: Ihr Shop primär B2B mit Login-pflichtigen Preisen ist, Ihre Produktdaten grundlegende Qualitätsprobleme haben (fehlende Bilder, inkonsistente Varianten), oder Sie gerade den Widerrufsbutton-Compliance-Sprint für Juni 2026 priorisieren müssen.
Für Projekte, die beides parallel angehen müssen: Im KW16-Artikel habe ich die Widerrufsbutton-Pflicht ausführlich eingeordnet. Beides kommt mit 6.7.9.0, beides sollte nicht gegeneinander ausgespielt werden. Meine Empfehlung: Widerrufsbutton zuerst (harte Deadline), dann Agentic Commerce als strategisches Projekt.
Drei Schritte zur Agentic-Commerce-Readiness
Schritt 1: Datenqualität prüfen. Bevor Sie den Sales-Channel aktivieren, analysieren Sie Ihre Produktdaten. Sind alle Properties als maschinenlesbare Attribute angelegt? Haben Ihre Top-100-Produkte Beschreibungen, die in natürlicher Sprache funktionieren?
Schritt 2: Feed aktivieren und validieren. Starten Sie mit einem kleinen Sample (100 Produkte) und validieren Sie den Feed gegen die OpenAI-Spec. Shopware generiert den Feed nativ, aber die Qualität des Outputs hängt von der Qualität Ihrer Daten ab.
Schritt 3: Tracking aufsetzen und lernen. Integrieren Sie das AI-Referral-Tracking in Ihr Analytics-Setup. Messen Sie nicht nur Traffic, sondern auch Conversion-Qualität. KI-Traffic hat andere Conversion-Patterns als organischer Traffic. Nutzer, die über ChatGPT kommen, haben in der Regel eine höhere Kaufabsicht, weil sie bereits eine konkrete Frage gestellt haben. Aber sie haben auch höhere Erwartungen an Produktinformationen und Transparenz (Retourenpolicies, Lieferzeiten).
Ein zusätzlicher strategischer Aspekt: Beobachten Sie, wie Ihre Wettbewerber reagieren. Im deutschen Shopware-Ökosystem sind aktuell noch sehr wenige Shops in ChatGPT Shopping vertreten. Das gibt Ihnen ein Zeitfenster. Wer in den nächsten drei bis sechs Monaten einen sauberen Feed aufbaut und die Datenqualität optimiert, hat einen messbaren Vorsprung, wenn die Nutzung von ChatGPT Shopping auch im deutschen Markt anzieht.
Welche Strategie für Ihr Projekt die richtige ist, hängt von Ihrem Sortiment und Ihrer Datenqualität ab. → Lassen Sie uns das gemeinsam evaluieren
Zusammenfassung und Ausblick
Shopware 6.7.9.0 bringt mit dem nativen Agentic Commerce Sales-Channel eine Infrastruktur-Entscheidung, die über die nächsten Jahre relevant bleibt. Die wichtigsten Takeaways:
Neuer nativer Sales-Channel für KI-gesteuerte Produktdistribution, beginnend mit ChatGPT Shopping über die OpenAI Product Feed Spec.
Push-Modell statt Crawling mit Updates bis alle 15 Minuten. Händler kontrollieren aktiv, welche Produkte sichtbar und kaufbar sind (enable_search, enable_checkout).
Datenqualität entscheidet über den Erfolg. Semantische Produktbeschreibungen, saubere Varianten-Strukturen und konsistente Properties sind die Grundvoraussetzung.
Early Mover haben einen strukturellen Vorteil. Die Parallele zu Google Shopping 2012 ist naheliegend: Wer früh Feed-Qualität aufbaut, wird bevorzugt.
In-Chat-Checkout ist noch regional begrenzt, aber die Infrastruktur (ACP, Stripe-Integration) wird aktiv ausgebaut.
In den kommenden Monaten wird sich zeigen, wie schnell Google mit dem Universal Commerce Protocol (UCP) nachzieht. Shopware hat sich mit dem Agentic Commerce Alliance-Beitritt strategisch positioniert, beide Protokolle zu unterstützen. Für Agenturen bedeutet das: Wer jetzt die Feed-Infrastruktur für OpenAI aufbaut, kann sie als Grundlage für weitere KI-Plattformen nutzen.
Agentic Commerce für Ihren Shopware-Shop evaluieren
Die Feed-Generierung ist der einfache Teil. Die eigentliche Arbeit liegt in der Produktdaten-Optimierung, der Varianten-Strukturierung und der Integration in bestehende PIM-Workflows. In einem kostenlosen Erstgespräch analysiere ich, wie Agentic-Commerce-ready Ihr Shop tatsächlich ist und wo die Quick Wins liegen.
→ Agentic Commerce Evaluierung anfragen
Dennis Schwenker-Sanders ist PHP & Symfony-Entwickler mit Fokus auf Shopware-Architektur und E-Commerce-Integration. Er begleitet deutsche Agenturen und KMU bei der technischen Einordnung neuer Shopware-Features und deren Integration in bestehende Shop-Infrastrukturen.