BFSG Ein-Jahr-Bilanz: Welche Lücken Shops jetzt schließenSeit dem 28. Juni 2025 ist das Barrierefrei…
JSON-LD für Agent Commerce: Welche Schema-Felder zählen
JSON-LD für Agent Commerce: Welche Schema-Felder zählen
AI-Buyer-Agents lesen deinen Storefront nicht wie ein Browser. Sie lesen ihn wie eine API. 2026 entscheiden ChatGPT, Perplexity und Microsoft Copilot in Sekundenbruchteilen, ob dein Produkt in einer Agent-Antwort auftaucht: nicht auf Basis von HTML, sondern auf Basis deiner JSON-LD-Felder. Wer hier nur die Schema.org-Standardfelder ausliefert, landet im Mittelfeld. Wer die richtigen Erweiterungen liefert, gewinnt Zitate, Klicks und Käufe.
Dieser Post zeigt dir, welche fünf Felder Buyer Agents priorisieren, wie ein produktionstauglicher JSON-LD-Stack aussieht und wie du den Code in Nuxt 4 oder Next.js 15 sauber renderst.
Was ChatGPT, Perplexity und Copilot 2026 wirklich aus deinem Storefront parsen
Der AI-Traffic auf E-Commerce-Sites ist im Jahresvergleich um 393 Prozent gewachsen. Laut eMarketer-Forecast wird ein zweistelliger Prozentsatz aller Produktsuchen 2026 nicht mehr in einem klassischen Browser starten, sondern in einer Agent-Konversation. Das verschiebt die Optimierungsfrage komplett: weg von Title-Tags und Open-Graph, hin zu strukturierten Daten, die ein Agent in einem einzigen Crawl deterministisch verstehen kann.
Buyer Agents sind Pipelines. Sie holen sich eine URL, parsen die JSON-LD-Blöcke, normalisieren die Felder gegen ihre interne Produkt-Ontologie und entscheiden dann, ob das Produkt in die Antwort kommt. Was nicht im strukturierten Daten-Block steht, existiert für den Agenten nicht. Punkt.
Shopify hat das Anfang 2026 öffentlich anerkannt und in seiner Winter-26-Edition Agentic Storefronts angekündigt, dass Merchants neue Schema-Endpunkte bekommen, um genau diese Felder einfacher auszuliefern. Das ist kein Trend mehr. Das ist Infrastruktur.
Schema.org-Basis reicht nicht, die fünf JSON-LD-Felder, die Buyer Agents priorisieren
Wenn du heute nur `Product` mit `name`, `price` und `image` ausspielst, bist du im Jahr 2018 stehen geblieben. Hier sind die fünf Felder, die in unseren eigenen Tests mit ChatGPT-Search, Perplexity Shopping und Copilot Daily Shop 2026 die höchste Parse-Priorität haben.
1. Product mit erweiterten Identifikatoren. GTIN, MPN und SKU sind Pflicht. Agents nutzen sie, um Produkte über Händler hinweg zu disambiguieren. Ohne diese Felder fliegst du aus Vergleichs-Antworten direkt raus.
2. Offer mit präziser Verfügbarkeits-Semantik. `availability`, `priceValidUntil`, `inventoryLevel` und `deliveryLeadTime` sind die Felder, die einen Agenten zwischen "kaufbar jetzt" und "lass uns einen Konkurrenten zeigen" entscheiden lassen. `BusinessFunction` mit `Sell` oder `LeaseOut` ist relevant, sobald du Mietmodelle hast.
3. AggregateRating mit verifizierten Reviews. Buyer Agents diskontieren unverifizierte Ratings inzwischen messbar. Wenn du `Review` mit `author` als verifiziertem Käufer-Profil ausspielst und `reviewCount` plausibel zur Verkaufszahl passt, steigt das Trust-Signal.
4. FAQPage mit echten Käufer-Fragen. Das ist das wichtigste AEO-Asset 2026. Agents zitieren FAQ-Antworten direkt. Drei bis fünf konkrete `Question`/`Answer`-Paare pro PDP, formuliert wie ein Kunde fragen würde, geben dir Direct-Answer-Sichtbarkeit.
5. BreadcrumbList plus Custom-Extension `BuyerAgentCapabilities`. Die Breadcrumb erklärt dem Agenten den Kategorie-Kontext. Die Custom-Extension (de facto ein eigenes `additionalProperty`-Set) signalisiert: dieser Storefront beherrscht Agent-Checkout, Reservierungen, Pickup-Slots oder strukturierte Retouren. Schema.org standardisiert das aktuell noch nicht, aber die großen Agents lesen `additionalProperty` mit `propertyID` auf vendor-neutrale Capability-Schlüssel zuverlässig.
Mehr Hintergrund zu Schema-Strategien findest du in unserem Tooling für SEO- und GEO-Tuning, das genau diese Felder out of the box ausspielt.
Code-Walkthrough: JSON-LD-Stack für agentenfähige Storefronts
Hier ein produktionsnaher Block für eine Produktdetailseite. Render diesen JSON-LD-String serverseitig in den `<head>`, nicht client-side. Agents führen kein JavaScript aus.
{
"@context": "https://schema.org",
"@type": "Product",
"@id": "https://shop.example.com/p/laioutr-sneaker-x1#product",
"name": "Laioutr Sneaker X1",
"sku": "LR-SNK-X1-42-BLK",
"gtin13": "4006381333931",
"mpn": "LR-X1-BLK-42",
"brand": {
"@type": "Brand",
"name": "Laioutr"
},
"image": [
"https://cdn.example.com/x1/front.webp",
"https://cdn.example.com/x1/side.webp"
],
"description": "Leichter Performance-Sneaker mit recyceltem Obermaterial.",
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.6",
"reviewCount": "1284",
"bestRating": "5"
},
"offers": {
"@type": "Offer",
"url": "https://shop.example.com/p/laioutr-sneaker-x1",
"priceCurrency": "EUR",
"price": "149.00",
"priceValidUntil": "2026-12-31",
"availability": "https://schema.org/InStock",
"itemCondition": "https://schema.org/NewCondition",
"deliveryLeadTime": {
"@type": "QuantitativeValue",
"minValue": 1,
"maxValue": 2,
"unitCode": "DAY"
},
"businessFunction": "https://schema.org/Sell",
"areaServed": "DE"
},
"additionalProperty": [
{
"@type": "PropertyValue",
"propertyID": "buyerAgent:checkoutSupported",
"value": true
},
{
"@type": "PropertyValue",
"propertyID": "buyerAgent:reservationWindow",
"value": "PT30M"
},
{
"@type": "PropertyValue",
"propertyID": "buyerAgent:returnsPolicyUrl",
"value": "https://shop.example.com/returns"
}
]
}Daneben gehört ein zweiter Block für die FAQ, der von Agents als Direct-Answer-Quelle zitiert wird.
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Fällt der Sneaker X1 größengetreu aus?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Der X1 fällt normal aus. Bei breitem Vorfuß empfehlen wir eine halbe Nummer größer."
}
},
{
"@type": "Question",
"name": "Kann ich den X1 30 Tage zurückgeben?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Ja. 30 Tage kostenfreie Retoure, auch nach getragenem Test im Innenbereich."
}
}
]
}Validiere jeden Block gegen den Schema.org Validator und den Rich-Results-Test. Beide Tools sind unverzichtbar, weil sie Cross-Field-Konflikte (z. B. `priceValidUntil` in der Vergangenheit) sofort markieren. Ein Agent, der einen Konflikt sieht, ignoriert den ganzen Block.
Was bedeutet das für deinen Engineering-Stack?
Wer mit Nuxt 4 oder Next.js 15 baut, hat das technisch im Griff, sobald drei Punkte stimmen.
Erstens, Server-Side-Rendering ist Pflicht. In Nuxt 4 spielst du JSON-LD am sauberesten über `useHead()` in einer Server-Route oder über ein dediziertes `<JsonLd>`-Component aus, das SSR-only rendert. In Next.js 15 nutzt du Server Components und gibst den JSON-LD-String direkt als `<script type="application/ld+json" dangerouslySetInnerHTML>` im Server-Pfad aus. Client-Hydration darf den Block nicht überschreiben.
Zweitens, Edge-Caching ist dein Hebel. Buyer Agents crawlen oft, manchmal mehrmals pro Stunde pro Produkt während einer Konversation. Ein cache-fähiger Edge-Layer (Cloudflare Workers, Vercel Edge) hält die JSON-LD-Antwort unter 50 ms. Das ist relevant, weil mehrere Agents bei Latenz-Spikes auf den zweitbesten Anbieter ausweichen.
Drittens, Single Source of Truth. Die JSON-LD-Daten dürfen nicht aus drei Systemen zusammengestoppelt werden. Sie kommen aus deinem Produktkatalog über GraphQL, werden in einem zentralen Composable-Layer normalisiert und dann in den `<head>` injiziert. Genau dafür haben wir unsere Agentic Frontend Management Platform gebaut: ein zentrales Schema-Layer, das Product, Offer, Rating, FAQ und Custom-Capabilities über alle Kanäle hinweg konsistent ausspielt.
Wenn dein Stack heute klassisch monolithisch ist, ist der Wechsel auf ein Composable Headless Frontend der pragmatische Schritt, um JSON-LD nicht in jedem Template-Fork einzeln pflegen zu müssen. Die vollständige Feldreferenz und Beispiele für Nuxt-Komponenten findest du in den Developer Docs.
Ein konzeptioneller Vorgänger zu diesem Post, der erklärt, wie eine ganze Storefront agent-lesbar designt wird, ist unser Agent Surface Design Guide. Für den größeren Kontext, warum Agentic Commerce 2026 keine Option mehr ist, empfehlen wir Agentic Commerce, AI Agents im E-Commerce 2026.
FAQ
Reicht es, nur `Product` und `Offer` auszuspielen? Nein. 2026 zählt der gesamte Stack: Product, Offer, AggregateRating, FAQPage und mindestens drei `additionalProperty`-Capability-Felder. Wer nur Basis ausliefert, verliert in direkten Agent-Vergleichen.
Muss FAQPage auf jeder PDP rendern oder reicht eine zentrale Seite? Pro PDP. Agents zitieren FAQ-Antworten kontextspezifisch. Eine zentrale FAQ-Seite hilft für generische Fragen, ersetzt aber nicht die produktspezifischen drei bis fünf Q/A-Paare.
Wie umgehe ich Inkonsistenzen zwischen Headless-Frontend und PIM? Ein zentraler Composable-Layer normalisiert PIM-Felder, bevor sie als JSON-LD ausgespielt werden. Validierung läuft im CI: jeder PR, der eine Produktseite ändert, triggert einen Schema-Lint.
Sind Custom-Properties wie `buyerAgent:checkoutSupported` offiziell standardisiert? Nein, sie sind vendor-neutrale Konventionen. ChatGPT-Search und Perplexity lesen `additionalProperty` mit `propertyID`-Schlüsseln aber zuverlässig. Sobald Schema.org einen offiziellen Vocab dafür hat, mappst du um.
Wie messe ich, ob meine JSON-LD-Strategie funktioniert? Über zwei Signale: erstens, die Anzahl der Citations in ChatGPT-Search und Perplexity (manuelle Stichproben oder Tools wie Profound, AthenaHQ). Zweitens, der Anteil des Referral-Traffics aus AI-Quellen in deiner Web-Analytics, segmentiert nach User-Agent.
Wenn du tiefer einsteigen willst, lies weiter im Insights-Blog oder buch dir eine Demo unserer Agentic FMP. Wir zeigen dir live, wie die Schema-Pipeline für deinen Stack aussieht: Demo der Agentic FMP buchen.