OpenAI selbst spricht auf der Cannes-Lions-Bühne von rund 20 % kommerzieller Anfragen in ChatGPT. Für Hersteller und Händler ist der Anteil doppelt so hoch – und ab sofort entscheidet nicht Werbebudget, sondern Produktdatenqualität, wer empfohlen wird.
„Menschen kommen in ChatGPT nicht zum Stöbern – sie kommen super-intentional, mit einem klaren Job, den sie erledigen wollen.“ – David Dugan, OpenAI, Head of Global Ads Solutions, Cannes Lions 2026
Als OpenAIs Werbe-Verantwortlicher David Dugan im Juni 2026 bei den Cannes Lions auf die Bühne trat, sagte er einen Satz, der in jeder Marketingabteilung nachhallen sollte: Rund 20 Prozent aller ChatGPT-Anfragen haben direkte kommerzielle Absicht (Marketing Dive, Juni 2026; ebenso Ad Age). Bei rund 900 Millionen wöchentlich aktiven Nutzern – die offizielle Zahl, die OpenAI im Februar 2026 kommuniziert hat – ist das kein Nischenphänomen. Es ist ein Kanal in der Größenordnung des größten Suchmaschinen- oder Marktplatz-Traffics, den die meisten Hersteller und Händler heute haben.
Nur: Anders als bei Google Ads oder einer Marktplatz-Platzierung können Sie sich in diesen Kanal nicht einkaufen. OpenAI hat seit Anfang 2026 zwar Werbeplätze in ChatGPT eingeführt, inzwischen live in sieben Märkten – aber das kauft einen Anzeigenplatz neben der Antwort, nicht einen Platz in der Antwort selbst. Der Satz „Man kann sich nicht in ChatGPT-Antworten einkaufen“, der gerade durch LinkedIn geistert, ist damit halb richtig und halb veraltet zugleich: Ads existieren, aber die organische Antwort – die, die als Empfehlung zählt – basiert weiterhin ausschließlich darauf, was das Modell finden, verstehen und als vertrauenswürdige Quelle einstufen kann.
20 Prozent ist eine griffige Zahl – aber sie ist auch eine Momentaufnahme einer sich schnell verändernden Größe, und je nachdem, wer misst und was als „kommerziell“ zählt, kommen sehr unterschiedliche Werte heraus. Es lohnt sich, das einmal sauber aufzudröseln, statt die Zahl unreflektiert weiterzureichen.
Die AEO-Plattform Profound hat im August 2026 die bislang größte Untersuchung dieser Art veröffentlicht: 7,5 Millionen englischsprachige ChatGPT-Konversationen aus den USA, klassifiziert per LLM über den Zeitraum Juni 2025 bis Juni 2026. Ergebnis: Der kommerzielle Anteil stieg von 13,9 % auf 19,2 % – ein relativer Anstieg von 38 % in nur zwölf Monaten. Hochgerechnet entspricht das einem Anstieg der wöchentlichen kommerziellen Konversationen von rund 243 auf 533 Millionen, mit einer Bandbreite von 490 bis 570 Millionen je nach Modellannahme (Profound, August 2026). Wichtig zur Einordnung: Profound verkauft selbst AEO-Sichtbarkeits-Software – die Studie ist nützlich, aber nicht neutral, sie stammt von einem Anbieter, der ein Interesse daran hat, dass Unternehmen dieses Thema ernst nehmen.
Unabhängiger ist eine zweite Untersuchung von Measure Protocol, einem Marktforschungsunternehmen ohne AEO-Geschäftsmodell: Ein permissioniertes Panel von 3.458 US-amerikanischen ChatGPT-Nutzern lieferte 142.965 echte Sitzungen aus dem ersten Halbjahr 2025. Ergebnis: 21,6 % der Interaktionen zeigen irgendeine kommerzielle Absicht, 7,1 % zeigen starke Kaufsignale – und Produktvergleiche gehören mit 28 % zu den Kategorien mit der höchsten Kaufabsicht überhaupt (Measure Protocol, Oktober 2025).
Und dann gibt es noch OpenAIs eigenes NBER-Working-Paper „How People Use ChatGPT“ (September 2025), das nur rund 2 % der Nachrichten als Anfragen zu konkret käuflichen Produkten klassifiziert (NBER Working Paper w34255). Auf den ersten Blick widerspricht das den anderen Zahlen fundamental. Tatsächlich widerspricht es nur der Definition: OpenAIs eigene Studie zählt eng – „Shopping für ein konkretes Produkt“. Profound und Measure Protocol zählen breiter – Recherche, Vergleich, Anbieterbewertung, inklusive Reise-, Finanz- und B2B-Themen. Beide Lesarten sind korrekt, sie beantworten nur unterschiedliche Fragen. Und in beiden Lesarten zeigt der Trend in dieselbe Richtung: Kommerzielle Nutzung von ChatGPT ist groß und wächst zweistellig.
Der Durchschnittswert von rund 20 % verschleiert, wie ungleich kommerzielle Absicht über Branchen verteilt ist. Profounds Branchenaufschlüsselung zeigt: Automotive liegt bei 59,1 %, Reise bei 56,1 %, Telekommunikation bei 47,9 % – und für ainavios eigentliche Zielgruppe, Hardware & Industrial, bei 47,6 % und E-Commerce & Retail bei 37,6 %. Zum Vergleich: B2B-Software liegt bei 21,8 %, Bildung bei nur 6,2 %.
Mit anderen Worten: Wenn Sie Hersteller, Großhändler oder Industrieausrüster sind, ist der Anteil kommerzieller ChatGPT-Konversationen in Ihrer Branche etwa doppelt so hoch wie im branchenübergreifenden Schnitt. Für Sie ist AI-Sichtbarkeit kein Marken-Nice-to-have mehr, das man irgendwann angeht – es ist längst ein Bottom-of-Funnel-Kanal, der bereits heute Kaufentscheidungen mitprägt, ob Sie das messen oder nicht.
Das Muster hinter diesen Zahlen ist bemerkenswert konstant. Die kommerziellen Anfragen, die bei Herstellern und Händlern ankommen, klingen selten wie eine Google-Suche nach einem Markennamen. Sie klingen wie: „Welche Schraubenverbindung eignet sich für Aluminiumprofile bei hoher Vibrationsbelastung?“, „Vergleiche Anbieter A und B bei Lieferzeiten und Zertifizierungen“, „Welcher Großhändler führt Artikel mit IP67-Schutzklasse und CE-Kennzeichnung?“.
Das sind keine Fragen, die eine Landingpage oder eine gute Marketing-Story beantwortet. Das sind Fragen, die sich ausschließlich aus strukturierten Produktattributen beantworten lassen: Spezifikationen, Kompatibilitätsdaten, Verfügbarkeit, Zertifizierungen, mehrsprachige Inhalte. Ein Sprachmodell zitiert nicht, was am besten klingt – es zitiert, was es zuverlässig als Fakt extrahieren kann. Genau diesen Zusammenhang haben wir bereits in „Wenn die AI-Suche Ihr Produkt nicht versteht, wird sie es nicht empfehlen“ beschrieben: Garbage in, Garbage out gilt für AI-Empfehlungen genauso wie für jedes andere Modell.
Der entscheidende Unterschied zu klassischer SEO: Ein Sprachmodell vergleicht Ihre Produktdaten nicht nur mit denen Ihrer Wettbewerber – es vergleicht sie mit sich selbst, über jeden Kanal hinweg. Wenn Ihr eigener Shop andere technische Daten nennt als Ihr Marktplatz-Listing, andere Maße als Ihr Produktdatenblatt und eine andere Beschreibung als Ihr Google-Shopping-Feed, ist das für einen Menschen ein Ärgernis. Für ein Modell, das Vertrauenswürdigkeit als Quelle bewertet, ist es ein Ausschlusskriterium. Widersprüchliche Daten sind der häufigste Grund, warum eine KI eine Marke nicht zitiert – nicht mangelnde Bekanntheit.
Wer als „quotable source“ in seiner Kategorie gelten will, muss an fünf konkreten Stellschrauben arbeiten:
Und ein sechster Punkt, der gerne übersehen wird: AI-Sichtbarkeit überhaupt messen. Wer nicht regelmäßig prüft, ob und wie ChatGPT, Perplexity oder Gemini das eigene Sortiment zitieren, arbeitet blind an genau dem Kanal, der laut den Zahlen oben am schnellsten wächst.
Genau hier liegt die eigentliche Aufgabe eines agentischen PIM – nicht als Schlagwort, sondern als konkrete Arbeitsteilung zwischen mehreren spezialisierten AI Agents, die auf demselben zentralen Produktdatensatz arbeiten. Der Enrichment Agent füllt fehlende Attribute und schreibt antwortfertige, vergleichsfähige Produkttexte, statt dass ein Redakteur jedes Produkt einzeln von Hand nachpflegt. Der Quality Agent prüft laufend auf genau die Widersprüche zwischen Kanälen, die ein Sprachmodell als Vertrauensbruch wertet – bevor sie live gehen, nicht danach. Der Translation Agent hält mehrsprachige Inhalte konsistent zum Ausgangsdatensatz, statt dass jede Übersetzung ein eigenes, langsam veraltendes Datensilo wird. Und der Marketplace Agent übernimmt genau die Kanal-für-Kanal-Anpassung, die Feeds für neue AI-Shopping-Oberflächen erst anschlussfähig macht.
Das ist kein Ersatz für eine eigene AEO- oder GEO-Strategie – dazu gehört mehr als Produktdaten. Aber ohne diesen Unterbau ist jede AEO-Strategie ein Text ohne Fundament. Wir haben das bereits am Beispiel des Rückzugs der organischen Google-Produktkarussells beschrieben: Sichtbarkeit verlagert sich messbar dorthin, wo die Produktdaten am saubersten sind – und wenn KI-Agenten irgendwann tatsächlich für Kunden einkaufen, wie wir in „Zero-Click Commerce“ diskutiert haben, entscheidet exakt dieselbe Datenbasis darüber, wer überhaupt in die engere Auswahl kommt.
Der Weg dorthin ist keine Frage von Ad-Budget, die man nächste Woche freigibt. Es dauert Monate, bis ein Modell eine Marke durchgängig als verlässliche Quelle in einer Produktkategorie behandelt – dafür muss der zugrunde liegende Datensatz erst über einen längeren Zeitraum konsistent, vollständig und aktuell sein. Wer heute damit anfängt, ist in einem Quartal die zitierte Quelle. Wer wartet, konkurriert dann gegen einen bereits etablierten Trainings- und Vertrauensvorsprung.
Fazit: Rund jede fünfte ChatGPT-Anfrage ist heute kommerziell – in Hersteller- und Handelsbranchen eher jede zweite. Ads neben der Antwort kann man kaufen, den Platz in der Antwort selbst nicht. Was darüber entscheidet, ist ausschließlich die Qualität, Konsistenz und Vollständigkeit der eigenen Produktdaten über jeden Kanal hinweg. Das lässt sich nicht in einer Woche nachrüsten – aber ab diesem Quartal aufbauen, statt ab nächstem Jahr zu bereuen, es nicht getan zu haben.
Björn Thomsen is Head of Marketing at ainavio, specializing in B2B SaaS, demand generation, marketing automation, and leveraging AI to scale modern marketing processes.
https://www.linkedin.com/in/bjoern-thomsen/
contact@ainavio.com
+49 (0) 2842 - 929987-3
