Hinweis: Dieser Beitrag gehört zur Wissensrubrik Multimodale Suche: Warum deine Marke lernen muss, in Bildern und Tönen zu denken im Mehrklicks-Wissensportal.
Die Inhalte beschreiben Methoden und Strukturen, mit denen wir Marken für KI-Systeme wie ChatGPT, Perplexity und Google AI Overviews sichtbar machen.
Eine thematische Einordnung und die operative Umsetzung findest du auf der Seite Agentur für KI-Sichtbarkeit.
Ich erinnere mich an einen Kunden aus dem Möbel-E-Commerce, dessen Google-Shopping-Kampagnen stagnierten. Die Klickraten waren im Keller und die Sichtbarkeit für generische Suchen wie ‚moderner Esstisch‘ quasi nicht existent.
Er hatte alles nach Lehrbuch gemacht: Keywords im Titel, perfekte Beschreibungen, professionelle Fotos. Aber er übersah ein Detail, das im Zeitalter der KI über Sieg oder Niederlage entscheidet: Seine Bilder und seine Texte sprachen nicht dieselbe Sprache.
Der Text beschrieb seinen Bestseller als ‚minimalistischer Esstisch aus hellem Eichenholz‘. Das Foto hingegen war ein Kunstwerk der Inszenierung: eine dunkle, schattige Atmosphäre, fast schon im industriellen Look, um die Maserung des Holzes dramatisch hervorzuheben. Für das menschliche Auge war es ästhetisch, für eine KI ein Widerspruch. Das System las ‚hell, minimalistisch‘, sah aber ‚dunkel, rustikal‘. Das Ergebnis: Die KI verstand das Produkt nicht, verlor das Vertrauen und stufte es als weniger relevant ein.
Dieser Fall ist kein Einzelfall, sondern das Symptom einer neuen Ära, in der visuelle Daten genauso wichtig sind wie Text. Willkommen in der Welt der visuellen Kohärenz.
Früher war es einfach. Wir haben einer Suchmaschine mit ein paar simplen Tricks erklärt, was auf einem Bild zu sehen ist. Ein aussagekräftiger Dateiname (esstisch-eiche-modern.jpg), ein sauberer Alt-Tag (Moderner Esstisch aus Eichenholz für 6 Personen) – fertig. Das Bild selbst war für die Maschine eine Blackbox, ein Haufen Pixel ohne Bedeutung.
Diese Zeiten sind vorbei. Heute analysieren KI-Systeme wie Googles Vision AI den Inhalt eines Bildes mit erschreckender Präzision. Sie sind das digitale Auge, das deine Produkte nicht nur indexiert, sondern wirklich versteht.
Mithilfe von Modellen wie MUM (Multitask Unified Model) analysiert Google Informationen aus Text, Bild und Video. Die KI liest nicht nur deinen Produkttext, sie schaut sich parallel dein Produktbild an und fragt: Passt das zusammen?
Wenn du ein Produktbild hochlädst, passiert im Hintergrund mehr, als du denkst. Googles Vision AI zerlegt das Bild in Dutzende von Attributen. Sie erkennt:
All diese visuellen Signale werden in Datenpunkte umgewandelt und anschließend mit den textuellen Informationen aus deinem Titel, deiner Beschreibung und deinen Produktattributen abgeglichen.
Wenn du im Text von einem ‚roten Sommerkleid‘ schreibst, das Bild aber ein Kleid in Bordeauxrot vor einer herbstlichen Kulisse zeigt, entsteht eine Inkonsistenz. Für die KI ist das ein Warnsignal. Ein Mangel an Kohärenz untergräbt die Vertrauenswürdigkeit deines Produktes. Die Folge ist eine schleichende Abwertung in den Shopping-Ergebnissen, der Bildersuche und bei Google Lens. Es geht hier um ein tiefes, maschinelles Verständnis, das weit über Keywords hinausgeht.
Inkonsistenz ist Gift für deine KI-Sichtbarkeit. Stell dir vor, ein Nutzer sucht nach ‚weißen Ledersneakern‘.
Anbieter C wird mit hoher Wahrscheinlichkeit gewinnen. Nicht, weil er bessere Keywords hat, sondern weil seine visuellen und textuellen Daten eine klare, widerspruchsfreie Geschichte erzählen.
Die meisten Onlineshops sind voller solcher unbewussten Widersprüche. Sie entstehen aus gutem Willen – durch kreative Fotografie oder blumige Marketingtexte. Doch in einer Welt, die von Maschinen kuratiert wird, ist Klarheit wichtiger als Kreativität.
Um dieses Problem systematisch zu lösen, habe ich das Framework der ‚Multimodalen Produkt-DNA‘ entwickelt. Es geht darum, ein Produkt nicht als isoliertes Objekt, sondern als eine konsistente Dateneinheit zu definieren, die von Mensch und Maschine gleichermaßen verstanden wird.
Die DNA besteht aus drei Kernkomponenten:
Visuelle Attribute (Das Bild-Signal):
Primärfarbe: Die dominante Farbe des Produkts.
Sekundärfarben: Weitere sichtbare Farben.
Material: Was sieht die KI (Holz, Metall, Baumwolle)?
Stil: Minimalistisch, Boho, industriell, klassisch?
Kontext: Freigestellt, im Gebrauch, in einer bestimmten Umgebung?
Textuelle Attribute (Das Text-Signal):
Produkttitel: Enthält die wichtigsten Attribute (z. B. Farbe, Material, Typ).
Beschreibung: Beschreibt die visuellen Eigenschaften in Worten.
Produktdaten: Attribute im Feed (Farbe, Größe, Material).
Strukturierte Daten (Das Bestätigungs-Signal):
Schema.org Markup: Explizite Auszeichnung von Attributen wie ‚color‘ oder ‚material‘, um der KI die Übereinstimmung unmissverständlich zu bestätigen.
Der Prozess ist einfach: Definiere für jedes Produkt die Attribute aus allen drei Bereichen und stelle sicher, dass sie zu 100 % übereinstimmen. Wenn im Bild ein Eichentisch zu sehen ist, muss im Text ‚Eiche‘ stehen und im Schema-Markup material: ‚Oak‘ ausgezeichnet sein. Jede Abweichung ist eine Schwachstelle.
Eine kohärente Produkt-DNA macht dein Produkt für die KI zu einer vertrauenswürdigen Entität. Es ist nicht mehr nur ein Eintrag in einer Datenbank, sondern eine klar definierte Informationseinheit. Ein Produkt, das als Entität existiert, wird von KI-Systemen bevorzugt, weil es berechenbar und verlässlich ist.
Reicht es nicht, wenn ich gute Alt-Texte schreibe?
Nein. Alt-Texte sind primär für die Barrierefreiheit und ein grundlegendes SEO-Signal. Die KI-Bildanalyse geht viel tiefer. Sie analysiert den Bildinhalt selbst, unabhängig vom Alt-Text. Ein guter Alt-Text, der aber nicht zum visuellen Inhalt passt, kann sogar negative Signale senden.
Welche Tools kann ich nutzen, um zu sehen, was Google in meinen Bildern erkennt?
Du kannst die Google Cloud Vision AI direkt nutzen. Lade ein Produktbild hoch, und das Tool zeigt dir, welche Objekte, Farben und Attribute die KI erkennt. Das ist der direkteste Weg, um deine Bilder mit den Augen einer Maschine zu sehen.
Gilt das nur für Google oder auch für andere Plattformen wie Amazon oder Pinterest?
Das Prinzip der visuellen Kohärenz gilt für jede moderne Plattform, die auf KI-basierte Empfehlungen und visuelle Suche setzt. Pinterest, Amazon und auch soziale Netzwerke wie Instagram nutzen ähnliche Technologien, um Inhalte zu verstehen und Nutzern relevante Produkte vorzuschlagen. Eine konsistente Produkt-DNA ist eine universelle Anforderung.
Wie fange ich am besten an, wenn ich Hunderte von Produkten habe?
Beginne mit deinen Bestsellern oder den Produkten, die strategisch am wichtigsten sind. Führe für diese Top-Produkte ein Audit der Multimodalen Produkt-DNA durch. Optimiere die Bilder, Texte und strukturierten Daten. Analysiere die Veränderungen in der Performance. Die Learnings kannst du dann nutzen, um den Prozess für dein gesamtes Sortiment zu skalieren, oft auch teilautomatisiert.
Wir müssen aufhören, in getrennten Kanälen wie ‚Bild-Optimierung‘ und ‚Text-Optimierung‘ zu denken. In der KI-Ära gibt es nur noch ein Signal: das Gesamtsignal deines Produkts. Die visuelle Kohärenz ist die Brücke zwischen dem, was du sagst, und dem, was du zeigst.
Ein Produkt, dessen Bild und Text eine einzige, klare Geschichte erzählen, ist für eine KI vertrauenswürdig, relevant und leicht zu empfehlen. Ein Produkt mit widersprüchlichen Signalen ist nur Rauschen.
Schau dir deine Produktbilder genau an. Erzählen sie wirklich die gleiche Geschichte wie deine Texte? Wenn nicht, weißt du jetzt, wo du ansetzen musst. Denn in der Zukunft verkauft nicht der, der am lautesten schreit, sondern der, der am klarsten verstanden wird – von Mensch und Maschine.