Ein Shop kann heute gleichzeitig bei Google auf Platz 1 stehen, eine solide Conversion Rate haben – und in ChatGPT überhaupt nicht vorkommen. Kein schlechtes Ranking. Nicht existent. Wer das nicht misst, merkt es erst, wenn der Wettbewerb in KI-Antworten bereits empfohlen wird und die eigenen Zahlen unauffällig stabil bleiben. Genau diese Lücke sollen die neuen KI-KPIs sichtbar machen – bevor sie zum Umsatzproblem wird.

Wer heute verstehen will, ob sein Shop in KI-Suchen wie ChatGPT, Perplexity oder Google AI Overviews gefunden wird, ob KI-gestützte Empfehlungen wirklich zu mehr Umsatz führen und ob KI-Tools im Team genutzt werden, braucht andere Messgrößen als Bounce Rate und ROAS.

Die Digital Commerce Performance Roadmap (DCPR) von Blackbit ergänzt das klassische KPI-Set um 13 KI-spezifische Kennzahlen, gegliedert nach den drei DCPR-Themen Launch & Ernte, Optimierung und Expansion. Dieser Artikel erklärt alle 13 – was gemessen wird, womit und was realistische Zielwerte bedeuten.

Was es kostet, wenn Sie warten

Die Wahrscheinlichkeit, dass ChatGPT, Perplexity oder Google AI Overviews Ihren Shop überhaupt zitieren, hängt heute schon von Entscheidungen ab, die Sie nicht messen. Schema.org-Markup, robots.txt-Einstellungen, Autorensignale – wer diese Hygiene-KPIs nicht kennt, weiß nicht, ob sein Shop für KI-Systeme überhaupt sichtbar ist, geschweige denn empfohlen wird.

Das ist kein Zukunftsthema. Kaufentscheidungen verlagern sich bereits in KI-Antworten – Wettbewerber, die diese Lücke früher schließen, bauen einen Vorsprung auf, der sich nicht über Nacht aufholen lässt: Sichtbarkeit in generativen Antworten verstärkt sich selbst, je häufiger ein Anbieter zitiert wird, desto wahrscheinlicher wird er erneut zitiert. Wer heute keine Baseline misst, vergleicht sich in sechs Monaten mit niemandem – er weiß schlicht nicht, wo er steht.

Klassische KPIs vs. KI-KPIs: Was sich ändert

Klassische Performance-Kennzahlen messen Verhalten auf der eigenen Plattform. Was davor passiert – ob ein Shop in einer KI-Antwort empfohlen wird, bevor jemand überhaupt sucht – bleibt unsichtbar. KI-KPIs schließen genau diese Lücke: Sie messen Sichtbarkeit in generativen Suchsystemen, die Wirkung von KI-Features im Shop und die KI-Nutzung im Team.

Thema 01: Launch & Ernte – 7 KPIs für Sichtbarkeit und Vertrauen

In der Launch- und Ernte-Phase geht es darum, überhaupt gefunden und als vertrauenswürdig eingestuft zu werden – von Suchmaschinen genauso wie von KI-Systemen.

Schema.org-Abdeckung

Misst, wie viel Prozent der Seiten korrektes strukturiertes Markup tragen. Voraussetzung dafür, dass KI-Systeme eine Seite überhaupt korrekt einordnen können. Tools: Screaming Frog, Google Search Console.

KI-Crawl-Status

Prüft, ob GPTBot und PerplexityBot die Seiten indexieren dürfen. Wer GPTBot in der robots.txt blockiert, reduziert die Wahrscheinlichkeit deutlich, in ChatGPT-Antworten als Quelle berücksichtigt zu werden – unabhängig von Content-Qualität oder GEO-Score. Tools: Screaming Frog, Google Search Console.

GEO Score

Ein von Blackbit eingesetzter Composite-Index, der misst, wie sichtbar eine Marke in generativen KI-Antworten von ChatGPT, Perplexity, Google AI Overviews und Copilot erscheint. Berechnet über Conductor Intelligence (Alternativen: Rankscale, Profound, Otterly.ai) anhand eines festen Sets von Benchmark-Prompts. Zielwert: +20 % gegenüber Baseline in 6 Monaten.

AI Share of Voice

Eigene Brand-Mentions im Verhältnis zu Wettbewerber-Mentions in KI-Antworten, gemessen über dasselbe Benchmark-Prompt-Set wie der GEO Score. Zielwert: > 25 % SoV im DACH-Benchmark. Tool: Conductor.

AI-Traffic %

Anteil aller Website-Besuche, die nachweislich aus KI-Antworten stammen – erkennbar über Referrer wie chatgpt.com oder perplexity.ai. Relevant für Attribution: Ohne Baseline lässt sich später nicht belegen, ob GEO-Maßnahmen gewirkt haben. Tool: Google Analytics 4.

E-E-A-T Score

Ein Audit-basierter Composite aus messbaren Vertrauensfaktoren: Autorenprofile mit Schema.org-Auszeichnung, About-Seite, Backlink-Qualität, Bewertungen, HTTPS, Impressum. Relevant, weil KI-Systeme Quellen mit strukturierten Autorensignalen nachweislich häufiger zitieren. Zielwert: > 75/100. Tool: Conductor.

Sentiment Score

Tonalität von Nutzerfeedback und externen Erwähnungen aus Reviews, Social Media und Foren. Werte sind toolabhängig – sinnvoll ist, ein Tool konsequent zu nutzen und die Entwicklung zu beobachten statt Absolutwerte zu vergleichen. Zielwert: > 70 % positive Erwähnungen. Tool: Conductor, Brand24, Mention.

Thema 02: Optimierung ­– 4 KPIs für Conversion und Nutzererlebnis

Sobald Sichtbarkeit besteht, entscheidet die Optimierungsphase darüber, ob aus Aufmerksamkeit auch Umsatz wird.

Customer Satisfaction Score für KI-gestützte Chatbots im Shop (Chatbot-CSAT)

Gemessen über Post-Conversation-Befragung direkt nach dem Gespräch. Der Zielwert > 4,0/5,0 ist ein Orientierungswert – sinnvoller als ein absoluter Vergleich ist die eigene Baseline vor dem ersten Chatbot-Update, gegen die spätere Werte verglichen werden. Tools: Intercom, HubSpot Service Hub.

Semantische Sucherfolgsrate

Anteil aller Suchanfragen im Shop, die zu einem Klick auf ein Ergebnis führen – kein Null-Ergebnis, kein sofortiger Abbruch. Zielwert: > 70 %. Tools: DooFinder, Algolia

 Personalisierungs-Uplift %

Conversion-Effekt von KI-Empfehlungen gegenüber nicht-personalisierter Standardansicht, gemessen per A/B-Test. Orientierungswert: > 15 % Uplift; in der Praxis berichten Nosto-Kunden je nach Kategorie und Traffic von 10–30 %. Tool: Nosto.

CLV-Steigerung

Misst, ob Personalisierung den Customer Lifetime Value messbar erhöht. Zielwert + 10 % in 6 Monaten ist ambitioniert – sinnvoller ist, zunächst eine Baseline zu etablieren und dann quartalsweise zu beobachten. Tool: HubSpot CRM.

Thema 03: Expansion – 2 KPIs für Team und Effizienz

Expansion gelingt nur, wenn Team und Prozesse mit der KI-Strategie mitwachsen.

AI Adoption Rate

Anteil der Teammitglieder, die KI-Tools in einem definierten Zeitraum aktiv genutzt haben – gemessen über Login-Daten und Nutzungsevents, nicht über Lizenzanzahl. Zielwert: > 70 % aktive Nutzung nach 3 Monaten. Tools: Microsoft 365 Admin Center, Notion Analytics.

Time-to-Content

Durchschnittliche Zeit vom Content-Briefing bis zur Freigabe. Misst, ob KI-Schreibassistenz die Content-Produktion beschleunigt. Zielwert: Reduktion > 30 % gegenüber dokumentierter Baseline. Tools: Pimcore Editorial Workflow, Jira.

Welche drei KI-KPIs zuerst einführen?

Nicht alle 13 KPIs lassen sich gleichzeitig einführen. Für den Einstieg:

• GEO Score und KI-Crawl-Status zuerst prüfen – ob der Shop für KI-Systeme überhaupt zugänglich und sichtbar ist. Das dauert einen Tag.
• Schema.org-Abdeckung als technische Voraussetzung für alle KI-Sichtbarkeits-KPIs – kurzfristig umsetzbar.
• Personalisierungs-Uplift % – zahlt direkt auf Umsatz ein und liefert den Businesscase für weitere KI-Investitionen.
  
  

Was sind KI-KPIs im E-Commerce – und welche sind heute messbar?

KI-KPIs im E-Commerce sind Kennzahlen, die messen, wie gut ein Online-Shop in generativen KI-Systemen sichtbar ist, wie effektiv KI-Funktionen im Shop wirken und wie tief das Team KI-Tools im Arbeitsalltag nutzt. Die DCPR von Blackbit gliedert 13 solcher KPIs entlang der drei Themen Launch & Ernte (Schema.org-Abdeckung, KI-Crawl-Status, GEO Score, AI Share of Voice, AI-Traffic %, E-E-A-T Score, Sentiment Score), Optimierung (Chatbot-CSAT, Semantische Sucherfolgsrate, Personalisierungs-Uplift %, CLV-Steigerung) und Expansion (AI Adoption Rate, Time-to-Content). Gemessen werden sie mit Tools wie Conductor, GA4, Nosto und HubSpot – monatlich im DCPR-Quartalsrhythmus. Blackbit setzt diese KPIs bei mittelständischen E-Commerce-Unternehmen im DACH-Raum ein, um KI-Investitionen steuerbar und nachweisbar zu machen.

Weiterführend:

→ Was ist die DCPR? Das Wachstumsrahmenwerk für E-Commerce erklärt
→ GEO Score: Wie sichtbar ist Ihr Shop in ChatGPT und Perplexity?