GTINs, MPNs und Brand Metadata: Was AI Search wirklich von deinen Produktdaten braucht

GTINs, MPNs und Brand Metadata sind maschinenlesbare Kennungen, die AI-Engines wie ChatGPT, Perplexity und Google AI Overviews nutzen, um deine Produkte zu verifizieren, bevor sie diese empfehlen. Ohne diese Felder, die korrekt in deinem JSON-LD und deinem Produktfeed ausgefüllt sind, können AI-Systeme deine SKU nicht von der eines Konkurrenten unterscheiden, und dein Shop bleibt unsichtbar, egal wie gut dein Text ist. Diese drei Kennungstypen richtig einzustellen ist die schnellste technische Lösung, die den meisten Shopify-Marken zur Verfügung steht.

Die wichtigsten Erkenntnisse

• GTINs (Global Trade Item Numbers) sind die stärkste einzelne Kennung für AI Entity Resolution. Fehlende oder ungültige GTINs sind einer der häufigsten Gründe, warum Produkte von AI-Empfehlungen ausgeschlossen werden.
• MPNs (Manufacturer Part Numbers) sind die anerkannte Alternative, wenn ein GTIN wirklich nicht verfügbar ist, z.B. für individualisierte, handgemachte oder White-Label-Produkte.
• Brand Metadata, verschachtelt als ein Brand Typ mit eigener name Property in deinem JSON-LD, wird von AI-Engines verwendet, um alle deine Produkte unter einer einzigen vertrauenswürdigen Entität zu gruppieren.
• AI-Systeme erstellen einen "Confidence Score", indem sie deinen Produktfeed, deine strukturierten Daten und Drittanbieterreferenzen überprüfen. Inkonsistenzen über diese Quellen hinweg reduzieren diesen Score auf Null.
• Verweise von generativer AI zu US-Einzelhandelssites sind im Q1 2026 um etwa 393% Jahr über Jahr gestiegen. Die Marken mit vollständigen Kennungsdaten sind diejenigen, die diesen Traffic erfassen.

Warum Kennungen für AI wichtiger sind als für SEO

Traditionelle SEO tolerierte ein gewisses Maß an Mehrdeutigkeit. Eine Produktseite mit einem schlüsselwortreichen Titel und einigen Backlinks konnte ranken, auch ohne strukturierte Kennungen. AI Search funktioniert nicht so.

AI-Engines analysieren strukturierten Code und ziehen technische Daten, um zu verstehen, was ein Produkt ist, was es kostet und ob es verfügbar ist. Wenn dein Schema schwach, unvollständig oder nicht verbunden ist, überspringt der Crawler deine Seiten einfach. Die Engines raten nicht. Wie eine technische SEO-Analyse es ausdrückte: "Googles AI rät nicht. Sie zieht die strukturiertesten, vertrauenswürdigsten Daten, die sie finden kann."

Daher haben Kennungsfelder ein überproportionales Gewicht. Ein GTIN verbindet dein Produkt mit einer globalen Datenbank, wodurch ein AI-System dein Produkt gegen unabhängige Bewertungen, Konkurrenzpreise und Drittanbieter-Redaktionen überprüfen kann. Ohne diese wird die AI gezwungen, dein Produkt als mehrdeutige Entität zu behandeln, und mehrdeutige Entitäten werden nicht empfohlen.

Forschungen aus dem Jahr 2026 zeigten, dass 65% der Seiten, die von Google AI Mode zitiert werden, und 71% der Seiten, die von ChatGPT zitiert werden, strukturierte Daten enthalten. Eine Produktseite ohne vollständige Kennungen hat einen signifikanten Nachteil beim Kampf um Aufnahme.

GTIN: Die unverzichtbare Kennung

Ein GTIN (Global Trade Item Number) ist der Sammelbegriff für standardisierte Barcodes: die UPC, die du auf Einzelhandelspaketen in Nordamerika siehst (GTIN-12), der EAN, der in den meisten anderen Teilen der Welt verwendet wird (GTIN-13), und die ISBN, die für Bücher verwendet wird. In deinem JSON-LD gibst du dies als gtin, gtin12 oder gtin13 je nach Format an.

Wann du eine GTIN bereitstellen musst:

• Du verkaufst Produkte einer bekannten Marke wieder (hole die GTIN von deinem Lieferanten oder der GS1-Datenbank)
• Du produzierst Produkte, die einen Barcode tragen (registriere dich bei GS1, um eine legitime Kennung zu erhalten)
• Du reichst Produkte bei Google Merchant Center für eine beliebige AI-Shopping-Oberfläche ein

Warum es speziell für AI wichtig ist:

• GTINs verbinden dein Produkt mit globalen Datenbanken, sodass AI-Systeme Details überprüfen und Bewertungen im Web aggregieren können
• Ein GTIN ermöglicht es einer AI, dein Listing eines Produkts vom Listing eines anderen Einzelhändlers desselben Produkts zu unterscheiden
• Fehlende oder erfundene GTINs gehören zu den häufigsten Gründen, warum Produkte von Google Merchant Center abgelehnt und von AI-Oberflächen ausgeschlossen werden

Ein konkretes Beispiel: Ein Verkäufer von Küchengeräten, der GTINs zu seinen Top-20-Produkten hinzufügte, sah seine Google Merchant Center Genehmigungsrate innerhalb von zwei Wochen von 61% auf 94% steigen. Das gleiche Vollständigkeitssignal, das die Merchant Center Genehmigung vorantreibt, treibt auch das AI-Zitiervertrauen voran.

MPN: Die richtige Alternative für Private-Label und individuelle Produkte

Wenn du individuelle Produkte herstellst, White-Label-Waren verkaufst oder Artikel führst, denen nie ein Barcode zugewiesen wurde, existiert keine GTIN. In diesem Fall ist das anerkannte Kennungspaar mpn (Manufacturer Part Number) kombiniert mit brand.

Google akzeptiert diese Kombination explizit als Alternative, wenn eine GTIN wirklich nicht verfügbar ist. Die MPN ist eine Zeichenkette, die du kontrollierst, normalerweise die interne Modellnummer, die von dir oder dem ursprünglichen Hersteller zugewiesen wird. Die Schlüsselregeln:

• Die MPN muss innerhalb deines Markenkatalogs eindeutig sein (keine zwei Produkte sollten eine MPN teilen)
• Sie muss mit der MPN auf deinem Produktfeed, deiner Verpackung und allen Drittanbieterreferenzen zum Produkt übereinstimmen
• Sie sollte auf jeder Oberfläche, auf der du das Produkt auflistest, konsistent sein: Shopify-Storefront, Google Merchant Center Feed und JSON-LD Schema

Konsistenz ist das operative Wort. AI-Systeme bauen Vertrauen auf, indem sie deinen Produktfeed, deine strukturierten Daten und Drittanbieterreferenzen überprüfen. Wenn die MPN in deinem Schema nicht mit der in deinem Feed übereinstimmt, verliert die AI das Vertrauen und kann das Produkt vollständig von Empfehlungen ausschließen.

Brand Metadata: Die Entität, die alles zusammenbindet

Brand Metadata wird oft als Nebensache behandelt, gefüllt mit einer einfachen Textzeichenkette oder dem Standard-Output eines Shopify-Themes. Das ist ein Fehler.

Im schema.org Product JSON-LD sollte brand als ein typisiertes Brand Objekt mit eigener name Property verschachtelt sein, nicht als flache Zeichenkette:

"brand": {
  "@type": "Brand",
  "name": "Your Brand Name"
}

Diese typische Verschachtelung ist für AI-Engines aussagekräftig. Sie signalisiert, dass deine Marke eine diskrete Entität im Knowledge Graph ist, nicht nur ein Wort, das auf der Seite erscheint. Wenn die gleiche Brand-Entität konsistent über mehrere Produktseiten, deinen Feed, dein Google Merchant Center Konto und externe Erwähnungen hinweg erscheint, nimmt das Vertrauen der AI in deinen gesamten Katalog zu.

Ein paar praktische Regeln für Brand Metadata:

• Verwende deinen Markennamen genau wie er bei GS1, deinem Google Business Profile und jeder redaktionellen Berichterstattung erscheint. Großschreibung und Schreibweise sollten identisch sein.
• Verwende niemals einen Mutterkonzernnamen für einzelne Markenprodukte, wenn der Markennamen für den Verbraucher anders ist.
• Wenn du unter mehreren Untermarken verkaufst, sollte jede Untermarke ihre eigene Brand Entität mit eigenem konsistenten Namen sein.

Der vollständige JSON-LD Product Block (Shopify Referenz)

Unten folgt eine Referenzimplementierung, die jedes AI-kritische Kennungsfeld abdeckt. Dies ist der minimal lebensfähige Block für AI-Sichtbarkeit. Füge shippingDetails und hasMerchantReturnPolicy hinzu, um dich für Merchant Listings Eligibility zu qualifizieren.

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "[Product Name]",
  "image": ["https://example.com/product-image.jpg"],
  "description": "[Factual, specification-rich description]",
  "brand": {
    "@type": "Brand",
    "name": "[Your Brand Name]"
  },
  "sku": "[YOUR-SKU-NO-SPACES]",
  "gtin13": "[13-digit EAN or convert UPC to GTIN-13]",
  "mpn": "[Manufacturer Part Number]",
  "offers": {
    "@type": "Offer",
    "url": "https://example.com/products/[handle]",
    "priceCurrency": "USD",
    "price": "49.99",
    "availability": "https://schema.org/InStock",
    "itemCondition": "https://schema.org/NewCondition"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "reviewCount": "214"
  }
}

Ein oft übersehenes Detail: SKU-Werte dürfen keine Leerzeichen enthalten. Ein Wert wie SP ANC 300 schlägt die Validierung fehl, SP-ANC-300 nicht. Beachte auch, dass price eine einfache Zahl ohne Währungssymbol oder Kommaformatierung sein sollte.

Identifier Abdeckung vs. AI Sichtbarkeit: Ein Vergleich

Die Shopify-spezifischen Fallen zum Überprüfen

Der Standard-Theme-Output von Shopify generiert grundlegende Produktschemas, benötigt aber oft zusätzliche Konfiguration. Die Felder, die in Shopify-Shops am häufigsten fehlen oder falsch sind:

1. Barcode-Feld bleibt leer. Shopify ordnet das Barcode-Feld dem gtin in seiner Schema-Ausgabe und dem Merchant Center Feed zu. Ein leeres Barcode-Feld bedeutet keine GTIN an beiden Orten.
2. Vendor-Feld wird inkonsistent verwendet. Shopify nutzt das Vendor-Feld als Brand-Signal. Wenn Vendor manchmal dein Unternehmensname und manchmal ein Lieferantennamen ist, ist deine Brand-Entität fragmentiert.
3. Dynamisch gerendertes Schema. Einige Shopify-Themes und Apps geben Schema über JavaScript aus, anstatt es hart im HTML-Source zu codieren. AI-Crawler führen möglicherweise kein JavaScript aus, was bedeutet, dass sie überhaupt kein Schema sehen.
4. Variantenebenen-Schema fehlt. Das Standard-Schema von Shopify gibt oft einen einzigen Product Block für das übergeordnete Produkt aus, gibt aber nicht ProductGroup mit hasVariant für jede Variante aus. AI-Systeme, die eine bestimmte Farbe oder Größe abfragen, können nicht auf dein Produkt auf Variantenebene abgestimmt werden.
5. Preismismatch zwischen Feed und Storefront. Wenn dein Merchant Center Feed $99 sagt, aber dein Storefront $119 sagt, weil eine App-gesteuerte Rabatt, kennzeichnen AI-Systeme deine Daten als unzuverlässig.

Überprüfe diese fünf Punkte zunächst auf deinen höchsten Umsatzproduktseiten. Sie sind unglückliche Fixes, aber ein Modell, das zwischen zwei ähnlichen Produkten entscheidet, wird sich dem zuwenden, dessen Größe, Material und Verfügbarkeit es lesen kann, ohne zu raten.

Für Marken, die auch die zugrunde liegende Content-Qualität, die diese Kennungen umgibt, verbessern möchten, ist ein Shopify SEO Audit ein natürlicher nächster Schritt, da Content und strukturierte Daten sich gegenseitig als AI-Zitationssignale verstärken.

Wenn du eine systematische Übersicht darüber möchtest, wo dein Shop über alle 25 AI-Readiness Kriterien steht, einschließlich GTIN-Abdeckung, Brand-Entity Konsistenz und Schema-Vollständigkeit auf Variantenebene, AgentRank prüft deinen Shopify-Shop anhand dieser Kriterien und führt wöchentliche Prompts durch ChatGPT und Perplexity durch, um zu bestätigen, dass Fixes tatsächlich in AI-Empfehlungen umgesetzt werden.

FAQs

F: Was ist, wenn meine Produkte wirklich keine GTINs haben? A: Verwende die mpn plus brand Kombination in deinem JSON-LD und Merchant Center Feed. Google akzeptiert dieses Paar als Alternative für individuelle, handgemachte oder White-Label-Produkte. Die MPN muss innerhalb deines Katalogs eindeutig sein und konsistent auf jeder Oberfläche, auf der das Produkt erscheint.

F: Gibt Shopify GTINs automatisch in Produktschemas aus? A: Shopify ordnet das Barcode-Feld der gtin Property in seiner Schema-Ausgabe zu. Wenn dein Barcode-Feld mit einem gültigen GS1-registrierten Identifier ausgefüllt ist, wird Shopify es einfügen. Wenn das Feld leer oder mit einem internen Lagerbestandscode statt einer echten GTIN gefüllt ist, ist die Schema-Ausgabe unvollständig oder fehlt ganz.

F: Wie lange dauert es, bis korrigiertes Schema die AI-Search-Sichtbarkeit beeinflusst? A: Schema-Änderungen spiegeln sich normalerweise innerhalb von zwei bis vier Wochen in AI-Zitationen basierend auf beobachteten Crawl- und Indexierungszeitlinien wider. Die Google Merchant Center Neubewertung nach einer Feed-Reparatur dauert normalerweise drei bis sieben Tage. Validiere immer mit Googles Rich Results Test unmittelbar nach einer Änderung, um zu bestätigen, dass die Reparatur korrekt gelesen wurde.