Google Shopping Feed Attribute optimieren mit KI: Mehr Sichtbarkeit & Conversions 2026

Warum Feed-Attribute über Erfolg oder Misserfolg entscheiden

Viele E-Commerce-Betreiber investieren Stunden in Gebotsstrategien, Zielgruppen und Anzeigenbudgets - und vernachlässigen dabei den einen Faktor, der Google tatsächlich entscheidet, wann und für wen ein Produkt erscheint: den Produkt-Feed. Google Shopping funktioniert anders als klassische Suchwerbung. Es gibt keine Keyword-Listen, die du manuell befüllen kannst. Stattdessen liest Googles Algorithmus deine Feed-Attribute und gleicht sie mit Suchanfragen ab.

Das bedeutet: Ein Produkttitel mit falschen Prioritäten, eine fehlende GTIN oder eine unvollständige Produktkategorie kosten dich täglich bares Geld - nicht durch höhere CPCs, sondern durch schlicht fehlende Impressionen. Du wirst für relevante Suchanfragen gar nicht erst in Betracht gezogen.

Unsere Erfahrung aus über 22 Jahren Agenturarbeit zeigt: Wer seinen Feed sauber optimiert, erzielt im Schnitt 30 bis 60 Prozent mehr qualifizierte Klicks - ohne das Budget zu erhöhen. Der Feed ist das Fundament. Alles andere baut darauf auf.

Wie KI die Shopping Feed Optimierung verändert

Bis vor wenigen Jahren war Feed-Optimierung Handarbeit: Produkttitel manuell umschreiben, Kategorien einzeln prüfen, Beschreibungen nach Bauchgefühl anpassen. Bei 500 SKUs ist das noch machbar. Bei 50.000 ist es schlicht unmöglich - zumindest ohne KI.

Moderne KI-Systeme wie das proprietäre galineo-KI-System analysieren Suchanfragen-Daten, Wettbewerber-Feeds, historische Performance-Daten und Google-Taxonomie-Anforderungen gleichzeitig. Das Ergebnis: Feed-Attribute, die nicht nur technisch korrekt sind, sondern tatsächlich auf den Suchintent deiner Zielgruppe abgestimmt werden.

Was KI bei Feed-Attributen besser kann als Menschen

Ein KI-System verarbeitet in Sekunden Daten, für die ein Mensch Wochen brauchen würde. Konkret bedeutet das für deinen Shopping Feed:

• Titel-Generierung nach Suchintent: KI prüft, welche Begriffe in deiner Produktkategorie tatsächlich gesucht werden, und ordnet sie im Titel nach Relevanz.
• Automatische Kategorisierung: Auf Basis von Produktname, Beschreibung und Attributen weist KI die präziseste Google-Produktkategorie zu.
• Anomalie-Erkennung: Fehlende GTINs, doppelte IDs, inkonsistente Preisangaben - KI findet Fehler, bevor Google sie abstraft.
• Saisonale Anpassung: Produktbeschreibungen und Custom Labels werden automatisch an saisonale Trends angepasst.

Pflichtattribute richtig befüllen: Die Basis für jede Optimierung

Bevor du über optionale Attribute nachdenkst, müssen die Pflichtfelder sitzen. Ein einziger Fehler hier kann dazu führen, dass ein Produkt vollständig aus dem Shopping-Inventar verschwindet. Hier sind die kritischen Pflichtattribute und was bei jedem häufig schiefläuft:

Produkttitel (title): Das wichtigste Attribut überhaupt

Der Produkttitel ist dein primäres Matching-Signal. Google gleicht Suchanfragen in erster Linie mit dem Titel ab. Die Reihenfolge der Begriffe spielt dabei eine entscheidende Rolle: Was vorne steht, wird stärker gewichtet.

Die empfohlene Struktur lautet: Marke + Produkttyp + wichtigstes Attribut + weitere Attribute. Für einen Sneaker also etwa: «Nike Air Max 270 Herren Laufschuh Schwarz Größe 42» statt «Toller Schuh von Nike in Schwarz».

GTIN und Identifikatoren: Unterschätzter Ranking-Faktor

Viele Händler überspringen die GTIN-Angabe, weil sie denken, sie sei optional. Das ist ein teurer Irrtum. Google bevorzugt Produkte mit validen GTINs in der Auktion - besonders bei Produkten, die mehrere Händler gleichzeitig anbieten. Wer keine GTIN angibt, verliert systematisch Sichtbarkeit gegenüber der Konkurrenz.

KI-Systeme können fehlende GTINs in vielen Fällen automatisch ermitteln - über Produktnamen-Matching mit öffentlichen Datenbanken oder durch Abgleich mit Hersteller-Katalogen.

Optionale Attribute als strategischer Wettbewerbsvorteil

Optionale Attribute sind der Bereich, in dem sich gut optimierte Feeds von exzellenten Feeds unterscheiden. Hier haben die meisten Wettbewerber noch Lücken - und genau das ist deine Chance.

Custom Labels: Deine Steuerzentrale für Kampagnenlogik

Custom Labels (0 bis 4) erlauben dir, Produkte nach eigenen Kriterien zu segmentieren und in Kampagnen unterschiedlich zu behandeln. Typische Anwendungsfälle:

• Custom Label 0 - Marge: «high-margin», «low-margin��, «loss-leader» - für margenbasierte Gebotsstrategien
• Custom Label 1 - Saisonalität: «sommer», «winter», «ganzjaehrig» - für saisonale Budgetverteilung
• Custom Label 2 - Lagerbestand: «top-seller», «auslaufartikel», «neuheit» - für priorisiertes Budgeting
• Custom Label 3 - Performance: «bestseller-q1», «conversion-stark» - für datengetriebene Optimierung

Produktdetails und -highlights: Für bessere Mobile-Darstellung

Die Attribute product_detail und product_highlight werden zunehmend wichtiger, da Google sie für angereicherte Produktdarstellungen in Shopping-Anzeigen, Knowledge Panels und - besonders relevant seit 2025 - in AI Overviews nutzt.

Sam Tomlinson hat in seinem Recap zu Google Marketing Live 2025 darauf hingewiesen, dass Googles Transformation hin zu agentic search und KI-basierte Shopping-Erlebnissen strukturierte Produktdaten noch wichtiger macht als je zuvor. Händler, die ihre Feeds jetzt vollständig strukturieren, positionieren sich optimal für die nächste Generation der Google-Suche - in der KI-Systeme eigenständig Produktvergleiche durchführen und Kaufentscheidungen unterstützen.

Die Drei-Schichten-Architektur: Wie KI wirklich effektiv mit Feeds arbeitet

Wer KI einfach auf einen rohen Datensatz loslässt und hofft, dass gute Feed-Attribute dabei herauskommen, wird enttäuscht sein. Effektive Feed-Optimierung mit KI braucht Kontext - und zwar in drei Schichten.

Dieses Konzept beschreibt Ryan Davey in seinem Newsletter zu KI-basierten Google Ads Workflows präzise: KI benötigt drei Arten von Kontext, um wirklich effektiv zu arbeiten. Ohne eine strukturierte Wissensgrundlage liefert sie generische Ergebnisse - mit ihr wird sie zum echten Experten.

Schicht 1: Strukturiertes Feed-Wissen (Das Fundament)

Dies umfasst eine dokumentierte Wissensbasis zu Google Merchant Center Anforderungen, erlaubten Attributwerten, Formatierungsregeln und bewährten Optimierungsmustern. Ohne diese Basis gibt KI generische Empfehlungen. Mit ihr versteht sie die spezifischen Spielregeln deiner Produktkategorie.

Schicht 2: Kampagnen- und Performance-Kontext

KI muss wissen, welche Produkte gut performen, welche Suchbegriffe zu Conversions führen und welche Custom Labels welche Kampagnenlogik steuern. Dieser Kontext kommt aus deinen historischen Daten - und macht den Unterschied zwischen generischer Optimierung und gezielter Performancesteigerung.

Schicht 3: Echtzeit-Marktdaten

Suchtrends ändern sich. Was im Februar gut funktioniert, kann im August irrelevant sein. KI-Systeme, die Echtzeit-Suchdaten auswerten und Produkttitel sowie Beschreibungen dynamisch anpassen, halten deinen Feed dauerhaft aktuell - ohne manuellen Aufwand.

Feed-Strategie: Performance Max vs. Standard Shopping

Eine der häufigsten Fragen in der Feed-Optimierung lautet: Brauche ich für Performance Max einen anderen Feed als für Standard Shopping? Die kurze Antwort: Nein - aber die Prioritäten beim Optimieren verschieben sich.

Jyll Saskin Gales, eine der renommiertesten Google Ads Expertinnen, empfiehlt in ihrer Analyse für 2025, bei kleinen Budgets unter einem bestimmten Schwellenwert zunächst mit Standard Shopping-Kampagnen zu starten, bevor man auf Performance Max umsteigt. Der Grund: Standard Shopping gibt dir mehr Transparenz über Feed-Performance und erlaubt gezielteres Testing einzelner Attribute - wertvoll, um zu verstehen, was in deiner spezifischen Produktkategorie wirklich funktioniert.

Was PMax-Kampagnen vom Feed verlangen

Performance Max nutzt deinen Feed nicht nur für Shopping-Anzeigen, sondern auch für Display-, YouTube- und Gmail-Placements. Das bedeutet: Produktbilder und Beschreibungen müssen in mehr Kontexten funktionieren. Spezifisch braucht PMax:

• Hochwertige Bilder in mehreren Formaten (quadratisch und Querformat)
• Vollständig ausgefüllte product_highlight-Felder für Anzeigen-Assets
• Präzise Custom Labels für Asset-Gruppen-Segmentierung
• Aktuelle Preise und Verfügbarkeiten - PMax skaliert schnell und bestraft veraltete Daten

KI-Automatisierung in der Praxis: So funktioniert es bei galineo

Theorie ist gut - aber wie sieht Feed-Optimierung mit KI in der Praxis aus? Bei galineo haben wir in den letzten Jahren ein proprietäres KI-System entwickelt, das Feed-Optimierung auf mehreren Ebenen automatisiert. Hier ein Blick hinter die Kulissen:

Schritt 1: Feed-Audit und Fehleranalyse

Bevor optimiert wird, wird analysiert. Unser System liest den kompletten Feed ein und kategorisiert alle Produkte nach Vollständigkeit, Qualität und Fehlerklasse. Ähnlich wie bei der N-Gramm-Analyse im Suchanfragen-Management - ein Konzept, das in modernen KI-Ads-Workflows Standard ist - suchen wir nach Mustern in schlechten Produkttiteln: Welche Begriffe fehlen systematisch? Welche Attribute sind konsistent leer?

Schritt 2: Priorisierte Optimierungsreihenfolge

Nicht jede Optimierung bringt den gleichen Return. Unser KI-System priorisiert nach erwartetem Impact:

1. Produkte mit hohem Traffic und schlechter Feed-Qualität (größtes Potenzial)
2. Produkte ohne GTIN bei denen eine Marke erkennbar ist
3. Produkte mit zu allgemeiner Kategoriezuweisung
4. Produkte mit generischen Titeln ohne Marke oder Spezifikation
5. Produkte mit fehlenden optionalen Attributen (Farbe, Größe, Material)

Schritt 3: Automatische Generierung und Validierung

KI generiert optimierte Titel, Beschreibungen und Attributwerte - und validiert sie sofort gegen Merchant Center Richtlinien. Kein Output, der gegen Formatregeln verstößt oder verbotene Begriffe enthält, kommt in den Feed. Menschliche Freigabe erfolgt nur für kritische Kategorien oder bei Unsicherheit über Markenbegriffe.

Google Merchant Center 2026: Neue Anforderungen und Chancen

Google Merchant Center Next - die überarbeitete Version, die seit 2024 ausgerollt wird - bringt 2026 eine Reihe neuer Anforderungen und Möglichkeiten mit sich. Wer diese frühzeitig versteht, sichert sich einen deutlichen Vorsprung.

AI Overviews und agentic Shopping: Der nächste Umstellung

Sam Tomlinson hat in seiner detaillierten Analyse zu Google Marketing Live 2025 auf einen fundamentalen Wandel hingewiesen: Mit AI Overviews und agentic Search beginnt Google, Kaufentscheidungen proaktiv zu unterstützen. KI-Systeme vergleichen Produkte, fassen Eigenschaften zusammen und empfehlen Optionen - alles basierend auf Feed-Daten.

Was das für deinen Feed bedeutet: Strukturierte, semantisch reichhaltige Produktdaten werden zum Ticket für die nächste Generation der Google-Sichtbarkeit. Händler, die jetzt in vollständige, KI-lesbare Feed-Attribute investieren, erscheinen in AI Overviews. Alle anderen nicht.

Neue Pflichtattribute ab 2026

Google hat angekündigt, schrittweise neue Attribute zu Pflichtfeldern zu machen - besonders in den Kategorien Mode, Elektronik und Haushalt. Achte besonders auf:

Die häufigsten Feed-Fehler und wie du sie vermeidest

Nach der Analyse von Hunderten von Merchant Center Accounts über mehr als zwei Jahrzehnte haben wir bei galineo eine Liste der häufigsten und kostspieligsten Feed-Fehler zusammengestellt. Diese Fehler kosten Händler täglich Umsatz - und die meisten wissen es nicht einmal.

Fehler 1: Produkttitel aus dem Shop einfach übernehmen

Shop-Produkttitel sind für Konversion optimiert: kurz, emotional, markenspezifisch. Feed-Produkttitel müssen für Discovery optimiert sein: informationsreich, keyword-stark, spezifikationsdetailliert. Wer Shop-Titel 1:1 in den Feed übernimmt, verschenkt enormes Potenzial.

Fehler 2: Zu breite Produktkategorien wählen

«Bekleidung» ist keine Produktkategorie - das ist ein Kontinent. Google erwartet präzise Zuordnung auf der tiefstmöglichen Taxonomie-Ebene. KI kann diese Zuordnung vollautomatisch und deutlich präziser als Menschen durchführen.

Fehler 3: Preisangaben nicht synchronisieren

Wenn der Preis im Feed nicht mit dem Preis auf der Landingpage übereinstimmt, sperrt Google das Produkt sofort. Bei dynamischen Preisgestaltungen - Salepreise, B2B-Staffeln, Flash Sales - muss die Feed-Synchronisierung in Echtzeit oder zumindest stündlich erfolgen.

Fehler 4: Bilder ohne Optimierung übernehmen

Produktbilder sind das erste, was ein Nutzer bei einer Shopping-Anzeige sieht. Bilder mit weißem Hintergrund performen in den meisten Kategorien besser als Lifestyle-Bilder - aber das hängt von der Produktkategorie ab. KI-basierte Bildanalyse kann automatisch erkennen, welches Bild aus mehreren verfügbaren am besten konvertiert.

Fehler 5: Feed einmal einrichten und nie wieder anfassen

Ein Feed ist kein statisches Dokument. Googles Anforderungen ändern sich, Suchtrends verschieben sich, neue Wettbewerber optimieren ihre Feeds. Wer seinen Feed nicht mindestens monatlich überprüft und quartalsweise grundlegend optimiert, verliert schleichend Boden.

KI-basierte Feed-Monitoring-Systeme können diese kontinuierliche Überwachung vollständig automatisieren - und bei jeder Verschlechterung sofort Alarm schlagen.

Antworten für die Umsetzung