KI-Suche für Magento, die Ihren gesamten Katalog wie ein Produktexperte durchsucht

Magento ist für Komplexität konzipiert. Konfigurierbare Produkte mit Dutzenden von Attributkombinationen. Bundle-Produkte, bei denen der Käufer Komponenten zu einem benutzerdefinierten Set zusammenstellt. Gruppierte Produkte, die Artikel unter einem einzigen Listing zusammenfassen. Kategoriebäume, die sechs oder sieben Ebenen tief sind. Attributsets, die sich je nach Produkttyp unterscheiden – eine Ständerbohrmaschine hat Drehmoment und Spannfuttergröße, ein Schutzhelm hat Stoßfestigkeit und Material, ein Hydraulikschlauch hat Druckfestigkeit und Innendurchmesser. Dieser strukturelle Reichtum ist der Grund, warum Magento die bevorzugte Plattform für Händler mit großen, technischen oder B2B-Katalogen ist. Er ist aber auch der Grund, warum die native Suche von Magento für die Art und Weise, wie echte Käufer nach Produkten suchen, zutiefst unzureichend ist.

Die Suchmaschine von Magento – Elasticsearch bei Open Source, OpenSearch oder Live Search bei Adobe Commerce – indiziert Produktattribute und gleicht Schlüsselwörter damit ab. Sie unterstützt Boosting, Synonyme und Facettierung. Für einen Besucher, der den Produktnamen oder die SKU kennt, funktioniert sie gut. Für einen Besucher, der eingibt: „Ich benötige ein Bohrer-Set für Beton, 10 mm oder größer“, funktioniert sie nicht. Diese Abfrage enthält einen Produkttyp (Bohrer-Set), eine Materialkompatibilität (Beton), eine Maßvorgabe (mindestens 10 mm) und ein implizites Attribut (für Mauerwerk geeignet). Elasticsearch sieht einzelne Wörter. Es gibt möglicherweise Bohrer, Betonsägen, 10-mm-Schlüssel und nicht verwandte Artikel zurück, die zufällig das Wort „größer“ enthalten. Der Besucher erhält Rauschen. Er verfeinert. Er erhält anderes Rauschen. Er verlässt die Seite.

Das Problem ist nicht, dass die Suche von Magento schlecht implementiert ist. Das Problem ist, dass Stichwort-Matching-Engines – selbst hochentwickelte mit Synonymwörterbüchern und Attributgewichtungen – auf einer fundamental anderen Ebene arbeiten als menschliche Absichten. Wenn ein Einkaufsleiter „Edelstahlschrauben, M8 x 40, DIN 933, Mindestmenge 200“ eingibt, beschreibt er ein spezifisches Produkt mit Materialgüte, Gewindespezifikation, Länge, Standard und Mengenanforderung. Die Stichwortsuche gleicht einige dieser Begriffe mit einigen Produktfeldern ab. Die konversationelle KI-Suche liest die gesamte Abfrage als spezifischen Produktbedarf, ermittelt, welche Produkte alle Kriterien gleichzeitig erfüllen, und liefert sie als visuelle Produktkarten mit Bildern, Preisen und Kauf-Buttons direkt im Chat zurück. Der Besucher erhält kuratierte Ergebnisse, nicht eine nach Schlüsselwörtern sortierte Liste.

Die KI-Suche von Asyntai ersetzt das Stichwort-Matching durch konversationelle Produktentdeckung. Anstelle einer Suchergebnisseite mit zehn blauen Links interagieren Besucher mit einem KI-gestützten Chat-Widget, das natürliche Sprache versteht, den Live-Produktkatalog über einen Echtzeit-Datenfeed durchsucht, der mit der Magento REST API verbunden ist, und passende Produkte als Dynamische Produktkarten anzeigt – visuelle Karten mit Produktbildern, Preisen, Beschreibungen und Kauf-Buttons, die direkt in der Chat-Konversation gerendert werden. Der Besucher beschreibt, was er braucht. Die KI findet es. Die Produkte erscheinen. Keine Suchverfeinerungsschleifen. Kein Scrollen durch irrelevante Ergebnisse. Kein Zurückwechseln zwischen Suchseite und Produktdetailseiten.

Der Echtzeit-Datenfeed ist das Rückgrat dieses Systems. Die Magento REST API (/rest/V1/products) stellt den vollständigen Katalog mit allen Attributen, Preisen, Lagerbeständen, Bildern und Kategoriezuweisungen bereit. Asyntai indiziert diesen Feed und nutzt ihn als primäre Produktwissensquelle der KI. Wenn ein Besucher fragt: „Haben Sie Schutzbrillen mit Antibeschlagbeschichtung, ANSI Z87.1-zertifiziert?“, durchsucht die KI den indizierten Feed nach Produkten, deren Attribute übereinstimmen – nicht nur nach Produkten, die die Wörter „Schutzbrille“ und „Antibeschlag“ enthalten. Sie versteht, dass ANSI Z87.1 eine Sicherheitszertifizierung ist, Antibeschlag ein Linsenbeschichtungsattribut ist und der Besucher Produkte sucht, die beides aufweisen. Wenn der Feed diese als strukturierte Attribute enthält, ist die Übereinstimmung präzise. Wenn sie nur in Produktbeschreibungen erscheinen, bewertet die KI sie trotzdem kontextuell. In jedem Fall ist das Ergebnis dramatisch besser als beim Stichwort-Matching.

Konfigurierbare Produkte verdienen besondere Aufmerksamkeit, da sie eine der am häufigsten genutzten und für die Stichwortsuche am schwierigsten zu navigierenden Produkttypen in Magento sind. Ein konfigurierbares Produkt in Magento ist eine Eltern-SKU mit Kinder-Varianten – dasselbe T-Shirt in fünf Farben und vier Größen, dasselbe Kabel in drei Längen und zwei Stärken, dieselbe Schraube in metrischen und imperialen Gewindesteigungen. Die Stichwortsuche indiziert das Elternteil und manchmal die Kinder, kann aber nicht die Verfügbarkeit der Varianten berücksichtigen. Wenn ein Besucher fragt: „Führen Sie den Schutzgurt PX-400 in Größe XL?“, gleicht die Stichwortsuche „PX-400“ und „Schutzgurt“ ab, prüft aber nicht, ob die XL-Variante existiert oder auf Lager ist. Die KI, die mit den Daten aus dem Feed arbeitet, die die Varianteninformationen enthalten, kann diese Frage direkt beantworten – „Ja, der PX-400 ist in XL erhältlich. Wir haben 12 auf Lager. Hier ist er:“ gefolgt von einer Produktkarte. Diese Antwort erspart dem Besucher einen Klick, einen Seitenaufruf, ein Größenauswahl-Dropdown und eine mögliche Enttäuschung über Nichtverfügbarkeit.

Bundle-Produkte stellen eine andere Herausforderung dar. In Magento ermöglicht ein Bundle-Produkt dem Käufer die Auswahl von Komponenten – wählen Sie einen Motor, eine Montagehalterung und ein Bedienfeld, um eine benutzerdefinierte Lüftereinheit zusammenzustellen. Die Stichwortsuche kann einen Besucher nicht durch diese Auswahl führen. Sie kann nur den Namen des Elternprodukts mit der Anfrage abgleichen. Die KI kann den Besucher mit Kontext über die Komponenten des Bundles aus dem Datenfeed durch die Auswahl führen. „Ich benötige einen Lüfter für ein Lagerhaus von 200 Quadratmetern.“ Die KI identifiziert das relevante Bundle-Produkt, erklärt die Komponentenoptionen und zeigt eine Produktkarte für das konfigurierte Bundle an. Der Besucher muss die Struktur des Bundle-Produkts von Magento nicht verstehen. Er beschreibt seinen Bedarf, und die KI übersetzt ihn in die richtige Produktkonfiguration.

B2B-Kataloge fügen eine weitere Komplexitätsebene hinzu. Die Adobe Commerce Edition von Magento unterstützt gemeinsame Kataloge, kundengruppenspezifische Preise, Staffelpreise mit Mengenstaffeln und Firmenkonten mit Kaufrollen. Ein Einkäufer, der nach „500 Stück M6 Sechskantmuttern, Güteklasse 8“ sucht, sucht nicht nur nach einem Produkt – er sucht nach einem Produkt zu seinem ausgehandelten Preisniveau, möglicherweise aus einem Katalog, der nur für seine Kundengruppe sichtbar ist. Während die KI den von Ihnen bereitgestellten Datenfeed durchsucht, kontrollieren Sie, was in diesen Feed gelangt. Für B2B-Shops kann der Feed das entsprechende Preisniveau, den Katalogumfang oder die Produktauswahl widerspiegeln. Benutzerdefinierte Tools erweitern dies noch weiter – die KI kann Ihre Magento B2B API Endpunkte aufrufen, um Kreditlimits von Unternehmen zu überprüfen, Angebotsanfragen zu erstellen oder Artikel zu einer Bestellliste hinzuzufügen, alles innerhalb der Chat-Konversation.

Der wirtschaftliche Nutzen einer konversationellen KI-Suche ist bei Magento am größten, da die Kluft zwischen der Absicht des Besuchers und der Stichwortfähigkeit am größten ist. Bei einem einfachen Katalog mit 200 Produkten kann die Stichwortsuche ausreichend sein – der Besucher kann Kategorien durchsuchen und finden, was er braucht. Bei einem Magento-Katalog mit 10.000 SKUs, konfigurierbaren Produkten mit Dutzenden von Varianten und attributreichen technischen Produkten ist der Besucher, der den genauen Produktnamen oder die SKU nicht kennt, praktisch verloren. Er verlässt sich auf die Kategoriesuche, die nur funktioniert, wenn Ihre Kategorienstruktur sein mentales Modell der Produkttaxonomie widerspiegelt. Wenn er in Bezug auf „Material“ denkt, Ihre Kategorien aber nach „Anwendung“ organisiert sind, navigiert er zum falschen Zweig und findet das Produkt nie. Die KI-Suche umgeht die Taxonomie vollständig. Der Besucher beschreibt, was er braucht, und die KI findet es, unabhängig davon, wo es sich im Kategoriebaum befindet. Dieses Übersetzungspotenzial ist enorm.

Dynamische Produktkarten verwandeln den Chat von einer reinen Text-Q&A in ein visuelles Produkterlebnis. Jede Karte zeigt das Produktbild, den Namen, den Preis, eine Kurzbeschreibung und einen „Produkt ansehen“-Button, der auf die Magento-Produktseite verlinkt. Mehrere passende Produkte werden als horizontales Karussell angezeigt, durch das der Besucher wischen kann. Für Magento-Händler, die traditionell stark in Produktfotografie und visuelles Merchandising auf Kategorieseiten investieren, trägt das Produktkartenformat diese Investition in den Chat-Kanal. Ein Besucher, der nach Bohrer-Sets fragt, sieht die tatsächlichen Produktbilder, nicht nur Textbeschreibungen. Die visuelle Darstellung fördert Klicks und Konversionen auf eine Weise, die rein textbasierte Chat-Antworten niemals könnten.

Der Datenfeed hält alles aktuell. Im Gegensatz zu Suchindizes, die nach einem Zeitplan neu erstellt werden, wird der Echtzeit-Datenfeed bei jeder relevanten Abfrage gelesen. Wenn Sie einen Preis im Magento Admin ändern – sei es durch eine Katalogpreisregel, eine geplante Aktualisierung oder eine manuelle Bearbeitung – sieht der nächste Besucher, der nach diesem Produkt fragt, den aktualisierten Preis auf der Produktkarte. Nicht vorrätige Artikel verschwinden aus den Suchergebnissen. Neue Produkte, die dem Feed hinzugefügt werden, werden innerhalb von 24 Stunden indiziert. Für Magento-Shops, die häufig Aktionen, Flash-Sales oder zeitlich begrenzte Preise durchführen, ist diese Unmittelbarkeit entscheidend. Der Besucher sieht den Preis, der auf der Produktseite angezeigt wird, wenn er darauf klickt. Kein Köder und Schalter. Keine Haftungsausschlüsse bezüglich falscher Preise.

Benutzerdefinierte Tools erweitern die KI über die Produktsuche hinaus auf transaktionale Aktionen. Die Magento REST API ist eine der umfassendsten E-Commerce-APIs, die es gibt, mit Endpunkten für Auftragsverwaltung, Bestand, Versand, Kundendaten und mehr. Jeder API-Endpunkt, den Sie als Benutzerdefiniertes Tool verbinden, verleiht der KI eine neue Fähigkeit. Prüfen Sie den Echtzeitbestand nach SKU und Lagerort. Rufen Sie einen Auftrag anhand der Bestellnummer ab und geben Sie dessen Status, Sendungsverfolgungsnummer und Versanddienstleister zurück. Berechnen Sie die Versandkosten für die Postleitzahl des Besuchers. Leiten Sie eine Rücksendung oder einen Umtausch ein. Prüfen Sie, ob ein Gutscheincode für bestimmte Produkte gilt. Die KI führt den API-Aufruf durch, interpretiert die Antwort und präsentiert die Antwort konversationell. Der Besucher sieht die API nie. Er erhält einfach Antworten.

Multi-Store-Ansichten sind eine Kernfunktion von Magento, und Asyntai unterstützt sie nativ. Wenn Sie separate Store-Ansichten für verschiedene Sprachen, Marken oder Regionen betreiben – ein übliches Muster bei Magento –, stellen Sie für jede Store-Ansicht ein separates Asyntai-Widget mit seinem eigenen Datenfeed und seiner eigenen Widget-Konfiguration bereit. Die deutsche Store-Ansicht erhält ein Widget, das den deutschen Produktkatalog durchsucht und auf Deutsch antwortet. Die B2B-Store-Ansicht erhält ein Widget, das den Großhandelskatalog mit Staffelpreisen durchsucht. Die KI unterstützt 36 Sprachen – ein Besucher in Ihrer französischen Store-Ansicht fragt auf Französisch und erhält Produktkarten mit Preisen in Euro, auch wenn der Backend-Datenfeed auf Englisch ist. Die Sprachebene und die Produktdatenebene arbeiten unabhängig voneinander.

Die Leistung ist ein berechtigtes Anliegen für Magento-Händler, die typischerweise erhebliche Anstrengungen in Seitenladegeschwindigkeit, Varnish-Vollseiten-Caching und CDN-Konfiguration investieren. Das Asyntai-Widget hat keinerlei Auswirkungen auf diese Aspekte. Es lädt asynchron über ein eigenständiges JavaScript-Snippet, das vom CDN von Asyntai bereitgestellt wird – nicht von Ihrem Magento-Server. Es modifiziert das DOM nicht während des anfänglichen Seitenrenderns, blockiert den kritischen Rendering-Pfad nicht und generiert während des Seitenladevorgangs keine Serveranfragen. Der Echtzeit-Datenfeed wird vom Indexer von Asyntai nach einem Zeitplan abgerufen, nicht durch Besucheranfragen. Ihre Varnish-Cache-Trefferquote, PageSpeed-Punktzahl, Core Web Vitals und Serverlast bleiben vollständig unberührt.

Die Installation erfordert keine Magento-Erweiterung, kein Composer-Paket und keinen setup:upgrade-Befehl. Sie fügen ein einzelnes Skript-Tag zur Layout-XML-Datei Ihres Themes (default_head_blocks.xml) hinzu oder fügen es über einen CMS-Static-Block im Magento Admin Panel ein. Es gibt keine Modulabhängigkeiten, keine di.xml-Präferenzen zur Konfiguration, keine Plugin-Interceptor und keine Ereignisbeobachter. Das bedeutet null Risiko von Konflikten mit anderen Erweiterungen, null Wartungsaufwand bei Magento-Upgrades und null Chance, dass ein Modulkompatibilitätsproblem Ihre Storefront lahmlegt. Das Widget ist vollständig von Ihrem Magento-Backend entkoppelt – es läuft im Browser des Besuchers, kommuniziert mit den Servern von Asyntai und interagiert nur über den Datenfeed und alle von Ihnen konfigurierten Benutzerdefinierten Tools mit Ihrem Magento-Shop.

Das Magento-Ökosystem hat mehrere Suchlösungen kommen und gehen sehen – Algolia, Klevu, Searchspring, Adobes eigene Live Search. Dies sind hochentwickelte Search-as-a-Service-Tools, die Facettierung, Ranking und visuelles Merchandising auf der Suchergebnisseite verbessern. Sie sind bessere Stichwortsuchen. Was sie nicht sind, ist konversationelle Produktentdeckung. Sie erfordern immer noch, dass der Besucher eine Stichwortabfrage formuliert, ein Raster von Ergebnissen scannt und auf Produktseiten klickt. Sie verbessern die Genauigkeit des Stichwort-Matchings, ändern aber nicht das Paradigma. Anstatt „Suchfeld zu Ergebnisseite zu Produktseite“ lautet es: „Beschreiben Sie, was Sie brauchen, um es im Chat zu sehen.“ Für Händler mit komplexen, attributreichen Katalogen, bei denen Besucher Schwierigkeiten haben, ihre Bedürfnisse in Suchbegriffe zu übersetzen, liegt dieser Paradigmenwechsel dort, wo die Konversionsgewinne liegen.

Die Händler, die den größten Nutzen aus der KI-Suche auf Magento ziehen, teilen ein Muster: Sie verkaufen Produkte, die Käufer anhand von Spezifikationen, Anwendungsfällen oder Kompatibilität beschreiben, anstatt anhand von Produktnamen. Industriebedarf („Bohrer für Beton, SDS-Plus, 10 mm“). Elektronische Komponenten („3-Phasen-Motor, 2,2 kW, IP55, Flanschmontage“). Befestigungselemente („M8 Sechskantschraube, Edelstahl A2, 50 mm, DIN 933“). Sicherheitsausrüstung („Auffanggurt, EN 361, mit Bandanschlagpunkten“). Autoteile („Bremsbeläge für Ford Transit 2019, Vorderachse“). In jedem Fall weiß der Besucher genau, was er braucht, kann seine Spezifikationssprache aber nicht auf die Produktnamen und die Kategorienstruktur Ihres Katalogs abbilden. Die Stichwortsuche zwingt ihn, Ihr Vokabular zu erraten oder Ihre Taxonomie zu navigieren. Die konversationelle KI-Suche begegnet ihm mit seinem Vokabular – seinen Spezifikationen, seinen Anwendungsfällen, seinen Kompatibilitätsanforderungen – und übersetzt dies in die Produkte, die Sie verkaufen. Diese Übersetzung ist das gesamte Wertversprechen. Und bei Magento, wo Kataloge genau für diese Art von struktureller Komplexität aufgebaut sind, ist der Wert enorm.