---
title: "5 Betriebsrichtlinien, die vor der Entwicklung einer KI-Shopsuche festzulegen sind"
locale: de
category: how_to
category_name: "Anleitungen"
translation_status: reviewed
license: cc_by
author: "naikeu"
source_url: https://injoys.com/en/articles/five-policies-before-ai-ecommerce-search-development
published_at: 2026-07-21T10:05:48+09:00
---

# 5 Betriebsrichtlinien, die vor der Entwicklung einer KI-Shopsuche festzulegen sind

> KI kann den Suchcode für einen Onlineshop schnell erstellen, doch die Kriterien für die Produktanzeige und der Umgang mit Ausnahmen müssen zuerst vom Betreiber festgelegt werden. Dieser Leitfaden behandelt Sortierung, Produktstatus, Listendarstellung, Suchumfang und Protokollierungsrichtlinien bis hin zur konkreten Umsetzung und zu Tests.

## Key Points

- Die Standardsortierung muss Suchrelevanz sowie Verkaufs- und Qualitätssignale anhand einer dokumentierten Formel kombinieren; Anzeigenplatzierungen sind vom organischen Ranking zu trennen.
- Ausverkauft, vorübergehend nicht im Verkauf, Verkaufsende und Rückruf müssen als unterschiedliche Status modelliert und in Suche, Produktdetails, Warenkorb und Bezahlung einheitlich behandelt werden.
- Für umfangreiche Produktlisten müssen je nach Zweck Seitennummerierung, „Mehr anzeigen“ oder unendliches Scrollen gewählt sowie der URL-Zustand und die Wiederherstellung beim Zurückgehen gewährleistet werden.
- Neben Produktnamen müssen Marken, Kategorien, Eigenschaften, Synonyme und Modellnamen in den Suchumfang einbezogen und die Seite ohne Suchergebnisse als separate Präsentationsfläche gestaltet werden.
- Suchprotokolle sollten als Nachfragedaten genutzt werden, wobei persönliche Identifikatoren und sensible Suchbegriffe zu minimieren und die Aufbewahrung der Originaldaten von der aggregierter Daten zu trennen sind.

AI kann APIs für Produktlisten, Suchfelder und Sortierschaltflächen schnell erstellen. Doch **welche Produkte angezeigt, welche ausgeblendet und welche als „empfohlen“ bezeichnet werden**, ist keine Frage des Codes, sondern der Betriebsrichtlinien. Die Suche in einem Onlineshop ist keine einfache Abfragefunktion, sondern ein Entscheidungssystem, in dem Warenpräsentation, Werbeflächen, Bestandsverwaltung, Kundenerlebnis und Datenerhebung zusammenlaufen.

Wenn man ohne Richtlinien lediglich anweist: „Erstelle eine Produktsuche“, kann AI vertraute Beispiele wie die Sortierung nach neuestem Eintrag, Teilübereinstimmungen beim Produktnamen oder eine einfache Paginierung nach eigenem Ermessen ergänzen. Selbst wenn der Code funktioniert, passt er möglicherweise nicht zum Geschäftsbetrieb. Typische Probleme sind, dass neue, aber ausverkaufte Produkte in der ersten Zeile erscheinen, nicht mehr angebotene Produkte in den Warenkorb gelegt werden können oder Kunden bei der Suche nach „Apfel“ keine „Cheongsong-Fuji-Äpfel“ finden.

## Das Suchranking ist keine technische Funktion, sondern eine Betriebsrichtlinie

Die Reihenfolge der Produktpräsentation kann vom Betreiber gestaltet werden. Wenn jedoch die Bedeutung, die die Oberfläche den Verbrauchern vermittelt, von der tatsächlichen Berechnung des Rankings abweicht oder wirtschaftlich motivierte Platzierungen wie gewöhnliche Empfehlungen erscheinen, steigen die rechtlichen Risiken und Vertrauensrisiken.

Die Korea Fair Trade Commission beanstandete im Juni 2024 unter anderem die Verwaltung der Suchrankings durch Coupang und CPLB sowie das Verfassen von Kaufbewertungen durch Beschäftigte und kündigte vorläufig ein Bußgeld von 140 Milliarden Won an. Im August desselben Jahres wurde das Bußgeld gemäß Beschluss auf 162,8 Milliarden Won festgesetzt. Das Unternehmen focht die Maßnahme an; laut Berichten vom April 2026 war die entsprechende Aufhebungsklage weiterhin anhängig. Die praktische Lehre aus diesem Fall ist nicht die einfache Aussage, dass „die Bevorzugung eigener Produkte immer rechtswidrig“ sei. Vielmehr muss bereits in der Entwurfsphase geprüft werden, **was die Kennzeichnung als Empfehlung bedeutet, ob Werbung und eigene wirtschaftliche Interessen eindeutig offengelegt werden und ob sich Rankingänderungen anhand von Daten und Dokumenten erklären lassen**.

Da die rechtliche Bewertung je nach Servicestruktur und Kennzeichnungsweise unterschiedlich ausfallen kann, ist es sicherer, vor dem tatsächlichen Start die einschlägigen Rechtsvorschriften und aktuellen Fälle ihrer Durchsetzung gesondert zu prüfen.

## Wo die per Einzeiler-Prompt erstellte „Schnellversion“ scheitert

| Nicht festgelegte Richtlinie | Implementierung, die AI nach eigenem Ermessen ergänzen kann | Tatsächliches Betriebsrisiko |
|---|---|---|
| Standardsortierung | `created_at DESC` | Kürzlich eingestellte, aber ausverkaufte oder noch nicht geprüfte Produkte erscheinen oben |
| Verkaufsstatus | Nur prüfen, ob gelöscht | Für den Verkauf gesperrte oder zurückgerufene Produkte können gesucht oder bestellt werden |
| Laden der Liste | Vollständige Abfrage oder einfaches unendliches Scrollen | Langsame Antwort, Positionsverlust beim Zurückgehen, erschwerter Vergleich |
| Suchumfang | Nur Teilübereinstimmung beim Produktnamen | Suche nach Marke, Sorte, Modellname oder Synonym schlägt fehl |
| Keine Ergebnisse | Nur ein leeres Array zurückgeben | Kunden mit hoher Kaufabsicht brechen sofort ab |
| Protokolle | Suchbegriffe sowie Mitglieds- und IP-Daten unverändert speichern | Zweckfremde Erhebung, übermäßige Aufbewahrung, Risiko der Offenlegung sensibler Suchbegriffe |

AI kann Lücken in den Anforderungen füllen, aber nicht beurteilen, ob diese Entscheidungen zur Strategie und rechtlichen Verantwortung des Geschäfts passen. Deshalb müssen vor der Implementierung mindestens die folgenden fünf Richtlinien dokumentiert und verbindlich festgelegt werden.

## 1. Standardsortierung: Was soll als „Empfehlungsreihenfolge“ bezeichnet werden?

Die Standardsortierung ist die Auslage, die Kunden zuerst sehen. Da viele Nutzer die Sortieroption nicht ändern, beeinflusst die Standardeinstellung unmittelbar Umsatz, Bestandsabbau, Förderung neuer Produkte und Kundenzufriedenheit.

### Zuerst die Phasen der Rankingberechnung trennen

Es ist sicherer, Suchergebnisse nicht in einem einzigen Schritt zu vermischen und zu berechnen, sondern sie in der folgenden Reihenfolge zu verarbeiten.

1. **Prüfung der Anzeigeberechtigung:** Nur Produkte, die verkauft und veröffentlicht werden dürfen und weder rechtlich noch betrieblich gesperrt sind, werden als Kandidaten aufgenommen.
2. **Berechnung der Suchrelevanz:** Es wird berechnet, wie gut Produktname, Marke, Kategorie, Attribute und Synonyme zum Suchbegriff passen.
3. **Berechnung des organischen Rankings:** Signale wie Verkaufsgeschwindigkeit, Konversionsrate, Vertrauenswürdigkeit der Bewertung und Lieferqualität werden kombiniert.
4. **Anwendung von Geschäftsregeln:** Abzüge für ausverkaufte Produkte, Entdeckungschancen für neue Produkte und Diversitätsbeschränkungen werden angewendet.
5. **Einbindung von Werbeplätzen:** Beworbene Produkte werden getrennt vom organischen Ranking eingefügt und eindeutig gekennzeichnet.
6. **Stabile Behandlung von Gleichständen:** Bei gleicher Punktzahl wird die Reihenfolge anhand eines festen Schlüssels wie `product_id` bestimmt.

### Der Empfehlungswert muss auf einer dokumentierten Formel beruhen

Das folgende Beispiel dient lediglich zur Erläuterung der Struktur und ist keine für jeden Onlineshop passende Musterlösung.

```text
organic_score =
  0.45 × query_relevance
+ 0.20 × conversion_rate_28d
+ 0.15 × sales_velocity_14d
+ 0.10 × rating_confidence
+ 0.10 × fulfillment_quality
```

Alle Signale müssen auf denselben Wertebereich normalisiert werden, und Zeitraum sowie Aggregationsgrundlage sind anzugeben. Ein einfacher Durchschnitt der Sternebewertungen kann ein Produkt mit einer einzigen 5-Punkte-Bewertung über ein Produkt mit 1.000 Bewertungen und einem Durchschnitt von 4.8 Punkten stellen. Daher ist ein korrigierter Wert, der auch die Anzahl der Bewertungen berücksichtigt, vorzuziehen. Wird nur die Absatzmenge verwendet, können seit Langem verkaufte Produkte dauerhaft bevorzugt werden. Deshalb sollten zugleich die Verkaufsgeschwindigkeit und die Konversionsrate eines aktuellen Zeitraums berücksichtigt werden.

### Unbedingt festzulegende Einzelpunkte

- Ob das Ziel der Empfehlungsreihenfolge Suchrelevanz, Kaufwahrscheinlichkeit, Kundenzufriedenheit oder Bestandseffizienz ist
- Aggregationszeitraum und Aktualisierungszyklus jedes Signals
- Negative Signale wie Stornoquote, Retourenquote, Lieferverzögerungen und Wahrscheinlichkeit eines Ausverkaufs
- Entdeckungschancen und maximale Bonuspunkte für neue Produkte mit wenigen Bewertungen
- Diversitätsregeln, damit nicht dieselbe Marke oder derselbe Verkäufer die oberen Plätze übermäßig dominiert
- Fester Sortierschlüssel bei Punktgleichheit
- Auditprotokolle mit Version der Rankingformel, Änderungsgrund, Anwendungszeitpunkt und genehmigender Person
- Erfolgskriterien und Abbruchbedingungen für A/B-Tests

### Werbung und organische Empfehlungen nicht vermischen

Wirtschaftliche Interessen wie Werbeausgaben, die Eigenschaft als eigenes Produkt oder eine hohe Marge können berücksichtigt werden. Es ist jedoch riskant, wenn diese dadurch mit einer gewöhnlichen „Beliebtheits-“ oder „Empfehlungsreihenfolge“ verwechselt werden können. Die Korea Fair Trade Commission beanstandete auch in einem Fall zu einer Verkaufsplattform für hochpreisige Produkte im Jahr 2025 die Struktur, bei der Produkte von Verkäufern, die kostenpflichtige Optionen erworben hatten, in der Standardsortierung bevorzugt angezeigt wurden, sowie die entsprechende Kennzeichnung. Beworbene Produkte sollten in einem separaten Kandidatenpool und auf eigenen Plätzen verwaltet und auf Kartenebene erkennbar als „Werbung“ oder „Gesponsert“ gekennzeichnet werden. In der Verwaltungsoberfläche müssen die Regeln für Werbeeinblendungen und die Formel des organischen Rankings getrennt dargestellt werden.

## 2. Produkte mit abweichendem Status: Ausverkauft und Verkaufsstopp sind unterschiedliche Zustände

Wenn alle Ausnahmen über ein einziges `is_sold_out` verarbeitet werden, stimmen Suche, Detailansicht, Warenkorb und Bestellvalidierung nicht miteinander überein. Mindestens **Verkaufsstatus, Bestandsstatus, Sichtbarkeitsstatus und Regulierungsstatus** müssen getrennt werden.

### Empfohlenes Statusmodell

| Status | Suche und Liste | Detailseite über direkte URL | Warenkorb und Bestellung | Empfohlene Behandlung |
|---|---|---|---|---|
| Im Verkauf und vorrätig | Normale Anzeige | Normale Anzeige | Möglich | Standardkandidat |
| Im Verkauf und vorübergehend ausverkauft | Anzeige möglich, aber mit Abzug oder nachrangig | Hinweis auf Ausverkauf und Benachrichtigung bei Wiederverfügbarkeit | Nicht möglich | Möglichkeit der Wiederverfügbarkeit erhalten |
| Vorübergehender Verkaufsstopp | Standardmäßig ausblenden | Hinweis auf vorübergehenden Stopp | Nicht möglich | Bei Wiederaufnahme wiederherstellen |
| Verkauf beendet | In Suche und Kategorien ausblenden | Hinweis auf Beendigung und alternative Produkte | Nicht möglich | Bestehende Links und Kontext für den Kundenservice erhalten |
| Entwurf oder in Prüfung | Vollständig ausblenden | Nur für berechtigte Administratoren | Nicht möglich | Prüfung vor Veröffentlichung |
| Rückruf oder rechtliche Sperre | Vollständig ausblenden | Bei Bedarf Sicherheitshinweis | Nicht möglich | Sicherheitshinweis vor alternativen Empfehlungen priorisieren |

Ausverkaufte Produkte sind für Benachrichtigungen bei Wiederverfügbarkeit und zur Ermittlung der Suchnachfrage wertvoll und müssen daher nicht grundsätzlich gelöscht werden. Produkte, deren Verkauf beendet wurde, sollten dagegen aus allgemeinen Listen ausgeschlossen werden. Kunden, die über bestehende Lesezeichen oder externe Links kommen, können jedoch eine Erklärung wie „Der Verkauf wurde beendet“ und ähnliche Produkte erhalten. Ob die Detail-URL erhalten bleibt oder mit `410 Gone` beendet wird, ist anhand von Suchzugriffen, der Notwendigkeit rechtlicher Hinweise und dem Wert alternativer Inhalte zu entscheiden.

### Der Suchindex ist nicht die endgültige Instanz für die Bestellbarkeit

Beim Suchindex kann es zu Synchronisierungsverzögerungen kommen. Selbst wenn das Suchergebnis einen Bestand anzeigt, muss dieser daher in den folgenden Schritten erneut geprüft werden.

- Verkaufsstatus und Bestand beim Hinzufügen zum Warenkorb erneut prüfen
- Preis, Rabatt und Bestand beim Aufrufen des Bestellformulars erneut prüfen
- Bestand unmittelbar vor der Zahlung reservieren oder atomar abbuchen
- Bei einem Ereignis zum Verkaufsstopp das Produkt unverzüglich aus dem Suchindex entfernen
- Indexierungsverzögerungen und Anzahl der Fehler überwachen

Ohne diese Regeln treten wiederholt Vorfälle beim Kundenservice auf, bei denen die Suchansicht normal erscheint und der Vorgang erst beim Bezahlen scheitert.

## 3. Art der Listendarstellung: Paginierung, „Mehr laden“ oder unendliches Scrollen?

Bei Tausenden oder Zehntausenden Produkten dürfen nicht alle auf einmal übertragen werden. Es ist jedoch ebenfalls nicht richtig, kategorisch zu behaupten, dass „bei Onlineshops nummerierte Seiten immer die richtige Lösung“ seien. Bei einer vergleichsorientierten Suche sind die Wiederherstellung von Position und Zustand wichtig, während beim Erkunden von Kategorien „Mehr laden“ komfortabel sein kann.

| Methode | Stärken | Schwächen | Geeignete Situationen |
|---|---|---|---|
| Nummerierte Paginierung | Aktuelle Position und Ergebnisumfang sind leicht verständlich, erneuter Besuch einer bestimmten Seite möglich | Seitenwechsel unterbrechen den Ablauf, Vergleiche zwischen Seiten sind umständlich | Desktop-Suche, tiefgehende Erkundung, teilbare Ergebnisse |
| Mehr laden | Nutzer kontrollieren das Laden, während vorhandene Produkte erhalten bleiben | Bei sehr vielen Ergebnissen wachsen DOM und Speicherverbrauch | Mobile und kategoriebasierte Erkundung, Ergebnisse mittleren Umfangs |
| Unendliches Scrollen | Kontinuierliches Erkunden wirkt natürlich | Position, Ende und Gesamtumfang sind unklar; Wiederherstellung beim Zurückgehen ist schwierig | Feedartige Oberflächen, bei denen Entdeckung wichtiger ist als Vergleich |

In der Praxis können für **Suchergebnisse Paginierung oder „Mehr laden + wiederherstellbare Seiten-URL“** und für entdeckungsorientierte Empfehlungsfeeds bevorzugt unendliches Scrollen geprüft werden. Auch bei reinem unendlichem Scrollen müssen die folgenden Bedingungen erfüllt sein.

- Suchbegriff, Sortierung, Filter sowie Seite oder Cursor in der URL oder einem wiederherstellbaren Zustand speichern
- Beim Zurückgehen von einer Detailseite das vorherige Produkt und die Scrollposition wiederherstellen
- Tastaturnavigation, Screenreader und Fokussteuerung unterstützen
- Eine zugängliche Alternative für Footer und wichtige Navigationslinks bereitstellen
- UI für Ladefehler und erneute Versuche bereitstellen
- Für jedes Ergebnispaket eine zugängliche eindeutige URL oder Linkstruktur einrichten

### Offset- und Cursor-Paginierung

Tiefe Offsets wie `OFFSET 5000 LIMIT 40` werden bei großen und häufig aktualisierten Datenmengen langsamer und führen leichter zu Duplikaten oder Auslassungen. Für wenige Seiten und Verwaltungsoberflächen ist ein Offset einfach, bei groß angelegten Suchen ist jedoch ein Cursorverfahren stabiler, bei dem der Sortierschlüssel des letzten Ergebnisses übergeben wird.

```text
ORDER BY score DESC, product_id DESC
cursor = last_score + last_product_id
```

Wird nur der Punktwert als Cursor verwendet, können Produkte mit gleicher Punktzahl fehlen. Deshalb muss zusätzlich ein eindeutiger Schlüssel verwendet werden. Wenn sich Empfehlungswerte häufig in Echtzeit ändern, ist außerdem eine Richtlinie erforderlich, die während einer Suchsitzung die Snapshot-Version oder den Bezugszeitpunkt des Rankings festschreibt.

## 4. Suchumfang und Seite ohne Ergebnisse: Kundenausdrücke mit Produktdaten verbinden

Kunden kennen die exakten Produktnamen nicht, die der Betreiber eingetragen hat. Damit Kunden bei der Suche nach „Apfel“ auch „Cheongsong-Fuji“, „Hongro“ und „Äpfel für den Hausgebrauch“ sehen, müssen Produktdaten und Suchwörterbuch gemeinsam gestaltet werden.

### Priorität der Suchfelder

| Feld | Empfohlene Priorität | Beispiel |
|---|---:|---|
| SKU, Modellname, Barcode | Sehr hoch | `SM-S928N`, `880...` |
| Produktname | Hoch | Cheongsong-Fuji-Äpfel 3kg |
| Marke, Hersteller | Hoch | Samsung, Apple |
| Kategorie, Produkttyp | Mittel bis hoch | Obst, Laufschuhe |
| Zentrale Attribute | Mittel bis hoch | Volumen, Farbe, Größe, kompatibles Modell |
| Synonyme, Aliasnamen, Sorten, Tags | Mittel bis hoch | Joggingschuhe↔Laufschuhe, Apfel↔Fuji |
| Detailbeschreibung | Niedrig | Geringe Gewichtung, um Störsignale langer Beschreibungen zu reduzieren |
| Bewertungstext | Optional | Nach Prüfung von Qualität, Spam und personenbezogenen Daten eingeschränkt verwenden |

Bei koreanischen Suchanfragen müssen auch Unterschiede bei Leerzeichen, getrennte Jamo-Zeichen, englische und koreanische Markenschreibweisen, Zahlen und Einheiten sowie zusammengesetzte Substantive berücksichtigt werden. Beispielsweise sollten Normalisierungsregeln dafür sorgen, dass „에어팟프로2“, „에어팟 프로 2“ und „AirPods Pro 2“ derselben Produktgruppe zugeordnet werden.

### Empfohlene Suchpipeline

1. Eingabelänge und zulässige Zeichen validieren.
2. Groß- und Kleinschreibung, Leerzeichen, Sonderzeichen und Einheiten normalisieren.
3. Zuerst exakte Übereinstimmungen mit Produktcodes prüfen.
4. Tokenisierung sowie morphologische und orthografische Varianten anwenden.
5. Vom Betreiber verwaltete Synonym- und Kategoriewörterbücher erweitern.
6. Kandidaten über die Textsuche ermitteln.
7. Bei Bedarf semantische Suche zur ergänzenden Kandidatengenerierung einsetzen.
8. Verkaufs-, Sichtbarkeits- und Regulierungsstatus filtern.
9. Organische Punktwerte berechnen und Werbung getrennt einbinden.
10. Ergebnisse und Diagnoseinformationen zurückgeben.

Auch bei Einführung generativer AI oder einer Vektorsuche dürfen exakte Übereinstimmungen bei SKU, Marke oder Modellname nicht abgeschwächt werden. Für die Produktsuche ist ein hybrides Verfahren, das **exakte Suche + Textrelevanz + optionale semantische Suche** kombiniert, im Allgemeinen sicher. Damit AI keine Produkte, Preise oder Bestände erfindet, die nicht im Katalog vorhanden sind, müssen alle Antworten mit tatsächlichen Produkt-IDs und aktuellen Daten verknüpft werden.

### Die Seite ohne Ergebnisse ist die zweite Auslage

Wenn keine Suchergebnisse vorliegen, darf nicht nur eine leere Seite angezeigt werden. Ebenso dürfen jedoch keine irrelevanten beliebten Produkte so eingemischt werden, als seien sie Suchergebnisse.

Empfohlen wird folgende Gestaltung:

- Den vom Nutzer eingegebenen Suchbegriff unverändert anzeigen und eindeutig darauf hinweisen, dass keine passenden Produkte vorhanden sind
- Vorschläge zur Korrektur von Tippfehlern und Synonyme anbieten
- Falls Filter zu 0 Ergebnissen geführt haben, auf entfernbare Filter hinweisen
- Ergebnisse aus einem erweiterten Suchumfang mit einer separaten Kennzeichnung darstellen
- Verwandte Kategorien, alternative Produkte und insgesamt beliebte Produkte getrennt anzeigen
- Anfrage zur Wiederverfügbarkeit oder Aufnahme ins Sortiment ermöglichen oder mit dem Kundenservice verbinden
- Suchereignisse ohne Ergebnis für die Verwaltungsanalyse protokollieren

„Keine Ergebnisse“ und „Keine Ergebnisse nach Anwendung von Filtern“ sind unterschiedliche Probleme. Wenn ursprünglich Kandidaten vorhanden waren, aber Preis- oder Farbfilter zu 0 Ergebnissen geführt haben, ist eine Lockerung der Filter am nützlichsten. Fehlt das Produkt dagegen vollständig im Katalog, sollte dies als Beschaffungsinformation genutzt werden.

## 5. Suchverlauf: Marktforschungsdaten und personenbezogene Daten gemeinsam verwalten

Suchbegriffe ohne Ergebnisse zeigen Nachfrage, bei der Kunden etwas gesucht, aber nicht kaufen konnten. Beliebte Suchbegriffe helfen bei Präsentation und Bestandsplanung, während der Ablauf von der Suche über Klicks und Warenkorb bis zum Kauf ein zentraler Indikator für die Suchqualität ist.

Es lässt sich jedoch nicht pauschal behaupten, dass „Suchbegriffe und Häufigkeiten niemals personenbezogene Daten sind“. Suchbegriffe selbst können Telefonnummern, Bestellnummern, Namen oder sensible Inhalte zu Gesundheit, Religion oder Sexualleben enthalten. Werden sie mit Konto-, IP- oder Geräteinformationen kombiniert, steigt die Möglichkeit, Personen zu identifizieren oder zu verfolgen.

### Empfohlene Erhebungsfelder

| Kategorie | Empfohlene Behandlung |
|---|---|
| Normalisierter Suchbegriff | Nach Tag oder Stunde aggregieren und Aufbewahrungsdauer des Originaltexts minimieren |
| Anzahl der Ergebnisse | Speichern, ob 0 Ergebnisse vorliegen, sowie den Wertebereich |
| Angewendete Filter und Sortierung | Nur den für die Analyse der Suchqualität erforderlichen Umfang speichern |
| Klicks, Warenkorb, Kauf | Wenn möglich als aggregierte Kennzahlen je Suchbegriff speichern |
| Sitzungsverknüpfung | Nur wenn unbedingt erforderlich, kurzlebige zufällige Kennung verwenden |
| Mitglieds-ID, IP, exakter Standort | Ohne eindeutigen Zweck und Rechtsgrund aus den Suchanalyseprotokollen ausschließen |
| Personenbezogene Daten im Originaltext | Muster für E-Mail-Adressen, Telefonnummern und Bestellnummern maskieren oder verwerfen |

Auch eine gehashte Mitglieds-ID wird nicht automatisch zu anonymen Informationen. Wenn sie erneut einem bestimmten Nutzer zugeordnet werden kann, muss sie als pseudonymisierte Information oder als personenbezogenes Datum behandelt werden. Auch Aufbewahrungsfristen dürfen nicht pauschal festgelegt werden, sondern sind für Original- und aggregierte Daten jeweils nach Zweck, Analysezyklus und Sicherheitsrisiko zu bestimmen.

### Erforderliche Kennzahlen im Administrator-Dashboard

- Suchvolumen und Anzahl eindeutiger Suchbegriffe
- Anteil der Suchen ohne Ergebnis
- Klickrate der Suchergebnisse
- Warenkorbrate und Kaufkonversionsrate nach der Suche
- Änderungsrate von Suchbegriffen und Rate der Filteraufhebung
- Anteil angezeigter ausverkaufter Produkte
- Konzentration der Top-Ergebnisse und Markenvielfalt
- Getrennte Leistungskennzahlen für Werbung und organische Ergebnisse
- Aktualität des Suchindex und Anzahl fehlgeschlagener Indexierungen

Da seltene Suchbegriffe im Originaltext personenbezogene Daten enthalten können, ist es außerdem sinnvoll, in der Verwaltungsoberfläche nur Elemente anzuzeigen, die einen Mindestschwellenwert bei der Aggregation überschreiten.

## Praxis-Prompt: So werden Richtlinien in Code übersetzt

Wichtiger als viele Fachbegriffe aus der Entwicklung ist es, die Betriebsregeln klar zu formulieren. Die folgende Vorlage kann an die jeweilige Servicesituation angepasst und AI bereitgestellt werden.

```text
Entwirf und implementiere die Produktsuche für unseren Onlineshop.

1. Anzeigeberechtigung
- Nur Produkte, die sich im Verkauf befinden, öffentlich sichtbar und nicht regulatorisch gesperrt sind, werden als Suchkandidaten aufgenommen.
- Vorübergehend ausverkaufte Produkte werden angezeigt, aber hinter vorrätige Produkte mit ansonsten gleichen Bedingungen gestellt.
- Produkte mit beendetem oder vorübergehend gestopptem Verkauf werden in Suche und Kategorien ausgeblendet.
- Unter der direkten URL eines Produkts mit beendetem Verkauf werden ein entsprechender Hinweis und alternative Produkte angezeigt; die Kaufschaltfläche wird entfernt.

2. Standardsortierung
- Die Relevanz für den Suchbegriff wird am stärksten gewichtet.
- Die Konversionsrate der letzten 28 Tage, die Verkaufsgeschwindigkeit der letzten 14 Tage, die korrigierte Bewertung und die Lieferqualität werden berücksichtigt.
- Alle Gewichtungen müssen über eine Konfigurationsdatei oder eine Administratorrichtlinie geändert werden können.
- Gleichstände werden stabil absteigend nach product_id sortiert.
- Beworbene Produkte werden nicht in den organischen Punktwert eingemischt, sondern auf separaten Plätzen eingefügt und als 'Werbung' gekennzeichnet.

3. Navigation in der Liste
- Es werden jeweils 40 Elemente zurückgegeben.
- Suchbegriff, Sortierung, Filter sowie Seite oder Cursor müssen aus der URL wiederhergestellt werden können.
- Beim Zurückgehen von einer Detailseite werden Liste und Scrollposition wiederhergestellt.
- Für umfangreiche Ergebnisse wird Cursor-Paginierung verwendet.

4. Suchumfang
- Exakte Übereinstimmungen bei SKU und Modellname haben höchste Priorität.
- Produktname, Marke, Kategorie, Attribute und Synonym-Tags werden durchsucht.
- Koreanische Varianten mit unterschiedlichen Leerzeichen sowie englische und koreanische Markenschreibweisen werden verarbeitet.
- Wenn keine Ergebnisse vorliegen, werden Vorschläge zur Tippfehlerkorrektur, Filterlockerung, verwandte Kategorien und alternative Empfehlungen getrennt angezeigt.

5. Suchprotokolle
- Standardmäßig werden nur normalisierte Suchbegriffe, Zeitintervalle, Ergebnisanzahl, Filter und aggregierte Klick- und Kaufkennzahlen gespeichert.
- Mitglieds-ID und IP werden nicht in den Suchanalyseprotokollen gespeichert.
- Formate von E-Mail-Adressen, Telefonnummern und Bestellnummern werden maskiert.
- Die Aufbewahrungsfristen für Originaltext und aggregierte Daten werden als getrennte Konfigurationswerte geführt.

6. Technische Anforderungen
- Datenmodell, API-Vertrag, Suchindex, Synchronisierungsverfahren, Ausnahmebehandlung und Administrator-Kennzahlen werden gemeinsam entworfen.
- Schlage Indizes vor, die den tatsächlichen Abfragemustern entsprechen, und erläutere, wie der Ausführungsplan geprüft werden kann.
- Auch bei Verzögerungen im Suchindex werden Status, Preis und Bestand im Warenkorb und beim Bezahlen erneut geprüft.
- Erstelle Szenarien für Unit-Tests, Integrationstests, Leistungstests und Barrierefreiheitstests.

Wenn es vor Beginn der Implementierung nicht von mir festgelegte Richtlinienentscheidungen gibt, die das Ergebnis beeinflussen, stelle zuerst Rückfragen und führe eigenständig getroffene Annahmen in einer separaten Liste auf.
```

Der letzte Satz ist das zentrale Mittel, um AI von einem einfachen Codegenerator zu einem Partner bei der Anforderungsprüfung zu machen. Es genügt jedoch nicht, nur Fragen zu erhalten; die verbindlich festgelegten Antworten müssen in Richtliniendokumente und Testbedingungen übernommen werden.

## Implementierungsentwurf: Richtlinien in Daten und API verankern

### Beispiel für ein Datenmodell

```text
products
- product_id
- sales_status
- stock_status
- visibility_status
- compliance_status
- brand_id
- category_id
- searchable_name
- search_tags
- price
- inventory_quantity
- ranking_feature_version
- updated_at
```

Ein Feld darf nicht mehrere Bedeutungen enthalten. Wenn beispielsweise nur `status = 1` vorhanden ist, lässt sich nicht erkennen, ob dies verkaufbar, öffentlich sichtbar, vorrätig oder regulatorisch freigegeben bedeutet. Auch Statusübergänge werden tabellarisch verwaltet, um die erforderlichen Prüfungen und Ereignisse beim Übergang vom Entwurf zum Verkauf sowie vom Verkauf zur Beendigung zu definieren.

### In der API-Antwort enthaltene Informationen

- Normalisierter Suchbegriff
- Angewendete Sortierung und Filter
- Ergebnispaket und nächster Cursor
- Ergebnisanzahl oder geschätzte Ergebnisanzahl
- Kennzeichnungen für Ausverkauf und Verkaufsstatus
- Werbestatus und Werbekennzeichnung
- Angabe, ob Tippfehler korrigiert oder der Suchumfang erweitert wurde
- Version der Suchrichtlinie und Anfrage-ID zur Nachverfolgung

Rohe Punktwerte für das interne Debugging und geschäftlich sensible Gewichtungen müssen nicht unverändert über die Kunden-API offengelegt werden. Betreiber müssen jedoch den Weg der Rankingberechnung anhand der Anfrage-ID reproduzieren können.

### Indizes entsprechend den tatsächlichen Abfragemustern entwerfen

Im Allgemeinen sollten für Spalten, die bei Statusfiltern und Sortierungen verwendet werden, Indizes der B-tree-Familie und für Volltextsuchdokumente invertierte Indizes geprüft werden. Bei PostgreSQL können `tsvector` und GIN-Indizes verwendet werden; wenn eine Suche nach ähnlichen Zeichenfolgen erforderlich ist, kann `pg_trgm` eingesetzt werden. Auch bei Verwendung einer externen Suchmaschine gilt dasselbe Prinzip.

```sql
CREATE INDEX idx_products_visibility
ON products (visibility_status, sales_status, compliance_status);

CREATE INDEX idx_products_search_document
ON products USING GIN (search_document);
```

Je mehr Indizes erstellt werden, desto höher werden auch Schreibkosten und Speicherbedarf. Entscheidungen dürfen nicht allein auf Annahmen beruhen; anhand tatsächlicher Abfragen und Datenverteilungen müssen `EXPLAIN ANALYZE`, Protokolle langsamer Abfragen und Lasttests geprüft werden. Wenn die Produktanzahl steigt, sollten neben der durchschnittlichen Antwortzeit auch p95- und p99-Latenzen, Timeout-Rate und Aktualität des Index betrachtet werden.

### Zusätzliche Schutzmaßnahmen bei der Integration generativer AI

- Für Existenz, Preis, Bestand und Lieferdatum von Produkten ausschließlich Ergebnisse der Katalog-API verwenden
- Von einem Modell erzeugte Suchbegriffserweiterungen zusammen mit dem Originaltext protokollieren und übermäßige Erweiterungen begrenzen
- Exakte Suchen nach SKU und Modellname gegenüber der semantischen Suche priorisieren
- Filter für Verkaufsstopp und Rückruf ebenso auf AI-Suchkandidaten anwenden
- In Antworten angezeigte Produkt-IDs und zugrunde liegende Felder nachverfolgen
- Bei Modellfehlern auf gewöhnliche Textsuche zurückfallen
- Formulierungen zur Prompt-Injection in Produktbeschreibungen oder Bewertungen so abtrennen, dass sie nicht als Systemanweisungen ausgeführt werden

## Abnahmetests vor dem Start

| Szenario | Erwartetes Ergebnis |
|---|---|
| Ein gestern eingestelltes, ausverkauftes Produkt und ein kontinuierlich verkauftes, vorrätiges Produkt sind beide vorhanden | Das ausverkaufte Produkt nimmt standardmäßig nicht den obersten Platz ein |
| Suche nach einem Produkt mit beendetem Verkauf | Es erscheint nicht in der Liste; unter der direkten URL werden ein Hinweis auf die Beendigung und der nicht kaufbare Status angezeigt |
| Ein beworbenes Produkt erscheint auf Platz 1 | Auf der Karte ist sofort erkennbar, dass es sich um Werbung handelt |
| 0 Ergebnisse nach Anwendung eines Filters | Vorschlag zum Entfernen des Filters und Hinweis, ob ursprünglich Kandidaten vorhanden waren |
| Suche nach „Laufschuhe“, „Joggingschuhe“ | Gemäß der Synonymrichtlinie wird die relevante Produktgruppe konsistent angezeigt |
| Detailseite geöffnet und anschließend zurückgegangen | Suchbegriff, Filter, Sortierung, Liste und Scrollposition werden wiederhergestellt |
| Mehrere Produkte mit identischer Punktzahl | Auch bei wiederholtem Seitenwechsel bleibt die feste Reihenfolge ohne Duplikate oder Auslassungen erhalten |
| Im Suchindex ist noch Bestand vorhanden | Im Warenkorb und beim Bezahlen wird anhand des aktuellen Bestands blockiert |
| Suchbegriff enthält E-Mail-Adresse oder Telefonnummer | Vor dem Speichern des Protokolls maskieren oder verwerfen |
| Viele gleichzeitige Suchanfragen | Die definierten Anforderungen an p95-Latenz und Fehlerrate werden erfüllt |
| Administrator-Dashboard für Suchbegriffe | Seltene Originaltexte und sensible Muster werden nicht unverändert angezeigt |
| Änderung der Rankinggewichtung | Richtlinienversion, genehmigende Person, Anwendungszeitpunkt sowie Vorher-Nachher-Kennzahlen werden protokolliert |

## Aufgaben, die im laufenden Betrieb wiederholt werden müssen

Die Suche ist keine Funktion, die einmal entwickelt und dann abgeschlossen wird. Da sich Produktsortiment, Jahreszeiten, Aktionen und Ausdrucksweisen der Kunden verändern, sollte der folgende Zyklus als Betriebsprozess etabliert werden.

1. Suchbegriffe ohne Ergebnisse und stark zunehmende Suchbegriffe wöchentlich prüfen.
2. Synonyme und Kategoriezuordnungen über ein Genehmigungsverfahren aktualisieren.
3. Anteil ausverkaufter Anzeigen, Klickrate, Konversionsrate und Änderungsrate von Suchbegriffen gemeinsam betrachten.
4. Änderungen der Gewichtung erst nach Offline-Auswertung und begrenzten A/B-Tests ausweiten.
5. Anzeigeanteile von Werbung, eigenen Produkten und organischen Ergebnissen separat auditieren.
6. Aufbewahrungsfristen, Zugriffsrechte und Maskierungsfehler bei Suchprotokollen regelmäßig prüfen.
7. Indexnutzung und langsame Abfragen anhand des tatsächlichen Datenverkehrs erneut prüfen.

## Fazit

AI kann Such-APIs und Oberflächen schnell erstellen, aber nicht entscheiden, welche Produkte berechtigt sind, vor den Kunden zu erscheinen. Eine praxistaugliche Produktsuche ist erst vollständig, wenn **Standardsortierung, Produktstatus, Listennavigation, Suchumfang und Behandlung fehlender Ergebnisse sowie Suchprotokolle** zunächst als Richtlinien festgelegt und anschließend konsistent in Datenmodell, API, Indizes, Tests und Administrator-Kennzahlen umgesetzt werden.

Die Programmierung lässt sich automatisieren, doch Präsentationsgrundsätze und Verantwortung entstehen nicht automatisch. Der beste AI-Prompt besteht nicht aus langen und schwierigen Fachbegriffen der Entwicklung, sondern aus einem Dokument, das klar zwischen bereits vom Betreiber beschlossenen Richtlinien und noch offenen Fragen unterscheidet.

## FAQ

### Warum ist es problematisch, die Standardsortierung bei der Suche in einem Onlineshop auf „Neueste zuerst“ festzulegen?
Da bei „Neueste zuerst“ nur der Zeitpunkt der Registrierung berücksichtigt wird, können ausverkaufte, noch nicht geprüfte oder schlecht verkäufliche Produkte ganz oben erscheinen. Sicherer ist es, zunächst die Relevanz für den Suchbegriff und die Verfügbarkeit zum Verkauf zu gewährleisten und anschließend Signale wie Konversionsrate, Verkaufsgeschwindigkeit und Vertrauenswürdigkeit der Bewertungen zu kombinieren.

### Kann die Gewichtung der Empfehlungsreihenfolge automatisch von AI festgelegt werden?
AI kann mögliche Formeln vorschlagen und Simulationscode erstellen, doch die Ziele und zulässigen Grenzen müssen von den Betreibern festgelegt werden. Gewichtungen sollten anhand historischer Daten offline bewertet und erst nach begrenzten A/B-Tests unter Festlegung von Abbruchbedingungen geändert werden.

### Sollten ausverkaufte Produkte vollständig aus den Suchergebnissen ausgeblendet werden?
Wenn eine Wiederverfügbarkeit möglich ist und Kunden eine Benachrichtigung bei Wiederverfügbarkeit nutzen können, sind eine Kennzeichnung als ausverkauft und eine nachrangige Platzierung hilfreicher als eine vollständige Entfernung. Langfristig ausverkaufte Produkte oder Produkte, deren Lieferung eingestellt wurde, sollten nach gesonderten Kriterien ausgeblendet werden. Die Kaufverfügbarkeit muss im Warenkorb und beim Bezahlen erneut geprüft werden.

### Ist es richtig, die Detailseite eines nicht mehr angebotenen Produkts zu entfernen und einen 404-Fehler auszugeben?
Nicht immer. Wenn bestehende Links, Bestellverläufe, Sicherheitshinweise oder Informationen zu Ersatzprodukten weiterhin von Nutzen sind, kann die Detailseite beibehalten werden, wobei klar darauf hinzuweisen ist, dass der Verkauf beendet wurde und das Produkt nicht gekauft werden kann. Wenn der Inhalt keinerlei Wert mehr hat und eine dauerhafte Entfernung angemessen ist, sollte eine 404- oder 410-Richtlinie erwogen werden.

### Was eignet sich besser für einen Onlineshop: Seitennummerierung oder unendliches Scrollen?
Für Suchergebnisse, bei denen Vergleiche und erneute Besuche wichtig sind, lassen sich eine nummerierte Seitennavigation oder eine „Mehr anzeigen“-Funktion im Allgemeinen leichter verwalten. Bei unendlichem Scrollen müssen URL-Status, Zurück-Navigation, Scrollposition, Barrierefreiheit und Fehlerwiederherstellung vollständig umgesetzt werden; es eignet sich besser für entdeckungsorientierte Feeds.

### Wird die bestehende Textsuche nach der Einführung einer AI-Suche oder Vektorsuche nicht mehr benötigt?
Doch, sie wird benötigt. Bei der Produktsuche, bei der exakte Übereinstimmungen etwa bei SKU, Modellbezeichnung, Marke und Spezifikationen wichtig sind, muss die Textsuche die Grundlage bilden. Die semantische Suche sollte als ergänzende Ebene verwendet werden, um Kandidaten mit abweichenden Formulierungen einzubeziehen, und mit tatsächlichen Produkt-IDs und Bestandsdaten verknüpft werden.

### Gibt es keine Datenschutzprobleme, wenn nur Suchbegriffe und die Anzahl der Suchvorgänge gespeichert werden?
Das kann nicht automatisch als sicher angesehen werden. Suchbegriffe können E-Mail-Adressen, Telefonnummern, Bestellnummern oder sensible Inhalte enthalten und in Verbindung mit anderen Identifikatoren die Nachverfolgung von Personen ermöglichen. Erforderlich sind Zweckminimierung, Maskierung, Zugriffskontrollen und eine getrennte Speicherung von Rohdaten und aggregierten Daten.

### Dürfen beworbene Produkte ganz oben in der Empfehlungsreihenfolge platziert werden?
Wichtiger als die Werbeeinblendung an sich ist eine Gestaltung, die verhindert, dass sie mit einer gewöhnlichen organischen Empfehlung verwechselt wird. Werbekandidaten und organische Kandidaten müssen getrennt werden, auf der Produktkarte muss eine sofort erkennbare Kennzeichnung angezeigt werden, und die Regeln für Werbeeinblendungen sowie die Leistungskennzahlen müssen separat verwaltet werden.

### Welche Datenbankindizes werden für die Produktsuche benötigt?
Die richtige Antwort hängt von den tatsächlichen Abfragen und der Datenverteilung ab. Für Statusfilter und Sortierung kommen Indizes aus der B-Baum-Familie, für die Volltextsuche invertierte Indizes wie GIN und für die Suche nach ähnlichen Zeichenfolgen trigrammbasierte Indizes infrage. Ihre Wirksamkeit muss anhand von Ausführungsplänen und Lasttests überprüft werden.

### Anhand welcher Kennzahlen sollte die Suchqualität bewertet werden?
Berücksichtigt werden sollten der Anteil ergebnisloser Suchvorgänge, die Klickrate der Suchergebnisse, die Warenkorbrate und Kaufkonversionsrate nach einer Suche, die Rate geänderter Suchbegriffe sowie der Anteil eingeblendeter ausverkaufter Produkte. Zusätzlich müssen die p95-Latenz, die Timeout-Rate und die Aktualität des Index einbezogen werden, um Qualität und Leistung gleichzeitig bewerten zu können.

### Wie lange sollten Suchprotokolle aufbewahrt werden?
Es gibt keinen einheitlichen Zeitraum, der für alle Dienste gilt. Rohe Suchbegriffe sollten nur für den kürzesten für die Analyse erforderlichen Zeitraum aufbewahrt werden; langfristige Trends sollten besser in Form aggregierter Daten gespeichert werden, die das Datenschutzrisiko verringern. Aufbewahrungszweck, Löschzyklus und Zugriffsberechtigungen müssen mit der Datenschutzerklärung und den internen Richtlinien übereinstimmen.

### Welcher Satz ist am wichtigsten, damit AI vor der Implementierung Fragen stellt?
Sie können anweisen: „Wenn es unter den von mir nicht festgelegten Richtlinien Entscheidungen gibt, die das Ergebnis beeinflussen, stelle bitte zuerst Fragen, bevor du mit der Implementierung beginnst, und führe eigenmächtig getroffene Annahmen in einer separaten Liste auf.“ Damit dies wirksam ist, müssen die Antworten anschließend in Richtliniendokumente, API-Verträge und Testbedingungen übernommen werden.

## Sources

- [Kommission für fairen Handel: Sanktionen gegen Coupang und CPLB wegen Kundenanlockung durch Täuschung](https://www.ftc.go.kr/www/selectBbsNttView.do?bordCd=3&key=12&nttSn=43448&pageIndex=1&pageUnit=10&rltnNttSn=46624&searchCnd=all&searchViolt=0604)
- [Law Times: Rechtsstreit zwischen Coupang und der Kommission für fairen Handel – der Fall Naver Shopping wird zum Streitpunkt](https://www.lawtimes.co.kr/news/articleView.html?idxno=218796)
- [Nationales Rechtsinformationszentrum: Gesetz über die Fairness von Kennzeichnungen und Werbung](https://www.law.go.kr/LSW/lsInfoP.do?lsId=002011)
- [Online-Fallbearbeitung der Kommission für fairen Handel: Beschluss 2014-103 zur Kennzeichnung von Keyword-Werbung](https://case.ftc.go.kr/ocp/co/openDocView.do?docCnvrMnNo=12808&docId=20221229104156671154&docTy=LTFR&id=OCPLTFR20140759018192)
- [Kommission für fairen Handel: Sanktionen gegen Plattformen für den Verkauf hochpreisiger bekannter Produkte wegen Verstößen gegen das Gesetz über Kennzeichnungen und Werbung sowie das Gesetz über den elektronischen Geschäftsverkehr](https://www.ftc.go.kr/www/selectBbsNttView.do?bordCd=3&key=12&nttSn=46006&pageIndex=2&pageUnit=10&rltnNttSn=37048&searchCnd=all&searchCtgry=01%2C02&searchKrwd=%EA%B4%91%EA%B3%A0&searchViolt=0609)
- [Nationales Rechtsinformationszentrum: Gesetz zum Schutz personenbezogener Daten](https://www.law.go.kr/LSW/lsInfoP.do?ancYnChk=0&lsId=011357)
- [Baymard Institute: Datenbasierte Best Practices für die Benutzererfahrung im E-Commerce](https://baymard.com/learn/ecommerce-ux-best-practices)
- [Google Search Central: Paginierung und inkrementelles Laden von Seiten](https://developers.google.com/search/docs/specialty/ecommerce/pagination-and-incremental-page-loading)
- [PostgreSQL-Dokumentation: Volltextsuche](https://www.postgresql.org/docs/current/textsearch.html)
- [PostgreSQL-Dokumentation: Bevorzugte Indextypen für die Textsuche](https://www.postgresql.org/docs/current/textsearch-indexes.html)
- [PostgreSQL-Dokumentation: pg_trgm](https://www.postgresql.org/docs/current/pgtrgm.html)

## Images

![Illustration eines Suchdesigns für einen Onlineshop, das ein KI-Netzwerk mit einer Produktsuchoberfläche, Karten zur Richtlinienprüfung und einem Analyse-Dashboard kombiniert](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjM1NSwicHVyIjoiYmxvYl9pZCJ9fQ==--6c0b755d9bc5bce8a57d0306acd05a2302fe176e/ChatGPT%20Image%202026%E1%84%82%E1%85%A7%E1%86%AB%207%E1%84%8B%E1%85%AF%E1%86%AF%2021%E1%84%8B%E1%85%B5%E1%86%AF%20%E1%84%8B%E1%85%A9%E1%84%8C%E1%85%A5%E1%86%AB%2002_29_49.webp)
![Entwurf einer KI-Shoppingsuche, bestehend aus einem semantischen Produktnetzwerk, einer Oberfläche für Alternativempfehlungen und einem sicheren Datenspeicher](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjM2MiwicHVyIjoiYmxvYl9pZCJ9fQ==--7aa0dfb3a548f3bdfe5cf4f73b74b387fe8da178/ChatGPT%20Image%202026%E1%84%82%E1%85%A7%E1%86%AB%207%E1%84%8B%E1%85%AF%E1%86%AF%2021%E1%84%8B%E1%85%B5%E1%86%AF%20%E1%84%8B%E1%85%A9%E1%84%8C%E1%85%A5%E1%86%AB%2002_32_48.webp)