Kategorie: Allgemein

Whitepaper für Geschäftsführer, Beiräte und Family Offices

Diagnose statt Pitch
## Wie Mittelständler Beratung einkaufen sollten

Ein Whitepaper für Geschäftsführer, Beiräte und Family Offices, die ihre nächste Beraterentscheidung nicht nach Bauchgefühl treffen wollen.

—

1. Warum Beratungseinkauf heute meistens scheitert

Du sitzt in der Lage, in der jeder Mittelständler irgendwann sitzt: Das Geschäft läuft, aber die Luft wird dünner. Der Online-Umsatz stagniert, obwohl der Markt wächst. Die Marge bröckelt, obwohl der Umsatz nach oben zeigt. Ein Verkäufer bei Amazon diktiert dir das Preisschild. Deine Vertriebsmannschaft arbeitet mit Werkzeugen, die niemand aufgeräumt hat. Du weißt, dass etwas verschoben werden muss — nur nicht genau, was.

Also holst du dir Hilfe. Du schreibst ein RFP, lädst drei oder vier Agenturen ein, hörst dir Pitches an, vergleichst die Preise, entscheidest. Das ist das Lehrbuch des Beratungseinkaufs — und das Lehrbuch, das dich sechs bis zwölf Monate später an genau denselben Punkt zurückbringt. Nur mit einem leereren Konto und drei verbrannten Agentur-Erfahrungen in der Erinnerung.

Der Grund ist nicht, dass die Agentur schlecht war. Der Grund ist, dass der Pitch-Prozess strukturell das Falsche belohnt: die bessere Präsentation, nicht die bessere Analyse. Die glattere Teamvorstellung, nicht das schärfere Problemverständnis. Den Dienstleister, der am schnellsten „Ja“ sagt, nicht den, der ehrlich prüft, ob er überhaupt der Richtige ist.

Nach den Daten des Bundesverbands Materialwirtschaft, Einkauf und Logistik (BME) kaufen deutsche Mittelständler Dienstleistungen längst in professionalisierten Prozessen ein — nur ist das Werkzeug für Beratungsleistung dasselbe geblieben wie für Zement, Papier und Serverracks: Spezifikation, Angebotsvergleich, Preisverhandlung. Beratung ist aber kein Zement. Du kaufst keine abgeprüfte Spezifikation, du kaufst Urteilskraft. Und Urteilskraft lässt sich in einem Pitch nicht demonstrieren — nur behaupten.

Dazu kommt: Die Zyklen sind kürzer geworden. Nach den Konjunktur-Berichten des Handelsverbands Deutschland (HDE) und den Mittelstands-Digitalisierungs-Berichten der Bitkom haben sich die Investitions-Entscheidungen verdichtet. Du entscheidest öfter, mit mehr Geld pro Entscheidung, bei kleinerem Zeitfenster. Beratungseinkauf ist keine Nebensache mehr. Er ist eine Risikofunktion.

Dieses Whitepaper beschreibt, warum der klassische Weg nicht trägt, was eine saubere Diagnose stattdessen leistet, und wie du den Einkauf so umstellst, dass du am Ende eine Entscheidung triffst, die du belegen kannst — nicht eine, die du erklären musst. Mehr zur Haltung dahinter findest du im schaller.work-Manifest.

—

2. Der klassische Agentur-Pitch-Prozess und seine Fallen

Der RFP-Prozess, wie ihn Beschaffungslehrbücher beschreiben, läuft in drei Schritten ab: Du beschreibst dein Problem, lädst drei bis fünf Dienstleister ein, bekommst strukturierte Angebote zurück und vergleichst. Was in der Industriebeschaffung funktioniert, kippt bei Beratungsleistung aus drei strukturellen Gründen — und sammelt dazu zwei Nebeneffekte, die niemand im RFP ausweist.

Pitch-Theater

Eine Agentur, die eingeladen wird, investiert typisch zwei bis sechs Personentage in die Vorbereitung — Research, Deck, Case-Studies, Teamvorstellung. Diese Investition muss sich amortisieren. Also wird gepitcht, was gewinnt — nicht, was stimmt. Du bekommst gelayoutete Vorschläge, die auf Vollständigkeit optimiert sind, nicht auf Hebelwirkung. Der eine Satz, den du eigentlich brauchst — „Ihr habt an der falschen Stelle gesucht“ — kommt nicht im Pitch, weil er den Pitch verliert. Wer widerspricht, wird abgelehnt. Also kaufst du einen Konsens, den es gar nicht gibt.

Je größer die Agentur, desto professioneller das Theater. Pitch-Studios, Business-Development-Teams, standardisierte „Discovery“-Phasen, in denen zwei junge Berater drei Tage Interview-Zitate einsammeln und eine „Hypothesen-Landschaft“ bauen. Das sieht aus wie Arbeit, ist aber Vorbereitung einer Verkaufsveranstaltung.

Vergleichbarkeits-Illusion

Du legst drei Angebote nebeneinander und markierst, welche Leistungen enthalten sind. Das fühlt sich professionell an. In Wahrheit vergleichst du Beschreibungen desselben Vokabulars, hinter dem drei völlig unterschiedliche Arbeitsweisen stecken. „Workshops zur Zielgruppenschärfung“ kann heißen: eine Nachmittagssitzung mit Post-its — oder vier Wochen Marktforschung mit zwanzig geführten Interviews. „Strategie-Phase“ kann drei Workshops bedeuten oder zwölf Wochen in deinen Zahlen. Der Preis sagt dir nichts, weil die Einheiten nicht gleich sind.

Dazu der Scope-Trick: Jedes Angebot schneidet den Scope so zu, dass es optisch günstiger wirkt als die anderen. Was nicht enthalten ist, wird als „Nachverhandlung in Phase 2″ vermerkt — in einer Fußnote, die niemand liest. Sechs Monate später erfährst du, dass die Hälfte dessen, was du gekauft zu haben glaubtest, Changelist war.

Chemie vor Kompetenz

Weil Vergleichbarkeit nicht funktioniert, kippt die Entscheidung am Ende auf das Weiche: Sympathie, Habitus, Englisch-Niveau des Account Directors. Studien aus dem Umfeld von Bitkom und BME zeigen regelmäßig, dass bei komplexen Dienstleistungen „kulturelle Passung“ unter den Top-3-Kaufgründen landet. Das ist nicht per se falsch — Vertrauen ist für ein Mandat zentral. Aber Vertrauen, das aus einem Pitch entsteht, ist Vertrauen in eine Verkaufssituation. Nicht in Arbeit.

Zwei Nebeneffekte, die niemand ausweist

Erstens: Der Pitch-Prozess belohnt die Agentur, die am schnellsten „Ja“ sagt — zu Scope, Timing, Budget. Wer fragt, ob das Problem richtig definiert ist, wirkt unentschlossen. Wer alles sofort versprechen kann, wirkt kompetent. Du kaufst Zusagen, bei denen Zusagen gar nicht möglich sind.

Zweitens: Der Pitch verwässert jede saubere Positionierung. Jede Agentur mit scharfer Nische wird gegen Generalisten gehängt. Um nicht als „zu spezialisiert“ durchzufallen, erweitert sie die Zielbilder — und verliert ihren Kern. Der Mittelständler, der einen Spezialisten gebraucht hätte, kauft am Ende einen weichgespülten Generalisten.

Das Ergebnis ist nicht die beste Entscheidung, sondern eine vertretbare. Vertretbar heißt: Du kannst sie im Beirat verteidigen. Was du nicht hast: Belege, dass die gewählte Agentur dein tatsächliches Problem besser löst als die anderen. Siehe dazu den Werkbank-Eintrag „Pitch-Prozess vs. Diagnose-Pfad“.

—

3. Was echte Diagnose ist

Diagnose ist der Teil der Beratung, in dem du noch nicht entschieden hast, was gemacht wird — in dem du nur verstehst, was ist. Das klingt banal. Es wird dir im Pitch-Prozess trotzdem systematisch weggenommen, weil die Agentur, die vor dem Entscheid Geld verdienen will, Diagnose als Konzessionsware verkauft: Workshop, Audit, Discovery-Phase — alles kostenlos, alles unverbindlich. Was unverbindlich ist, ist nicht Diagnose. Es ist Akquise mit zusätzlichem Deck.

Abgrenzung zu drei Nachbarformaten

Eine saubere Diagnose wird häufig mit drei Nachbarformaten verwechselt. Die Unterscheidung ist nicht akademisch — sie entscheidet, ob du am Ende ein brauchbares Dokument in der Hand hast oder einen gefüllten Projektordner ohne Richtung.

Diagnose ist kein Audit. Ein Audit prüft, ob ein Zustand gegen eine Norm verstößt. Es sagt dir, was falsch ist — nicht, was möglich ist. Ein SEO-Audit liefert 180 Fehler in deinen Meta-Tags. Ein Shop-Audit markiert, dass dein Checkout vier Klicks zu lang ist. Alles richtig. Nichts davon sagt dir, ob diese Punkte überhaupt dein Hebel sind. Audit ist Mängelliste. Diagnose ist Richtungsentscheidung.

Diagnose ist kein Workshop. Ein Workshop ist wertvoll, wenn das Problem im Team sitzt — wenn also die Analyse steht und nur noch nicht in die Köpfe. Er ist wertlos, wenn das Problem in Zahlen, Marktverschiebungen oder Prozessen steckt, die kein Workshop-Teilnehmer sauber sehen kann. Ein Workshop ohne vorherige Datenbasis ist eine Gruppenmeinung, keine Analyse.

Diagnose ist kein Vorgespräch. Ein Vorgespräch prüft, ob Chemie, Budgetrahmen und Thema zusammengehen. Diagnose beginnt danach: wenn klar ist, dass gearbeitet wird, und geklärt wird, was. Vorgespräch ist Vertrieb. Diagnose ist Arbeit.

Fünf Merkmale einer sauberen Diagnose

1. **Sie ist bezahlt.** Nicht, weil Beratung teuer sein muss — sondern weil ein Dienstleister, der für Diagnose Geld nimmt, einen Anreiz hat, dir „Nein“ zu sagen. Kostenlos arbeitet nur, wer danach verkaufen muss. Der Betrag muss nicht hoch sein. Er muss nur ernst gemeint sein — hoch genug, dass sich beide Seiten verpflichtet fühlen, niedrig genug, dass du ihn ohne Beirat freigibst.

1. **Sie ist zeitlich begrenzt.** Diagnose ist dicht: ein Tag, maximal eine Woche. Länger kann sie nicht sein, weil sie sonst Antworten produziert, bevor die Fragen sauber stehen. Ein Dienstleister, der für eine Diagnose vier Wochen braucht, hat zu wenig Erfahrung oder zu viel freie Kapazität.

1. **Sie basiert auf Belegen, nicht auf Interviews.** Zahlen aus Shopsystem, Warenwirtschaft, Marketing-Konten, Verträgen. Interviews ergänzen, ersetzen aber nicht die Analyse. Nach EHI-Erhebungen aus dem Online-Handel klaffen Innen- und Außensicht in Mittelstandsmandaten regelmäßig zweistellig auseinander — bei Retourenquoten, Marge pro Kanal, tatsächlichen Werbekosten. Nur Belege schließen diese Lücke.

1. **Sie liefert ein schriftliches Deliverable.** Nicht ein Deck, sondern ein Dokument, das du im Beirat verteidigen kannst. Fünfzehn bis dreißig Seiten. Entscheidend ist, dass die Empfehlungen mit Zahlen begründet sind, nicht mit Adjektiven. Siehe dazu den Hebel-Begriff im [schaller.work-Glossar](/glossar/geo/).

1. **Sie endet mit einer Entscheidung, nicht mit einem Angebot.** Drei zulässige Antworten: „Macht das — hier ist, wie.“ „Macht das nicht — hier ist, warum.“ Oder: „Das Problem, das ihr beschreibt, ist nicht euer Problem — euer Problem ist dieses andere.“ Alle drei sind Erfolg. Was Diagnose nicht liefert: „Wir empfehlen eine mehrstufige Zusammenarbeit, Details im nächsten Workshop.“

Der Nebeneffekt einer sauberen Diagnose ist, dass sie beide Seiten schützt. Du bekommst eine Grundlage, die unabhängig vom gewählten Dienstleister trägt. Der Dienstleister wird gezwungen, früh zu zeigen, ob er den Fall versteht — bevor er sechs Monate Mandat verkauft hat. Nach EHI-Branchenbeobachtungen bricht etwa jedes dritte größere Digitalprojekt im Mittelstand ab oder wird neu aufgesetzt, bevor es produktiv wird. Die Gründe sind in der Mehrheit nicht technischer Natur, sondern analytischer. Eine saubere Diagnose vorab verhindert einen Großteil dieser Abbrüche.

—

4. Der Diagnose-Tag-Ansatz

Bei schaller.work heißt das Format Diagnose-Tag. Ein Tag — sieben Stunden Arbeit, vor Ort oder remote, mit festem Vorlauf, festem Ablauf und festem Deliverable. Kein halber Tag, kein Dreitage-Workshop. Der Zuschnitt kommt aus der operativen Erfahrung: Weniger als sieben Stunden reichen nicht, um die Zahlen zu lesen, die relevanten Fragen zu stellen und einen Hebel zu benennen. Mehr als sieben Stunden produzieren Füllmaterial.

Vorlauf — zwei bis vier Wochen vor dem Tag

Du bekommst eine Checkliste und einen Datenauszug-Fragebogen: Umsatz- und Margenverlauf der letzten 24 Monate, Kanalverteilung, Werbekosten, Lagerbestände, Verträge mit Plattformen — Amazon-Vendor-Agreement, Shopware-Lizenz, Marktplatz-Rückgaben, PIM-Setup. Außerdem drei bis fünf Fragen, die wir vorab schriftlich beantwortet haben wollen. Beispiel: „Was wäre in zwei Jahren eingetreten, damit du sagst: das war die richtige Entscheidung?“ Oder: „Welche Entscheidung schiebst du seit mehr als sechs Monaten auf, und warum?“ Wir lesen die Antworten, bevor wir ankommen.

Der Vorlauf ist der erste Qualitäts-Filter. Wer die Daten nicht liefern kann oder will, hat kein Datenproblem — er hat ein Transparenz-Problem im eigenen Haus. Das zu wissen, bevor der Tag beginnt, spart beiden Seiten den Tag.

Ablauf — die sieben Stunden

Der Tag ist in vier Blöcke geschnitten:

• **Block 1 (90 Minuten): Lage.** Nicht das Problem, das du beschreibst, sondern die Lage, in der dein Unternehmen steht. Zahlen auf dem Tisch, Marktvergleich, Wettbewerbs-Position, Kanal-Realität. Wir widersprechen hier bewusst — nicht aus Prinzip, sondern um zu testen, wo deine Annahmen tragen. Das ist der unbequemste und der wichtigste Block.
• **Block 2 (90 Minuten): Hebel-Kandidaten.** Welche Stellschrauben haben überhaupt Masse? Wo ist der Return auf eingesetzte Zeit und Budget am höchsten? Wir priorisieren ohne Rücksicht auf das, was du als Projekt vorgeschlagen hast. Oft stellt sich heraus, dass das Projekt, mit dem du kamst, nicht der stärkste Hebel ist.
• **Block 3 (120 Minuten): Vertiefung des Haupthebels.** Ein Hebel wird in die Tiefe gezogen: Was braucht es konkret, in welcher Reihenfolge, mit welchen Risiken, mit welchen Rollen auf deiner Seite. Hier skizzieren wir einen MVP-Umriss — nicht das fertige Konzept, aber den Scope-Rahmen. Wer die Umsetzung mittragen muss, sitzt am Tisch.
• **Block 4 (60 Minuten): Entscheidung.** Zusammenfassung der drei möglichen Antworten. Wir sagen klar, zu welcher wir tendieren, und warum. Du bekommst Raum zu widersprechen und Raum, nicht sofort zu entscheiden — die Entscheidung fällt mit dem Deliverable, nicht am Ende des Tages.

Dazwischen eine echte Mittagspause — eine Stunde, nicht fünfzehn Minuten über Sandwiches. Diagnose ist Kopfarbeit auf hoher Dichte.

Deliverable — zehn bis fünfzehn Werktage nach dem Tag

Ein schriftliches Dokument, 15 bis 25 Seiten, aufgebaut nach einer festen Struktur: Lage, Hebel-Priorisierung mit Begründung, Empfehlung für den nächsten Schritt (oder begründete Empfehlung, es sein zu lassen), MVP-Skizze bei Umsetzungs-Empfehlung, zwei bis vier offene Fragen, die vor Mandatsstart beantwortet werden müssen, und ein Risiko-Abschnitt — was passiert, wenn ihr nichts macht, und was passiert, wenn ihr etwas Falsches macht. Du bekommst das Dokument als PDF plus als Markdown, falls du es intern in dein eigenes Dokumentenformat überführen willst. Du besitzt es — nicht wir.

Was danach passiert

Drei Pfade sind möglich. Pfad eins: Du beauftragst die Umsetzung bei uns. Der Diagnose-Tag ist dann anrechenbar — du bezahlst ihn nicht doppelt. Pfad zwei: Du beauftragst die Umsetzung woanders. Du nimmst das Deliverable mit und nutzt es als Briefing-Grundlage. Wir empfehlen diesen Pfad explizit, wenn ein Spezialist eine passgenauere Antwort hat als wir. Pfad drei: Du setzt gar nichts um, weil die Diagnose gezeigt hat, dass das vermutete Problem nicht das echte war. Auch das ist ein Ergebnis — und oft das wertvollste.

Ein Beispiel aus unseren Mandaten, qualitativ: Ein D2C-Hersteller kam mit dem Auftrag, seinen Shop zu „beschleunigen“ — Ladezeiten, UX, Checkout. Nach Block 2 war klar: Die Conversion hing nicht an der Technik, sondern an der Margen-Struktur. Der Shop verkaufte die Produkte, die auf Amazon am aggressivsten rabattiert waren, und die Kunden warteten den Preis-Zyklus ab. Keine Shop-Frage, sondern eine Kanalfrage. Statt Shop-Relaunch kam ein Marktplatz-Preis-Audit. Siehe die ausführliche Rechnung im Werkbank-Eintrag „Eigener Shop 2026 — die Marge-Rechnung“. Hätten wir den Shop-Relaunch im Pitch gewonnen, wäre die Umsatzkurve im siebten Monat genau da gewesen, wo sie im ersten war.

Was den Diagnose-Tag von einem „kostenlosen Erstgespräch“ unterscheidet, ist das Zahlungsmodell. Weil der Tag bezahlt wird, haben wir die Freiheit zu widersprechen — und müssen am Ende nicht verkaufen. Was uns davon abhält, ihn als Verkaufsinstrument zu missbrauchen: Wenn aus drei Diagnose-Tagen in Folge kein Mandat wird, prüfen wir unsere Zielgruppen-Definition, nicht die Pitch-Methodik. Qualifikation findet vorne statt, nicht hinten.

—

5. Was Beratungseinkäufer stattdessen tun sollten

Du kannst den Pitch-Prozess verlassen, ohne ins Chaos abzurutschen. Du brauchst dafür eine Sequenz, die nicht auf Vergleichbarkeit aufbaut, sondern auf Belastbarkeit. Sechs Punkte, in dieser Reihenfolge.

Punkt 1: Problem erfassen — in deinen Worten. Bevor du einen Dienstleister ansprichst, schreib eine Seite auf. Was ist der Zustand heute? Was wäre der Zustand, der dich zufriedenstellt? Was hast du schon versucht und warum hat es nicht funktioniert? Welche Entscheidung hängt gerade an diesem Problem fest? Diese Seite ist dein wichtigstes Werkzeug — nicht der RFP. Jeder gute Dienstleister liest sie und widerspricht oder fragt nach. Wer direkt mit einem Angebot kommt, hat sie nicht gelesen. Wenn du die Seite nicht schreiben kannst, bist du nicht so weit, Beratung zu kaufen.

Punkt 2: Hebel vermuten — nicht festlegen. Dein eigenes Hebel-Verständnis ist die Hälfte wert. Schreib auf, wo du den größten Effekt vermutest — Marge, Reichweite, Prozesskosten, Markenaufladung. Markiere, bei welchen Hebeln du unsicher bist. Der richtige Diagnose-Dienstleister wird diese Vermutungen testen und mindestens einen davon widerlegen — sonst hast du das Geld für die Diagnose gespart. Eine Diagnose, die nur bestätigt, was du schon dachtest, war entweder keine Diagnose oder du bist zufällig besser als dein Problem.

Punkt 3: Zwei Dienstleister maximal — nicht fünf. Fünf Angebote sind Zeitverschwendung auf beiden Seiten. Zwei reichen, wenn du vorher qualifiziert hast: Hat der Dienstleister die Branche selbst betrieben, nicht nur beraten? Gibt es öffentliche Zahlen aus seiner Arbeit — nicht nur Logos? Hat er öffentlich Position bezogen zu Fragen, die dich betreffen? Das Werkbank-Tagebuch und das Manifest einer Beratung sagen mehr über ihre Arbeit als jede Case Study. Wer sich öffentlich festlegt, hat intern eine Linie. Wer nur Logos zeigt, hat Vertrieb.

Punkt 4: Diagnose als Erst-Engagement. Beauftrag nicht das Mandat. Beauftrag die Diagnose. Zahl dafür einen fairen Festpreis, nicht Tagessätze. Vereinbare schriftlich, was das Deliverable ist — kein Deck, sondern ein Dokument mit Hebel-Priorisierung und begründeter Empfehlung. Vereinbare auch, dass das Deliverable dir gehört und du es nach außen tragen darfst, falls du dich für eine Umsetzung an anderer Stelle entscheidest. Ein Dienstleister, der dieser Klausel ausweicht, hat die Diagnose als Verkaufsinstrument gedacht, nicht als Arbeit.

Punkt 5: Entscheidung belegen — nicht erklären. Nach der Diagnose hast du ein Dokument, das deine Entscheidung trägt. Du musst sie nicht mehr im Beirat erklären — du legst sie vor. Das ist der entscheidende Qualitätsunterschied zum Pitch-Entscheid. Ein Pitch-Entscheid ist eine Erklärung („wir haben uns für X entschieden, weil…“), ein Diagnose-Entscheid ist ein Beleg („hier liegt das Dokument, auf dessen Grundlage wir entscheiden“). Der Unterschied wird im ersten Projektjahr unsichtbar sein. Er wird im zweiten, bei der Rechenschaft, zum entscheidenden Faktor.

Punkt 6: Umsetzung erst nach Diagnose vergeben — nicht gleichzeitig. Trenn die Vergabe. Diagnose zuerst, Mandat danach. Das ist der einzige Weg, den Rollenkonflikt des Diagnostizierens zu lösen: Wer gleich das Mandat gewinnt, hat kein Interesse an Nein. Wer nur die Diagnose macht, kann Nein sagen. Wenn der Diagnose-Dienstleister danach umsetzen soll, verträgst du diesen Konflikt nur, wenn er sich ihm gestellt und ihn transparent gemacht hat — zum Beispiel durch Anrechenbarkeit der Diagnose auf das folgende Mandat. Formulier es im Vertrag: „Die Empfehlung, nicht umzusetzen, ist ein zulässiges Ergebnis der Diagnose und reduziert das Honorar nicht.“

Nach den bevh-Daten (Bundesverband E-Commerce und Versandhandel) ist der Mittelstand im Online-Geschäft wachsender Marktanteil, aber auch der mit den heterogensten Setup-Qualitäten. In diesem Umfeld ist Beratungseinkauf eine Risikofunktion — keine Nebensache.

—

6. Fallen beim Einkauf

Vier Fallen, in die wir Mittelständler regelmäßig stolpern sehen — in der Rolle, in der uns später die Rechnung landet.

Falle 1: Der Agentur-Trichter. Du sprichst mit einer großen Agentur. Dir gefällt der Account Director. Du bekommst ein Angebot, das Strategie, Design, Technik und Content gemeinsam liefert. Was du nicht siehst: Diese Agentur hat intern eine Auslastungs-Logik. Das Angebot ist weniger auf dein Problem geschnitten, mehr auf ihre freien Kapazitäten in den jeweiligen Teams. Was dich sechs Monate später frustriert, ist nicht die Qualität der einzelnen Gewerke — sondern dass du für drei Gewerke zahlst, von denen du nur eines wirklich brauchtest. Der Hebel saß an einer Stelle, nicht an allen gleichzeitig. Der Rest war Beschäftigung.

Falle 2: Buzzword-Bingo. Ein Angebot enthält zwölf englische Fachbegriffe und zwei deutsche Füllwörter. Du nickst, weil Nicken professioneller aussieht als Nachfragen. Was passiert: Du kaufst Dinge, deren Mehrwert niemand belegen kann. „Omnichannel-Orchestrierung“ bedeutet im Zweifel, dass drei Systeme nebeneinander laufen und ein Zapier-Workflow dazwischen hängt. „Data-driven Decision Making“ bedeutet, dass jemand ein Dashboard baut, in das niemand reinschaut. Frag bei jedem Fachbegriff nach einer konkreten Zahl — Umsatz, Marge, Zeitersparnis, Reichweite. Wer die Zahl nicht liefert, verkauft Luft. Das Glossar deiner Entscheidung sollte deutsch sein, nicht englisch. Mehr dazu im schaller.work-Glossar — D2C und Marge.

Falle 3: Positionierungs-Verwässerung durch Pitch-Template. Deine schärfste Positionierung ist deine Nische. Im Pitch wirst du gezwungen, Vergleichbarkeit herzustellen — und der Dienstleister wird gezwungen, sich an deine Vorlage anzupassen. Das Ergebnis: Jeder Pitch sieht aus wie der andere, und niemand sticht raus. Der Dienstleister mit der schärfsten Haltung verliert, weil er in dein Template nicht passt. Lösung: Lass den Dienstleister in seinem Format antworten. Wenn seine Antwort nicht in deine Vergleichstabelle passt, ist das ein Qualitäts-Indikator, kein Mangel. Vergleichstabellen sind für Hardware gemacht. Beratung ist Software — und Software vergleicht man nicht in Zeilen, sondern in Ergebnissen.

Falle 4: Chemie als Entscheidungsgrund. „Mit denen hat es einfach gestimmt“ ist der Satz, der am Ende eines gescheiterten Mandats im Beiratsgespräch wehtut. Chemie ist eine Bedingung — aber nicht der Entscheidungsgrund. Chemie ohne Kompetenz-Beleg produziert einen angenehmen Projektalltag und ein enttäuschendes Projektergebnis. Umgekehrt: Kompetenz ohne Chemie trägt oft zwei bis drei Projektphasen, danach wird es anstrengend. Beides muss da sein — in dieser Reihenfolge: Erst Kompetenz-Beleg, dann Chemie-Check. Wer die Reihenfolge umdreht, kauft Sympathie und entschuldigt sich zwölf Monate später beim Beirat.

Nach den Berichten des bevh zum E-Commerce-Mittelstand ist der häufigste Grund für Dienstleisterwechsel innerhalb der ersten zwölf Monate nicht in schlechter Leistung zu suchen, sondern in „abweichenden Erwartungen“. Übersetzt: Beide Seiten haben im Pitch über etwas anderes geredet, ohne es zu merken. Eine Diagnose, die beide Seiten unterschreiben, löst dieses Problem — weil sie Erwartungen zu Protokoll bringt, bevor sie zu Enttäuschung werden. Das Diagnose-Deliverable ist auch der ehrlichste Vertrag, den du mit einem Dienstleister machen kannst: Er beschreibt die Realität vor Projektstart, nicht die Wunschvorstellung.

—

7. Zusammenfassung + Entscheidungs-Rahmen

Beratungseinkauf im Mittelstand scheitert selten an der Qualität der Dienstleister. Er scheitert am Prozess, mit dem die Dienstleister ausgewählt werden. Der Pitch-Prozess belohnt Präsentation statt Analyse, Chemie statt Kompetenz, schnelles Ja statt sauberes Nein. Diagnose ist die Alternative — ein bezahltes, zeitlich begrenztes, auf Belegen basierendes, schriftlich dokumentiertes Erst-Engagement, das in einer Entscheidung endet, nicht in einem Angebot. Was du dafür brauchst, ist weniger ein neuer Dienstleister und mehr eine neue Reihenfolge: erst verstehen, dann vergeben.

Drei Fragen, die vor jedem Beratungseinkauf geklärt sein müssen:

Frage 1: Hast du dein Problem auf einer Seite? Wenn nicht, bist du nicht bereit, Dienstleister zu briefen. Du bist bereit, mit einem Diagnose-Dienstleister zu sprechen — über das Problem zu schärfen, nicht über das Projekt zu starten. Eine Seite ist keine Formalität. Sie ist der Test, ob du selbst weißt, worum es geht. Wenn du beim Schreiben merkst, dass drei Themen in einem Dokument landen, hast du drei Probleme — und solltest nicht ein Projekt starten, sondern zuerst sortieren.

Frage 2: Bist du bereit, ein Nein zu kaufen? Wenn du nur dafür zahlen willst, dass jemand Ja sagt und loslegt, ist Diagnose nicht dein Format. Dann vergibst du besser direkt — mit allen Folgen, die der Pitch-Prozess hat. Diagnose lohnt sich nur, wenn du akzeptierst, dass das Deliverable auch lauten kann: „Nicht jetzt, nicht so, nicht mit uns.“ Dafür Geld zu bezahlen fühlt sich im ersten Moment falsch an — und ist in der Rückschau das Günstigste, was du tun kannst.

Frage 3: Wer besitzt am Ende das Dokument? Prüf im Vertrag, dass das Diagnose-Deliverable dir gehört. Du musst es ohne Rücksprache weiternutzen, intern zirkulieren und bei Bedarf an einen anderen Dienstleister weiterreichen können. Alles andere ist eine Fessel, die den eigentlichen Zweck der Diagnose aushebelt. Diagnose, die beim Dienstleister bleibt, ist Marketing-Material für seine nächste Akquise — nicht deine Entscheidungsgrundlage.

Diese drei Fragen sind kein Framework, sie sind ein Sicherheitsnetz. Wenn du sie beantworten kannst, bevor du den Dienstleister rufst, hast du schon die halbe Qualitätsentscheidung getroffen. Mehr zur Haltung, die diesem Ansatz zugrunde liegt, findest du im Manifest und in der laufenden Werkbank.

—

8. Appendix: Diagnose-Tag-Checkliste für dich

Zehn Punkte, mit denen du dich auf einen Diagnose-Tag vorbereitest — unabhängig davon, bei wem du ihn buchst. Je mehr davon vor dem Tag erledigt ist, desto höher der Return der sieben Stunden.

1. **Problem-Seite geschrieben.** Eine DIN-A4-Seite, maximal. Zustand heute, Zielzustand, bisher Versuchtes. Vor dem Tag an den Dienstleister geschickt.
2. **Umsatz- und Margenverlauf 24 Monate.** Nach Kanal, nach Produktgruppe, möglichst monatlich. Rohdaten reichen — der Dienstleister sortiert.
3. **Werbekosten pro Kanal.** Mindestens zwölf Monate. Inklusive der Kosten, die nicht in der Media-Rechnung stehen (Agentur-Honorare, Tool-Lizenzen, Marktplatz-Promo-Budgets).
4. **Vertragsübersicht Plattformen.** Amazon-Agreements, Marktplatz-Verträge, Shopware/Shopify-Lizenzen, PIM-Verträge. Zumindest die aktive Liste, falls möglich die Konditionen. Siehe auch [Glossar: D2C](/glossar/d2c/).
5. **Lagerbestand und Bewegung.** Falls physische Produkte: aktueller Bestand, Umschlagshäufigkeit, Out-of-Stock-Historie der letzten sechs Monate. Für Markenhersteller ohne Direktvertrieb reicht die Produktionsplanung plus Abverkaufsdaten der Top-Kanäle.
6. **Zwei bis drei interne Stimmen.** Nicht Teilnehmer am Tag, sondern Stimmen, die vorher einmal angehört werden: der Vertriebsleiter, die Lagerleitung, der Customer-Service-Lead. Je ein 20-Minuten-Call reicht. Siehe auch [Glossar: Marge](/glossar/marge/) für die Kennzahlen-Basis.
7. **Drei Entscheidungen, die du gerade aufschiebst.** Die konkreten Entscheidungen, bei denen du festhängst. Nicht die großen Visionen — die kleinen, blockierten Beschlüsse. Dort sitzen die interessantesten Hebel.
8. **Ein Nein-Szenario überlegt.** Für dich selbst: Was ist der Pfad, wenn die Diagnose „nicht jetzt“ ergibt? Wenn du dafür keinen Plan hast, wird dich die Antwort überfordern — und du wirst sie unbewusst wegverhandeln.
9. **Terminfenster für den Deliverable-Review geblockt.** Drei bis vier Wochen nach dem Diagnose-Tag. 90 Minuten mit den zwei bis drei Entscheidern, die am Tag dabei waren. Ohne diesen Termin verpufft das Dokument.
10. **Beirat/Family-Office vor-informiert.** Nicht am Tag der Diagnose überraschen. Vorher kommunizieren, dass du mit einem bezahlten Erst-Engagement arbeitest statt mit einem Pitch-Prozess — inklusive der Begründung aus Abschnitt 2 dieses Papiers. Beiräte lieben Prozess-Alternativen, wenn sie begründet sind. Sie misstrauen Alternativen, die wie Umgehung aussehen.

Wenn du diese zehn Punkte durchhast, ist der Tag kein Pitch, kein Workshop und kein Vorgespräch. Er ist Arbeit — und das Deliverable ist der Beleg, dass gearbeitet wurde. Mehr dazu auf der Seite zum Diagnose-Tag.

—

schaller.work · Sparringspartner, nicht Werbeagentur. Stand: 2026-10-11 · Version 1.0

Vor fünf Jahren war die Antwort klar: ja, eigener Shop, D2C ist die Zukunft. Heute ist sie es nicht mehr. Marktplätze wachsen schneller als der E-Commerce insgesamt, KI übernimmt zunehmend die Produktsuche, und die Marge im eigenen Shop ist spätestens nach Retouren und Marketing-Overhead näher an null als an „Direct-Margin-Dream“. Zeit, die Frage neu zu stellen — und mit einer Rechnung zu beantworten, nicht mit einer Haltung.

Drei Szenarien, drei Marge-Realitäten

Fast jeder Markenhersteller, der uns heute anruft, hat implizit eine Shop-Strategie. Entweder er hat einen eigenen und zweifelt, oder er hat keinen und fragt sich ob. Die ehrliche Antwort hängt von drei konkreten Szenarien ab, und keines davon ist universell richtig.

Szenario A — Marktplatz-only. Du verkaufst über Amazon, Zalando Partner Programm, idealerweise ein zweiter Marktplatz wie Otto Market oder Kaufland.de. Vorteil: keine Shop-Infrastruktur, keine Performance-Marketing-Budgets im klassischen Sinn, kein eigenes Retouren-Center. Marktplatz-Marge nach allen Gebühren liegt bei Markenware grob bei 15–25 % je nach Kategorie — der bevh-Interaktive-Handel-Report und Analysen von Marketplace Pulse zeigen das seit Jahren konsistent. Nachteil: keine Kundendaten, keine echte Preiskontrolle, kein Zugriff auf Wiederkauf jenseits der Plattform-Logik. Und: deine Marke lebt in einem Shop, den du nicht kontrollierst.

Szenario B — Hybrid. Marktplatz als Umsatz-Motor, eigener Shop als Marken-Flagship und Daten­sammelstelle. Shop macht typischerweise 10–25 % des Umsatzes, trägt sich knapp selbst. Marge im Shop nach Marketing, Fulfillment, Payment, Retouren: realistisch 5–15 %, in guten Jahren mehr, in Launch-Jahren oft negativ. Vorteil: Kundendaten, Preiskontrolle für Flaggschiff-SKUs, Marken­geschichte wird kontrolliert erzählt. Das ist aktuell das realistischste Modell für die meisten Markenhersteller über 2 Mio. € Umsatz.

Szenario C — D2C-pure. Shop als Hauptkanal, Marktplätze nur selektiv oder gar nicht. Funktioniert für drei Produkt­typen: Abo-Modelle (Rasierklingen, Kaffee, Nahrungs­ergänzung), stark emotionale Marken mit Community (Spezialinteressen, Luxus-Nischen), erklärungs­bedürftige Produkte mit hohem Beratungs­bedarf. Für alles andere ist der Pure-Play 2026 teurer geworden — Meta-CPMs sind seit 2022 je nach Branche deutlich gestiegen (ContentStudio und Triple Whale berichten für 2025/26 Jahr-über-Jahr-Anstiege von rund 20 Prozent allein in den letzten zwölf Monaten, auf Mehrjahressicht liegt der Anstieg je nach Branche grob zwischen 40 und 80 Prozent), die organische Reichweite ist auf fast allen Plattformen weiter geschrumpft, und AI-Suche verlagert Discovery weg vom direkten Google-Zugriff — siehe dazu unsere Analyse zu Google AI Overviews und zu ChatGPT Shopping.

Was eigene Shops heute leisten müssen, um sich zu rechnen

Ein eigener Shop ist 2026 kein reiner Umsatz-Kanal mehr. Er ist ein Marketing-Instrument mit Shop-Funktion. Was er leisten muss, damit er sich rechnet:

1. Erzählen, was Marktplätze nicht erzählen können. Hintergrund, Herkunft, Haltung, Rezeptur, Produktion. Alles, was im Amazon-Listing-Rahmen nicht vorkommt. Marktplätze haben eine standardisierte Produkt-Grammatik — Marken-Charakter passt dort schlecht hinein. Der Shop ist der Ort, an dem du die Geschichte sauber erzählst.

1. Daten einsammeln, die kein Marktplatz freigibt. E-Mail-Adressen, Second-Order-Rate, Browse-Verhalten für Lifetime-Value-Modelle, Zielgruppen­segmentierung. Amazon zeigt dir Käufer nur so weit, wie Amazon es für richtig hält. Dein Shop zeigt dir alles. Das ist die eigentliche Währung — und sie ist in zehn Jahren mehr wert als der heutige Umsatz.

1. Preis­kontrolle für mindestens eine SKU-Variante, die nur im Shop existiert — damit die Marktplatz-UVP nicht die Marke zur Discount-Marke erzieht. Eine Shop-exklusive Bundle- oder Größenvariante hält den Preisanker, auch wenn Amazon-Verkäufer das Hauptprodukt unter den Buy-Box-Preis drücken.

Alles andere — reiner Verkauf, Standard-Shop-Software, generisches Content-Setup — kann der Marktplatz besser und billiger. Der Shop muss einen Grund haben, den der Marktplatz nicht hat.

Für wen die Antwort „nein“ ist

Reine Preis-Produkte unter 20 € Verkaufspreis, ohne Abo-Logik, ohne starke Marken­geschichte: Marktplatz-only. Der Shop wird dort nie profitabel, und das Marketing-Budget wirkt woanders besser.

Dasselbe gilt für Produkte, bei denen 90 % der Nachfrage über generische Suche kommt („Werkzeugkoffer 15-teilig“, „USB-C-Kabel 2m“). Wer bei Amazon oder in der Google-Shopping-Suche landet, kauft dort. Ein eigener Shop fängt diese Nachfrage nicht ab, er muss sie zusätzlich kaufen — und das rechnet sich nicht gegen die Marktplatz-Fulfillment-Marge.

Und für Marken, die noch nicht wissen, was sie ihrer Zielgruppe erzählen wollen: Der Shop verlängert dann nur die Positionierungs-Unsicherheit um eine Infrastruktur-Entscheidung. Erst Markenfrage klären, dann Kanalfrage, dann Technik.

Für wen sie „ja, aber nicht als Hauptkanal“ ist

Alle Markenhersteller mit 2–50 Mio. € Umsatz, die eine klare Geschichte zu erzählen haben: Hybrid. Shop als Marken­ort, Marktplatz als Umsatz-Ort. Zwei verschiedene Jobs, kein Entweder-Oder. Der Shop muss nicht profitabel sein — er muss das Marketing-Budget schlagen, das du sonst für dieselbe Markenbildung in Social und Display ausgeben würdest.

Rechenbeispiel grob: Wenn ein eigener Shop monatlich 15.000 € Umsatz macht und dabei 500 € Verlust nach allen Kosten einfährt, aber dir im gleichen Zeitraum 2.000 qualifizierte E-Mail-Adressen und 300 Second-Order-Kundinnen liefert, deren Umsatz später über Amazon oder direkt kommt — dann ist der Shop günstiger als jedes gleichgroße Performance-Budget. Die Frage ist nicht „macht der Shop Gewinn“, sondern „ersetzt er anderes Budget, das sonst teurer wäre“.

Und noch präziser: Wenn du den Shop als Marketing-Instrument buchst, nicht als Vertriebskanal, wird die Rechnung sauberer. Ein Shop, der 95 % seiner Infrastrukturkosten durch Direktumsatz einspielt und zusätzlich qualifizierte Erst­kontakte generiert, ist aus Marketing-Sicht fast kostenlos.

Was der Shop-Entscheidung oft im Weg steht

Wir sehen in Diagnose-Gesprächen immer wieder dasselbe Muster: Der Shop existiert, weil er vor fünf Jahren modern war. Niemand hat ihn seitdem konsequent als Marketing-Instrument gedacht. Er bekommt den Produktkatalog eins zu eins von Amazon. Keine Shop-exklusiven Bundles, keine Hintergrund­stories, kein E-Mail-Nurture nach Erstbestellung. Und dann wundert sich der Vertrieb, dass die Shop-Marge dünn ist.

Umgekehrt sehen wir Marken, die den Shop ganz abschaffen wollen, weil er sich nicht rechnet — und dabei nicht sehen, dass sie damit die einzige Datenquelle verlieren, die ihnen Kunden zeigt, bevor Amazon zwischen sie und den Kunden tritt.

Beide Haltungen sind Produkt derselben Lücke: niemand hat die Frage „was leistet dieser Shop, was Amazon nicht leistet“ ehrlich gestellt. Wer sie stellt, bekommt in zwei Sitzungen eine klare Antwort.

Haltung

Shops bauen wir heute weniger als vor fünf Jahren — und wenn, dann mit der Frage „Was leistet der, was Amazon und Zalando nicht leisten können?“ vorne an. Alles andere ist Nostalgie.

Wenn du einen Shop hast und zweifelst: Die Antwort liegt in deinen Zahlen, nicht in unserer Meinung. CTR auf Shop vs. Marktplatz, Second-Order-Rate aus Shop-Käufern, Durchschnittskorb Shop vs. Amazon, E-Mail-Opt-in-Rate. Wenn drei dieser vier Zahlen deutlich besser sind als die Marktplatz-Benchmark, hast du einen funktionierenden Marketing-Shop. Wenn nicht, baust du gerade einen teuren Produktkatalog, den niemand liest.

Wenn du keinen hast und darüber nachdenkst: Fang nicht mit Shopify-Setup an, sondern mit einer Marken-Audit. Was willst du erzählen, was Amazon nicht erzählt? Wenn du drei Sätze zusammenbekommst, lohnt sich der Shop. Wenn nicht, spar dir das Projekt.

→ Wenn du diese Rechnung für deine Marke konkret durchspielen willst, ohne dass dir jemand eine Shop-Agentur verkauft: Diagnose-Tag anfragen. Sieben Stunden, drei bis fünf Hebel, eine klare Entscheidungs­grundlage. Kein Pitch.

2026 war das Jahr, in dem KI-Assistenten anfingen, Werbung einzublenden. Perplexity hat sein Commerce-Angebot ausgerollt — mit Sponsored Answers, Related Products, einem Händler-Programm. OpenAI hat die ChatGPT-Ads-Pilot­phase gestartet, bislang in ausgewählten Mandaten in den USA, laut Branchen­berichten mit DACH-Erweiterung bis Ende 2026. Perplexity Business publiziert aktiv zum Modell; über ChatGPT Ads kursieren vor allem Preview-Ankündigungen und Pilot-Beobachtungen aus Fach­medien wie The Information und Marketplace Pulse.

Für Marken­hersteller stellt sich damit eine Frage, die neu ist: Was bedeutet Werbung in einer Antwort­maschine? Was können die Formate — und was nicht? Und warum sind CPC und CPM 2027 nicht mehr die richtigen Kennzahlen, um diese Kanäle zu steuern?

Was Perplexity Commerce aktuell leistet

Perplexity hat 2024/25 begonnen, aus einer reinen Antwort-Suche einen Discovery-Kanal mit Shopping-Dimension zu machen. Der Stand Mitte 2026 (laut öffentlicher Perplexity-Doku und beobachtbarem Verhalten der App):

• **Sponsored Answers:** Marken können gegen Zahlung Antworten zu bestimmten Query-Clustern bevorzugt platzieren. Die Markierung „Sponsored“ ist sichtbar, aber die Antwort selbst nicht fundamentally anders als organische Antworten — es handelt sich um bevorzugte Zitation, nicht um einen separaten Anzeigen­block.
• **Related Products:** Innerhalb von Produkt- oder Beratungs-Antworten erscheint eine Produktleiste, in der Händler-Angebote erscheinen können — teils über ein Shopify-Integrations­programm, teils über Partner-Feeds.
• **Händler-Programm:** Direkte Händler-Anbindung mit Transaktions-Metriken (Click-through zum Händler-Shop, teils direktere Kauf-Flows über Partnerschaften mit Zahlungs­anbietern).

Perplexity ist in DACH deutlich kleiner als ChatGPT, hat aber in der Nutzer­gruppe „beruflich recherchierend“ einen über­proportionalen Anteil. Für B2B-Marken­hersteller ist das relevant; für klassische Konsum­güter weniger.

Was ChatGPT Ads voraus­sichtlich wird

Stand der öffentlichen Information (Mitte 2026, Quellen-Mix aus OpenAI-Blog, The-Information-Berichten, Branchen­gesprächen): ChatGPT führt ein Werbe-Modell ein, das näher am Perplexity-Modell als am klassischen Google-Ads-Modell ist. Also: Keine klickbasierten Keyword-Auktionen, sondern Platzierungs- und Zitations­modelle — Marken zahlen dafür, dass ihre Produkte in relevanten Antworten vorkommen, oft mit Marke und Produktname, bisweilen mit Deeplink.

Was aktuell nicht bekannt ist: der genaue Abrechnungs­modus (CPM-ähnlich, Impression in der Antwort, oder Erfolgs-basiert), die Freigabe-Mechanik (wer entscheidet, welche Marken in welcher Antwort erscheinen), die Transparenz-Kennzeichnung („Sponsored“-Label).

Was mit hoher Wahrscheinlichkeit bekannt ist: Die klassische „Keyword-Auktion mit CPC“ wird dort nicht funktionieren, weil es keine Keywords im Google-Sinn gibt. Es gibt Intents, die in Antworten münden — und die Antwort selbst ist das Werbe­format.

Was die Formate strukturell anders machen

**Nicht Klick, sondern Zitation.** Das ist der zentrale Unterschied. Google-Ads haben 25 Jahre lang Klicks als Erfolgs­kennzahl gehabt. Die Antwort­maschinen werten Zitation. Du zahlst nicht für den Klick, du zahlst (oder du bezahlst in­direkt mit Content-Vorbereitung) für die Erwähnung deiner Marke in einer Antwort, die der Nutzer sowieso bekommt — ob er sie weiter­verfolgt oder nicht.

Das klingt wie ein Nachteil. Es ist aber auch ein Vorteil: Zitation funktioniert in der Entscheidungs­vorbereitung, nicht erst im Konversions­moment. Wer in einer Beratungs­antwort an Position 2 erwähnt wird, hat die Marken­erinnerung schon aufgebaut, bevor der Nutzer in einen Shop geht — unabhängig davon, ob er dort kauft oder nicht.

**Keine Keywords, nur Intents.** Du bietest nicht auf „beste magnesium­haltige Nahrungs­ergänzung“. Du positionierst dich strukturell so, dass du bei der entsprechenden Intent-Klasse zitier­bar wirst. Das verändert, wer die Werbe­entscheidung trifft: in Google-Ads war das der Performance-Marketer; in Antwort­maschinen-Werbung ist es eine Mischung aus Content-Strategie, PR, Produktdaten-Pflege und — in der bezahlten Variante — Mediaeinkauf. Das ist eine andere Rollen­verteilung, die viele Unternehmen operativ noch nicht abgebildet haben.

**Content-Infrastruktur vor Media-Buying.** Wer bei Perplexity oder ChatGPT bezahlt zitiert werden kann, kann es nur, wenn er organisch zitier­bar ist. Die Formate funktionieren nicht gegen Content-Vakuum. Marken ohne saubere strukturierte Produktdaten, ohne externe Validierung, ohne zitier­bare Fakten-Blöcke werden auch mit Werbe­budget nicht in sinnvolle Antwort­positionen gelangen. Media-Buying addiert in diesen Formaten einen Verstärker — es ersetzt keine Grundlage.

Zur konzeptionellen Einordnung dieser Logik → GEO (Generative Engine Optimisation) und → Zitierbarkeit.

Warum CPC und CPM 2027 nicht mehr die richtigen Kennzahlen sind

Google-Ads-Dashboards operieren mit CPC (Cost per Click), CPM (Cost per Mille) und Konversions-ROAS. Diese Metriken bauen auf einer Annahme auf: Der Nutzer sieht die Anzeige, klickt, landet auf der Marken-Seite, konvertiert. In Antwort­maschinen zerfällt die Kette.

**Der Nutzer sieht nicht die Anzeige.** Er sieht die Antwort. Darin steht möglicher­weise deine Marke.

**Der Klick ist optional.** Ein nicht geringer Teil der Nutzer liest die Antwort und schließt die App — mit Marken­erinnerung, aber ohne Besuch deiner Seite. Das ist Zero-Click-Verhalten, das Google in den letzten Jahren schon messbar gezeigt hat; in Antwort­maschinen ist es die Regel, nicht die Ausnahme.

**Die Konversion ist entkoppelt.** Der Nutzer sieht die Antwort heute, kauft in zwei Wochen über einen anderen Kanal — vielleicht Amazon, vielleicht Zalando, vielleicht direkt im Shop. Attribution auf das Antwort-Erlebnis ist mit heutiger Analytics-Logik nicht möglich.

Welche Kennzahlen stattdessen? Branchen­diskussion ist offen; was wir in Mandaten probieren:

• **Share of Answer:** Prozent der relevanten Intent-Queries, bei denen deine Marke in der Antwort erscheint. Messbar mit Monitoring-Tools (Peec AI, Writesonic, Otterly — alle 2026 am Markt).
• **Zitations-Position:** An welcher Stelle der Antwort erscheinst du (erste Nennung, Mittelteil, Vergleichs­block).
• **Brand-Query-Lift:** Steigt die Anzahl direkter Marken-Suchen in Google/Bing nach Zitations-Perioden?

Keine dieser Kennzahlen ist 2026 ausgereift. Alle drei zusammen sind näher an der Wirklichkeit, als CPC/CPM es noch sein werden.

Was Marken jetzt tun sollten

Drei konkrete Schritte, die in beiden Mandaten der aktuellen Pilot-Beobachtung aktuell priorisiert sind — unabhängig davon, ob die Marke bezahltes Werbe­format bereits testet oder nicht:

**Schritt 1 — Produktdaten so strukturieren, dass sie zitier­bar sind.** Vollständige `Product`-Schema-Attribute auf allen relevanten SKUs (siehe → ChatGPT-Shopping-Post für den operativen Teil). Produkt-Attribute im Fließtext, nicht nur in Tabellen. FAQ-Blöcke mit klaren Fakten­antworten. Das ist Prophylaxe, nicht Marketing — und sie wirkt auf organischer und bezahlter Zitier-Position gleicher­maßen.

**Schritt 2 — Monitoring­setup aufsetzen.** Bevor du Budget in Antwort­maschinen-Werbung schießt, miss die organische Zitations-Lage. Wie oft erscheint deine Marke in Intents, die für dich relevant sind, aktuell schon organisch? Welche Mit­bewerber werden häufiger zitiert, in welcher Begründungs­rolle? Das sind die Baselines, gegen die du Werbe­investment hinterher bewerten kannst. Ohne Baseline wird jede Pilot-Kampagne mit „es sah gut aus“ statt mit „es war messbar wirksam“ ausgewertet.

**Schritt 3 — GEO vor PPC.** Investiere die ersten 10.000 € in zitier­baren Content, nicht in Pilot-Ads. Content-Grundlage wirkt in bezahlten und organischen Zitier-Formaten gleicher­maßen. Bezahltes Werbe-Format ohne Grundlage ist Verbrennung von Pilot-Budget.

Grenze der Beobachtung

Wir haben noch keinen vollständigen Mandats-Datensatz mit bezahltem Werbe­format in Antwort­maschinen. ChatGPT Ads ist in DE nicht breit zugänglich; Perplexity Commerce haben wir in einem B2B-Mandat angespielt, aber nicht in einem Umfang, der statistisch belastbare Benchmark-Zahlen hergeben würde. Was wir berichten können, sind erste Beobachtungen und strukturelle Logik — keine Kampagnen-Benchmarks.

Was wir in den nächsten sechs Monaten testen: Zwei Pilot-Setups bei Perplexity-Sponsored-Answers in zwei verschiedenen Branchen (Konsum­güter FMCG und B2B-Service). Ziel: Share of Answer vor/nach Werbe­invest, Brand-Query-Lift in Google-Search-Console, Attribution über neue und direkte Shop-Besuche. Ergebnisse publizieren wir, sobald die Daten belastbar sind.

Vergleich zum verwandten Thema Rufus / Alexa for Shopping → Rufus-Post — die technische Verwandschaft zwischen den verschiedenen Antwort­maschinen-Shopping-Formaten wird spätestens 2027 operativ relevant, wenn Marken­hersteller ihre Produktdaten einmal für alle vorbereiten, statt pro Plattform.

Haltung

Werbung in KI-Antworten ist 2026 das, was Google Ads 2001 war: ein unausgereiftes Format mit großem Potenzial, bei dem die ersten Mover eine Lernkurve finanzieren, von der die späteren Mover profitieren. Für die meisten Mittel­ständler ist 2026 nicht das Jahr, um Budget rein zu schießen. Es ist das Jahr, die Grundlagen zu bauen, damit das Budget 2027/28 wirkt.

Was wir Mandanten aktuell empfehlen: Content-Grundlage priorisieren, Monitoring-Setup aufbauen, einen kleinen Pilot (unter 10 % des bestehenden Performance-Budgets) für die ersten Beobachtungen. Große Werbe­bewegung in Antwort­maschinen gehört 2027 in die Planung, nicht 2026.

Wer früh einsteigt, lernt teurer. Wer zu spät einsteigt, hat 2028 keine Position. Dazwischen liegt der Punkt, an dem die Formate stabil werden und die Werbe-Mechanik transparent wird. Diesen Punkt zu erkennen, ist die eigentliche Vertriebs­entscheidung — nicht, ob du heute schon dabei bist.

Fragen, Beobachtungen, Pilot-Daten — gerne.

Google hat die AI Overviews in Deutschland seit Frühjahr 2026 breit ausgerollt. Was in den USA 2024 begonnen hat, ist jetzt bei einem signifikanten Teil der deutschen Suchen Standard: Über den organischen Ergebnissen eine KI-Zusammen­fassung, die aus mehreren Quellen zitiert, Produkte vorschlägt und für viele Nutzer­fragen direkt antwortet — ohne dass der Nutzer noch klicken muss.

Für Marken­hersteller mit Produkt-SEO verschiebt sich damit die Rechnung, nach der der eigene Shop und der Content-Hub aufgebaut wurden. Die blaue Zehn — die zehn organischen Treffer­positionen, um die SEO 20 Jahre lang gekreist ist — gibt es noch, aber sie sind nicht mehr der primäre Discovery-Ort. Was oben steht, ist die Antwort. Was darunter kommt, wird seltener geklickt. Und was in der Antwort nicht genannt wird, existiert für den Nutzer in diesem Suchmoment nicht.

Wir haben in zwei Mandaten in den letzten sechs Monaten die Analytics-Entwicklung mit­verfolgt. Was wir sehen, was wir noch nicht sauber trennen können, und was Marken­hersteller struk­turell anpassen sollten — der Reihe nach.

Status AI Overviews in Deutschland

Google kommuniziert zu Rollout-Umfang und Query-Abdeckung nur selektiv. Was Branchen­beobachter (Sistrix, Searchmetrics, SparkToro) sichtbar machen, bestätigt grob folgendes Bild für den deutsch­sprachigen Raum, Stand Mitte 2026:

• AI Overviews erscheinen bei etwa einem Drittel aller informationalen Queries (Fragen, „Was ist…“, „Wie wirkt…“, „Welches … ist das beste“).
• Bei transaktionalen Queries (Produkt­namen plus Kaufab­sicht, Preis-Vergleiche) erscheinen sie seltener, aber mit wachsender Tendenz — Produkt-Boxen innerhalb der KI-Antwort werden häufiger.
• Branded Queries (direkte Marken­suchen) sind kaum betroffen; dort führt Google weiter direkt zur Marken-Domain.

Die durch­schnittliche Click-Through-Rate der klassischen organischen Position 1 ist für Queries mit AI-Overview-Einblendung branchen­übergreifend deutlich gesunken — Sistrix-Analysen auf 100 Mio. deutschen Keywords messen für Position 1 im Schnitt einen CTR-Rückgang von rund 59 Prozent (von 27 auf 11 Prozent). Ahrefs- und Seer-Interactive-Analysen international kommen auf dieselbe Größenordnung von −50 bis −60 Prozent. Das heißt nicht, dass Position 1 wertlos geworden ist — es heißt, dass die Rechnung „Position 1 = x % CTR“ nicht mehr trägt. Was Position 1 wirklich bringt, hängt davon ab, ob über ihr eine KI-Antwort steht und ob sie als Quelle in dieser KI-Antwort zitiert wird.

Was wir in zwei Mandats-Analytics gesehen haben

**Mandat 1 — FMCG-Marken­hersteller.** Zwei Jahre Produkt-SEO-Arbeit, sauberer Content-Hub mit 180 Produkt- und Ratgeber-Seiten, Position 1–3 für rund 60 informationale und 40 transaktionale Haupt­suchbegriffe. Entwicklung seit Rollout der AI Overviews in DE:

• Impressionen in Search Console sind gestiegen (etwa +18 % im Halbjahres­vergleich). Das klingt gut.
• Die Klicks sind trotzdem leicht gefallen (etwa −9 %). Also sinkende CTR auf die Impression — konsistent mit der branchen­üblichen Beobachtung.
• Für Ratgeber-Seiten (informational) besonders deutlich: Impressionen plus 25 %, Klicks minus 14 %.
• Für Produkt-Detail-Seiten (transaktional) weniger betroffen: Klicks nur leicht gefallen, Impressionen leicht gestiegen.
• In GA4: Session-Länge auf Ratgeber-Seiten unverändert, Konversion nicht messbar verändert (für diese Marke ist Konversion ohnehin nicht auf organischem Shop-Traffic verankert).

**Mandat 2 — B2B-Anbieter mit Produkt- und Service-Mix.** Ähnliche Richtung, aber mit Besonderheit: Die Content-Seiten, die als Quelle in AI Overviews zitiert werden (sichtbar an Snippets, die wir dort finden), haben nicht nur Klicks verloren — die Qualität der verbleibenden Klicks ist in GA4 gestiegen. Längere Sessions, mehr Seiten pro Session, höhere Formular-Konversion. Interpretation (vorläufig): Wer in der AI-Antwort als Quelle genannt wird und trotzdem klickt, kommt mit höherer Vorab-Information und härterer Intent-Qualifikation.

Beides sind Mandats-Beobachtungen, keine repräsentativen Studien. Die Richtung deckt sich aber mit dem, was Sistrix und SparkToro branchen­übergreifend aggregieren.

Was wir noch nicht sauber trennen können

**Problem 1 — AI-Overview-Impressionen separat ausweisen.** Google Search Console separiert KI-Overview-Impressionen aktuell nur eingeschränkt. Was wir in der Konsole als „Impression“ sehen, enthält AI-Overview-Erwähnungen und klassische Snippets gemischt. Das heißt: Wenn wir sagen „die Zitation durch AI Overview hat Qualität gebracht“, stützt sich das auf manuelle Query-Prüfungen, nicht auf eine saubere Daten­trennung.

**Problem 2 — CTR-Rückgang vs. Query-Mix.** Ein Teil des beobachteten CTR-Rückgangs könnte auch von veränderter Query-Verteilung kommen — also mehr Impressionen auf Long-Tail-Queries mit struk­turell niedriger CTR. Wir versuchen das mit Query-Clustering zu kontrollieren, aber es bleibt ein Confounder.

**Problem 3 — Zuschreibung des Umsatzes.** Welche Konversionen hätten auch ohne AI-Overview-Zitation statt­gefunden, welche sind kausal durch die Zitation ent­standen? Diese Frage ist mit der aktuellen Attributions-Logik in GA4 nicht sauber beantwortbar. Wer das behauptet, überdehnt.

Das sind keine Nebenfragen. Jede davon ist der Grund, warum SEO-Agenturen gerade sehr selbst­bewusste Dashboards verkaufen, die aus unterschiedlichen Datenquellen Zahlen bauen, die technisch nicht in der Tiefe stimmen. Wir machen das nicht. Wir unterscheiden Hypothese von Beleg — und das heißt in diesem Fall: Richtung klar, Höhe des Effekts noch nicht quantifizierbar.

Welche Query-Typen besonders betroffen sind

Aus Beobachtung und Branchen­daten:

• **Stark betroffen:** „Was ist [Begriff]“, „Wie wirkt [Produkt-Kategorie]“, „Welches [Produkt] ist das beste für [Anwendung]“, „Vergleich A vs. B“, „Vorteile und Nachteile von X“.
• **Mittel betroffen:** „Beste [Produkt-Kategorie] 2026″, „[Produkt-Kategorie] für [Zielgruppe]“, strukturelle Produkt­beratungs-Queries.
• **Kaum betroffen:** Direkte Marken-Suchen, Modell-Nummern, lokale Queries, Short-Tail-Produkt­namen mit Kaufab­sicht ohne Beratungs­kontext.

Für Marken­hersteller mit SEO-Fokus auf Ratgeber-Content heißt das: Die Hälfte der Traffic-Quelle, die 2022–2024 funktioniert hat, trägt 2026 weniger. Was früher „Position 1 bei einer Monat­suche von 2.400 → 20 % CTR → 480 Klicks“ war, ist heute vielleicht „Position 1 bei 2.900 Impressionen → 10 % CTR → 290 Klicks“. Dieselbe Position, geringerer Ertrag.

Was Marken­hersteller struk­turell anpassen sollten

Vier Hebel, die wir in beiden Mandaten testen bzw. ausgerollt haben:

**Hebel 1 — Zitier­bare Fakten-Blöcke am Anfang jeder Content-Seite.** Was ein LLM zitiert, sind kurze, präzise Fakten­sätze mit Quellen­nennung. Nicht erzählerische Einleitung, nicht Markenstory, nicht SEO-Fluff. Also im ersten Absatz: „Dieses Produkt enthält X, wiegt Y, ist für Z geeignet. Preis: 29 €. Verfügbar seit [Datum].“ Diese Formulierung wird zitier­bar; eine erzählerische Einleitung wird es seltener.

**Hebel 2 — Produkt-Attribute im Fließtext, nicht nur in Tabellen.** LLMs lesen Tabellen inkonsistent. Was im Fließtext steht, wird zuverlässiger extrahiert. Also: Nicht nur „Füllmenge: 500 ml“ in der Tabelle, sondern auch „Die Flasche enthält 500 ml und reicht etwa für vier Wochen bei täglicher Anwendung“ im Text.

**Hebel 3 — FAQ-Logik mit Quellen­nennung.** Direkte Antworten auf Fragen, die Nutzer stellen — „Ist X für Y geeignet?“, „Was ist der Unterschied zu Z?“ — als klar strukturierte Antwort­blöcke mit Quellen­verweis (interne Studien, externe Quellen, Expert­enzitate). Diese Form hat in unserer Beobachtung die höchste Zitier-Wahrscheinlichkeit in AI Overviews.

**Hebel 4 — Externe Validierung.** Produkte, die auf nicht-eigenen Domains erwähnt werden (Fachportale, unabhängige Reviews, Branchen­medien), tauchen in AI-Antworten häufiger auf. Produkt-PR wird dadurch nicht wichtiger als vorher — sie wird messbar wichtiger für die Discovery-Position. Nicht als Linkbuilding, sondern als Quellen-Validierung.

Zur konzeptionellen Einordnung → GEO (Generative Engine Optimisation), und zur operativen Umsetzung → Zitierbarkeit.

Was wir nicht empfehlen

**Keine Content-Produktion­spanik.** Die Reaktion „wir müssen jetzt 200 neue Content-Seiten schreiben, damit wir mehr Chancen auf Zitation haben“ ist der häufigste Fehler, den wir bei Marken­herstellern 2026 sehen. Mehr Content ohne Qualitäts­upgrade bringt in AI-Discovery nichts; was zählt, ist präzise Fakten­dichte, nicht Content-Volumen.

**Keine Keyword-Jagd auf AI-Overview-Queries.** Es gibt keine „AI-Overview-Keywords“, für die man wie früher für Short-Tail-SEO optimiert. Die Logik, aus der die KI zitiert, ist breiter: Content-Qualität, Attribut-Vollständigkeit, externe Validierung, strukturierte Daten. Das sind Grundlagen, nicht Tricks.

**Keine Umschrift bestehender Inhalte, bis die Richtung klar ist.** Wir warten in beiden Mandaten mit großflächigen Umbauten, bis wir messbare Zitation-Daten haben. Was früher „SEO-Rewrite“ hieß, heißt heute „zitier­bar machen“ — aber ohne klaren Beleg, welche Content-Form wirklich zitiert wird, ist jedes Rewrite ein Blind­flug.

Grenze der Analyse

AI-Overview-Reporting ist 2026 state of the art bei Werkzeugen wie Sistrix und Searchmetrics, aber noch jung. Was wir in sechs Monaten über die Entwicklung sagen können, wird in zwölf Monaten vielleicht anders aussehen. Deshalb strukturieren wir die Arbeit so, dass Hypothesen regelmäßig neu geprüft werden, und veröffentlichen Update-Posts statt Dauer-Positionen.

Vergleich zur verwandten Verschiebung bei ChatGPT Shopping → ChatGPT-Shopping-Post — die Mechanik ist ähnlich, der Anwendungs­kontext anders.

Haltung

Wir sagen Mandanten gerade: Dein SEO-Setup ist nicht kaputt — aber die Metrik, mit der du es gemessen hast, ist überholt. Nicht Position 1, sondern Zitation ist der neue Zielwert. Nicht Klicks, sondern Klick-plus-Zitation-Mix. Und nicht Content-Volumen, sondern Fakten­dichte und externe Validierung.

Marken, die das jetzt verstehen und ihre Content-Praxis umbauen, werden 2027 auf organischer Seite deutlich stabiler stehen. Marken, die weiter auf klassischer SEO-Metrik aufbauen, werden merken, dass die Konversions­werte seit 2026 abgedriftet sind — und werden das Marketing-Budget verantwortlich machen, obwohl das Problem früher liegt.

Was in den letzten 20 Jahren galt, galt für die blaue Zehn. Die neue Rechnung ist eine andere. Wer sie jetzt lernt, hat zwei Jahre Vorsprung.

Fragen, Datenpunkte, Widerspruch — gerne.

Zalando war 15 Jahre lang ein Online-Händler, der Ware einkaufte, lagerte und verkaufte. Zalando ist 2026 noch immer ein Online-Händler, aber zu einem großen Teil nicht mehr der, der die Ware lagert. Der Partner-Anteil am Zalando-GMV ist in den letzten vier Jahren von einem einstelligen Prozent-Wert auf eine zweistellige Größenordnung gewachsen — Zalandos eigene Investor-Berichterstattung weist für H1 2026 einen Partner-Programm-Anteil deutlich über 30 % des gesamten Fashion-GMV aus. Das heißt in der Praxis: Jedes dritte Produkt, das du bei Zalando kaufst, kommt nicht aus einem Zalando-Lager, sondern aus dem Lager einer Marke oder eines angeschlossenen Händlers. Zalando orchestriert — Marken fulfillen.

Für Marken­hersteller ist das weniger ein IT-Thema als ein strategisches. Weil die klassische Dichotomie „Marktplatz oder eigener Shop“ damit dreigliedrig wird. Es gibt eine dritte Position, die beides enthält: fremder Marktplatz-Front, eigene Fulfillment-Rückseite. Was das für Marge, Logistik und Marken­kontrolle heißt, lohnt es sich zu sortieren.

Was Connected Retail und das Partner-Programm genau sind

Zalando hat über die letzten Jahre zwei verwandte Modelle aufgebaut, die oft als „Partner-Modell“ zusammen­gefasst werden. Erstens das klassische Partner-Programm für Marken und Händler, bei dem der Partner Ware im eigenen Lager hält, Zalando die Nachfrage orchestriert und bei Bestellung ein Fulfillment-Trigger an den Partner geht. Zweitens Connected Retail, ursprünglich für stationäre Händler gedacht, die ihre lokale Ware über Zalando listen und direkt aus dem Laden versenden.

Für Marken­hersteller ist Modell eins der relevante Fall. Technisch: Du bindest dein ERP oder dein Lager­system an Zalandos Händler-API, meldest Bestand und Preise, bekommst Bestellungen per API, versendest aus deinem Lager, Retouren laufen zurück zu dir oder in ein Konsolidierungs­lager. Zalando nimmt Provision, nicht Einkaufs­rabatt.

Das ist nicht Dropshipping. Das ist Marktplatz-mit-Marken-Lager — ein Hybrid, der kommerziell irgendwo zwischen klassischem Wholesale und dem Amazon-Vendor/Seller-Modell liegt.

Marge-Rechnung: Partner-Modell vs. Wholesale

In der klassischen Wholesale-Logik verkaufst du eine Marken­ware mit 40–55 % Einkaufs­rabatt an Zalando (Bruttonetto­rabatt plus Werbe­kosten­zuschuss, Retouren­ausgleich usw. — die genauen Konditionen variieren). Zalando trägt Risiko: Lager, Nicht-Verkauf, Retoure. Du hast Umsatz- und Marge­berechen­barkeit auf Jahres­ebene.

Im Partner-Modell verkauft Zalando deine Ware zum von dir gesetzten Preis (du bist Händler gegenüber dem End­kunden) und zieht eine Provision ab, die je nach Kategorie branchen­üblich zwischen 10 % und 25 % liegt (konkrete Werte publiziert Zalando nicht einheitlich; in Mandats-Vereinbarungen bewegt sich der Range dort). Du trägst Lager, Retouren, Fulfillment, Payment-Risiko.

Grob gerechnet, am Beispiel einer Mode-SKU mit 90 € VK:

| | Wholesale | Partner-Modell | |—|—|—| | Netto-Erlös für dich | ~45–55 € | ~68–75 € (nach Provision) | | Lager-/Fulfillment-Last | Zalando | du | | Retouren-Vollkosten | Zalando | du (siehe → Retouren-Vollkosten-Post) | | Payment-Last | Zalando | du | | Marken­kontrolle Preis | Zalando | du |

Für eine SKU mit 25 % Retouren­quote und Retouren­voll­kosten von 12 € je Retoure gehen im Partner-Modell 3 € Retouren­belastung je Verkauf drauf. Fulfillment, Payment, Verpackung schlagen mit weiteren 5–8 € zu Buche. Netto bleibt im Partner-Modell oft ein ähnlicher Marge-Wert wie im Wholesale — aber mit zwei Unterschieden: Du behältst Preis-Kontrolle, und du trägst das Nachfrage­risiko selbst.

Was das Partner-Modell interessant macht, ist nicht die Marge-Rechnung pro Stück. Es ist, was drum herum passiert.

Was du im Partner-Modell gewinnst — und was du dafür brauchst

**Gewinne:**

• **Preis­kontrolle in Echtzeit.** Du kannst Preise täglich anpassen, Promotion-Phasen takten, UVP-Linien stabilisieren — ohne Jahres­verhandlung.
• **SKU-Breite ohne Jahres­commitment.** Du kannst Nischen-SKUs listen, die ein Einkäufer nicht ordern würde. Für Marken mit Longtail-Produkten ist das messbar.
• **Daten.** Mehr Transparenz über Suchen, Views, Conversion je SKU als im Wholesale-Reporting. Was Zalando aktiv tut mit diesen Daten (eigene Private-Label-Entwicklung) ist eine separate strategische Diskussion, auf die ich zurück­komme.
• **Keine Mindest­abnahmen.** Was nicht gekauft wird, bleibt in deinem Lager. Das ist Chance und Risiko zugleich.

**Operative Voraus­setzungen:**

1. **ERP-API-Fähigkeit.** Zalandos Händler-API ist nicht ohne, aber dokumentiert. Du brauchst entweder eine Middleware (ChannelEngine, Tradebyte, Lengow — alle gängig im DACH-Markt) oder eine direkte Integration. Setup-Kosten branchen­üblich 15–40 k € einmalig, plus 2–6 k € pro Monat laufend.
2. **SKU-Logik, die zum Partner-Modell passt.** Das heißt: Verfügbarkeits­kommunikation in Echtzeit, saubere Produkt­daten (siehe → [Marktplatz-Grundlagen](/glossar/marktplatz)), konsistente EAN/GTIN, keine Varianten­gewirr.
3. **Retouren-Workflow.** Entweder du nimmst Zalandos Retouren-Konsolidierungs-Service (gegen Gebühr) oder du baust eigenen Rückversand-Hub. Zweites rechnet sich erst ab ~2.000 Retouren/Monat.
4. **Preis- und Rabatt-Governance.** Wer bei Zalando am Preis dreht und bei Amazon nicht, hat innerhalb einer Woche eine Marken­preis-Diskussion. Preis-Konsistenz über Plattformen ist Pflicht, nicht Kür.

Marken­kontrolle: Was gewinnt die Plattform, was bleibt für die Marke

Das ist der strategisch wichtigste Teil, und er wird in Vendor-Verhandlungen gerade neu geframed. Was Zalando über den Partner-Modell-Pfad bekommt, ist der Hausmeister­schlüssel zum Marken­portfolio: Wissen, welche Marke in welcher Kategorie wie performt, mit welchen Attributen welche Konversion macht, zu welchem Preis welche Marge. Das ist strategischer als jede Jahres­verhandlung.

Zalandos Private-Label-Marken (Zign, Pier One, Anna Field u. a.) sitzen in genau den Kategorien, in denen das Partner-Modell am meisten Daten liefert. Das muss keine Kausalität sein — die Marken bestehen länger als das Partner-Programm. Es ist aber auch keine Zufälligkeit, dass die Datenlage, auf der Private-Label-Entscheidungen basieren, besser wird, je mehr Partner im System sind.

Was Marken dagegen tun können — und wo wir in Mandaten unterstützen — ist nicht „Partner-Modell meiden“, sondern Partner-Modell mit Marken-Governance: Welche SKU-Breite stellst du zur Verfügung, welche nicht; welche Attribute machst du sichtbar, welche hältst du zurück; wie takten sich deine Promotion-Phasen auf Zalando mit deinen anderen Kanälen; und — wichtiger als alles andere — welchen Teil deiner Produkt­geschichte erzählst du ausschließlich auf deinem eigenen Shop und nirgendwo sonst.

Vergleiche dazu auch → A+ Content-Post zur Grundfrage, wo Marken­erzählung bei Marktplätzen überhaupt hingehört.

Konsequenz für die Shop-Strategie

Der klassische Dualismus „eigener Shop vs. Marktplatz“ wird dreigliedrig. Es gibt:

1. **Marktplatz-als-Shop-Light.** Zalando Partner-Modell, Otto Market, Kaufland.de. Du bist Händler, hast Preis-Kontrolle, trägst Fulfillment-Risiko, zahlst Provision statt Rabatt.
2. **Klassischer Marktplatz.** Amazon Vendor-Rahmen, Zalando Wholesale, klassische Händler-Beziehung. Du hast Umsatz­berechen­barkeit, aber weniger Steuer­gewalt.
3. **Eigener Shop.** Marken­ort, Daten­sammel­stelle, Preis-Flaggschiff. Rechnet sich 2026 selten als Umsatz-Kanal, oft als Marken-Instrument.

Für Marken­hersteller mit 10 Mio. €+ Umsatz ist Position 1 (Marktplatz-als-Shop-Light) 2026 fast immer eine strategische Option, die geprüft werden sollte. Das heißt nicht, sie zu wählen. Es heißt, die Marge-Rechnung des Partner-Modells gegen die Wholesale-Rechnung zu stellen und zu entscheiden, welches Risiko-Marge-Verhältnis besser zur Marken­phase passt.

Was wir in Mandaten oft sehen: Marken, die aus Wholesale kommen, unter­schätzen die operative Last des Partner-Modells (Fulfillment, Retouren, Service-Erwartung des End­kunden). Marken, die aus D2C kommen, unter­schätzen die Logik der Zalando-Nachfrage­kurve (saisonale Peaks, Promotion-Timing, Mode-Zyklen). Beide Fehler sind teuer, und beide sind vor dem Setup vermeidbar.

Begriffs­klärung → D2C zur Abgrenzung Marke vs. Kanal, und → Marktplatz zur Taxonomie der verschiedenen Marktplatz-Formate.

Haltung

Zalando Connected Retail bzw. das Partner-Modell ist kein neues Thema, aber es ist 2026 das Thema, bei dem die stärkste Verschiebung in der deutschen Fashion-Logik passiert — und zunehmend über Fashion hinaus. Marken, die das als operative Frage behandeln („wie binden wir Zalando an?“), lassen die strategische Dimension liegen. Marken, die es als strategische Frage behandeln („welchen Teil unseres Business steuern wir, welchen geben wir an die Plattform?“) treffen bessere Entscheidungen.

Was die nächsten 24 Monate zeigen werden: Welche Marken es schaffen, Partner-Modell und eigenes Marken-Narrativ zusammen zu halten — und welche in der operativen Umsetzung die Marken-Erzählung an die Plattform abgeben. Zweiteres ist der häufigere Fall. Erst­eres ist der, auf den es für die nächste Marken­phase ankommt.

Fragen zum Partner-Modell-Setup oder zur Marge-Rechnung — gerne.

TikTok Shop ist in Deutschland im Frühjahr 2025 live gegangen. Seitdem häufen sich zwei Narrative: das eine sagt „der nächste große E-Commerce-Kanal, du musst jetzt rein, sonst verpasst du’s“ — das andere sagt „in Europa fliegt das nicht, zu alte Zielgruppe, zu regulierter Markt, Live-Commerce hat sich in DACH nie durchgesetzt“. Beide Positionen sind zu grob. Was wir aus eigener Beobachtung und aus zwei Mandats-Tests ableiten können, liegt dazwischen — und ist für die meisten Marken­hersteller ehrlich: aktuell nicht der Hebel, auf den du drücken musst.

Status Deutschland, 15 Monate nach Launch

Öffentliche Zahlen sind spärlich. ByteDance veröffentlicht keine Marktplatz-GMV für Deutschland. Was in der Branche kursiert, ist über das bevh-Marktforschungs­netz, Marketplace-Pulse-Analysen und Händler-Umfragen rekonstruiert.

Grob-Hausnummer: Der TikTok-Shop-GMV in Deutschland lag im ersten Jahr vermutlich im niedrigen drei­stelligen Millionen-Bereich — das ist unter 1 % des deutschen Online-Handels­gesamt­volumens (bevh schätzt den deutschen Online-Handel 2025 auf rund 85 Mrd. € B2C-Umsatz). Zum Vergleich: Amazon.de allein lag bei einem Vielfachen davon. Für die meisten Marken­hersteller ist TikTok Shop damit aktuell ein Experimental-Kanal, kein Umsatz-Kanal.

Was gewachsen ist: die Anzahl aktiver Händler-Konten (vier­stellig), die Zahl der laufenden Creator-Kooperationen, die operative Infrastruktur (Fulfillment-Partner, Payment-Integration, Retouren-Logik). Die Shop-Infrastruktur steht; was nicht steht, ist die Nutzungs­gewohnheit auf Käufer­seite in deutscher Breite.

Welche Produkt­kategorien in DE funktionieren

Aus Mandats-Beobachtung und öffentlichen Händler-Berichten lassen sich drei Muster ablesen, in denen TikTok Shop messbar Umsatz erzeugt:

**Impuls­affin, visuell, Preis unter 30 €.** Beauty-Produkte (Lipgloss, Nagellack, Haarpflege-Einzel­artikel), Food-Specials (Riegel, Snacks mit visuellem Reiz), kleine Haushalts­gadgets, Fashion-Accessoires. Produkte, die man im Scrollen sieht, versteht und ohne Zögern bestellt. Konversion auf TikTok Shop für solche Produkte liegt branchen­üblich bei 1,5–4 %, deutlich über klassischer Social-Commerce-Konversion.

**Trend-Produkte mit kurzer Hype-Welle.** Alles, was 2025/26 unter dem „TikTok made me buy it“-Phänomen lief: Fitness-Gadgets, Haar­werkzeuge, Küchen­helfer. Diese Produkte können in der Hype-Woche fünf­stellige Stück­zahlen umsetzen — und zwei Wochen später bei null landen. Für Marken, die diesen Rhythmus bedienen können (schnelle Lager, flexible Fulfillment), ist das relevant. Für klassische Marken­hersteller mit sechs­monatigen Planungs­horizonten ist es nicht bespielbar.

**Creator-nahe Marken mit eigenem Content-System.** Marken, die eh schon Content produzieren und Creator managen, haben TikTok Shop als zusätzliche Monetarisierungs­schicht angebaut. Für sie rechnet sich der Kanal, weil die Content-Produktions­kosten nicht neu entstehen.

Welche Kategorien aktuell nicht funktionieren

Pauschal­aussage, Vorbehalt vorweg: nicht funktioniert heißt nicht null Umsatz, es heißt der Aufwand zum Umsatz-Verhältnis ist aktuell negativ.

• **Produkte mit Erklärungs­bedarf über 60 Sekunden.** Also B2B, hochpreisig, komplex. TikToks Content-Format erzwingt kurze Entscheidung; alles, was eine ausführliche Produkt­seite braucht, verliert.
• **Produkte mit regulatorischem Overhead.** Nahrungs­ergänzung mit Health-Claims (LMIV, Health-Claim-Verordnung), Medizin­produkte, Finanz­dienstleistungen — die Content-Compliance-Prüfung ist operativ nicht trivial, und die Risiken bei Verstößen (TikTok-Account-Sperrung) stehen in keinem Verhältnis zum Kanal-Umsatz.
• **Produkte, die Beratung vor Kauf brauchen.** Erklärungs­bedürftige Konsum­güter mit Varianten­entscheidung (richtige Größe, richtige Variante). TikTok-Käufer wollen keine Konfigurations­reise.
• **Marken-Hersteller mit starker Marktplatz-Preis­kontrolle.** Wenn deine Marke eine konsistente UVP-Linie fährt, kannst du bei TikTok Shop nicht so aggressiv rabattieren, wie es der Kanal honoriert — und ohne Rabatt-Mechanik läuft das Format schlecht.

Was Marken­hersteller operativ unterschätzen

Drei Dinge, die in den Launch-Präsentationen für TikTok Shop regelmäßig fehlen und in der Mandats-Realität zu teuren Lehrstunden werden.

**Erstens, Live-Shopping-Logistik.** TikTok-Live-Shopping ist kein Nebenbei-Format. Ein Live mit relevanter Reichweite in DE braucht Moderator, Produktions-Setup, Pre-Shoot-Vorbereitung, Post-Live-Fulfillment-Spike. Produktions­kosten pro Stunde Live mit Creator-Beteiligung: 1.500–8.000 €, je nach Creator-Reichweite und Produktions­qualität. In den Mandats-Tests haben wir Live-Formate mit 400–900 € Umsatz pro Stunde gesehen — bei Produktions­kosten von 1.500 €+. Deutlich mehr als die Hälfte der ersten Live-Versuche hat kein positives Deckungs­beitrags-I-Ergebnis erzeugt.

**Zweitens, Creator-Netzwerk.** TikTok-Shop lebt davon, dass Creator deine Produkte zeigen. Das heißt: Creator finden, briefen, bemustern, Provision verhandeln, Content kontrollieren, Rechte klären, Compliance absichern. In unseren Mandaten ging das Verhältnis ange­schriebener Creator zu produktiven Kooperationen bei etwa 1:12 — also 12 Anfragen für eine Zusammen­arbeit, die am Ende Umsatz brachte. Das ist operativer Aufwand, der nirgendwo im Business-Case steht.

**Drittens, Preis-Kannibalisierung zum eigenen Shop.** Die Logik auf TikTok Shop verlangt Rabatt-Mechanik („Flash Sale“, „TikTok-exklusiv“). Wenn du dort 25 % unter Shop-Preis verkaufst, lernt der Kunde, dass er in deinem eigenen Shop den schlechteren Preis zahlt. Das ist ein strategisches Problem, das in der Marktplatz-Diskussion seit zehn Jahren besteht — nur dass TikTok es schneller und sichtbarer macht.

Zu dem Thema Live-Commerce und wofür es strukturell steht → Live-Commerce.

Grobe Entscheidungs­matrix

Wenn du gerade abwägst, ob TikTok Shop für dich 2026 ein Experiment wert ist, hier die vier Fragen, die wir in Mandaten stellen:

1. **Ist dein Produkt in unter 15 Sekunden visuell erklärt?** Wenn nein — nicht TikTok.
2. **Liegt dein VK unter 30 €, oder gibt es eine SKU-Variante, die darunter liegt?** Wenn nein — nicht TikTok.
3. **Kannst du 2026 mit flexiblen Preis-Mechaniken arbeiten, ohne deine UVP-Linie zu zerstören?** Wenn nein — nicht TikTok.
4. **Hast du Content-Produktions­kapazität (intern oder extern) für mindestens 20 Creator-Kooperationen pro Jahr?** Wenn nein — nicht TikTok, sondern erst Content-Kapazität aufbauen.

Wenn du bei allen vier ehrlich „ja“ sagen kannst: Pilot-Setup mit kleinem Budget (10–20 k € über drei Monate), feste Lernziele, Review nach 90 Tagen. Wenn du bei zwei oder mehr Fragen „nein“ sagst: aktuell nicht dein Kanal. Beobachte den Markt, warte 12 Monate, und schau dann wieder hin.

Vergleich zur breiteren Kanal-Entscheidungs-Logik: Das steht im → Kanal­entscheidungs-Framework.

Was in 15 Monaten anders aussehen könnte

Zwei Dinge, die wir beobachten:

**Entwicklung bei älteren Zielgruppen.** TikTok wächst in Deutschland in der Alters­gruppe 35+ messbar. Wenn die Käufer-Mitte sich verschiebt, verschiebt sich das Kategorie-Spektrum. In China ist TikTok Shop für Haushalts­geräte und erklärungs­bedürftige Produkte relevant — das kam, als die Zielgruppen­breite dort erreicht war.

**Payment- und Logistik-Reibung sinkt.** Checkout wird schneller, Retouren-Prozesse werden stabiler, Händler-Dashboards werden operativer. Das heißt: Operations wird günstiger. Was heute 15 € pro verkaufter Einheit an Overhead frisst, kostet in 12 Monaten vielleicht 9 €.

Beides zusammen könnte den Punkt verschieben, an dem TikTok Shop für mittel­ständische Marken­hersteller unter die operative Rechnungs­schwelle rutscht. Aktuell ist er darüber. In 12–18 Monaten vielleicht nicht mehr.

Ehrliche Einschränkung

Wir haben zwei Beobachtungs­punkte und einige Branchen­gespräche. Das ist keine systematische Analyse von 20 Marken. Jede Produkt­gruppe hat ihre eigene Dynamik — in Beauty funktioniert TikTok Shop in DE deutlich besser als in Food, in Food besser als in Haushalts­geräten. Deine Produkt­kategorie kann anders laufen. Was wir hier zeigen, ist das Muster — nicht die Garantie.

Haltung

Wir empfehlen Mandaten aktuell in zwei von drei Fällen, mit TikTok Shop zu warten. Nicht weil der Kanal uninteressant ist, sondern weil die operative Last gemessen am ehrlich erwart­baren Umsatz für die meisten Marken nicht trägt. Für die ein von drei, bei denen die Produkt-Kanal-Pass­ung stimmt, lohnt sich der Einstieg — mit kleinem Budget, klaren Lernzielen, kurzer Review-Taktung.

Was in den nächsten 12 Monaten passieren wird: Die ersten Marken-Hersteller, die auf TikTok Shop gesetzt haben, ohne die Pass­ung zu prüfen, werden ihren Rückzug intern erklären müssen. Das wird im Branchen­gespräch als „TikTok Shop fliegt in DE nicht“ durchgehen. Das ist falsch. Was fliegt oder nicht fliegt, ist die Pass­ung zwischen Produkt, Zielgruppe und Format — nicht der Kanal.

Mandate, die vorher gerechnet haben, treffen bessere Entscheidungen. Mandate, die nach dem Hype entscheiden, treffen teurere.

Was wir in den nächsten sechs Monaten beobachten

Drei Punkte, die wir in beiden Mandats-Tests weiter mitlaufen lassen und in einem Follow-up-Post Anfang 2027 publizieren wollen:

Erstens, die Entwicklung der Content-Produktions­kosten pro TikTok-Shop-Umsatz-Euro. Aktuell liegen wir in beiden Tests bei einem Verhältnis, das keine positive Deckung ergibt. Wenn Creator-Preise fallen oder User-generated-Content stärker skalier­bar wird, kann sich dieses Verhältnis verschieben.

Zweitens, die Payment- und Checkout-Logik. TikTok Shop hat 2025 noch mit einem Checkout gearbeitet, der branchen­üblich 15–25 % Abbrecher­quote hatte. Was Payment-Partner und TikTok selbst daran drehen, verändert die Konversions­rechnung spürbar.

Drittens, die Entwicklung bei älteren Zielgruppen in DACH. Wenn die Käufer­breite steigt, verschiebt sich das Kategorie­spektrum — und damit die Pass­ungs-Rechnung für klassische Marken­hersteller.

Fragen zu deiner spezifischen Kategorie — gerne.

Wenn Marken­hersteller einen D2C-Business-Case rechnen, kommt in 9 von 10 Fällen eine Retouren­position in der Kalkulation vor, die so aussieht: *„Retouren­quote 20 %, pro Retoure 7 € Portokosten, Wareneingang 2 € — ergibt 1,80 € Belastung je verkauftem Stück bei 100 €-Produkt.“* Diese Rechnung ist nicht falsch. Sie ist unvollständig. Und zwar so unvollständig, dass sie den D2C-Business-Case regelmäßig zum Fehlschlag mach, der dann an „schwachem Marketing“ festgemacht wird — obwohl das Problem im Rechnungswesen begann.

Wir haben in zwei Mandaten über zwölf bzw. acht Monate die tatsächlichen Retouren-Vollkosten gegen die Plan-Kosten gestellt. Beide Marken aus dem Mittelstand, beide mit eigenem Shop plus Fachhandel, eine aus Bekleidung-nahem Segment, eine aus hartem Konsumgut. Alles anonymisiert, qualitativ nach­gezeichnet. Was wir gesehen haben, war in beiden Fällen eine Lücke zwischen 60 % und 120 % — zwischen dem, was im Business-Plan stand, und dem, was tatsächlich auf der Marge gelandet ist.

Die klassische Retouren­rechnung — und was sie weglässt

In fast jedem D2C-Startup-Deck steht Retouren­kosten so: *Retour-Porto + Wareneingangs­bearbeitung*. Punkt. Zahlen­beispiel: 6 € Porto, 2 € Handling, macht 8 € pro Retoure. Bei 20 % Retouren­quote und 80 € durch­schnittlichem Warenkorb landen 2 € je Verkauf als Belastung. Spürbar, aber kalkulierbar.

Dann startet der Shop. Nach drei Monaten merkt die Finance-Abteilung, dass die Marge nicht stimmt. Nach sechs Monaten merkt sie auch, warum. Da fehlen vier Kosten­blöcke, die alle in die Retouren­kosten gehören, aber in keinem Standard-Business-Plan auftauchen.

Vier versteckte Blöcke

**Block 1 — Qualitäts­prüfung je zurück­kommender Einheit.** Jedes zurück­kommende Produkt muss in den A-Ware-Verkauf zurück oder nicht. Dafür muss jemand hingucken: Verpackung, Zustand, Vollständigkeit, bei textilem Zeug auch Geruch und Tragespuren, bei Elektronik Funktions­test, bei Lebens­mitteln MHD. Branche­nübliche Zeit­bedarfe: 3–8 Minuten pro Einheit, bei empfind­licher Ware deutlich mehr. Rechne 0,80–3,50 € je Retoure, abhängig von Produkt und Standort.

In einem der beiden Mandate war dieser Block im Business-Plan mit 0,00 € angesetzt — mit der Begründung „macht das Lager mit, keine Zusatzkosten“. Falsch. Lager­personal­kosten sind variabel; was in der Prüfung sitzt, sitzt nicht in der Kommission­ierung. Dieser Block war am Ende der größte Einzel­kosten­treiber.

**Block 2 — Umverpackung bzw. Wieder­aufbereitung.** Wenn die Umverpackung bei Rücksendung beschädigt ist (bei B2C-Rücksendungen die Regel, nicht die Ausnahme — über 60 % der Retouren kommen in Zweit­verpackung oder mit beschädigter Primär­verpackung zurück, bevh Retouren-Studie 2025), muss sie ersetzt werden, bevor der Artikel wieder in den Verkauf geht. Umverpackungs­kosten plus Zeit: 0,50–2,50 € je Retoure, bei aufwendigeren Primär­verpackungen (Pharma-Faltschachtel, Premium-Kosmetik) auch 4–5 €.

**Block 3 — Payment-Rückabwicklung.** Die Zahlungs­rück­buchung über PayPal, Klarna, Kreditkarte verursacht Gebühren, die vom Zahlungs­anbieter oft nicht zurück­erstattet werden — plus die Buchhaltungs­arbeit auf eurer Seite. 0,30–0,80 € je Retoure, abhängig vom Payment-Mix. Klingt klein, summiert sich bei 10.000 Retouren pro Jahr auf 3.000–8.000 €.

**Block 4 — Zweit­vermarktung oder B-Ware-Abschlag.** Nicht jede Retoure landet als A-Ware zurück im Verkauf. In Bekleidung sind je nach Marke 15–30 % der Retouren nicht mehr A-Ware (verwaschen, deformiert, parfümiert, Marken­etikett entfernt). In hartem Konsumgut sind es 5–15 %. Diese Ware muss entweder über B-Ware-Kanäle verkauft werden — zu 40–70 % des Original­preises — oder entsorgt. Beides schlägt direkt in die Marge.

Rechnet man alle vier Blöcke zusammen, kommt man in beiden Mandaten auf tatsächliche Retouren­voll­kosten von 10–20 € je Rücksendung bei Bekleidung­snahen Produkten, 7–14 € bei festen Konsum­gütern. Nicht die ursprünglich geplanten 8 €. Branche­nvergleich: Die bevh-Zahlen für Bekleidung bestätigen die 10–20 €-Range, EHI-Studien für Non-Bekleidung sehen 7–15 € je Rücksendung. Wir liegen damit nicht aus dem Rahmen.

Was das mit der Marge macht

Rechenbeispiel am Mandat (anonymisiert):

• Produkt­gruppe aus hartem Konsumgut, VK 69 €, Herstell­kosten plus Logistik bis zum eigenen Lager 22 €
• Marketing­kosten pro Verkauf (Blended CAC-Modell, Shop-only) 12 €
• Payment, Verpackung, Versand zum Kunden 6 €
• Deckungs­beitrag vor Retouren: 29 €
• Retouren­quote bei diesem Produkt: 25 % (Branche­ndurchschnitt FMCG ist niedriger, hier hoher Konfigurations-Grad)
• **Plan-Retouren­kosten im Business-Case:** 8 € × 25 % = 2,00 € je Verkauf → DB nach Retouren: 27 €
• **Ist-Retouren­kosten laut Vollkosten-Rechnung:** 13 € × 25 % = 3,25 € je Verkauf → DB nach Retouren: 25,75 €

Klingt nach 1,25 € Differenz. Ist bei 15.000 Verkäufen pro Jahr 18.750 € Marge, die im Business-Plan nicht sichtbar war. Bei einem Shop, der insgesamt 435.000 € Deckungs­beitrag pro Jahr aus­weist, sind das 4 Prozent­punkte, die weg sind, bevor irgendwer merkt, dass sie weg waren.

In der zweiten, textil­nahen Marke war die Differenz noch größer. Da sprach der Plan von 2 % Marge-Belastung durch Retouren, tatsächlich waren es 7 %. Die Marke hat sechs Monate gebraucht, um das zu erkennen, dann noch mal drei, um gegen­zusteuern.

Begriffs­klärung → Marge, falls du zwischen Deckungs­beitrag I/II und EBIT-Marge gerade unsicher bist.

Welche Hebel vor dem Launch funktionieren — welche danach nur noch Schadens­begrenzung sind

**Vor dem Launch (strukturell):**

1. **Größen­beratung bzw. Konfigurations­beratung auf der Produkt­seite.** Je besser der Kunde vor dem Kauf weiß, was er bekommt, desto geringer die Retouren­quote. Für Bekleidung sind das Größen­tabellen plus idealer­weise Fit-Finder; für erklärungs­bedürftige Konsum­güter interaktive Konfigurator-Logiken. 2–5 Prozent­punkte Retouren­quote lassen sich dadurch rausholen — und 1 Prozent­punkt Retouren­quote spart in der obigen Rechnung rund 0,13 € je Verkauf, also bei 15.000 Verkäufen fast 2.000 €.
2. **Produkt­daten-Qualität.** Vollständige Attribut­daten, korrekte Fotos (nicht geschönt), Angaben zu Material, Gewicht, Größe. Je weniger Überraschung beim Auspacken, desto geringer die Rücksendung. Das ist die billigste Prophylaxe — und die, die am häufigsten liegen bleibt, weil sie nicht wie Marketing aussieht.
3. **Review-Transparenz.** Ehrliche Bewertungen senken Retouren mehr als geschönte. Kunden, die vor dem Kauf lesen „Fällt kleiner aus“, bestellen die passende Größe. Marken, die unter­durchschnittliche Reviews filtern, haben über­durchschnittliche Retouren­quoten. Das ist statistisch belegbar und wird in jedem Marken-Dashboard sichtbar, sobald man es anschaut.

**Nach dem Launch (nur noch Schadens­begrenzung):**

• Retouren­prozess straffen (prozentualer Hebel klein)
• Zweit­vermarktungs-Kanäle optimieren (reduziert Block 4, aber begrenzt)
• Payment-Mix anpassen (Rechnungs­kauf hat die höchste Retouren­quote, auch bekannt, aber oft politisch schwer zu drehen)

Wer die drei strukturellen Hebel vor Launch nicht zieht, kann die Retouren­kosten operativ danach kaum unter 10 % der ursprünglichen Höhe drücken. Alles andere ist Marge-Blut­verlust, der sich nicht mehr auffangen lässt.

Was das für die Shop-Entscheidung heißt

Wenn du gerade einen D2C-Shop baust oder planst — nicht als Flagship, sondern als Umsatz-Kanal — dann gehört die Retouren­voll­kosten­rechnung in das erste Gespräch, nicht in das Service-Nachhand­lungs­gespräch sechs Monate nach Launch. Weil der Shop-Business-Case ohne diese Rechnung meistens positiv aussieht und mit dieser Rechnung oft negativ. Und weil du dann die richtige Frage stellen kannst: Rechnet sich dieser Shop als Umsatz-Instrument — oder nur als Marken-Instrument? (Zu dieser größeren Frage schreibe ich separat → Brauchst du 2026 noch einen eigenen Shop?.)

Begriffs­klärung → D2C, falls du zwischen D2C-Marke und D2C-Kanal gerade unterscheidest.

Haltung

In fast jeder D2C-Beratung wird Retouren als Fußnote behandelt. In unserer Mandats­realität ist Retouren der zweit­größte Marge-Treiber nach Customer-Acquisition-Cost. Beides hängt zusammen: Je teurer die Akquise, desto teurer die Retoure, weil der Akquise­aufwand nicht zurück­kommt. Marken, die D2C mit Marktplatz-Marge kalkuliert haben, haben sich verrechnet. Marken, die D2C mit realistischer Retouren-Rechnung kalkuliert haben, sind oft zu dem Schluss gekommen, dass D2C für ihr Produkt nicht trägt — und haben damit richtig entschieden.

Das ist der Satz, der in keiner Shop-Agentur-Präsentation steht und der in unseren Mandaten regelmäßig fällt: Manche Produkte gehören nicht in einen eigenen Shop. Nicht aus Technik- oder Marketing­gründen, sondern aus Marge-Gründen. Das zu erkennen, bevor der Shop steht, ist mehr wert als jede Launch-Kampagne.

Fragen? Konkrete Rechnung zu deinem Produkt? Schreib uns.

ChatGPT hat in den letzten Monaten das ausgebaut, was OpenAI intern „Shopping Experience“ nennt — Produkt­karten innerhalb der Antwort, Preis-Hinweise, Deeplink direkt zum Händler. Es gibt dafür kein Händler-Dashboard, kein Login, kein Konto, das du als Marke anlegst. Trotzdem tauchen Produkte dort auf. Oder nicht. Wir haben an einem Mandat sechs Wochen beobachtet, welche SKUs zitiert werden und welche nicht — und was wir daraus ableiten können.

Vorab zwei Dinge: Erstens, dieser Post ist keine SEO-Anleitung. Zweitens, wir haben an einem Mandat Beobachtungen gemacht, nicht an zwanzig. Alles, was unten als „wir sehen“ steht, ist eine Hypothese mit einer Stichprobe von einem — mit allem, was das heißt.

Was ChatGPT Shopping aktuell leistet

Wenn du in ChatGPT nach einem Produkt fragst — „Welches ist das beste magnesiumhaltige Nahrungs­ergänzungs­mittel für Sportler?“, „Was ist eine gute Schreibtisch­lampe unter 150 €?“, „Welcher Rucksack für Fahrrad­pendler?“ — bekommst du seit Anfang 2026 regelmäßig eine Produkt­auswahl eingeblendet. Vier bis acht Karten mit Produktbild, Marke, Preis-Range, Händler-Link. Die Karten kommen aus zwei Quellen: einem Partner-Feed-Programm, das OpenAI mit ausgewählten Händlern aufgebaut hat (unter anderem Shopify-Merchants), und einem Index aus öffentlich zugänglichen Produktdaten im Web.

Für Markenhersteller heißt das: Du bist dort entweder vertreten, weil ein Händler, der deine Marke führt, am Feed-Programm teilnimmt — oder weil ChatGPT dich im offenen Web gefunden hat. Beides passiert ohne dein Zutun. Beides lässt sich beeinflussen.

Was ChatGPT nicht liefert: keine Transaktion in der App, keine Checkout-Integration, keine garantierte Position gegen Bezahlung (Stand Juni 2026 — die Ads-Pilot-Phase läuft erst an, siehe späterer Post zu Perplexity Commerce und ChatGPT Ads). Was es liefert: eine Empfehlung mit Begründung — und wenn dein Produkt in der Begründung auftaucht, bist du im Zitier-Teil der neuen Discovery-Welt.

Das Mandat

Konsumgüter­hersteller, mittelständisch, ~45 Mio. € Umsatz. Drei Vertriebs­kanäle: Vendor Central (Amazon), Fachhandel, eigener Shop. Rund 180 aktive SKUs, davon 20 Hauptumsatz-Produkte, der Rest Long-Tail. Für den Test haben wir 40 SKUs aus zwei Produkt­gruppen beobachtet: eine mit erklärungs­bedürftigem Charakter (Produktgruppe A), eine mit kommod­itärem Charakter (Produktgruppe B).

Methodik: Vier Prompt-Typen, jeweils fünf Varianten, über sechs Wochen zweimal wöchentlich wiederholt. Insgesamt rund 240 Prompts. Dokumentiert: Welche Marken wurden zitiert, in welcher Reihen­folge, in welcher Begründungs­rolle. Zwei Prüferinnen aus unserem Team, damit nicht nur Christopher einseitig interpretiert.

Was wir nicht gemacht haben: automatisiert gescraped (verstößt gegen OpenAI-TOS), Umsätze zugeordnet (ChatGPT-Referrer sind in Analytics-Tools unsauber getrennt), Vergleich zu Perplexity oder Google AI Overviews (anderer Post).

Beobachtung 1 — Zitiert wird, was strukturiert ist

In Produktgruppe A (erklärungs­bedürftig) waren im Durchschnitt vier der acht Hauptmarken dort regelmäßig vertreten. Die Marken, die zitiert wurden, hatten alle drei Dinge gemeinsam:

1. **Vollständige strukturierte Daten auf der Produkt­detail­seite.** `Product`-Schema, `Offer`-Schema mit Preis, `AggregateRating`, `Brand`. Keine halben Felder, keine fehlenden `description`-Attribute.
2. **Fließtext mit Produkt­attributen,** nicht nur Marketing-Prosa. Also tatsächlich im Satz: „Dieses Produkt enthält X, wiegt Y, ist für Z geeignet“ — nicht in einer separaten Tabelle, die ChatGPT eventuell liest, eventuell nicht.
3. **Mindestens drei unabhängige Erwähnungen auf nicht-eigenen Domains** innerhalb der letzten 12 Monate — Fachportale, Testberichte, Händler-Beschreibungen.

Was nicht ausgereicht hat: schönes PDF-Datenblatt, lange SEO-Texte ohne klare Attribut-Nennung, hohe Google-Rankings auf Short-Tail-Begriffe. Google-Position-1 für „Produkt­gruppe A beste Marke“ korrelierte nicht mit ChatGPT-Zitation. Zwei Marken, die bei Google permanent oben stehen, wurden in ChatGPT seltener zitiert als eine Marke auf Google-Position 7, die aber ihre Produktdaten konsequent im Schema-Format ausliefert.

Das ist der zentrale Hinweis: Google-SEO und LLM-Discovery sind verwandt, aber nicht identisch. Siehe auch → GEO für die Begriffs­klärung.

Beobachtung 2 — In Produktgruppe B spielt sich eine andere Dynamik ab

In Produktgruppe B (kommoditär, Preis unter 25 €, austauschbar) sah die Verteilung anders aus. Hier wurde selten eine spezifische Marke zitiert — stattdessen bekamen die Prompts eine generische Kategorie-Antwort („achte auf X, Y, Z“) plus zwei bis drei Händler-Links (Amazon, idealo, ein Shopify-Shop). Wenn Marken genannt wurden, dann meist zwei bis drei bekannte Namen plus eine „Preis-Leistungs“-Empfehlung aus einer anderen Preis­klasse.

Für die Marke in diesem Mandat heißt das: In Produkt­gruppe B ist ChatGPT aktuell kein relevanter Discovery-Kanal für dich. Der Nutzer landet eher auf einem Marktplatz als auf deinem Shop. Daran kannst du mit Content vermutlich wenig ändern — die Antwort­logik ist in dieser Kategorie strukturell generisch.

In Produktgruppe A dagegen: hochgradig relevant. Wenn du dort nicht zitiert wirst, verlierst du Marken-Awareness in einer Discovery-Phase, in der sich die Markenwahl möglicher­weise schon entscheidet.

Beobachtung 3 — Korrelation ist nicht Kausalität

Wir haben in Woche vier bei zwei SKUs die `Product`-Schema-Attribute vervollständigt (vorher fehlten `aggregateRating` und `brand.sameAs` auf Wikidata). In Woche sechs waren beide SKUs häufiger in den Antworten. Klingt wie Beweis. Ist es nicht.

In derselben Zeit hat ein Fachportal eine der beiden SKUs in einem Vergleichs­test erwähnt. Und ChatGPT crawlt bekannter­maßen diskontinuierlich, mit Verzögerungen, die wir von außen nicht kennen. Welcher der drei Faktoren wie viel beigetragen hat — Schema-Fix, externe Erwähnung, zufälliger Re-Index — können wir mit einem Mandat und sechs Wochen nicht sauber trennen.

Das ist wichtig, weil wir in der Branche gerade sehr viele Berater sehen, die aus solchen Mini-Beobachtungen „5 Hebel für ChatGPT Shopping“ bauen. Wir machen das bewusst nicht. Was wir machen: Hypothese formulieren, mehr Datenpunkte sammeln, dann belegen oder verwerfen.

Was wir in den nächsten 60 Tagen testen

Drei Dinge:

**Erstens, Schema-Vollständigkeit systematisch.** Wir ziehen auf alle 180 SKUs des Mandats ein `Product`-Schema-Audit und priorisieren die 40 Hauptumsatz-SKUs auf 100 % Attribut­vollständigkeit. In 60 Tagen schauen wir, ob die Zitier-Quote in ChatGPT messbar hochgeht.

**Zweitens, dritter-Partei-Content.** Wir platzieren bei vier Fachportalen aktuelle Produkt-Erwähnungen (keine PR, sondern Fach­beiträge, in denen Produkte als Beispiel vorkommen). Hypothese: Je mehr unabhängige Nennungen, desto höher die Zitier-Wahrscheinlichkeit.

**Drittens, Negativ-Test.** Wir deaktivieren bei einer Marken-Variante bewusst Teile des Schema (nur zur Beobachtung, zwei Wochen) und schauen, ob die Zitier-Frequenz sinkt. Falls ja — Hinweis auf Kausalität. Falls nein — Hinweis darauf, dass andere Faktoren dominanter sind.

Alle drei Ergebnisse kommen in einen Follow-up-Post, voraus­sichtlich Herbst 2026.

Was das für dich heißt

Wenn du Marken­hersteller bist, folgende drei Fragen jetzt beantworten:

1. **Hast du `Product`-Schema auf allen Produkt­detail­seiten?** Nicht „irgendein Schema“, sondern das Richtige: `Product` mit `brand`, `offers` (inklusive `price` und `priceCurrency`), `description`, `image`, `sku`, idealerweise `aggregateRating` wenn vorhanden. Siehe → [Schema.org Product](/glossar/schema-org) für die Spezifikation.
2. **Werden deine Produkte in den letzten 12 Monaten mindestens dreimal auf nicht-eigenen Domains namentlich erwähnt?** Fachportale, Testberichte, Händler-Beschreibungen jenseits von Amazon. Wenn nein: Produkt-PR-Arbeit statt reiner Marken-PR.
3. **Steht in deiner Produkt­beschreibung im Fließtext, was das Produkt tatsächlich tut, wofür es geeignet ist, was es enthält?** Nicht in einer separaten Tabellen­section, nicht als PDF-Download, sondern als lesbarer Satz, in dem Attribute vorkommen.

Wenn du dreimal „ja“ sagen kannst, bist du in der Startaufstellung. Wenn nicht, hast du vermutlich einen blinden Fleck in deiner Discovery-Strategie, der sich 2027 teurer bezahlen wird als 2026.

Haltung

Wir sagen bei diesen Themen bewusst nicht: „ChatGPT Shopping ist der nächste große Kanal, du musst jetzt.“ Das wissen wir nicht. Was wir wissen: Discovery verlagert sich in Antwort-Maschinen (siehe auch den → Rufus-Post vom Mai). Ob am Ende ChatGPT, Perplexity, Google AI Overviews oder Alexa for Shopping das Rennen macht, ist zweitrangig, weil die technische Vor­bereitung bei allen vieren dieselbe Richtung hat: strukturierte Produktdaten, externe Validierung, zitier­barer Content.

Das ist der Hebel. Nicht der nächste Hype, sondern die Grundlage, die unter allen diesen Hypes gleich funktioniert.

Fragen, Beobachtungen, Widerspruch — gerne. Das hier ist ein Mandat und sechs Wochen. Wir wollen daraus mehr machen.

Strategie und Umsetzung aus einer Hand — das klingt nach einem Werbeversprechen. Ist es aber nicht. Es ist eine operative Entscheidung, die darüber entscheidet, ob Projekte stecken bleiben oder vorankommen. Wer schon einmal eine Agentur beauftragt hat, die eine Strategie geliefert und dann das Briefing an einen anderen Dienstleister weitergegeben hat, kennt das Problem: die Idee stirbt in der Übergabe. Das Problem hat einen Namen: Kontextverlust. Und er kostet mehr als Zeit.

Dieses Stück erklärt, warum das passiert — und wann Strategie und Umsetzung aus einer Hand tatsächlich einen Unterschied macht.

Das klassische Modell und sein Webfehler

Das gängige Modell sieht so aus: Du holst dir eine Strategieberatung. Die entwickelt Positionierung, Zielgruppen, Kanalstrategie. Ausführliches Deck, überzeugender Workshop, klare Empfehlungen. Dann kommt Schritt zwei: Umsetzung. Andere Dienstleister, internes Team, externe Agentur. Jetzt fängt die Interpretation an.

Die Strategieberater waren bei der Entwicklung dabei, die Umsetzer nicht. Sie lesen die Präsentation. Sie arbeiten nach Briefing. Was dabei verloren geht, ist nicht das Was, sondern das Warum — und das Wie-eigentlich-gemeint. Das Warum steckt selten in der Folie. Es steckt im Kopf des Beraters, in der Diskussion, die drei Stunden vor dem finalen Slide gemacht wurde, im Kontext, der sich nicht dokumentieren lässt.

Das Ergebnis: Umsetzung, die korrekt ist, aber nicht ganz trifft. Kampagnen, die den richtigen Ton verfehlen. Shop-Strukturen, die aus technischer Sicht funktionieren, aber die Kaufentscheidung falsch modellieren. Amazon-Listings, die optimiert wurden, aber nicht auf die Marktpositionierung einzahlen. Nicht weil jemand schlecht gearbeitet hat, sondern weil der Faden zwischen Denken und Tun gerissen ist.

Die Kosten der Übergabe

Übergaben kosten mehr als Zeit. Sie kosten Qualität. Jedes Mal, wenn Wissen transferiert werden muss, geht ein Teil davon verloren. Das ist keine Kritik an der Disziplin der Beteiligten — es ist Physik. Kontextverlust ist unvermeidlich.

Für Mittelstandsunternehmen ist dieser Verlust besonders teuer. Nicht weil Mittelständler mehr zahlen, sondern weil sie weniger Ressourcen haben, um Fehler zu korrigieren. Ein DAX-Konzern kann eine falsch ausgerichtete Kampagne mit Budget überdecken. Ein Maschinenbauer mit 80 Mitarbeitern oder ein D2C-Brand im Aufbau kann das nicht.

Die zweite Kostenkomponente ist Zeit. Jede Übergabe braucht Briefing, Rückfragen, Iterationen. Das kostet Wochen. In Märkten, in denen Timing über Erfolg und Misserfolg entscheidet — und das gilt für Amazon-Launches, für GEO-Sichtbarkeit, für Saisonkampagnen — sind das keine akademischen Wochen.

Die dritte Komponente ist die schwerer messbare: die Energie, die beim Überzeugungsaufwand verloren geht. Jedes Mal, wenn du einem neuen Dienstleister erklärst, was du tust und warum, verlierst du Durchsetzungskraft. Energie, die in die Sache gehört, fließt in Koordination. Für Inhaber, die ohnehin das Tagesgeschäft neben dem Projekt stemmen, ist das kein abstraktes Problem — es ist der Grund, warum viele Projekte im Sand verlaufen, obwohl die Ausgangslage gut war.

Was „aus einer Hand“ wirklich bedeutet

Strategie und Umsetzung aus einer Hand bedeutet nicht, dass eine Person alles macht. Das ist weder realistisch noch wünschenswert. Es bedeutet, dass dasselbe Team, das die Strategie entwickelt, auch die Umsetzung begleitet. Nicht übergibt, sondern begleitet.

Das ist ein Unterschied. Begleitung heißt: der Strategist, der die Positionierung formuliert hat, ist beim ersten Amazon-Listing-Review dabei. Nicht um zu kontrollieren, sondern um sicherzustellen, dass die Grundidee in der Umsetzung nicht verrutscht. Das passiert schnell — nicht durch Fehler, sondern durch die kleinen Entscheidungen, die täglich getroffen werden und die keiner einzeln für bedeutsam hält.

Bei schaller.work funktioniert das so: Strategie, Gestaltung und Commerce werden im selben Team gedacht. Das bedeutet, dass die Positionierungsfrage und die Listing-Architektur-Frage von denselben Menschen beantwortet werden, die den Gesamtzusammenhang kennen. Kein Handoff zwischen Strategen und Umsetzern — beides ist dieselbe Aufgabe. Und wenn sich etwas in der Umsetzung als falsch erweist, wird die Strategie angepasst — ohne dass eine neue Runde Briefings nötig ist, weil der Kontext nie verloren gegangen ist.

Die Marketing-IT-Brücke als Kern der Frage

Für viele Mittelständler gibt es eine zusätzliche Ebene des Kontextverlusts: die Grenze zwischen Marketing und IT. Strategie entsteht auf der Marketingseite. Umsetzung passiert oft auf der IT-Seite — Tool-Entscheidungen, Datenmigration, Shop-System, PIM-Architektur. Zwischen beiden liegt oft ein Übersetzungsproblem.

Marketingentscheider sprechen über Kundenerlebnis, Markenwirkung, Conversion. IT spricht über Systemarchitektur, Datenintegrität, Skalierbarkeit. Beide haben recht. Beide reden aneinander vorbei. Das Ergebnis sind Projekte, die entweder technisch korrekt, aber marketingfern sind — oder marketingorientiert geplant, aber technisch nicht umsetzbar.

Ein Team, das beide Welten kennt, kann diese Lücke schließen. Nicht indem es alles selbst macht, sondern indem es die Sprache beider Seiten spricht und als Brücke funktioniert. Konkret bedeutet das: Wenn eine Datenarchitektur-Entscheidung getroffen wird, ist jemand am Tisch, der weiß, was das für die Segmentierungsstrategie im CRM oder die Produktdatenpflege im PIM bedeutet. Nicht als externe Prüfinstanz — sondern als Teil desselben Denkprozesses. Das ist ein Teil dessen, was schaller.work als Ansatz versteht — und warum im Manifest genau diese Positionierung steht.

Woran du erkennst, ob das Modell für dich passt

Nicht jedes Projekt braucht das. Wenn du eine klar definierte Einzelmaßnahme beauftragst — eine technische Migration, einen spezifischen Amazon-Kampagnen-Audit, eine Content-Produktion nach bestehendem Briefing — dann ist eine Übergabe verkraftbar. Das ist handwerkliche Arbeit mit klarer Anforderung.

Anders sieht es aus, wenn du vorhast, etwas grundsätzlich zu verändern. Wenn du Amazon-Vendor werden willst, nachdem du bisher Seller warst. Wenn du deinen Kanal-Mix neu ausrichtest. Wenn du zum ersten Mal systematisch an GEO und KI-Sichtbarkeit arbeitest. Wenn du eine Markenpositionierung entwickelst, die sich in allen Touchpoints wiederfinden soll.

In diesen Fällen ist die Qualität der Verbindung zwischen Strategie und Umsetzung die entscheidende Variable — nicht die Qualität der einzelnen Teile.

Wie das in der Praxis aussieht

Ein Beispiel: Ein Mittelständler aus dem Bereich Industriewerkzeug wollte auf Amazon Vendor wechseln. Bisherige Erfahrung: ausschließlich Seller. Die strategische Frage war nicht nur „Wie läuft Vendor Central?“ — sie war auch: Welche Produkte kommen zuerst? Wie wirkt sich das auf die Marge aus? Wie positionieren wir uns gegenüber dem Direktvertrieb?

Das sind Strategiefragen. Die Antworten darauf beeinflussen direkt, welche ASINs zuerst in Vendor Central aufgenommen werden, wie die Listungsstruktur aussieht, wie A+ Content priorisiert wird und welche Keywords in den Titel kommen. Das ist Umsetzung. Wer beides trennt, verliert den Faden. Wer beides begleitet, hält ihn.

In diesem Fall hieß das Ergebnis: Der Vendor-Wechsel lief geordnet — kein großer Sprung, sondern ein gestufter Übergang. Erst drei Produktlinien mit klarer Preis- und Margenlogik, dann schrittweise Erweiterung. Die Entscheidungsgrundlage dafür wurde im selben Gespräch entwickelt wie die ersten Listing-Korrekturen. Kein zweites Briefing, keine zweite Lernkurve. Die Energie, die normalerweise in Koordination fließt, floss in die Sache selbst.

Wann dieses Modell nicht das richtige ist

Ehrlichkeit gehört dazu: Dieses Modell passt nicht für alle. Eine Beratung, die sowohl Strategie als auch Umsetzung verantwortet, braucht das Vertrauen, tief in die operative Realität einzutauchen. Das setzt eine Bereitschaft voraus, den Partner nicht nur im Workshop, sondern auch in der operativen Arbeit zuzulassen. Das ist nicht selbstverständlich — und nicht für jede Unternehmenskultur das Richtige.

Für Unternehmen, die konkrete Einzelleistungen mit klarem Briefing beauftragen wollen, ist ein spezialisierter Dienstleister oft die bessere Wahl. Für Unternehmen, die einen Partner suchen, der mitdenkt statt abarbeitet und der die Verbindung zwischen Denken und Tun herstellt — dann ist dieses Modell ein Unterschied, der sich auszahlt.

Die drei Beratungsmodelle von schaller.work — Diagnose-Tag, Projekt und Retainer — sind alle auf diese Logik ausgelegt. Keine isolierten Leistungen. Begleitete Arbeit.

Wenn du wissen willst, ob das für dein Projekt passt: Erstgespräch anfragen.