Ein curl gegen drei Crawler, drei Bewertungsplattformen.

Wir wollten wissen, was ein KI-Crawler auf einer Shopify-Produktseite tatsächlich sieht. Nicht das, was eine Marketing-Präsentation behauptet, und nicht das, was die SEO-Seite eines Bewertungs-Widget-Anbieters verspricht, sondern was zurückkommt, wenn man die Frage direkt stellt: mit einem Terminal und einer einzigen HTTP-Anfrage.

Die Methode: für einen Moment selbst zum Crawler werden. Den User-Agent auf GPTBot setzen, einen curl an die Produkt-URL schicken, das HTML auf die Festplatte speichern, in einem beliebigen Texteditor nach einem bestimmten String suchen. Den markantesten Satz aus der am besten bewerteten Bewertung des Shops suchen, also den Satz, der sonst nirgendwo auf der Seite und in keinem Marketing-Material des Anbieters vorkommt. Ist der Satz in der Datei, hat der Crawler ihn gesehen. Ist er nicht drin, hat der Crawler ihn nicht gesehen, und was auch immer downstream mit der Sprache des Kunden passiert, geschieht ohne diesen Satz.

Vor einigen Wochen haben wir das gegen drei Shops getestet, jeweils mit drei Crawlern. Neun Anfragen insgesamt, gegen drei der beliebtesten Bewertungsplattformen im Shopify App Store (ein Yotpo-Shop, ein Okendo-Shop, ein Loox-Shop), alle in ihrer Standard-App-Store-Installation. Das Ergebnis ist ein Drei-mal-drei-Raster, das dieser Essay Zelle für Zelle durchgeht. Die meisten Felder sind leer. Die, die es nicht sind, enthalten nur eine Gesamtbewertung, keine Sprache.

Die Shops bleiben anonym (Shop A, Shop B, Shop C), denn die Plattformen sind der Punkt, nicht die Händler. Wer denselben Test mit einem beliebigen Shopify-Shop und einem beliebigen Widget durchführt, wird, so unsere Vermutung, dasselbe Ergebnis erhalten. Zwanzig Minuten, ein Terminal, eine String-Suche.

Die Shop-URLs wurden so ausgewählt, wie ein Käufer sie finden könnte. Jede war das erste organische Suchergebnis für eine nicht markenbezogene Produktsuche (ein Serum, eine Kerze, ein Nahrungsergänzungsmittel für Haustiere). Jede hatte zwischen dreihundert und dreitausend Bewertungen auf der Produktseite, gemessen am eigenen Dashboard des Händlers. Jede lief mit ihrer Bewertungssoftware in einer frischen, unveränderten Installation, ohne eigene Server-Side-Rendering-Ebene oder Enterprise-Funktionen.

Shop A lief mit Yotpo, in der Standard-Widget-Konfiguration, die im Shopify App Store verfügbar ist.

Shop B lief mit Okendo, in derselben Standardkonfiguration.

Shop C lief mit Loox, der Foto-und-Video-Bewertungs-App, ebenfalls in der App-Store-Standardversion.

Die Anfragen kamen von einer einzigen Wohnungs-IP-Adresse, im Mai 2026, mit jeweils dem User-Agent-String, der wortgetreu von den veröffentlichten Crawler-Operator-Seiten der Plattformen stammt. Wir haben nicht mit den Seiten interagiert. Wir haben kein JavaScript ausgeführt. Wir sind keinen iFrames gefolgt. Wir haben das HTML genauso angefragt, wie die Crawler selbst es tun: ein GET-Request, der entsprechende User-Agent-Header, keine Cookies, keine Accept-Language-Präferenz außer der Standardeinstellung.

Die veröffentlichte Dokumentation der drei Bots ist eindeutig. OpenAIs GPTBot, laut OpenAIs Crawler-Operator-Seite (abgerufen Mai 2026), lädt und verarbeitet HTML; er führt kein JavaScript aus. Anthropics ClaudeBot, laut Anthropics veröffentlichter Bot-Dokumentation, lädt und verarbeitet HTML; er führt kein JavaScript aus. Perplexitys PerplexityBot, der Indexierungs-Crawler, der sich vom PerplexityUser-Agent unterscheidet, der bei Live-Anfragen ausgelöst wird, verhält sich genauso: nur HTML.

Das ist das Universum des Versuchs. Drei Seiten, drei Crawler, neun Anfragen, eine Frage pro Feld: Enthält das rohe HTML, das der Server zurückgibt, den Bewertungstext, den die Käuferin in ihrem Browser sieht?

Die Seite, die Shop A an GPTBot zurückgibt, ist fünfzig Kilobyte groß. Sie enthält das Shopify-Liquid-gerenderte Theme: den Header, den Produkttitel, den Preis, die Variantenauswahl, den Kaufen-Button, die Produktbeschreibung, den Größenleitfaden, den Versandrichtlinien-Auszug, den Footer. Sie enthält strukturierte Daten für das Produkt, ein Product-Schema mit Name, Preis, Bild und einem einzelnen AggregateRating-Knoten, der die Anzahl der Bewertungen und den Durchschnittswert angibt (das AggregateRating ist server-seitig, der einzige bewertungsähnliche Hinweis im HTML der Seite).

Was sie nicht enthält: den Text einer einzigen der 812 Bewertungen, die Yotpo für dieses Produkt gespeichert hat. Der Bewertungsbereich ist ein div mit der Klasse `yotpo-main-widget`, einigen Data-Attributen (Produkt-ID, Name, Bild-URL, Preis, Währung) und einem einzelnen async-Script-Tag, der auf Yotpos statisches CDN zeigt. Der div ist in der Antwort leer, und das Script wurde nicht ausgeführt.

Wir haben die Datei nach dem markantesten Satz aus der am besten bewerteten Bewertung durchsucht: einem konkreten Satz über Textur und das Gefühl des Produkts unter Make-up. Der Satz war nicht vorhanden, und auch Teilübereinstimmungen lieferten nichts. Wir haben nach dem Wort "review" außerhalb der Gesamtbewertung und der strukturierten Daten gesucht: ein halbes Dutzend Treffer in Navigationsbezeichnungen und ARIA-Attributen. Keine davon war eine Bewertung.

Der Crawler, der von dieser Seite zurückkam, hätte die Produktbeschreibung, den Preis, die Gesamtbewertung und die Information mitgenommen, dass es irgendwo 812 Bewertungen gibt, die er nicht lesen kann. Keinen einzigen Satz.

Die Seite, die Shop A an ClaudeBot zurückgibt, ist byteweise identisch mit der Seite, die GPTBot erhält. Der Shopify-Origin-Server variiert seine Antwort nicht je nach User-Agent; er liefert dasselbe Liquid-gerenderte Theme an jeden Client. Der Bewertungs-Widget ist derselbe leere div, der Script-Tag ist derselbe async-Fetch, und Anthropics Crawler führt das Script genauso wenig aus wie OpenAIs.

ClaudeBot hat für diese Seite denselben Index wie GPTBot: Gesamtbewertung, Anzahl, keine Bewertungen, dieselbe Lücke.

Das haben wir bestätigt, indem wir nach demselben markanten Satz gesucht haben. Nicht vorhanden.

Dieselbe Antwort. Derselbe leere div. Derselbe Script-Tag. Dieselbe fehlende Bewertung.

PerplexityBot verhielt sich in unserem Test genauso wie GPTBot und ClaudeBot. Der PerplexityUser-Agent, der ausgelöst wird, wenn ein Nutzer Perplexity eine Live-Frage stellt und Perplexity in Echtzeit einige Seiten abruft, verhält sich eher wie ein Browser und kann in manchen Fällen einfaches JavaScript ausführen. Aber PerplexityUser ist nicht der Indexierer. Der Indexierer ist PerplexityBot, und PerplexityBot führt kein JavaScript aus.

Die erste Reihe des Rasters ist daher in allen drei Feldern leer. Yotpo ist in seiner Standardinstallation für jeden KI-Crawler, den wir getestet haben, unsichtbar.

Okendo ist die Premium-DTC-Option im Shopify App Store. Es positioniert sich als designbewusstere, markentreuerere Alternative zu Yotpo. Die Ästhetik des Widgets ist anders; der Mechanismus ist derselbe.

Die Seite, die Shop B zurückgibt, hat mechanisch dieselbe Form. Ein Okendo-Container-div, mit dem Präfix `okeReviews`, eine Reihe von Data-Attributen (Subscriber-ID, Produkt-ID, Locale) und ein Script-Tag, der auf Okendos d3hw6dc1ow8pp2.cloudfront.net-Distribution zeigt. Keine Bewertungen in der Antwort. Keine Absätze. Ein AggregateRating-Knoten in den strukturierten Daten, da Okendo wie Yotpo die Gesamtbewertung aus SEO-Gründen server-seitig in die Seite schreibt. Keine Zitate.

GPTBot, ClaudeBot und PerplexityBot liefern auf dieser Seite alle dasselbe Ergebnis: Gesamtbewertung, Anzahl, keine Bewertungen.

Die zweite Reihe des Rasters ist dementsprechend in allen drei Feldern leer.

Loox ist die Foto-und-Video-Bewertungsplattform. Ihr Unterscheidungsmerkmal ist visuell: Jede Bewertung hat in den meisten Installationen ein vom Kunden eingereichtes Bild dabei. Die Seite, die Shop C zurückgibt, ist mechanisch die JavaScript-intensivste der drei: das Foto-Karussell, die Lightbox, das Lazy-Loading von Bildern. Fast alles, was der Käufer im Browser sieht, wird nach dem Seitenladeprozess gerendert.

Das HTML, das der Server zurückgibt, ist entsprechend das kargste. Es gibt einen div mit der Klasse `loox-reviews-default` und einige Data-Attribute, gefolgt von einem Script-Tag. Im anfänglichen HTML gibt es keine Bilder, keine Bewertungstexte, und im Fall von Loox standardmäßig nicht einmal einen AggregateRating-Knoten in den strukturierten Daten der Seite (der Händler kann dies konfigurieren, aber die Standardinstallation enthält ihn nicht).

GPTBot, ClaudeBot und PerplexityBot kamen alle mit demselben Ergebnis zurück: keine Bewertungen. Die dritte Reihe des Rasters ist in allen drei Feldern leer.

[Diagramm]

Drei Reihen. Drei Spalten. Neun Felder. Null Felder enthalten Bewertungstext.

Das sei noch einmal gesagt, denn es ist das Ergebnis und der Grund für diesen Essay. Über drei der beliebtesten Bewertungsplattformen im Shopify App Store, über drei der vier meistgenutzten KI-Crawler in der Zitierökonomie (Googlebot ist der vierte, dazu kommen wir), enthalten null von neun Feldern den Bewertungstext. Die Crawler kommen in sechs Feldern mit einer Gesamtbewertung zurück und in drei Feldern mit gar nichts. In keinem der neun Felder kommen sie mit einem einzigen Bewertungssatz zurück.

Der Händler, der ein JavaScript-Widget ausliefert, veröffentlicht in der Zitierökonomie Gesamtbewertungen. Er veröffentlicht keine Bewertungen.

Drei bekannte Bewertungsplattformen. Drei bekannte KI-Crawler. Neun Anfragen. Null Bewertungssätze. Das Raster ist der Beweis. Das Raster ist auch das Problem.

Ein vernünftiger Leser wird fragen: Was ist mit Googlebot? Google führt JavaScript aus, also löst Googlebot das Problem, oder?

Wir haben denselben Versuch auch gegen Googlebot auf denselben drei Seiten, in derselben Woche, durchgeführt. Das Ergebnis ist komplizierter und verdient einen eigenen Absatz.

Googlebots Renderer ist real. Er ist auch, wie Googles eigene Dokumentation seit mindestens 2018 explizit klarstellt und wie John Mueller in seinen Office Hours bis 2024 und 2025 wiederholt hat, eine zweistufige Pipeline. Die erste Stufe ruft das anfängliche HTML ab, genauso wie die KI-Crawler. Die zweite Stufe stellt die Seite in eine Warteschlange zum Rendern, führt ein headless Chrome aus, führt das JavaScript aus und indexiert das gerenderte DOM. Die zweite Stufe verzögert sich: im besten Fall Stunden, häufig Tage, für Seiten mit niedrigerer Priorität Wochen.

Als wir dieselben drei Seiten über das URL-Inspektionstool von Google erneut abgerufen haben, gaben alle drei das gerenderte DOM mit vorhandenen Bewertungen zurück. Googlebot sieht die Bewertungen also theoretisch. In der Praxis bedeutet die Lücke zwischen dem ersten Abruf und dem gerenderten Index, dass die Aktualität des Bewertungskorpus in Googles Index strukturell hinter dem tatsächlichen Korpus des Händlers zurückbleibt. Die Käuferin, die gestern eine Bewertung für ein Serum abgegeben hat, ist heute nicht in Googles Index.

Und das ist Google. Google-Extended, das Routing-Flag, das bestimmt, ob eine Seite für das Training von Gemini verwendet wird, hängt vom Googlebot-Crawl ab. ChatGPT, Claude und Perplexity haben keine solche Beziehung. Sie haben kein zweistufiges Rendering. Die Gesamtbewertung ist das Meiste, was sie je von einem JavaScript-Widget mitnehmen werden.

Wir haben separat über the engine the answer engine reads geschrieben, darüber, was eine Antwortmaschine tatsächlich konsumiert, wenn sie eine Produktseite liest. Dieser Essay ist die empirische Version dieses Arguments: die Maschine liest HTML, das HTML enthält keine Bewertungen, das Raster ist leer.

Ein zweiter vernünftiger Einwand: Die drei Shops, die wir untersucht haben, liefen mit den Standard-App-Store-Installationen ihrer Bewertungsplattformen. Jede dieser Plattformen hat eine Enterprise-Stufe (Yotpo Enterprise, Okendo Plus, Loox Scale) mit optionalen Server-Side-Rendering-Modulen. Der Händler, der die höhere Gebühr zahlt, kann im Prinzip server-gerenderte Bewertungs-Snippets aktivieren.

Das stimmt. Es ändert das Ergebnis trotzdem nicht.

Wir haben die veröffentlichte technische Dokumentation der SSR-Angebote jeder der drei Plattformen gelesen. In jedem Fall liefert das Server-Side-Rendering einen kleinen Block an Bewertungen in das anfängliche HTML: typischerweise drei bis zehn, häufig die neuesten oder am höchsten bewerteten. Der Rest des Korpus ist nach wie vor client-seitig. Ein Händler mit 800 Bewertungen, der SSR aktiviert, veröffentlicht davon zehn an die KI-Crawler. Die anderen 790 sind noch im Widget.

Das ist besser als null. Es ist keine Gleichwertigkeit.

Und es steckt hinter einer höheren Preisstufe, für die der App-Store-Standard-Händler, also der mediane Shopify-Nutzer, nicht zahlt. Im langen Schwanz der Shopify-Shops im Jahr 2026 ist die Standard-Installation die Installation. Die Standard-Installation ist unsichtbar.

Es gibt ein zweites mechanisches Detail, das es wert ist, benannt zu werden. Die server-gerenderten Snippets, die jede Plattform ausliefert, sind in den meisten Fällen kuratiert: Positive Bewertungen werden bevorzugt, aktuelle Bewertungen bevorzugt, oder kurze Bewertungen, die in einen festen visuellen Block passen. Die Bewertungen, die server-seitig gerendert werden, sind keine zufällige Stichprobe des Korpus. Sie sind die marketing-akzeptable Stichprobe. Die Crawler bekommen, wo sie überhaupt Bewertungen bekommen, die zehn schönsten. Die komplizierteren Bewertungen (die Vier-Sterne-Bewertung "Ich liebe es, aber der Deckel lässt sich schwer öffnen", die Drei-Sterne-Bewertung "gut für tagsüber, nicht für abends"), die langen Bewertungen, die Bewertungen, die ein konkretes Long-Tail-Schlüsselwort enthalten, nach dem der Käufer suchen wird, sind noch im JavaScript-Widget, noch unsichtbar. Das Auswahlproblem verstärkt das Rendering-Problem. Der Crawler sieht nicht nur wenige Bewertungen; er sieht wenige Bewertungen einer bestimmten Art und verpasst den Long Tail vollständig.

Wir haben in the end of the review widget argumentiert, dass die Widget-Form strukturell ungeeignet für die Aufgabe ist, für die die Sprache der Käufer eingesetzt werden soll. Dieser Essay ist die curl-förmige Bestätigung. Das Widget rendert für den Käufer. Es rendert nicht für den Crawler. Der Händler zahlt für beide Zielgruppen und erreicht nur eine davon.

Ein dritter Einwand, der manchmal in den Marketing-Materialien der Bewertungsplattformen zu hören ist: Die KI-Crawler sind ein kleiner Bruchteil des Traffics. Warum für sie optimieren, wenn Googlebot noch den Index trägt?

Das Frische-Problem mit Googlebot haben wir oben behandelt. Die tiefere Antwort ist: Die KI-Crawler sind nicht der Ort, von dem der Traffic kommt; sie sind der Ort, von dem die Conversion kommt. Ein Käufer, der ChatGPT nach dem besten Serum für empfindliche Haut fragt, ist das Ergebnis einer Antwort, die bereits die Bewertungen eines bestimmten Shops zitiert hat. Der Käufer, der über diese Antwort in den Shop gelangt, kommt mit einer Kaufabsicht an, die konventionelle organische Suche nicht erreicht. Adobe Analytics beobachtete in seinem Holiday-Retail-Bericht 2025, dass Besucher, die über generative KI-Quellen kamen, eine um 9,4 Prozent höhere Conversion-Rate hatten als Besucher über traditionelle Suche, und eine um 12 Prozent längere Verweildauer auf der Seite.

Die Felder im Raster sind nicht abstrakt. Jedes leere Feld ist eine nachgelagerte Conversion, die der Händler nicht bekommt. Der Bewerter hat den Satz geschrieben, der die Zitation erzeugt hätte. Der Händler hat den Satz gesammelt, der Crawler hat ihn nicht gesehen, und die Antwortmaschine hat jemand anderen zitiert.

In the citation economy bekommt man keine zweite Chance, die Quelle zu sein. Die Marke, die die Zitation besitzt, besitzt den Käufer. Die Marke, die es nicht tut, erscheint in der Antwort eines anderen als Wettbewerber, der am Rande erwähnt wird, oder gar nicht.

Eine kurze Liste, in derselben Form wie der Versuch.

Kopiere die URL der meistverkauften Produktseite.

Öffne ein Terminal, führe einen curl-Befehl mit dem User-Agent GPTBot aus, speichere das Ergebnis und öffne es in einem beliebigen Texteditor. Suche nach dem markantesten Satz aus der besten Bewertung. Ist der Satz nicht in der Datei, sind die Bewertungen nicht im Index, aus dem die Trainings-und-Retrieval-Pipeline von ChatGPT schöpft. Wiederhole dasselbe mit ClaudeBot und dann mit PerplexityBot.

Das Ergebnis ist eines von dreien. Ist der Satz in allen drei Dateien, läuft ein server-seitig gerendertes Bewertungssystem, was die dominierenden Shopify-App-Store-Apps im Jahr 2026 nicht tun, und du gehörst zur kleinen glücklichen Minderheit. Ist der Satz in einigen Dateien und nicht in anderen, läuft eine ungewöhnliche Konfiguration (Judge.me mit dem partiellen SSR oder eine der Enterprise-SSR-Stufen), und die Lücke hat die Form eines Schweizer Käses. Ist der Satz in keiner der Dateien, sind die Bewertungen für die KI-Crawler nicht im Netz, und du befindest dich in derselben Rasterreihe wie alle anderen.

Nach dem Test weißt du, wo du im Raster stehst. Der Test dauert zwanzig Minuten. Die nächste Entscheidung ist, was du mit dem Feld machst.

Die ehrliche Antwort ist unspektakulär: ändern, wo der kanonische Datensatz des Korpus lebt. Derzeit lebt er im JavaScript des Widget-Anbieters und hydratisiert einen Moment nach dem anfänglichen Render ins DOM. Der Browser des Käufers ist geduldig genug, auf diese Hydratation zu warten. Der Crawler meistens nicht.

Die Aufgabe besteht also darin, eine Kopie des Korpus aus dem CDN des Anbieters in das HTML zu bringen, das Shopify beim ersten Byte ausliefert. Nicht alles davon notwendigerweise; die letzten hundert Bewertungen erledigen den größten Teil der Arbeit, besonders wenn sie die am höchsten bewerteten und aktuellsten sowie eine Auswahl aus dem Vier- und Drei-Sterne-Schwanz umfassen. Das Widget kann auf der Seite bleiben, wenn der Händler das visuelle Design aus Sternen und Fotos mag (die meisten tun es). Was zählt, ist, dass irgendwo über oder unter dem Widget, in normalem server-gerendetem Markup, eine semantische Liste von Artikeln steht, jeder mit einem Datum, einem Autor-Handle, einer Bewertung und dem eigentlichen Absatz, den der Kunde geschrieben hat.

Dieses Argument lebt in reviews are language not inventory in der abstrakten Form. Das Raster oben ist die konkrete Version desselben Punktes: das Feld ist leer, weil die Sprache in JavaScript steckt, und das Feld füllt sich in dem Moment, in dem die Sprache in HTML überführt wird, das der Crawler beim ersten Aufruf lesen kann.

Der technische Aufwand ist gering. Jede Bewertungsplattform, die wir uns angesehen haben, stellt einen JSON-Endpunkt für den Korpus bereit. Ein Shopify-Theme kann diesen Endpunkt zur Anforderungszeit aufrufen, die Antwort durchgehen und die Artikel in das Produkt-Template rendern. In den meisten Fällen ein Nachmittag Theme-Arbeit, manchmal weniger, gelegentlich ein Tag, wenn der Händler die Antwort auch vorab zwischenspeichern und vom Edge aus ausliefern möchte.

In einem Jahr werden die Händler, deren Raster voll sind, nicht diejenigen sein, die ein schöneres Widget gewählt haben. Es werden diejenigen sein, die still eine andere Seite ausgeliefert haben.

Wir machen den Widget-Anbietern keinen Vorwurf dafür, Widget-Anbieter zu sein. Sie liefern das, wofür sie gebaut wurden: ein Stück UI, Sterne, eine Anzahl, ein Foto-Karussell, ein Verified-Buyer-Badge. Das war der Auftrag im Jahr 2015, und das ist noch immer der Auftrag bei den meisten Händler-Onboarding-Gesprächen im Jahr 2026. Der Auftrag wurde, auf seinen eigenen Bedingungen, erfüllt.

Was sich seit 2015 geändert hat, ist nicht der Auftrag. Es ist das zweite Publikum, für das niemand einen Auftrag geschrieben hat. Die Crawler kamen in den letzten zwei Jahren still online und lesen, was auch immer das HTML ist, das der Server bei der ersten Anfrage übergibt, und was auch immer sie mitnehmen, wird später in der Antwort eines Käufers in einem anderen Kontext zitiert, den der Händler nie sieht. Dieses zweite Publikum war immer implizit in der Aufgabe des Widgets. Jetzt ist es das größere der beiden, und es ist dasjenige, für das das Widget am wenigsten geeignet ist.

Wer noch keinen curl gegen den eigenen Shop ausgeführt hat, weiß nicht wirklich, auf welcher Seite dieser Gleichung man steht. Also: tu es. Ein Terminal-Befehl, die URL der meistverkauften Produktseite, drei Crawler der Reihe nach. Die Antwort nach dem markantesten Satz aus der am besten bewerteten Bewertung durchsuchen. Ist er nicht drin (und wir würden vermuten, er ist es nicht), hast du gerade genau das gesehen, was eine Antwortmaschine sieht, wenn sie in den Shop kommt. Was du als Nächstes entscheidest, liegt in der Lücke zwischen diesem Ergebnis und dem, was der Käufer im Browser sieht.