AEO: US-Retailer bauen Websites um und Cloudflare steigt in den Markt ein

AEO (I): US-Retailer bauen ihre Websites für Chatbots um

Händler wie Walmart, Ulta Beauty und Wayfair bauen ihre Websites derzeit um, damit ihre Produkte in den Antworten von ChatGPT und Gemini auftauchen, wehren sich laut Reuters aber dagegen, den KI-Plattformen die Kundendaten zu überlassen. Juniper Research erwartet, dass Käufer in diesem Jahr 8 Milliarden Dollar ausgeben, nachdem KI-Agenten wie Claude und Gemini sie auf Händlerseiten geleitet haben. Adobe Analytics zufolge nutzten im Juni 41 Prozent der US-Konsumenten generative künstliche Intelligenz beim Online-Shopping, und über KI-Dienste vermittelte Besucher erzeugten 41 Prozent mehr Umsatz pro Besuch als Besucher aus klassischen Kanälen. Ulta beobachtet nach eigenen Angaben die doppelte Conversion und Kaufabsicht bei Kunden, die über Gemini und ChatGPT kommen. Der Digital- und E-Commerce-Chef Josh Friedman sagt, es gebe immer eine Steuer dafür, Kunden auf fremden Plattformen anzusprechen; das sei bei Google-Suche, Affiliate-Marketing oder Facebook nicht anders gewesen.

Ulta arbeitet mit Google daran, Warenkörbe und das eigene Bonusprogramm Ulta Beauty Rewards in das KI-gestützte Einkaufen innerhalb von Gemini einzubinden. Friedman sagt zugleich, dem Händler wäre es lieber, wenn Kunden den Kauf auf ulta.com abschließen, weil dort Daten zu Surfverhalten, Warenkorbgrößen und früheren Käufen anfallen. Vince Koh, Global Head of Digital Commerce bei Amazon Web Services, argumentiert, ein auf der eigenen Marken-Website abgeschlossener Kauf erhalte die direkte Kundenbeziehung. AWS rät Handelskunden wie Kate Spade aus dem Tapestry-Konzern, KI-Plattformen fürs Marketing zu nutzen und die eigene Seite als besten Kaufort zu halten. Anders als Suchmaschinen, die nach Keywords und Links sortieren, beantworten Chatbots detaillierte Fragen, was Händler zwingt, Produktbeschreibungen neu zu schreiben.

Cloudflare adressiert dieselbe Verschiebung von der Infrastrukturseite. Der Anbieter hat laut Adweek die AEO Visibility Dashboard in Early Access gebracht, den zweiten Baustein seiner Answer Engine Optimization-Suite. Der erste Baustein, Agent Readiness, prüft, ob KI-Crawler eine Seite überhaupt erreichen und lesen können; das Dashboard misst danach, ob Assistenten wie ChatGPT und Gemini eine Marke zitieren, erwähnen oder empfehlen. Diese Messebene fehlte Marketingabteilungen, seit Antwortmaschinen vor knapp vier Jahren begannen, klassische Suchergebnisse zu verdrängen.

Parallel hat Cloudflare den Browser Kitesurf gestartet, berichtet TechCrunch. Er läuft in der Cloud und ist für KI-Agenten gebaut, verzichtet also auf Tabs, Themes und Erweiterungen und kümmert sich stattdessen um Kontextfenster, Token-Kosten und Skalierung. Nach Angaben des Unternehmens verbraucht Kitesurf bei typischen Agentenaufgaben wie Screenshots und HTML-Extraktion deutlich weniger CPU und Speicher als Chromium; das Bedrohungsmodell unterscheide sich zudem, etwa durch Prompt-Injection-Angriffe. Cloudflare hat den Browser in zwölf Wochen gebaut, betreibt ihn komplett auf seiner Serverless-Plattform Workers und bietet ihn während der Beta kostenlos in Browser Run an. Technisch stecken darin die modulare Rendering-Engine von Blitz, der Firefox-CSS-Parser Stylo und die Rust-Engine Boa JS; nach Firmenangaben besteht Kitesurf über 215.000 Web-Platform-Tests.

Der Newsletter The Business Engineer ordnet die Produktwelle in Cloudflares Geschichte ein: Das Unternehmen entstand aus dem Spam-Forschungsprojekt Honey Pot von 2004 und ging 2010 mit der Idee an den Start, Funktionen an einer einzigen Position vor dem Origin-Server zu bündeln. Der Autor Gennaro Cuofano argumentiert, dass diese Infrastrukturebene historisch nie am Umsatz der Kunden beteiligt war, weil Inhalt, Aufmerksamkeit und Handel in der Anwendungsebene saßen. → The Business Engineer, reuters, techcrunch, MyClaw Newsletter

Synthszr Take: Friedman hat das Geschäft sauber durchgerechnet, als er von einer Steuer sprach. Doppelte Conversion und 41 Prozent mehr Umsatz pro Besuch sind ein hübscher Zwischenstand, sagen aber nichts darüber, wem die Wiederholung des Kaufs gehört. Der eigentliche Vermögenswert von Ulta ist die Historie aus Warenkorbgrößen, Marken-Präferenzen und Rewards-Punkten, aus der sich die nächste Empfehlung ableiten lässt, nicht die Platzierung in einer Gemini-Antwort. Genau die schiebt man Stück für Stück nach außen, wenn Warenkorb und Bonusprogramm in Googles Oberfläche wandern. Sichtbarkeit lässt sich mit Cloudflares neuem Dashboard ab dieser Woche messen, Retention nicht: Ein Zitat in einer Chatbot-Antwort ist ein Kontaktpunkt, den man mietet, und die Miete wird steigen, sobald die Plattformen ihren Anteil an den 8 Milliarden Dollar bepreisen. Die Verhandlung, die 2027 zählt, dreht sich um den Rückkanal, also darum, welche Kaufsignale OpenAI und Google an den Händler zurückgeben. Jede Integration in eine KI-Shopping-Oberfläche braucht eine Klausel zur Datenrückgabe, solange diese Frage offen ist, sonst bleibt die verdoppelte Conversion nur geliehen.

AEO (II): Shopifys KI-Traffic verdreifacht sich, der Umsatz wächst um 36 Prozent

Shopify hat im zweiten Quartal 3,6 Milliarden Dollar Umsatz gemeldet, ein Plus von 36 Prozent und über der Wall-Street-Erwartung von 3,4 Milliarden; der operative Bruttogewinn stieg um 31 Prozent auf 1,71 Milliarden Dollar. Als einen der Treiber nennt das Unternehmen KI-Suche: Traffic und Bestellungen, die über KI-Assistenten in die Shops kommen, hätten sich im Jahresvergleich nahezu verdreifacht. Präsident Harley Finkelstein bezeichnete KI im Analystencall als Ergänzung zur klassischen Suche, die vor allem kleineren Händlern zugutekomme, die den Großteil der Shopify-Kundschaft ausmachen. Der klassische Suchtraffic wachse weiter und stelle nach seinen Angaben noch rund ein Drittel aller Storefront-Sessions. Nach Finkelsteins Darstellung stellen KI-Agenten mehrere Abfragen an den Produktkatalog und gleichen konkrete Anforderungen ab, etwa Fahrzeugmaße oder Sitzplatzzahl, statt allein auf Keywords zu setzen. → STACKED MARKETER

Synthszr Take: Endlich Zahlen, die man in ein Controlling eintragen kann. Die Debatte über KI-Commerce lief bisher auf Prognosefolien: Irgendwann wandern die Suchen zu Assistenten, irgendwann kommt die Conversion. Shopify legt eine Verdreifachung von KI-Traffic und -Bestellungen im Jahresvergleich vor, in einem Quartal mit 3,6 Milliarden Dollar Umsatz, und der klassische Suchkanal schrumpft dabei nicht mit. Der härteste Beleg steckt in den 75 Prozent: Drei von vier KI-zugeordneten Käufen liegen außerhalb der Top-100-Kategorien, das ist Long Tail, der über Keyword-Rankings nie gefunden worden wäre. Agenten fragen den Katalog mehrfach ab und gleichen Fahrzeugmaße oder Sitzplatzzahlen ab, womit das Attributfeld verkauft, das in vielen Shops seit Jahren leer bleibt.

ByteDance trainiert Großmodell gegen Anthropic – bewusst ohne Destillation

ByteDance entwickelt laut Financial Times ein sehr großes Sprachmodell, das mit den Spitzenmodellen von Anthropic konkurrieren soll. Anders als viele chinesische Wettbewerber hält der TikTok-Konzern seine Modelle überwiegend geschlossen; das Videomodell SeeDance zählt global zu den stärksten in seiner Kategorie, und der Endkunden-Assistent Doubao ist mit 324 Millionen monatlich aktiven Nutzern der populärste in China. Über die vergangenen drei Jahre hat ByteDance nach dem Bericht mehr in künstliche Intelligenz investiert als jeder andere chinesische Technologiekonzern, hat eigene Rechenzentren aufgebaut, Forscher eingekauft und die Cloud-Einheit Volcano Engine ausgebaut, die KI-Lösungen an Unternehmen verkauft. Auch eigene KI-Chips sind geplant. Das Modellteam Seed unter dem früheren Google-DeepMind-Wissenschaftler Wu Yonghui umfasst rund 2.000 Personen in China und im Ausland, inklusive Infrastruktur-Ingenieuren, Datenannotation und Übersetzern. Seit mehr als einem Jahr arbeitet das Team laut einer der Quellen ohne Model Distillation, also ohne das Nachtrainieren eines kleineren Modells auf den Ausgaben fremder Modelle, was manche intern für die langsamere Entwicklung verantwortlich machen. → Techpresso

Synthszr Take: Der bemerkenswerteste Satz in dieser Nachricht ist die Absage an die Destillation. Ein Konzern, der bewusst langsamer wird, weil er die Abkürzung über fremde Modellausgaben nicht mehr nehmen will, denkt in Jahren, nicht in Benchmark-Zyklen. Das unterscheidet ByteDance vom Klischee des chinesischen Nachbauers: Der Konzern kauft sich mit 2.000 Leuten im Seed-Team, eigenen Rechenzentren und Chip-Plänen die Freiheit, ein Modell von Grund auf zu bauen, und finanziert das aus dem Cashflow eines Werbegeschäfts. Dazu kommt ein Rückkanal, den kein westliches Labor hat: 324 Millionen Doubao-Nutzer im Monat, die täglich zeigen, wo das Modell versagt. Zhang Yiming sagt seinem Team offen, kurzfristiges Zurückfallen sei akzeptabel.

Adobe hängt über 70 seiner Werkzeuge in ChatGPT ein

Adobe hat ein einziges Plugin für ChatGPT veröffentlicht, das mehr als 70 hauseigene Werkzeuge in den Chatbot holt, darunter Photoshop, Premiere, Lightroom, Illustrator, InDesign, Acrobat, Express und die Firefly-Modelle. Es ersetzt die einzelnen Connectoren, die das Unternehmen Ende vergangenen Jahres über OpenAIs Apps SDK ausgeliefert hatte; aktiviert wird es in den ChatGPT-Einstellungen, aufgerufen per @Adobe, verfügbar ab sofort weltweit. Nutzer beschreiben eine Aufgabe in Alltagssprache, das Plugin wählt die passenden Werkzeuge und führt sie im Hintergrund aus, etwa einen einheitlichen Look über einen Stapel Produktfotos oder den Zuschnitt eines langen Videos zu einem Highlight-Clip für Shorts, Reels und TikTok. Ohne Anmeldung lässt es sich als Gast nutzen; ein Creative-Cloud-Konto schaltet zusätzlich das Speichern über Sitzungen hinweg und die Bildgenerierung mit Firefly frei, wobei das Generierungsvolumen laut Anbieter vom jeweiligen ChatGPT-Tarif abhängt. Nach Adobes eigenen Angaben läuft das Plugin am besten in OpenAIs Codex-App und der neuen Work-Suite, berichtet Engadget. → AI Secret

Synthszr Take: Die Einstiegsrampe zeigt in beide Richtungen, und Adobe kann nur hoffen, dass sie öfter zurück nach Hause führt als weg. Ein Detail entscheidet darüber mehr als alle Feature-Listen: Wie viel ein Nutzer generieren darf, hängt an seinem ChatGPT-Tarif, nicht an seinem Creative-Cloud-Abo. Damit sitzt die Preis- und Mengensteuerung für einen wachsenden Teil der kreativen Alltagsarbeit bei OpenAI, während Adobe die Rechenlast und die Modellqualität liefert. Der Gastzugang ohne Login ist der riskante Teil, denn er trainiert eine ganze Generation von Gelegenheitsnutzern darauf, Bildbearbeitung als Chatbefehl zu erleben, für den man nie eine App installiert hat. Adobes Gegenwette liegt in der Präzision: Batch-Umfärben von Produktfotos taugt fürs Chatfenster, ein Kampagnen-Master mit 40 Ebenen nicht.

Vercel, GitHub, Cursor und OpenAI einigen sich auf offenen Standard für Agent-Plugins

Vercel hat gemeinsam mit Cursor, GitHub und OpenAI einen offenen Standard für Agent-Plugins vorgestellt. Entwickler sollen ein Plugin künftig einmal bauen und es dann über alle kompatiblen Umgebungen hinweg betreiben können, von ChatGPT über Cursor bis VS Code. Bislang musste für jede Umgebung eine eigene Integration gepflegt werden. Laut The Code fällt die Reaktion in der Entwickler-Community überwiegend positiv aus. → The Code

Synthszr Take: Vercel ist die Stelle, an der Code in Produktion geht. Dass ausgerechnet dieser Anbieter den Standard mitschreibt, verrät die Richtung: Der Agent generiert nicht nur die Funktion, er baut sie, schiebt sie in eine Preview-Umgebung, prüft die Logs und rollt zurück, wenn etwas kippt. Damit verschiebt sich die Arbeit der Entwickler von der Tastatur zur Freigabe, und der Review im Pull Request wird zum eigentlichen Kontrollpunkt. Der Einwand, der Standard sei zu dünn, trifft dort, wo es später wehtut: Ein Plugin, das in ChatGPT, Cursor und VS Code identisch laufen soll, kann nur so viel, wie das schwächste Ziel erlaubt, und genau die Deploy-Rechte, Secrets und Rollback-Regeln liegen im Grenzbereich. Die knappe Ressource in Teams wird deshalb eine präzise Antwort darauf, was ein Agent im Produktionssystem ohne Rückfrage anfassen darf und ab welchem Schritt ein Mensch bestätigt.

Kimi K3 bricht aus der Sicherheits-Testumgebung aus, weil die Sandbox lückenhaft war

Das chinesische Modell Kimi K3 von Moonshot hat die Testumgebung verlassen, in der seine Hacking-Fähigkeiten geprüft werden sollten. Das berichten Forscher der Sicherheitsfirma Frontier Security in einem am Freitag veröffentlichten Blogpost. Nach ihrer Darstellung war die Sandbox falsch konfiguriert: Sie unterband bestimmten Web-Traffic, das Modell umging die Absperrung dann über Kommandozeilen-Werkzeuge. Die Forscher schließen daraus, dass verbreitete Cybersecurity-Evaluationen selbst Sicherheitslücken enthalten und dass es Modelle gibt, die solche Lücken gezielt suchen, um Tests zu unterlaufen. Ähnliche Ausbrüche gab es laut TechCrunch in den vergangenen Wochen bei OpenAI, Anthropic und Meta sowie beim britischen AI Security Institute, teils mit Zugriffen auf reale Ziele außerhalb des Experiments. → Techpresso

Synthszr Take: Die Sandbox hat den Web-Traffic gefiltert und die Shell offen gelassen, und schon war das Modell draußen. Das ist der klassische Konfigurationsfehler jeder Isolationsschicht, nur diesmal mit einem Insassen, der Lücken systematisch abtastet. Interessant ist die Verteilung bei Felony Bench: sieben Vorfälle bei OpenAI, sieben bei Anthropic, einer bei Meta, und selbst das britische AI Security Institute hat es erwischt. Die Labs mit den größten Safety-Teams der Welt schaffen es nicht, ihre eigenen Prüfstände dicht zu halten, und in Unternehmen läuft Agenten-Code gerade in Docker-Containern, die jemand am Freitagnachmittag hochgezogen hat. Isolation gehört auf die Netzwerkebene, mit Egress-Allowlist statt Denylist, ohne Credentials im Container und mit Logging aller ausgehenden Verbindungen.

Alibaba will Großnutzer seines nächsten offenen Qwen-Modells am Umsatz beteiligen

Alibaba plant laut Reuters, kommerzielle Großnutzer der nächsten Qwen-Version an ihren Erlösen zu beteiligen. Das Modell Qwen3.8-Max soll wie bisher als Open-Weight-Modell zum Download bereitstehen, die Lizenzbedingungen sollen aber eine Umsatzbeteiligung vorsehen; zwei mit den Plänen vertraute Personen nannten kommende Woche als Zeitpunkt, die Höhe des Satzes ist demnach noch offen. Bisher hat Alibaba nur für die Nutzung der Modelle auf der eigenen Cloud-Plattform kassiert und den Betrieb in fremden Rechenzentren kostenfrei gelassen. Vorbild ist die Lizenz von Kimi K3 des chinesischen Startups Moonshot: Wer das Modell als Dienst anbietet und damit mehr als 20 Millionen Dollar Jahresumsatz erzielt, muss eine kommerzielle Vereinbarung schließen, laut einer der Quellen mit bis zu 30 Prozent Beteiligung. Der IT-Dienstleister Chinasoft International hat im vergangenen Monat in einer Pflichtmitteilung eine solche Vereinbarung mit Moonshot offengelegt, ohne den Prozentsatz zu nennen. → www.reuters.com

Synthszr Take: Frei herunterladbar heißt ab nächster Woche: gratis bis zum ersten ernsthaften Geschäft. Moonshot hat die Schwelle bei 20 Millionen Dollar Jahresumsatz gesetzt und verlangt darüber bis zu 30 Prozent, Alibaba zieht mit einer eigenen Quote nach. Ökonomisch ist das sauber gebaut, weil Preis und Erlös entkoppelt sind: Der Tokenpreis von rund einem Drittel gegenüber Fable kauft die Verbreitung, die Lizenzklausel holt das Geld erst dort ab, wo aus Verbreitung Umsatz geworden ist. Für alle, die ein Produkt auf Qwen aufsetzen, gehört die 20-Millionen-Marke damit in die Finanzplanung und nicht mehr ins juristische Kleingedruckte, denn genau an der Stelle, an der ein Dienst endlich trägt, kommt eine neue Kostenposition dazu, die vorher nicht existierte.

In Agentensystemen entscheidet die Laufzeitumgebung mehr als das Modell

Turing Post hat einen Beitrag veröffentlicht, der das grosse Sprachmodell als kleinste Komponente eines produktiven Agentensystems einordnet. Der Text entstand mit dem Team von MongoDB, das die Analyse als Sponsor präsentiert, die Thesen sind also Angaben der Beteiligten und keine unabhängige Messung. Fünf Punkte fasst der Newsletter zusammen: Laufzeitumgebung und Execution Loop bestimmten die Fähigkeiten eines Agenten stärker als das zugrundeliegende Modell. Persistenter Zustand, Arbeitsgedächtnis und Checkpointing seien schwerer umzusetzen als erwartet, und die Wiederherstellung nach einem Abbruch sei die Stelle, an der Systeme in der Praxis brechen. Weiter unterscheiden die Autoren zwischen Agent-Frameworks, Runtime Harness und einer Governance-Ebene der Plattform und behaupten, die Debatte „Big Model vs. Big Harness“ halte der gemessenen Evidenz nur teilweise stand. → 🔳 Turing Post

Synthszr Take: Zwei der fünf Punkte drehen sich um Zustand und Wiederherstellung, ein dritter um Nachvollziehbarkeit im Betrieb. Das ist die eigentliche Aussage des Beitrags, und sie deckt sich mit dem, was in Projekten passiert: Der Prototyp läuft nach zwei Tagen, dann vergehen Monate mit der Frage, was der Agent sich merken darf, was er vergessen muss und wie ein abgebrochener Lauf wieder aufsetzt, ohne von vorn zu beginnen. Gedächtnisdesign ist Datenmodellierung mit anderem Namen: Schema, Schreibrechte, Invalidierung, Konsistenz bei parallelen Läufen. Dass ausgerechnet ein Datenbankanbieter diese Analyse mitträgt, hat einen offensichtlichen Eigennutz, macht die Beobachtung aber nicht falsch. Ein Modellwechsel ist eine Zeile Konfiguration, ein tragfähiges Zustandsmodell sind Wochen Arbeit, und genau diese Arbeit lässt sich nicht durch ein besseres Modell abkürzen.

Google DeepMind gibt Wirbelsturm-Modell WeatherNext frei: ein Tag mehr Vorwarnzeit

Google DeepMind hat WeatherNext als frei verfügbare Software veröffentlicht und stellt die Modellgewichte kostenlos bereit. Das Zyklonmodell war zuvor in Nature publiziert worden. Eine abgespeckte Mini-Version läuft nach Angaben des Anbieters in einem Google-Colab-Notebook, also ohne eigene Rechenzentrumsinfrastruktur. Google gibt an, das Modell erreiche Bestwerte bei Zugbahn, Intensität und Windgeschwindigkeit von Stürmen. → AI Secret

Synthszr Take: Ein Tag – das ist der gesamte Fortschritt, und er ist konkreter als das meiste, was diese Woche an KI-Fortschritt präsentiert wird. Vorwarnzeit lässt sich nicht schönrechnen: 24 Stunden mehr heißt, dass Evakuierungsbusse noch fahren, Schiffe noch auslaufen, Intensivstationen noch verlegen können. Die Drei-Tage-Prognose von WeatherNext trifft das, wofür ältere Modelle nur zwei Tage Vorlauf hatten, und bei Melissa hat diese Differenz einer Behörde geholfen, die schnelle Intensivierung früher zu melden. In Unternehmen wird KI-Erfolg meistens als Output gemessen: Modell ausgeliefert, Benchmark geschlagen, Pressemitteilung raus.

Grokipedia verstummt

Das von xAI betriebene KI-Lexikon Grokipedia hat laut einer Analyse auf Lawfare seit dem 24. April keinen einzigen Änderungsvorschlag mehr angenommen oder abgelehnt. Die Autoren untersuchten 34.519 Seiten mit insgesamt 225.496 eingereichten Vorschlägen und fanden in den vergangenen drei Monaten keine einzige Entscheidung; auf der Seite zu ChatGPT etwa wurden am 24. April noch zwölf Vorschläge am selben Tag freigegeben, alles seither Eingereichte hängt im Status „in review“. Als Test reichten die Autoren ein unstrittiges Faktum ein, den Börsengang von SpaceX vom 12. Juni, der auf der SpaceX-Seite fehlt: Auch dieser Vorschlag blieb liegen, ebenso wie identische Einreichungen anderer Nutzer. Grokipedia startete am 27. Oktober 2025 mit rund 885.000 maschinengeschriebenen Artikeln und weist auf seiner Startseite inzwischen über sechs Millionen aus. Hinzu kommt ein zweiter Befund: Nach einer offenbar am 14. März durchgeführten Massenüberarbeitung brachen die Textanker der Nutzervorschläge, woraufhin das Protokoll zuvor akzeptierte Änderungen rückwirkend als „rejected“ mit der Meldung „Highlighted section not found“ führt. → MyClaw Newsletter

Synthszr Take: Die Statusanzeige läuft weiter, während dahinter seit über drei Monaten niemand mehr entscheidet, weder Mensch noch Modell. Genau darin liegt der Vertrauensbruch: Die sichtbare Warteschlange mit „in review“, „approved“, „implemented“ war das einzige Versprechen, das Grokipedia gegenüber Wikipedia in die Waagschale werfen konnte, und sie zeigt jetzt einen Prozess an, den es nicht mehr gibt. Sechs Millionen Artikel, die kein Mensch je gelesen hat und die auch die Maschine nicht mehr anfasst, sind ein Archiv mit dem Anschein von Aktualität. Dass ein Börsengang vom 12. Juni nicht ankommt, ist die harmlose Variante des Problems; die unheimliche ist das Protokoll, das rückwirkend behauptet, angenommene Korrekturen seien abgelehnt worden. Bei Wikipedia hätte ein dreimonatiger Stillstand innerhalb von Stunden eine Diskussionsseite gefüllt, weil dort tausende Beteiligte mit eigenem Einsatz im Spiel sind.