Wer online etwas Erklärungsbedürftiges verkauft - Fahrräder, Matratzen, Fachwerkzeug, Kaffeemaschinen, Ausrüstung -, kennt das Muster: Die Produktseite ist gepflegt, das Sortiment ist groß, und trotzdem verlassen viele Interessenten den Shop ohne Kauf. Nicht, weil das passende Produkt fehlt, sondern weil sie es nicht sicher finden. Ein KI-Produktberater setzt genau hier an: Statt den Kunden mit Filtern und Datenblättern allein zu lassen, führt ihn ein dialogbasiertes Guided Selling über wenige, verständliche Fragen zu einer nachvollziehbaren Empfehlung. Dieser Artikel zeigt, wie ein solcher Bedarfsberater als individuell entwickelte KI-Lösung funktioniert, für welche Sortimente er sich rechnet, wie die Empfehlung technisch zustande kommt - und woran Sie messen, ob er wirkt. Bei 36 Prozent der untersuchten Shops sind die Mängel an Produktlisten und Filtern laut Baymard so schwer, dass sie das Finden und Auswählen aktiv behindern (Baymard) - Grund genug, den Auswahlprozess ernst zu nehmen.
Die Produktauswahl ist der stille Umsatzkiller
Die Diagnose beginnt mit einer unbequemen Zahl. In der Usability-Forschung von Baymard, die über Jahre tausende Testsitzungen in echten Shops ausgewertet hat, schneidet der durchschnittliche Shop bei Produktlisten und Filtern bestenfalls mittelmäßig ab - und bei 36 Prozent der untersuchten Shops sind die Gestaltungs- und Funktionsmängel so schwer, dass sie ihre Nutzer beim Finden und Auswählen von Produkten geradezu behindern (Baymard). Das ist kein reines Designproblem, sondern ein Auswahlproblem: Der Kunde steht vor einer korrekt gefüllten Kategorie und weiß trotzdem nicht, welches der vielen Modelle für ihn das richtige ist.
Dieses Gefühl hat einen Namen: Entscheidungslähmung. In einer vielzitierten Verhaltensstudie kauften nur 3 Prozent der Menschen, denen 24 Sorten Konfitüre zur Auswahl standen, während bei nur sechs Sorten 30 Prozent zugriffen (Iyengar/Lepper). Mehr Auswahl zieht Aufmerksamkeit an, senkt aber die Abschlussbereitschaft, sobald der Kunde die Optionen nicht mehr souverän vergleichen kann. Ein großes, gut gepflegtes Sortiment ist also ein Wettbewerbsvorteil - aber nur, wenn der Shop den Kunden durch dieses Sortiment führt, statt ihn davorzustellen.
Wie teuer die ungelöste Auswahl ist, zeigt der Blick auf die Abbruchquote. Über zahlreiche Studien hinweg liegt der durchschnittliche Warenkorbabbruch bei rund 70 Prozent (Baymard) - und ein erheblicher Teil dieser Abbrüche entsteht nicht erst an der Kasse, sondern viel früher, beim Zögern vor der Auswahlentscheidung. Wer nicht sicher ist, das richtige Produkt gefunden zu haben, legt es entweder gar nicht erst in den Warenkorb oder bricht später aus Unsicherheit ab. Genau diese Unsicherheit ist der Angriffspunkt eines Bedarfsberaters.
Eine gute KI-gestützte Produktsuche hilft dem Kunden, der bereits weiß, wonach er sucht. Der Bedarfsberater setzt eine Stufe früher an: Er hilft dem Kunden, der sein Ziel kennt, aber nicht das passende Produkt. Beide Werkzeuge ergänzen sich, lösen aber unterschiedliche Probleme - und sollten nicht miteinander verwechselt werden.
Was ein KI-Produktberater ist - und was nicht
Ein KI-Produktberater ist ein dialogbasierter Bedarfsberater im Shop. Er stellt dem Kunden wenige, alltagssprachliche Fragen - nicht nach technischen Attributen, sondern nach Nutzung, Kontext und Priorität - und leitet daraus eine begründete Produktempfehlung ab. Anders als ein generischer Chatbot verfolgt er ein klares Ziel: nicht plaudern, sondern zur passenden Kaufentscheidung führen. Und anders als ein statischer Filter übersetzt er die Sprache des Kunden (Ich fahre damit jeden Tag zur Arbeit, etwa acht Kilometer, teils bei Regen) in die Sprache des Sortiments (Pendlersegment, Schutzblech, Nabendynamo, wartungsarme Bremsen).
| Aspekt | Klassischer Filter | Generischer Chatbot | KI-Produktberater |
|---|---|---|---|
| Einstiegswissen nötig | Produkt-Fachbegriffe | frei, oft ziellos | Alltagssprache genügt |
| Ergebnis | Trefferliste | Textantwort | Empfehlung mit Begründung |
| Führung | keine | schwach | 3 bis 5 gezielte Fragen |
| Datenbasis | Attributfilter | wechselnd | Produktdaten, Regeln und KI |
| Ziel | Eingrenzen | Fragen beantworten | zur Kaufentscheidung führen |
Der Unterschied ist keine Wortklauberei. Ein Filter verlangt vom Kunden, dass er die Fachsprache des Sortiments bereits beherrscht - er muss wissen, dass er eine bestimmte Traglast, Schuhweite oder Schnittstelle braucht. Ein Bedarfsberater dreht diese Anforderung um: Er fragt nach dem, was der Kunde weiß (seinem Ziel), und übernimmt die Übersetzung in die Fachsprache selbst. Genau darin liegt sein Wert für erklärungsbedürftige Sortimente. Er ersetzt dabei weder Produktseite noch Filter, sondern ergänzt sie um eine Ebene, die auf klassischen Kategorieseiten fehlt: eine Führung, die vom Bedarf ausgeht.
Guided Selling ist nicht Guided Buying
Der Begriff Guided Selling wird häufig mit Guided Buying verwechselt - beide klingen ähnlich, meinen aber gegensätzliche Perspektiven. Guided Buying ist ein Thema der Beschaffung: Es führt Mitarbeiter eines einkaufenden Unternehmens durch genehmigte Kataloge, Lieferanten und Freigabeprozesse, damit die Beschaffung regelkonform bleibt. Wie das im B2B-Kontext aussieht, beschreiben wir im Artikel zu Guided Buying im B2B-Einkauf.
Guided Selling dagegen ist kundenseitig gedacht: Es unterstützt die Person, die kaufen möchte, dabei, aus dem Angebot des Verkäufers das Richtige zu wählen. Der KI-Produktberater, um den es hier geht, ist ein Guided-Selling-Werkzeug - er steht auf der Seite des Kunden und führt ihn durch das Sortiment, nicht durch einen Beschaffungsprozess. Diese Unterscheidung bestimmt, welche Fragen der Berater stellt (Bedarf statt Budgetfreigabe), welche Daten er nutzt (Produktattribute statt Lieferantenverträge) und woran sein Erfolg gemessen wird (Conversion und Zufriedenheit statt Compliance). Ein Werkzeug, das beides vermischt, wird beidem nicht gerecht.
Der Dialog: wenige Fragen, eine klare Empfehlung
Der Kern des Beraters ist der Dialog - und ein guter Dialog ist kurz. Jede zusätzliche Frage kostet Abbrecher, deshalb gilt: so wenige Fragen wie möglich, so viele wie nötig. In der Praxis reichen für die meisten Sortimente drei bis fünf Fragen, wenn sie die richtigen sind. Entscheidend ist, nach dem Bedarf zu fragen, nicht nach der Lösung.
- Nach Nutzung fragen, nicht nach Technik: Wofür setzen Sie das Gerät ein? führt weiter als Welche Wattzahl benötigen Sie?. Die Übersetzung von Nutzung in Technik ist die Aufgabe des Beraters, nicht des Kunden.
- Mit der wichtigsten Frage beginnen: Die erste Frage sollte den Sortimentsbaum am stärksten aufteilen. Wer zuerst innen oder außen? fragt, halbiert den Katalog sofort und macht jede folgende Frage relevanter.
- Antwortoptionen statt Freitext: Vorgegebene, verständliche Optionen sind schneller beantwortet und leichter auszuwerten als offene Felder. Freitext bleibt als Ergänzung sinnvoll, nicht als Pflichteinstieg.
- Fortschritt sichtbar machen: Frage 2 von 4 nimmt die Angst vor einem endlosen Fragebogen. Ein sichtbarer Fortschritt erhöht die Abschlussquote des Dialogs erfahrungsgemäß spürbar.
- Jederzeit ausstiegsfähig: Wer schon weiß, was er will, muss den Dialog überspringen können. Der Berater ist ein Angebot, kein Tor vor dem Sortiment.
- Empfehlung begründen: Die Ausgabe ist kein einzelnes Produkt aus dem Nichts, sondern Wir empfehlen Modell X, weil Sie A und B angegeben haben - idealerweise mit ein bis zwei Alternativen für andere Prioritäten.
Die letzte Regel ist die wichtigste. Eine Empfehlung ohne Begründung ist eine Blackbox, und Blackboxen erzeugen Misstrauen. Wenn der Kunde nachvollziehen kann, warum gerade dieses Produkt vorgeschlagen wird, wird aus einer Behauptung eine Beratung - und aus einem Klick ein Kauf. Die Begründung ist zugleich der Punkt, an dem sich ein seriöser Berater von einem verkappten Verkaufstrichter unterscheidet.
Wie die Empfehlung entsteht: Attribute, Regeln, KI
Damit der Berater sinnvoll empfehlen kann, braucht er drei Zutaten: strukturierte Produktdaten, eine nachvollziehbare Regel- und Bewertungslogik und - wo es hilft - ein KI-Modell, das die freie Sprache des Kunden in diese Struktur übersetzt. Die Reihenfolge ist kein Zufall. Ohne saubere Daten hilft auch das ausgefeilteste Modell nichts.
Produktdaten als Fundament
Jedes Produkt braucht die Attribute, nach denen der Berater entscheidet - Einsatzzweck, Größe, Leistungsklasse, Kompatibilität. Diese Datenhoheit ist die eigentliche Investition; wie sie sich systematisch aufbauen lässt, zeigt unser Beitrag zur PIM-Strategie und Produktdatenhoheit.
Regeln und Gewichtung
Aus den Antworten wird ein Bedarfsprofil, das gegen die Produktattribute gematcht wird. Harte Kriterien (passt oder passt nicht) grenzen ein, weiche Kriterien (Preis, Marke, Design) gewichten. Das Ergebnis ist ein Ranking mit Begründung, kein Zufallstreffer.
KI für die Übersetzung
Ein Sprachmodell ordnet Freitext-Eingaben den passenden Attributen zu und formuliert die Begründung verständlich. Es ersetzt die Regeln nicht, sondern macht sie bedienbar - und lässt sich auf Wunsch mit KI-Produktempfehlungen für passendes Zubehör verbinden.
Ein wichtiger Nebeneffekt gut gepflegter Attribute: Der Berater kann Varianten sinnvoll bündeln. Wo ein Kunde sonst zwischen zwölf fast identischen Ausführungen wählen müsste, führt der Dialog direkt zur passenden Variante. Das entlastet nicht nur den Kunden, sondern auch die Produktstruktur - ein Thema, das eng mit der sauberen Handhabung von Produktvarianten und Duplicate Content zusammenhängt, weil ähnliche Varianten sonst als konkurrierende Einzelseiten auftreten.
Für welche Sortimente sich Guided Selling rechnet
Guided Selling rechnet sich nicht überall gleich. Bei einem Sortiment aus fünf klar unterscheidbaren Produkten ist ein Dialog überflüssig. Sein Hebel wächst mit der Erklärungsbedürftigkeit und der Sortimentstiefe. Als grobe Orientierung eignet sich Guided Selling besonders in diesen Konstellationen:
- Viele ähnliche Produkte mit feinen Unterschieden (Fahrräder, Laufschuhe, Matratzen)
- Erklärungsbedürftige Technik, bei der Kunden die Fachbegriffe nicht kennen (Werkzeug, Elektronik, Fotografie)
- Kompatibilitäts- und Passgenauigkeitsfragen (Ersatzteile, Zubehör, Filter, Verbrauchsmaterial)
- Sortimente mit hohem Retourenrisiko durch Fehlkäufe (Bekleidung, Ausrüstung)
- Beratungsintensive Kategorien, in denen sonst der stationäre Handel punktet (Pflege, Spezialbedarf, Hobbyausrüstung)
- Geschenk- und Einsteigerkäufe, bei denen der Käufer das Produkt nicht selbst nutzt oder es zum ersten Mal kauft
Ein zusätzlicher Vorteil in beratungsintensiven Kategorien: Der Berater senkt tendenziell die Retourenquote, weil Fehlkäufe aus Unsicherheit seltener werden. Das ist ein doppelter Effekt - mehr Abschlüsse und weniger Rücksendungen -, der sich in erklärungsbedürftigen Sortimenten oft stärker auf die Marge auswirkt als die reine Conversion-Steigerung. Rücksendungen sind teuer, und ein Kauf, der von vornherein passt, ist der günstigste Weg, sie zu vermeiden.
Umsetzung als Eigenentwicklung statt Fertig-Widget
Ein Bedarfsberater lässt sich als generisches Fertig-Widget einbinden oder als individuelle Lösung entwickeln. Beide Wege führen zu einem Frage-Antwort-Dialog - aber nur der zweite passt zu Ihrem konkreten Sortiment, Ihren Attributen und Ihrer Marke. Ein Standard-Widget kennt Ihr Produktmodell nicht; es zwingt Sie, Ihr Sortiment in ein fremdes Schema zu pressen, und läuft als zusätzliches Fremdskript im Frontend mit.
Genau dieser letzte Punkt wird unterschätzt. Jedes eingebundene Drittanbieter-Skript kostet Ladezeit, blockiert unter Umständen das Rendering und erweitert die Datenschutz-Angriffsfläche. Ein Berater, der die Conversion heben soll, aber die Seite verlangsamt, verschenkt einen Teil des Effekts sofort wieder. Wie sich unnötige Third-Party-Skripte entschlacken lassen, ist deshalb kein Nebenthema, sondern Teil derselben Rechnung.
Als individuell entwickelte KI-Lösung läuft der Berater dagegen in Ihrer eigenen Umgebung, nutzt Ihre eigenen Produktdaten und lässt sich datensparsam betreiben - ohne dass Kundeneingaben unkontrolliert an Dritte abfließen. Die individuelle Entwicklung erlaubt außerdem, den Dialog exakt auf Ihre Sortimentslogik zuzuschneiden und ihn sauber an Warenkorb, Produktdaten und gegebenenfalls Ihr Warenwirtschaftssystem anzubinden - etwa über eine Anbindung wie SAP Business One an Shopware, wenn Verfügbarkeiten und Preise dort geführt werden.
Was ein Kunde im Beratungsdialog eingibt - Nutzung, Maße, mitunter Gesundheitsbezug -, kann personenbezogen und teils sensibel sein. Solche Eingaben gehören datensparsam behandelt, zweckgebunden verarbeitet und transparent erklärt. Ein Berater, der nebenbei ein umfassendes Profil aufbaut, ohne das offenzulegen, schafft ein rechtliches Risiko statt Vertrauen. Nach aktuellen Datenschutzanforderungen entwickelt, sammelt der Dialog nur, was er für die Empfehlung wirklich braucht.
Vertrauen entscheidet: Transparenz statt Blackbox
Ob ein Kunde der Empfehlung folgt, ist am Ende eine Vertrauensfrage - und Vertrauen entsteht aus Relevanz und Transparenz. Die Erwartungshaltung ist hoch: 80 Prozent kaufen eher, wenn eine Marke ein personalisiertes Erlebnis bietet, und 90 Prozent finden Personalisierung ansprechend (Epsilon). Ein guter Berater bedient genau diese Erwartung, ohne aufdringlich zu wirken.
Gleichzeitig ist das Erlebnis selbst zum Kaufkriterium geworden. 73 Prozent der Verbraucher nennen die Erfahrung einen wichtigen Faktor ihrer Kaufentscheidung (PwC), und rund jeder Dritte wendet sich schon nach einer einzigen schlechten Erfahrung von einer geschätzten Marke ab (PwC). Ein Bedarfsberater ist eine der wenigen Stellen im Shop, an denen sich dieses Verständnis unmittelbar und sichtbar zeigen lässt.
Unternehmen, die Personalisierung konsequent umsetzen, heben damit Umsatz und Wiederkaufrate spürbar. Entscheidend ist die Umsetzung: Personalisierung als spürbare Hilfe wirkt, Personalisierung als Überwachung schadet.
Deshalb gehört zu einem seriösen Berater, dass er ehrlich empfiehlt - auch das günstigere Produkt, wenn es besser passt. Ein Berater, der Kunden systematisch zum teuersten Modell führt, ist ein verkapptes Dark Pattern und fällt schnell auf. Transparenz über die Empfehlungslogik, nachvollziehbare Begründungen und ehrliche Alternativen sind kein Verzicht auf Umsatz, sondern seine Voraussetzung - und sie zahlen langfristig auf die Kundenbindung ein, die einen Fehlkauf nicht verzeiht.
Messen, ob der Berater wirkt
Ein Berater, dessen Wirkung Sie nicht messen, ist eine Wette. Der große Vorteil einer eigenen Lösung ist, dass jeder Schritt des Dialogs auswertbar ist. Vier Kennzahlen tragen die Beurteilung.
Abschluss- statt Absprungrate
Wie viele Nutzer, die den Dialog starten, beenden ihn auch? Ein hoher Abbruch mitten im Dialog deutet auf zu viele oder zu komplexe Fragen hin - die am leichtesten zu behebende Schwäche.
Beratungs-Conversion gegen Baseline
Vergleichen Sie die Conversion der Nutzer, die den Berater genutzt haben, mit denen, die direkt im Katalog gekauft haben. Diese Differenz ist der eigentliche Wertbeitrag - realistische Conversion-Benchmarks helfen bei der Einordnung.
Warenkorbwert und Retouren
Führt die Empfehlung zu höherwertigen, aber passenderen Käufen? Ein steigender Warenkorbwert bei gleichzeitig sinkender Retourenquote ist das stärkste Signal, dass der Berater trifft.
Annahmequote der Empfehlung
Wie oft wird das empfohlene Produkt tatsächlich gekauft - und wie oft eine der Alternativen? Diese Quote zeigt, ob die Logik zum realen Bedarf passt, und liefert die Grundlage, sie nachzuschärfen.
Die Erwartung an die Größenordnung sollte realistisch bleiben. Wie stark eine geführte Auswahl wirkt, hängt vom Sortiment, von der Fragequalität und von der Ausgangslage ab - belastbare Vergleichswerte über Shops hinweg gibt es dafür nicht, und pauschale Uplift-Angaben sind keine Zusage. Aussagekräftig ist allein der Effekt am eigenen Shop: Wer den beratenen Nutzern eine Vergleichsgruppe ohne Berater gegenüberstellt, sieht innerhalb weniger Wochen, ob der Berater genau die unsicheren Kaufinteressenten hält, die sonst abspringen. Wo genau auf der Produktseite dieser Hebel ansetzt, hängt zudem an Details wie einem konkreten Lieferdatum auf der Produktseite, das die Kaufentscheidung zusätzlich absichert.
Der sauberste Nachweis ist ein kontrollierter Vergleich: eine Gruppe mit Berater, eine ohne, sonst gleiche Bedingungen. Ohne Kontrollgruppe schreiben Sie dem Berater leicht Effekte zu, die aus Saison, Kampagne oder Sortiment stammen. Beginnen Sie mit einer Kennzahl - der Abschlussrate des Dialogs -, weil sie am schnellsten verfügbar ist und die häufigste Schwachstelle sichtbar macht.
Vom Klick zur passenden Wahl
Ein KI-Produktberater ersetzt weder Ihre Produktseiten noch Ihre Suche noch Ihren Kundenservice. Er schließt eine bestimmte Lücke: den Moment, in dem ein kaufbereiter Kunde vor einem großen Sortiment steht und unsicher ist, was zu ihm passt. Für erklärungsbedürftige Sortimente ist dieser Moment oft der teuerste im gesamten Funnel - und der am seltensten gezielt bearbeitete.
Der Weg dorthin ist kein Widget-Einkauf, sondern eine Entwicklung entlang Ihres Sortiments: saubere Produktdaten, die richtigen Fragen, eine nachvollziehbare Empfehlungslogik und eine ehrliche, transparente Ausgabe. Als maßgeschneiderte Eigenentwicklung fügt sich der Berater in Ihre bestehende E-Commerce-Landschaft ein, statt sie mit einem Fremdskript zu belasten. Wenn Sie prüfen möchten, ob und wo sich ein Bedarfsberater in Ihrem Shop rechnet, beginnen wir mit einer nüchternen Bestandsaufnahme - anhand Ihrer Sortimentsstruktur, Ihrer Auswahl-Kennzahlen und der Frage, an welcher Stelle Ihre Kunden heute am häufigsten zögern.
Dieser Artikel stützt sich auf: Baymard Institute (Produktlisten- und Filter-Benchmark aus tausenden Testsitzungen - 36 Prozent der Shops mit so schweren Mängeln, dass sie das Finden und Auswählen behindern; Checkout-Forschung - rund 70 Prozent durchschnittlicher Warenkorbabbruch als Mittel über zahlreiche Studien), Iyengar/Lepper (When Choice is Demotivating, Konfitüre-Experiment - 3 Prozent Kaufquote bei 24 Sorten gegenüber 30 Prozent bei sechs Sorten), Epsilon (The Power of Me - 80 Prozent kaufen eher bei personalisiertem Erlebnis, 90 Prozent finden Personalisierung ansprechend) sowie PwC (Experience is Everything - 73 Prozent nennen Erfahrung als Kauffaktor, 32 Prozent verlassen eine geschätzte Marke nach einer einzigen schlechten Erfahrung). Alle Zahlen beziehen sich auf unterschiedliche Erhebungszeiträume und Grundgesamtheiten und können je nach Markt und Sortiment abweichen.
Die Suche hilft dem Kunden, der bereits weiß, wonach er sucht, und den passenden Suchbegriff eingeben kann. Ein KI-Produktberater setzt eine Stufe früher an: Er hilft dem Kunden, der sein Ziel kennt, aber nicht das passende Produkt, und führt ihn über wenige Fragen zur Empfehlung. Beide ergänzen sich - eine gute Produktsuche und ein Bedarfsberater lösen unterschiedliche Probleme im selben Shop.
Erfahrungsgemäß dann, wenn das Sortiment erklärungsbedürftig oder tief ist und Kunden die Fachbegriffe nicht sicher beherrschen - etwa bei Fahrrädern, Werkzeug, Elektronik, Matratzen oder Ersatzteilen mit Kompatibilitätsfragen. Bei wenigen, klar unterscheidbaren Produkten ist der Hebel gering. Als grobe Orientierung gilt: Je häufiger Kunden vor dem Kauf Beratung suchen oder aus Unsicherheit abbrechen, desto größer ist typischerweise der Nutzen.
So wenige wie möglich, so viele wie nötig. Für die meisten Sortimente reichen drei bis fünf Fragen, wenn sie die richtigen sind und mit der stärksten Verzweigung beginnen. Jede zusätzliche Frage kostet in der Regel Abbrecher, deshalb sollte der Fortschritt sichtbar sein und der Ausstieg jederzeit möglich. Die passende Zahl hängt vom Sortiment ab und lässt sich anhand der Abschlussrate des Dialogs schrittweise nachjustieren.
Nein. Guided Buying ist ein Beschaffungsthema und führt Mitarbeiter eines einkaufenden Unternehmens durch genehmigte Kataloge und Freigabeprozesse. Guided Selling ist kundenseitig und hilft der kaufenden Person, aus dem Angebot das Richtige zu wählen. Ein KI-Produktberater gehört zu Guided Selling. Die B2B-Beschaffungsperspektive behandeln wir gesondert in unserem Artikel zum Guided Buying im B2B-Einkauf.
Durch eine nachvollziehbare Empfehlungslogik und Transparenz. Der Berater sollte begründen, warum er ein Produkt vorschlägt, ehrliche Alternativen anbieten und auch günstigere Produkte empfehlen, wenn sie besser passen. Ein Dialog, der systematisch zum teuersten Modell führt, ist ein Dark Pattern und untergräbt das Vertrauen. Wir entwickeln die Logik so, dass sie am Bedarf ausgerichtet ist und offengelegt werden kann - das ist erfahrungsgemäß auch kommerziell der tragfähigere Weg.
Über vier Kennzahlen: die Abschlussrate des Dialogs, die Conversion der beratenen Nutzer im Vergleich zu einer Baseline, die Entwicklung von Warenkorbwert und Retourenquote sowie die Annahmequote der Empfehlung. Am aussagekräftigsten ist ein kontrollierter Vergleich mit einer Gruppe ohne Berater. Pauschale Uplift-Größenordnungen aus dem Markt taugen dafür nicht - maßgeblich sind die Werte, die Ihr eigener Shop liefert.