Agentische Suche: WebMCP, Gemini in Chrome und AI Mode

Google hat auf der I/O 2026 mehr angekündigt als ein Interface-Update. Mit dem AI Mode, der Intelligent Search Box, WebMCP, Gemini in Chrome und ersten agentischen Browserfunktionen entsteht eine neue Schicht des Webs, in der Suche, Browser und KI-Agent zusammenwachsen. Das verschiebt die Messlatte: Eine Website muss nicht mehr nur auffindbar sein, sondern für KI-Systeme verständlich, verwertbar und perspektivisch auch als Werkzeug nutzbar sein.

Dieser Beitrag ordnet ein, was von den Ankündigungen bereits gilt, was sich noch in früher Entwicklung befindet und was das strategisch für Marketing, Content und Website-Architektur bedeutet.

Das alte Modell bricht auf

In der klassischen Suche lautete das Muster: Keyword eingeben, Rangliste bekommen, klicken, lesen, entscheiden. Dieses Modell hat jahrzehntelang funktioniert. Jetzt bricht es auf.

Im entstehenden Modell bleibt der Nutzer eingebunden, aber die operative Schicht verschiebt sich: Im AI Mode beschreibt der Nutzer ein Problem, das System verarbeitet die Anfrage, ruft Informationen aus mehreren Quellen ab, synthetisiert eine Antwort und bietet Links zur Vertiefung. Folgefragen sind möglich, der Kontext bleibt erhalten. Google beschreibt AI Mode als KI-gestützte Sucherfahrung für komplexere Fragen, Folgefragen und multimodale Eingaben.

Mit WebMCP und Gemini in Chrome kommt eine weitere Ebene hinzu: Eine Website kann nicht mehr nur Inhalte bereitstellen, sondern auch maschinenlesbare Funktionen anbieten. Ein Agent liest dann nicht mehr nur mit. Er kann bereitgestellte Tools erkennen und bestimmte Schritte vorbereiten oder ausführen, sofern Browser, Website und Nutzerfreigabe dies zulassen.

Der Unterschied zwischen beiden Modellen lässt sich auf mehreren Ebenen konkret beschreiben:

Ankündigungen und Realität

Gemini 3.5 Flash ist das neue Standardmodell im AI Mode. Die Intelligent Search Box, die Google als größten Umbau des Suchfelds seit mehr als 25 Jahren beschreibt, akzeptiert Text, Bilder, Dateien, Videos und Chrome-Tabs als Eingabe. Eine Milliarde monatliche Nutzer nennt Google dabei als Bezugsgröße für den AI Mode.

WebMCP existiert bislang als Vorschlag und Early Preview, nicht als fertiger, breit etablierter Webstandard. Chrome beschreibt WebMCP als Infrastruktur, mit der Websites strukturierte Tools für browserbasierte Agenten bereitstellen können. Die strategische Richtung ist klar, der technische Standard aber noch nicht im normalen Website-Alltag angekommen. Das ist für die Planung eine wichtige Unterscheidung.

Gemini in Chrome mit Auto Browse folgt demselben Muster: schrittweise, mit klaren Einschränkungen. Zum Start Ende Juni 2026 sind die USA, ausgewählte Android-Geräte mit Android 12 oder höher und für Auto Browse AI Pro oder AI Ultra Abonnenten vorgesehen. APIs, Rollout-Grenzen und Geräteunterstützung variieren je nach Markt, Chrome-Version und Abonnement. Der Startschuss ist gefallen, die breite Verfügbarkeit aber noch offen.

Ein Überblick über den aktuellen Stand der wichtigsten Ankündigungen:

Eine nüchterne Einordnung der agentischen Suche

Für Marketing und SEO ist eine nüchterne Einordnung entscheidend. Google Search Central stellt klar, dass generative Suchfunktionen wie AI Overviews und AI Mode keine völlig neue technische SEO-Disziplin erfordern. Seiten müssen weiterhin indexierbar sein und die grundlegenden Anforderungen der Google Suche erfüllen. Es braucht kein spezielles AI-Mode-Markup, um in generativen Suchfunktionen berücksichtigt zu werden.

Die neue Suchlogik verlangt also keinen spekulativen Trick. Sie erhöht aber den Wert sauberer Grundlagen. Hilfreiche Inhalte, technische Klarheit, strukturierte Informationen, nachvollziehbare Quellen und präzise Produktdaten werden wichtiger, weil KI-Systeme Inhalte nicht nur finden, sondern zusammenfassen, bewerten und in Antworten einordnen.

Verbreitete Annahmen und ihre realistische Einordnung:

Von Keyword-Clustern zu Aufgaben-Clustern

Google beschreibt für AI Mode und AI Overviews die Technik Query Fan Out. Das System kann mehrere verwandte Suchanfragen über Teilthemen und unterschiedliche Datenquellen hinweg ausführen, um umfassendere Antworten zu entwickeln. Sichtbarkeit hängt damit nicht mehr allein am einzelnen Keyword-Ranking. Entscheidend wird, wer über Teilfragen, Entitäten und Themenräume hinweg als verlässliche Quelle wiederverwendbar ist.

Das verändert die Logik der Content-Planung. Keyword-Cluster fragen: Welche Suchbegriffe gehören zusammen? Aufgaben-Cluster fragen: Welche Entscheidung steht an, welche Kriterien braucht der Nutzer, welche Folgefragen entstehen dabei?

Ein Vergleich macht den Unterschied greifbar:

Diese Denkweise orientiert sich nicht mehr am isolierten Suchbegriff, sondern am Entscheidungsprozess. Content muss daher stärker entlang realer Aufgaben, Rollen, Kriterien und Entscheidungssituationen aufgebaut werden.

Präzision als Sichtbarkeitsvoraussetzung

Wer seine Website für agentische Suche fit machen will, muss meist kein technisches Problem lösen. Das eigentliche Problem ist oft Unschärfe. Inhalte, die keine klaren Aussagen treffen, keine Kriterien benennen und Fragen nicht direkt beantworten, haben es in KI-gestützten Retrieval-Prozessen schwerer, auch wenn klassische Rankings weiterhin relevant bleiben.

Schwach: „Unsere Lösung hilft Teams, effizienter zu arbeiten.“

Stark: „Die Lösung unterstützt SAML SSO, SCIM Provisioning, rollenbasierte Berechtigungen, EU-Datenhosting und eine durchschnittliche Implementierungsdauer von sechs bis zehn Wochen.“

Marketingseiten sind oft absichtlich unscharf, weil sie möglichst viele Zielgruppen ansprechen wollen. Agentische Suche bevorzugt dagegen Vergleichbarkeit. Gefragt wird nicht mehr nur „Was ist die beste Lösung?“, sondern „Welche Lösung passt für ein mittelständisches Industrieunternehmen mit SAP-Integration, EU-Hosting und begrenztem IT-Team?“ Websites müssen dafür detaillierte Informationen liefern, etwa zu Zielbranchen, Preismodellen, Implementierungsdauer, Einschränkungen und Entscheidungskriterien.

E-E-A-T verändert sich dabei von einem redaktionellen Prinzip zu einem operativen. Quellenqualität, Autorenschaft, Aktualität und Methodik sind keine Gütemerkmale mehr, die nur Menschen bewerten. Generative Systeme wählen Quellen aus und verdichten sie. Wer schreibt, auf welcher Erfahrung Aussagen beruhen, wann ein Inhalt zuletzt geprüft wurde und welche Quellen herangezogen wurden, wird damit zum maschinell lesbaren Vertrauenssignal.

Auf technischer Ebene verschiebt das die Prioritäten:

Die Website als Werkzeug

Bisher musste eine KI eine Website wie ein Mensch interpretieren: Buttons erkennen, Formularfelder erschließen, visuelle Hierarchien deuten. Das ist fehleranfällig und scheitert häufig an kleinen Layout-Änderungen. WebMCP setzt an dieser Stelle strukturell an: Websites beschreiben dem Agenten explizit, welche Werkzeuge verfügbar sind, welche Eingaben erwartet werden und welches Ergebnis zurückgegeben wird.

Ein Beispiel: Ein B2B-Softwareanbieter bietet einen ROI-Rechner an. Klassisch sieht ein Nutzer Eingabefelder, Labels und einen Button. Ein Agent muss daraus ableiten, was zu tun ist. Mit agentenfähiger Struktur beschreibt die Website explizit: Dieses Tool berechnet Einsparpotenzial, benötigt Unternehmensgröße, Anzahl manueller Prozessstunden, Stundensatz und Zielprozess. Das Ergebnis besteht aus Zeitersparnis, Kostenspanne, Annahmen und empfohlenem nächsten Schritt. Der Agent versteht nicht nur die Oberfläche, sondern die Funktion.

Formulare gewinnen dabei besonders an Bedeutung. Viele zentrale Website-Ziele laufen über sie: Demo-Anfrage, Kontakt, Konfigurator, Checkout, Terminbuchung, Angebotsanfrage. Unklare Feldnamen, unnötige Pflichtfelder und mehrstufige Prozesse ohne semantische Struktur werden in diesem Kontext zu Sichtbarkeits- und Conversion-Risiken.

Auto Browse geht noch einen Schritt weiter. Die Funktion soll Aufgaben wie Parkplatzbuchungen oder Bestelländerungen direkt in Chrome erledigen können, mit Bestätigung bei sensiblen Aktionen. Der aktuelle Rollout ist begrenzt, die Richtung aber klar: Digitale Aufgaben werden zunehmend nicht mehr ausschließlich manuell durchgeklickt. Das gilt nicht nur für E-Commerce. Auch komplexere B2B-Prozesse folgen dieser Logik: Ein Agent sucht die passende Produktvariante, vergleicht Vertragspakete, bereitet einen Supportfall vor oder bucht einen Vertriebstermin, immer unter Kontrolle und Bestätigung des Nutzers.

Sichtbarkeit wird situativ

Neben AI Mode, WebMCP und Gemini in Chrome ist auch der Ausblick auf Personal Intelligence und Search Agents relevant. Google beschreibt eine Entwicklung, in der die Suche stärker auf den Kontext des Nutzers reagieren kann: persönliche Präferenzen, frühere Interaktionen, verbundene Google-Dienste und Aufgaben, die nicht mehr nur beantwortet, sondern begleitet werden. Information Agents in Search sollen im Hintergrund Themen und Projekte beobachten und Nutzer mit synthetisierten Updates unterstützen.

Sichtbarkeit wird damit kontextabhängiger. Eine Marke erscheint nicht mehr nur, weil sie zu einem Keyword passt, sondern weil sie zu einer konkreten Aufgabe, einer Branche, einem Nutzungsverhalten oder einer Entscheidungssituation passt.

Diese Entwicklung verändert, wie Content gedacht werden muss:

Vom Datenpunkt zur Funktion

Ein Maschinenbauzulieferer möchte für Predictive-Maintenance-Sensorik sichtbar sein. Klassisch entsteht eine Landingpage mit Vorteilen, technischen Daten und Kontaktformular. Agentisch gedacht reicht das nicht.

Eine Website zu diesem Thema braucht zunächst eine klare Definition: Was ist Predictive-Maintenance-Sensorik, für welche Maschinen ist sie geeignet, welche Daten werden erhoben? Dann Anwendungsfälle: Ausfallprognose, Wartungsfenster, Ersatzteilplanung, Energieeffizienz, Qualitätskontrolle. Dann Entscheidungskriterien: Schnittstellen, IP-Schutzklasse, Messgenauigkeit, Integrationsaufwand, Cloud- oder Edge-Verarbeitung, Compliance, Kosten. Jede dieser Ebenen beantwortet Teilfragen, die Query Fan Out aus einer komplexen Anfrage ableiten kann.

Der entscheidende Schritt darüber hinaus ist ein Tool. Ein Rechner, der anhand von Maschinentyp, Ausfallkosten, Wartungsintervall und Produktionsstunden abschätzt, wann sich eine Lösung amortisiert, ist für einen menschlichen Nutzer nützlich. Für einen Agenten, der diesen Rechner über WebMCP nicht nur lesen, sondern als Funktion aufrufen kann, wird die Website vom Informationsträger zum ausführbaren Bestandteil eines Entscheidungsprozesses.

Risiken und Grenzen agentischer Suche

Die Entwicklung ist strategisch relevant, aber nicht ohne Grenzen. AI Mode kann Fehler machen. Antworten können unvollständig sein, Quellen unterschiedlich gewichten oder Aussagen verdichten, ohne jede fachliche Nuance abzubilden. Unklare, veraltete oder widersprüchliche Inhalte können falsch zusammengefasst werden oder in KI-Antworten hinter Wettbewerbern zurückfallen, die präzisere und besser strukturierte Informationen bereitstellen.

Auch die Messbarkeit bleibt schwierig. Klassische Rankings, Klicks und Leads sind weiterhin wichtig, erfassen aber nicht vollständig, ob eine Marke in KI-Antworten erwähnt, als Quelle genutzt oder in agentischen Prozessen berücksichtigt wird. Antworten werden stärker vom Kontext abhängen: Sprache, Standort, Gerät, Suchverlauf und konkrete Nutzerabsicht können Ergebnisse verändern.

Die wichtigsten Risiken im Überblick:

Sichtbarkeit neu messen

Klassische Rankingdaten bleiben relevant, reichen jedoch nicht mehr als alleinige Messgröße. Sinnvoll ist ein festes Set typischer Nutzerfragen, das regelmäßig in AI Mode und anderen KI-Suchsystemen getestet wird. Solche Fragen sollten echte Entscheidungssituationen abbilden:

Wichtig ist auch, in welchem Kontext die Marke genannt wird, welche Wettbewerber auftauchen, welche Quellen zitiert werden und welche Inhalte von anderen Anbietern besser beantwortet werden.

Sechs Monate, acht Maßnahmen

Die meisten sinnvollen Maßnahmen erfordern keine großen Entwicklungsprojekte, sondern redaktionelle und strukturelle Sorgfalt, die sich unabhängig vom weiteren Rollout von WebMCP und AI Mode auszahlt:

Besonders geeignet für einen WebMCP-Pilotfall sind Rechner, Konfiguratoren, Terminbuchungen, Supportpfade oder Angebotsstrecken, weil sie klar definierte Eingaben und Ergebnisse haben. Marketing sollte diese Pilotfälle nicht isoliert planen, sondern gemeinsam mit IT, Produktmanagement, UX, Datenschutz und Vertrieb priorisieren.

Marketingverantwortliche sollten deshalb nicht auf den vollständigen Rollout einzelner Funktionen warten. Die wichtigsten Grundlagen sind schon heute sinnvoll: präzise Inhalte, klare Informationsarchitektur, strukturierte Produktdaten, saubere Formulare, überprüfbare Quellen und eine Website, die nicht nur Aufmerksamkeit erzeugt, sondern Entscheidungen erleichtert.

FAQ