LONDON (IT BOLTWISE) – Die Startup Lantern will die Art verändern, wie E-Commerce-Produkte in KI-gestützten Such- und Empfehlungsanfragen auftauchen. Das Unternehmen sagt, es gebe sich nicht mehr mit klassischem SEO zufrieden, sondern brauche eine Optimierung für generative Systeme. Lantern kündigt dafür Tools an, die vorhersagen, wie Marken in einer LLM-Abfrage sichtbar werden und welche Maßnahmen die Trefferquote erhöhen. Zusätzlich plant das Startup weitere Finanzierung, um mehr technische Expertise aufzubauen.
Die nächste Welle im E-Commerce betrifft nicht nur Suchmaschinen, sondern vor allem die Systeme, die mittlerweile Antworten und Empfehlungen liefern. In Gesprächen aus der Branche wird der Wechsel oft als „wichtigste Transition seit Search“ beschrieben: Wo Nutzer früher über Suchtreffer zu Produkten fanden, erhalten sie heute häufig kuratierte Antworten aus LLMs oder Agenten. Genau an dieser Stelle setzt Lantern an. Das Startup, das 2024 gestartet ist und nach eigenen Angaben in 2025 eine Seed-Runde über 3,1 Millionen US-Dollar erhalten hat, positioniert sich mit KI-Optimierung speziell für E-Commerce-Marken und will sichtbar machen, wie Produkte in KI-gestützten Abfragen ranken.
Technisch klingt die Idee nach „Search für die neue Ära“, ist aber näher an einem Modellierungsproblem: Lantern trainiert intern eine Komponente, die prognostiziert, wie Produkte einer Marke in einer AI-powered Query überhaupt erscheinen könnten. Damit verschiebt sich der Fokus von generischen Rankings auf die Frage, welche Produktinformationen in einem Antwort- oder Empfehlungskontext der Modelle wahrscheinlich ausgewählt werden. Gartner-nahe Denkweisen zu Data-to-Decision werden hier praktisch umgesetzt: Das Tool leitet aus erwarteter Sichtbarkeit konkrete Optimierungshebel ab. Laut Anbieter kostet der Zugang 99 US-Dollar pro Monat; für Enterprise-Kunden wird das Pricing individuell gestaltet.
Historisch betrachtet begann der Wettbewerb um Aufmerksamkeit im digitalen Handel über SEO. Doch bereits als ChatGPT & Co. populär wurden, zeigten sich Lücken: Viele Marken konnten zwar Suchmaschinen überzeugen, aber nicht zwingend LLMs mit „richtigen“ Referenzen. Der bekannte Selbsttest des Gründers beschreibt das sinngemäß: In einer Anfrage nach Audio-Produkten tauchte die eigene Seite nicht in den relevanten Bezügen auf. Genau dieser Unterschied wird zum Ausgangspunkt einer neuen Kategorie, die derzeit mit Begriffen wie GEO (generative engine optimization) und AEO (answer engine optimization) umschrieben wird. Lantern versucht dabei, aus der Theorie ein mess- und trainierbares System zu machen.
Im Markt entsteht parallel ein regelrechter Werkzeug-Zoo. Jasper AI, ein Anbieter aus dem Marketing-Umfeld, hat in der frühen Hochphase der KI-Welle nach eigenen Angaben deutlich investitionsgetrieben Aufmerksamkeit gewonnen und konzentriert sich weiter auf Marketing-Fähigkeiten; zudem wurde zuletzt ein automatisiertes GEO-Element angekündigt. Daydream, eine SEO-Agentur, berichtet über eine Series-A-Finanzierung in Höhe von 15 Millionen US-Dollar, um agentic SEO zu skalieren und mehr Personal für das Training einzubinden. Gegen diese Konkurrenz setzt Lantern auf eine klare Spezialisierung: Der Anbieter sagt, er sei „rein auf E-Commerce“ fokussiert und wolle nicht einfach allgemeine Sichtbarkeit für jede Art von Content maximieren, sondern die Performance einzelner Produkte relativ zu Nischenkonkurrenten verbessern.
Diese Positionierung adressiert auch ein praktisches Problem: Wenn KI-Antworten die Nutzerführung übernehmen, reicht „irgendwie auffindbar“ oft nicht. Entscheidend ist, ob ein Produkt in den konkreten Entscheidungsschritten eines Agenten oder in der Antwortstruktur eines LLMs auftaucht. Branchenbeobachter erwarten, dass sich dadurch neue KPI-Logiken etablieren: nicht nur Keywords, sondern „Empfehlungswahrscheinlichkeit“ und „Antwort-Fit“ zu Produktattributen, Verfügbarkeit, Kategorien und Wettbewerbsvergleich. Genau hier ergänzt Lantern den Market-Stack: Anstatt nur Content zu verbessern, werden Maßnahmen über ein Modell bewertet, das die wahrscheinliche Sichtbarkeit im KI-Kontext schätzt.
Datenschutz und Sicherheit spielen dabei eine stille, aber zentrale Rolle. Tools, die Markeninformationen und Produktdaten in Trainings- oder Prognosepipelines integrieren, müssen nachvollziehbar klären, welche Daten gespeichert, weiterverarbeitet oder zum Debugging herangezogen werden. Zwar nennt Lantern in der vorliegenden Berichterstattung keine konkreten Compliance-Zertifizierungen, doch für Enterprise-Kunden wird entscheidend, wie das System mit Kundenprofilen, Produktkatalogen und potenziell sensiblen Wettbewerbsdaten umgeht. Hinzu kommt Prompt- und Tooling-Risiko: Wenn Agenten oder Empfehlungsmodelle als Input dienen, braucht es Mechanismen gegen Daten-Leakage, Poisoning und ungewollte Halluzinationen in der Bewertung der Sichtbarkeit. Genau diese „Operational Trust“-Schicht dürfte für den Erfolg in regulierten Märkten ausschlaggebend werden.
Auch die Go-to-Market-Strategie ist Teil der technischen Story. Lantern baut laut eigener Aussage zusätzliches Team-Know-how auf, unter anderem durch die Einstellung ehemaliger Amazon-Ingenieure, um das Produkt weiter zu schärfen. Dazu kommt der Hinweis auf laufende Kapitalbeschaffung, um „Tokens zu hinterlegen“ und mehr technische Talente zu finanzieren—eine Formulierung, die in der Startup-Welt meist auf Infrastruktur, Modellzugriffe oder wachstumsbezogene Compute-Kosten zielt. Der Vergleich mit Agentic Commerce zeigt, warum: Wo Software früher nur Ergebnisse lieferte, orchestriert sie heute Handlungen. Lantern will offenbar genau in diesem Orchestrierungsraum die „Empfehlungsfähigkeit“ von Katalogen verbessern und damit die Chance erhöhen, dass Händler nicht nur genannt, sondern tatsächlich ausgewählt werden.
Der Ausblick hängt davon ab, ob Lantern die Messbarkeit der „KI-Sichtbarkeit“ in der Praxis stabilisiert. Unternehmen werden in den nächsten Monaten genauer verlangen, wie Prognosen zustande kommen, welche Datenquellen einfließen und wie das Tool auf wechselnde Modellversionen reagiert—schließlich ändern sich Ranking- und Antwortstile in KI-Systemen kontinuierlich. Gleichzeitig wächst die Wahrscheinlichkeit, dass sich Märkte konsolidieren: Anbieter, die nur Content-Generierung automatisieren, könnten mittelfristig weniger wertvoll sein als Tools, die wirklich in die Produktentscheidung eingreifen. Wenn sich zudem GEO/AEO als gemeinsame Branchen-Sprache durchsetzt, könnte Lantern als frühes E-Commerce-spezifisches Referenzsystem profitieren. Für Entwickler bedeutet das: Schnittstellen zu Produktdaten, Test-Suites gegen Modellverhalten und nachvollziehbare Reporting-Mechanismen werden zum Wettbewerbsvorteil—und nicht nur zusätzliche Marketing-Features.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Lantern setzt auf KI-Optimierung: Mehr Produkt-Treffer in LLM-Empfehlungen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Lantern setzt auf KI-Optimierung: Mehr Produkt-Treffer in LLM-Empfehlungen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Lantern setzt auf KI-Optimierung: Mehr Produkt-Treffer in LLM-Empfehlungen« bei Google Deutschland suchen, bei Bing oder Google News!