2020 habe ich Lighthouse auf die Top 1.000 Shopify-Stores losgelassen. Der durchschnittliche Performance-Score lag bei 27. Kein einziger Store erreichte 90 oder mehr. Die durchschnittliche Time to Interactive betrug 18,8 Sekunden (Originalstudie, archiviert).
Die Studie wurde von Shopify-SEO-Guides und Entwicklerartikeln aufgegriffen und wird bis heute zitiert. Seitdem hat sich viel geändert. Google hat einen der drei Core Web Vitals ausgetauscht, und Lighthouse bewertet anders. Also habe ich den Test im Oktober 2026 wiederholt, mit einer frischen Liste der Top 1.000 Shopify-Stores.
Diesmal habe ich ergänzt, was die Ausgabe von 2020 nicht messen konnte: wie schnell diese Stores für echte Besucher auf echten Smartphones sind, aus Googles Chrome UX Report. Dieser zweite Datensatz ändert das Fazit.
Offenlegung: Niemand hat diese Studie gesponsert. Ich bin Mitgründer von Skuology und Upsellr; keines davon verkauft ein Speed-Produkt, und kein Store im Datensatz wird hier wegen einer Kundenbeziehung genannt.
Wichtigste Erkenntnisse
- Die Laborwerte stiegen im Schnitt von 27 auf 48, und 10 Stores erreichen jetzt 90 oder mehr (2020: keiner). Ein großer Teil des Anstiegs kommt von einer geänderten Bewertung, nicht von schnelleren Seiten.
- Die Seiten wurden schwerer und brauchen länger, bis sie zur Ruhe kommen. Die mittlere Time to Interactive stieg von 18,8 auf 26,1 Sekunden. Das mediane Seitengewicht liegt bei 6,1 MB, verteilt auf 377 Requests.
- Auf echten Smartphones bestehen 40 % der Top-Stores alle drei Core Web Vitals. 389 von 965.
- Die Reaktionsfähigkeit ist die Hürde. Nur 49 % bestehen Interaction to Next Paint. 288 Stores bestehen alles andere und scheitern allein daran.
- Der komplette Datensatz ist öffentlich. CSV herunterladen (1.000 Zeilen).
Die wichtigsten Zahlen, 2020 vs. 2026
| Messgröße | 2020 (Lighthouse 6.0) | 2026 (Lighthouse 13.5) |
|---|---|---|
| Getestete Stores (Labor) | 1.000 | 992 |
| Mittlerer Performance-Score | 27 | 48 |
| Stores mit 90 bis 100 Punkten | 0 | 10 (1,0 %) |
| Stores mit 70 bis 89 Punkten | 2,52 % | 8,7 % |
| Größte Score-Gruppe | 10 bis 19 (33,93 %) | 30 bis 39 (23,7 %) |
| Mittlerer First Contentful Paint | 3.841 ms | 4.289 ms |
| Mittlere Time to Interactive | 18.849 ms | 26.146 ms |
| Time to Interactive über 30 s | 9,6 % | 30,2 % |
| Layout Shift im Labor mit „gut“ bewertet | 68,1 % | 84,6 % |
| Core Web Vitals echter Nutzer bestanden | nicht gemessen | 40,3 % |
Alle Laborwerte von 2026 sind mobil, aus Googles PageSpeed Insights, erhoben am 22. und 23. Oktober 2026. Die Werte echter Nutzer stammen aus der Chrome UX Report API, Smartphone, für die 28 Tage bis zum 20. Oktober 2026.
Die Laborwerte sind gestiegen. Die Seiten sind nicht schneller geworden.
Ein Durchschnitt von 48 statt 27 sieht nach sechs Jahren Fortschritt aus. Lies den Rest der Tabelle, bevor du das glaubst.
First Contentful Paint ist langsamer geworden. Time to Interactive ist deutlich langsamer geworden: Dreimal so viele Stores brauchen jetzt mehr als 30 Sekunden, bis sie auf einem gedrosselten Mittelklasse-Smartphone zur Ruhe kommen. Die Ausgabe von 2020 fand keinen Store, der innerhalb von 2,5 Sekunden bedienbar war. 2026 sind es zwei.
Warum ist der Score dann gestiegen? Weil sich der Maßstab geändert hat. Lighthouse 10 hat Time to Interactive aus dem Performance-Score entfernt, und 80 % des Scores entfallen jetzt auf Total Blocking Time (30 %), Largest Contentful Paint (25 %) und Layout Shift (25 %) (Chrome for Developers, Lighthouse performance scoring). Eine der Metriken, bei denen diese Stores am schlechtesten abschneiden, zählt einfach nicht mehr.
Ein Teil der Verbesserung ist echt. Layout Shift ist weitgehend gelöst. 2020 wurden 16,5 % der Stores im Labor beim Layout Shift mit „schlecht“ bewertet. 2026 sind es 7,3 %, und auf echten Smartphones werden 86 % der Stores mit „gut“ bewertet. Inhalte, die beim Laden herumspringen, waren auf Top-Stores früher normal. Heute nicht mehr.
Was die Seiten wiegen
| Seitengewicht (mobile Startseite) | 2026 |
|---|---|
| 25. Perzentil | 4,2 MB |
| Median | 6,1 MB |
| 75. Perzentil | 10,2 MB |
| Median der Requests | 377 |
| Median Total Blocking Time (Labor) | 540 ms |
2020 habe ich einen auditierten Store herausgegriffen, der 13 MB an Bildern und 719 Requests hatte. 2026 wiegen 173 der 992 Startseiten insgesamt mehr als 13 MB, Bilder und alles andere zusammen. Siebenunddreißig stellen mehr als 719 Requests.
Das Gewicht zeigt sich in den Felddaten, vor allem am leichten Ende. Im leichtesten Viertel der Stores bestehen 55 % alle drei Core Web Vitals. Die anderen drei Viertel liegen zwischen 33 % und 38 %.
Auf echten Smartphones bestehen 40 %
Labortests simulieren ein langsames Smartphone mit einer gedrosselten Verbindung. Googles Chrome UX Report erfasst, was echte Chrome-Nutzer erlebt haben, und Google bewertet eine Seite anhand des 75. Perzentils dieser Besuche (web.dev, Web Vitals). Von den 1.000 Stores hatten 968 genug Traffic, um in diesem Bericht für Smartphones aufzutauchen, und 965 hatten Werte für alle drei Metriken.
| Core Web Vital (Smartphone, 75. Perzentil) | Schwellenwert für „gut“ | Stores mit „gut“ |
|---|---|---|
| Largest Contentful Paint | 2,5 s oder weniger | 77,1 % |
| Interaction to Next Paint | 200 ms oder weniger | 49,0 % |
| Cumulative Layout Shift | 0,1 oder weniger | 86,4 % |
| Alle drei | 40,3 % (389 von 965) |
Zwei Dinge fallen auf.
Echte Smartphones sind gnädiger als das Labor. Der mediane Largest Contentful Paint im Labor liegt bei 10,7 Sekunden; nur 7 Stores schaffen dort 2,5 Sekunden. Der mediane Wert echter Nutzer liegt bei 2,0 Sekunden über den gesamten Store, und 77 % der Stores bestehen. Die meisten echten Besucher haben schnellere Smartphones und Verbindungen als die Simulation, und wiederkehrende Besucher haben Dateien schon im Cache. Wenn dich eine rote Laborzahl in Panik versetzt hat, schau zuerst in deine Felddaten.
Laden ist weitgehend gelöst. Reagieren nicht. Largest Contentful Paint bestehen drei von vier Stores. Interaction to Next Paint, das misst, wie schnell die Seite reagiert, wenn jemand tippt, besteht nur einer von zwei.
Interaction to Next Paint ist die neue Hürde
Interaction to Next Paint hat im März 2024 First Input Delay als Core Web Vital abgelöst (web.dev, 2024). Die Studie von 2020 führte noch First Input Delay als Vital für die Reaktionsfähigkeit. Der Nachfolger misst jeden Tap und jeden Klick auf der Seite bis zum nächsten Paint, nicht nur die Verzögerung vor dem ersten.
Beim medianen Store liegt Interaction to Next Paint beim 75. Perzentil bei 202 ms, zwei Millisekunden über der Grenze. 288 Stores, fast 30 % der gemessenen, bestehen Laden und Layout Shift und scheitern allein an der Reaktionsfähigkeit. Nur 36 scheitern allein am Laden.
Die Labordaten zeigen auf die Ursache. Ich habe die Stores nach Total Blocking Time in Viertel aufgeteilt. Diese Metrik misst, wie lange JavaScript den Main Thread während des Ladens blockiert:
| Total Blocking Time (Labor) | Stores | Interaction to Next Paint bestanden |
|---|---|---|
| Niedrigstes Viertel (unter 199 ms) | 239 | 61 % |
| Zweites Viertel (199 bis 554 ms) | 239 | 58 % |
| Drittes Viertel (554 bis 1.164 ms) | 240 | 45 % |
| Höchstes Viertel (über 1.164 ms) | 239 | 35 % |
Je mehr JavaScript eine Startseite beim Laden ausführt, desto unwahrscheinlicher reagiert sie auf einem echten Smartphone rechtzeitig. In einem Shopify-Store ist dieses JavaScript das Theme, die Apps und die Tracking-Skripte. Welcher der drei in deinem Store verantwortlich ist, können diese Daten nicht sagen. Sie sagen aber, wo du zuerst hinschauen solltest.
Die Serverantwort spielt eine kleinere Rolle. Von den 222 Stores, die bei Largest Contentful Paint durchfallen, hatten 97 auch eine Time to First Byte echter Nutzer über 800 ms. Langsame Auslieferung ist bei ihnen also schon Teil des Problems, bevor auch nur ein Bild lädt.
Sagt der Lighthouse-Score voraus, ob echte Nutzer bestehen?
2020 habe ich mit dem Lighthouse-Score aufgemacht. Mit den Felddaten daneben würde ich das nicht wieder tun.
| Laborscore | Stores mit Felddaten | Alle drei Core Web Vitals bestanden |
|---|---|---|
| 0 bis 24 | 36 | 14 % |
| 25 bis 49 | 515 | 35 % |
| 50 bis 74 | 358 | 49 % |
| 75 bis 89 | 40 | 55 % |
| 90 bis 100 | 8 | 75 % |
Der Score zeigt in die richtige Richtung. Er entscheidet nichts. Ein Store mit einem Score im 30er-Bereich besteht im Feld in einem von drei Fällen. Zwei der acht Stores mit 90 oder mehr Punkten und Felddaten fallen durch: Einer mit einem Laborscore von 96 hat einen Largest Contentful Paint echter Nutzer von 4,3 Sekunden, ein anderer mit 91 Punkten eine Interaction to Next Paint echter Nutzer von 764 ms.
Das ist dieselbe Position, die ich im Leitfaden zur Shopify Speed-Optimierung vertrete: Optimiere das, worauf ein Käufer wartet, und prüfe es mit Felddaten, nicht mit dem Score.
Die schnellsten Stores im Test
Die zehn auf Shopify gehosteten Startseiten, die im Labor 90 oder mehr erreichten:
| Store | Laborscore | LCP (echte Nutzer) | INP (echte Nutzer) |
|---|---|---|---|
| palm.com | 99 | 1,2 s | 56 ms |
| ethnc.com | 98 | 1,5 s | 78 ms |
| lamaretail.com | 98 | 1,9 s | 99 ms |
| matchesfashion.com | 96 | 0,9 s | 110 ms |
| drune.de | 96 | 0,6 s | 112 ms |
| reelup.io | 96 | 4,3 s | 239 ms |
| bluehamham.com | 95 | keine Felddaten | keine Felddaten |
| pezwaan.com | 93 | 1,4 s | 138 ms |
| coldcultureworldwide.com | 91 | 1,5 s | 764 ms |
| scriptengine.net | 90 | keine Felddaten | keine Felddaten |
Eine Liste der zehn langsamsten Stores veröffentliche ich nicht. Die Daten stehen für alle, die sie wollen, in der CSV, und eine Startseite unter der Last eines Sales ist keine faire Momentaufnahme, um eine Marke herauszugreifen.
Ist ein höher platzierter Store auch schneller?
Nicht beim Laborscore. Die 100 bestplatzierten Stores kamen im Schnitt auf 46, die Stores auf Rang 501 bis 1.000 der Stichprobe auf 49. Auf echten Smartphones schnitt die Spitze etwas besser ab: 45 der 99 mit Felddaten bestanden alle drei Vitals (45 %), gegenüber 177 von 479 in der unteren Hälfte (37 %). Ein höherer Rang bringt nicht automatisch einen schnellen Store.
Methode
Store-Liste. Die Ausgabe von 2020 hat Stores nach dem Alexa-Traffic-Rang sortiert. Alexas Ranking-Dienst wurde inzwischen eingestellt, deshalb nutzt diese Ausgabe die Tranco-Liste (Listen-ID 746PX), ein Forschungsranking, das fünf Popularitätslisten kombiniert (Cisco Umbrella, Majestic, Farsight, den Chrome UX Report und Cloudflare Radar). Ich habe die Top 300.000 Tranco-Domains aufgelöst und diejenigen behalten, deren Root- oder www-Host in Shopifys Storefront-IP-Bereich 23.227.38.0/24 auflöst. Das ergab 5.069 auf Shopify gehostete Domains. Dann habe ich jede Startseite in der Reihenfolge des Rangs abgerufen und nur behalten, wenn Shopify sie noch auslieferte, bis 1.000 bestätigt waren. Siebzehn wurden dabei aussortiert. Der 1.000. Store steht auf Tranco-Rang 106.747. Websites für Erwachsene und Shopifys eigene Domains wurden ausgeschlossen.
Was dabei fehlt. Headless-Storefronts, die Shopify für den Checkout nutzen, ihre Seiten aber von einem anderen Host ausliefern, sind nicht in der Liste, weil ihre Startseiten nicht auf Shopify auflösen. Mehrere bekannte Shopify-Marken fallen in diese Gruppe. Auch die beiden Grundgesamtheiten unterscheiden sich: Die Liste von 2020 stammt von Alexa, die von 2026 von Tranco. Verglichen wird also die Spitze von Shopify damals und heute, nicht dieselben 1.000 Stores.
Labordaten. Ein PageSpeed-Insights-Lauf pro Startseite, mobile Strategie, Kategorie Performance, Lighthouse 13.5.0, am 22. und 23. Oktober 2026. Acht Startseiten lieferten auch nach einem erneuten Versuch kein verwertbares Ergebnis, es blieben 992. Ein Lauf pro Store ist für den einzelnen Store verrauscht und über 992 Stores hinweg unproblematisch.
Felddaten. Die Chrome UX Report API, Origin-Ebene, Formfaktor Smartphone, 75. Perzentil, für die 28 Tage bis zum 20. Oktober 2026 (Dokumentation der Chrome UX Report API). Ein Store besteht, wenn alle drei Vitals Googles Schwellenwerte für „gut“ erreichen. Felddaten gelten auf Origin-Ebene: Sie decken jede Seite ab, die echte Besucher geladen haben, während der Laborlauf nur die Startseite testet. Labor und Feld messen also nicht dieselbe Seite.
Vergleich mit 2020. Die Zahlen von 2020 sind aus dem ursprünglichen Beitrag übernommen. Lighthouse 6.0 und 13.5 gewichten und bewerten Metriken unterschiedlich, der Vergleich der Scores zeigt also nur die Richtung. Die Rohmetriken, First Contentful Paint und Time to Interactive, sind eher vergleichbar, deshalb stehen sie in der Tabelle.
Daten. shopify-speed-study-2026.csv: eine Zeile pro Store, mit Tranco-Rang, Labormetriken, Seitengewicht, Requests und Werten echter Nutzer. Frei nutzbar mit einem Link auf diese Seite.
Was du damit machst, wenn du einen Shopify-Store betreibst
- Schau dir deine Felddaten vor deinem Score an. PageSpeed Insights zeigt die Core Web Vitals echter Nutzer über dem Laborscore an, wenn dein Store genug Traffic hat. Dieser obere Abschnitt ist der, den Google verwendet.
- Fällst du durch, prüf, an welchem Vital. Von den 576 Top-Stores, die durchfallen, scheitern 492 an Interaction to Next Paint, mehr als acht von zehn. Die Lösung steckt dann meist im JavaScript, in den Apps und Skripten, die auf jeder Seite laufen, nicht in der Bildkomprimierung.
- Zähl die Skripte, die du nicht mehr nutzt. Jede App, die aus dem Theme verschwindet, ist JavaScript, das nicht mehr mit einem Tap konkurriert.
- Jag nicht der 90 hinterher. Einer von hundert Stores hat sie erreicht, und manche davon fallen bei echten Nutzern trotzdem durch. Ein Store im 40er-Bereich, der im Feld besteht, steht besser da als eine 95, die es nicht tut.
Wenn deine Felddaten durchfallen und du wissen willst, was auf der Seite die Ursache ist: Genau das gehört zu dem, was ein Conversion-Audit abdeckt.
