Agentic Commerce ist kein Kanalproblem, sondern ein Daten- und Prozessproblem
Agentic Commerce klingt zunächst nach dem nächsten großen Vertriebskanal: Kundinnen und Kunden formulieren einen Bedarf in einem KI-Chat, der Assistent recherchiert, vergleicht, findet das passende Produkt und stößt den Kauf an. Genau dieses Bild treibt aktuell viel Aufmerksamkeit.
Für den kaufmännischen Mittelstand ist aber eine andere Frage wichtiger: Was muss im eigenen Haus stimmen, damit ein KI-gestützter Kaufassistent überhaupt belastbar mit dem Sortiment arbeiten kann?
Die praktische Antwort ist deutlich weniger glamourös als die Debatte. Geschäftlich relevant wird Agentic Commerce erst dann, wenn Produktdaten, Verfügbarkeiten, Preislogiken und Freigaberegeln maschinenlesbar und verlässlich orchestrierbar sind. Wer das nicht vorbereitet, wird zwar über neue Interfaces sprechen können, aber nicht sauber daran teilnehmen.
Das passt auch zur nüchternen Einordnung aus dem Markt. In der Berichterstattung über Otto, Zalando und andere Händler wird Agentic Commerce zwar als möglicher neuer Shopping-Kanal beschrieben, zugleich aber klar skeptisch betrachtet. Dort ist von Hype, zusätzlicher Komplexität im Funnel und eher evolutionären als revolutionären Effekten die Rede. Genau diese Skepsis ist gesund.
Was Agentic Commerce praktisch bedeutet
Im Kern geht es darum, dass autonome oder teilautonome Agenten Kaufprozesse im Auftrag von Nutzenden unterstützen oder abwickeln. Die KI analysiert Präferenzen, sucht Produkte, filtert und vergleicht Angebote und kann im nächsten Schritt eine Transaktion auslösen.
Für die Praxis im Handel ist vor allem die weniger radikale Variante relevant: Human in the Loop. Der Assistent bereitet Entscheidungen vor und führt den Kauf erst nach expliziter Freigabe durch den Menschen aus. Das ist kein Science-Fiction-Szenario, sondern die realistische Brücke zwischen Produktsuche, Beratung und Checkout.
Gerade deshalb sollten Händler das Thema nicht als Wette auf einen einzelnen neuen Absatzkanal missverstehen. Wenn ein KI-Assistent Produkte empfehlen oder auswählen soll, braucht er strukturierte, verlässliche und priorisierbare Informationen. Nicht für Menschen auf einer Kategorieseite, sondern für Maschinen.
Warum Produktdaten jetzt zur Vertriebsvoraussetzung werden
Ein menschlicher Käufer kann unsaubere Produktdaten oft noch ausgleichen. Er liest mehrere Beschreibungen, schaut Bilder an, vergleicht Maße, fragt im Zweifel nach. Ein KI-Assistent ist an dieser Stelle viel unerbittlicher. Was nicht eindeutig beschrieben ist, kann nur schlecht empfohlen werden.
Für Händler heißt das: Die klassische Produktpflege bekommt eine neue Funktion. Es reicht nicht mehr, wenn die Artikeldetailseite halbwegs verkaufsfähig aussieht. Produktdaten müssen so strukturiert sein, dass ein Assistent sie verarbeiten kann.
Dazu gehören in der Praxis vor allem fünf Bausteine:
- Eindeutige Attribute
Größe, Material, Farbe, Kompatibilität, Lieferumfang, technische Eckdaten, Anwendungsfälle: Diese Informationen müssen sauber gepflegt und konsistent benannt sein. Freitext allein genügt nicht.
- Maschinenlesbare Variantenlogik
Ein Assistent muss erkennen können, welche Variante zu welcher Anforderung passt. Bei Mode ist das etwas anderes als bei Ersatzteilen oder Möbeln. Genau deshalb ist der Hinweis aus der Quelle wichtig, dass Mode nicht wie ein Mixer funktioniert. Je nach Warengruppe unterscheiden sich die Anforderungen an Suchlogik und Auswahl deutlich.
- Verlässliche Verfügbarkeiten
Produktempfehlungen verlieren sofort an Wert, wenn Verfügbarkeit, Lieferzeit oder Nachbestellbarkeit nicht stimmen. Für Agentic Commerce ist Bestandssicherheit keine operative Nebenfrage, sondern Kern des Nutzungserlebnisses.
- Klare Preis- und Angebotslogik
Wenn ein Assistent Angebote vergleichen oder Deals suchen soll, müssen Preisregeln, Bundles, Staffelungen, Rabatte und Versandbedingungen eindeutig interpretierbar sein.
- Regeln für Ausschlüsse und Risiken
Nicht jedes Produkt soll in jedem Kontext empfohlen oder direkt kaufbar sein. Beratungspflichtige Produkte, Sonderanfertigungen, Altersbeschränkungen oder erklärungsbedürftige Konfigurationen brauchen Leitplanken.
Der Engpass ist nicht die KI, sondern die Orchestrierung
Viele Händler schauen beim Thema Agentic Commerce zuerst auf die Benutzeroberfläche: Welcher Assistent gewinnt, welches Protokoll sich durchsetzt, welche Plattform den Kundenzugang kontrolliert. Diese Fragen sind berechtigt. In den Quellen wird das als möglicher neuer Interface-Konflikt beschrieben.
Aus operativer Sicht ist aber etwas anderes zuerst zu lösen: die Orchestrierung im Hintergrund.
Ein KI-gestützter Kaufassistent muss nicht nur ein passendes Produkt finden. Er muss idealerweise auch prüfen können:
- Ist der Artikel verfügbar?
- Gilt der Preis wirklich?
- Welche Variante passt zur Anfrage?
- Ist der Versand in diesem Fall möglich?
- Welche Alternativen sind zulässig?
- Wann ist eine menschliche Freigabe nötig?
Wenn diese Logik heute auf fünf Systeme verteilt ist, mit Ausnahmen in Excel, Sonderregeln im Kundenservice und Aktionswissen im Kopf einzelner Mitarbeitender, dann ist das kein agentenfähiger Prozess.
Genau hier liegt die eigentliche Vorarbeit. Nicht die perfekte Demo, sondern belastbare Prozessfähigkeit.
Angebotspriorisierung wird zur strategischen Aufgabe
Ein Punkt wird in der Debatte oft unterschätzt: Wenn KI-Assistenten recherchieren, vergleichen und auswählen, dann konkurrieren Händler nicht nur um Sichtbarkeit, sondern um maschinell nachvollziehbare Präferenz.
Das verändert die Frage von „Wie schön ist mein Shop?“ zu „Warum sollte ein Assistent genau dieses Angebot bevorzugen?“
Dafür braucht es interne Priorisierungslogik. Händler sollten für zentrale Sortimente festlegen:
- Welche Produkte sind Standardempfehlungen?
- Welche Artikel haben gute Marge und geringe Retourenwahrscheinlichkeit?
- Welche Produkte sind zuverlässig verfügbar?
- Welche Alternativen dürfen bei Nichtverfügbarkeit vorgeschlagen werden?
- Welche Angebote sollen nur unter bestimmten Bedingungen ausgespielt werden?
Diese Regeln sind kaufmännisch relevant, weil sie direkt auf Ertrag, Serviceaufwand und Kundenzufriedenheit wirken. Ohne Priorisierung überlässt man die Auswahl einer Mischung aus Datenlücken, Zufall und externen Plattformlogiken.
Kontrollierter Checkout schlägt Vollautomatik
Die Quellen zeigen auch, warum Zurückhaltung beim vollautonomen Kauf sinnvoll ist. Ein früher Ansatz für direktes Kaufen innerhalb eines bekannten KI-Umfelds wurde nach kurzer Zeit wieder zurückgenommen, stattdessen liegt der Fokus nun auf Produktempfehlungen. Das ist ein wichtiges Signal: Zwischen Empfehlung und belastbarer Transaktion liegt operativ eine Menge Reibung.
Für Händler im kaufmännischen Mittelstand ist daher ein kontrollierter Checkout der vernünftigere Weg. Das bedeutet:
- Der Assistent recherchiert und verdichtet Auswahl.
- Der Mensch prüft Warenkorb, Preis und Lieferbedingungen.
- Erst danach erfolgt die verbindliche Freigabe.
Das reduziert Haftungsfragen, Fehlkäufe und Supportfälle. Gleichzeitig bleibt der Nutzen hoch, weil ein großer Teil der Such- und Vergleichsarbeit bereits automatisiert wurde.
Was Händler jetzt konkret vorbereiten sollten
Statt auf den einen künftigen Standard zu wetten, empfehle ich einen pragmatischen Vorbereitungsplan.
1. Sortiment nach Agenten-Tauglichkeit segmentieren
Nicht jede Warengruppe eignet sich gleich gut. Verbrauchsprodukte, standardisierte Artikel und klar vergleichbare Sortimente sind einfacher als stark emotionale, beratungsintensive oder konfigurationslastige Produkte.
2. Produktattribute auf Entscheidungsfähigkeit prüfen
Fragen Sie nicht nur: „Sind die Daten vollständig?“ Fragen Sie: „Kann ein System damit eine belastbare Kaufempfehlung ableiten?“ Das ist ein anderer Qualitätsmaßstab.
3. Bestands- und Lieferlogik stabilisieren
Wenn Verfügbarkeiten unzuverlässig sind, wird jeder Assistent schlechte Erfahrungen produzieren. Dann steigen Stornos, Rückfragen und Frust.
4. Angebotsregeln zentral dokumentieren
Rabatte, Ausschlüsse, Ersatzartikel, Freigabepfade und Prioritäten gehören aus Einzellösungen und Köpfen in nachvollziehbare Regeln.
5. Human-in-the-Loop-Prozesse definieren
Legen Sie fest, wann ein Assistent nur empfiehlt und wann ein Kauf vorbereitet werden darf. Besonders wichtig ist das bei höherpreisigen Waren, Variantenartikeln und erklärungsbedürftigen Produkten.
6. Erfolg nicht nur an Umsatz messen
Wenn Sie erste agentenfähige Prozesse vorbereiten, schauen Sie auch auf Zeitersparnis im Suchprozess, geringere Abbruchquoten, weniger Fehlkäufe, bessere Datenqualität und niedrigeren Serviceaufwand.
Fazit:
Erst die Grundlagen, dann der Kanal
Agentic Commerce kann relevant werden. Die Quellen beschreiben ihn plausibel als zusätzlichen Funnel und als möglichen Weg zu neuen Kundenzugängen. Aber sie zeigen ebenso klar: Die Technologie ist noch nicht ausgereift, die Erwartungen sind hoch, und die operative Realität ist komplex.
Für Händler liegt der Hebel deshalb nicht im Mitreden über den Hype, sondern im Vorbereiten der Grundlagen. Wer heute feedfähige Produktlogik, verlässliche Verfügbarkeiten, klare Angebotspriorisierung und kontrollierte Checkout-Prozesse aufsetzt, schafft sich echte Optionen.
Wer das nicht tut, bleibt abhängig von Oberflächen, die zwar intelligent wirken, aber auf schlechte Daten und unklare Regeln treffen.
Agentic Commerce beginnt also nicht beim Bot. Er beginnt im Produktstamm, im Regelwerk und in sauberen kaufmännischen Prozessen.