Wo Agentic Commerce im B2B wirklich zuerst Nutzen stiftet
Wenn über Agentic Commerce gesprochen wird, klingen die Beispiele schnell spektakulär: KI-Agenten vergleichen Angebote, verhandeln Preise, lösen Bestellungen aus und steuern Beschaffung fast ohne menschlichen Eingriff. Technisch ist das möglich. Für den kaufmännischen Mittelstand ist aber eine andere Frage entscheidend: Wo entsteht damit zuerst ein belastbarer Nutzen im Alltag?
Die naheliegende Antwort ist nicht der komplexe strategische Einkauf, sondern das Wiederkehrende. Also genau dort, wo heute schon viele Schritte regelbasiert ablaufen, aber trotzdem noch Zeit kosten: Nachbestellungen, Preisabfragen, Lieferanfragen, Freigaben, Reklamationen, Standardprodukte und laufende Beschaffung mit bekannten Lieferanten.
Die Quellen zeigen diesen Punkt sehr klar. Agentische Systeme sind besonders stark bei rationalen, wiederholbaren und datenbasierten Entscheidungen. Im B2B-Handel gibt es davon viele. Genau deshalb wird das Thema dort relevant, lange bevor ein KI-Agent eigenständig große Investitionsentscheidungen treffen soll.
Der eigentliche Engpass ist nicht die KI, sondern die Struktur dahinter
Viele Unternehmen schauen zuerst auf die Oberfläche: Welcher Agent kann was, welches Tool wirkt am weitesten, wo gibt es schon eine beeindruckende Demo? Das ist verständlich, führt in der Praxis aber oft am Kern vorbei.
Der Engpass liegt meist woanders:
- Produktdaten sind unvollständig oder widersprüchlich
- Preise hängen von Kunden, Mengen, Laufzeiten oder Rahmenverträgen ab
- Verfügbarkeiten sind nicht zuverlässig in Echtzeit verfügbar
- Freigaben stecken in E-Mails oder in Köpfen einzelner Mitarbeitender
- Schnittstellen zwischen Shop, ERP, PIM und CRM sind lückenhaft
Ein KI-Agent kann nur dann verlässlich handeln, wenn diese Grundlagen maschinenlesbar, konsistent und über Systeme hinweg verfügbar sind. Quelle 1 betont dafür eine strukturierte Datenbasis und eine API-basierte, interoperable Infrastruktur. Quelle 2 macht denselben Punkt aus Handelssicht: Datenqualität und Maschinenlesbarkeit entscheiden darüber, ob Angebote für Maschinen überhaupt auffindbar, interpretierbar und vertrauenswürdig sind.
Anders gesagt: Agentic Commerce beginnt nicht mit Verhandlung, sondern mit Ordnung.
Welche Prozesse sich als Pilot wirklich eignen
Für einen pragmatischen Einstieg sind risikoarme, klar messbare Prozesse sinnvoll. Das passt auch zur Empfehlung aus Quelle 1, mit einem überschaubaren Pilotprojekt zu starten.
Im B2B-Handel sind dafür vor allem vier Szenarien geeignet.
1. Nachbestellung von Standardartikeln
Wenn Artikel, Mengenstaffeln, Lieferzeiten und kundenspezifische Preise sauber vorliegen, kann ein KI-Agent Bestellvorschläge vorbereiten oder direkt auslösen. Der Nutzen ist greifbar:
- weniger manueller Aufwand im Einkauf und Vertrieb
- schnellere Bearbeitung
- geringere Fehlerquote bei Artikelauswahl und Mengen
Voraussetzung ist allerdings, dass der Agent nicht raten muss. Er braucht eindeutige Artikelstammdaten, Verpackungseinheiten, Mindestmengen, Lieferfenster und klare Regeln, wann eine Bestellung automatisch laufen darf.
2. Preisabfragen bei wiederkehrenden Bedarfen
Gerade bei regelmäßigen Anfragen zu bekannten Produkten kann ein KI-Agent Angebote vergleichen oder Preisabfragen anstoßen. Das ist besonders dann interessant, wenn bisher viele Anfragen per Mail, Telefon oder über Formulare eingehen.
Aber auch hier gilt: Ohne strukturierte Preislogik wird daraus keine belastbare Automatisierung. Wenn Preise von Sonderkonditionen, Regionen, Zahlungszielen oder Abnahmemengen abhängen, müssen diese Regeln systemseitig verfügbar sein.
3. Freigabeprozesse im Einkauf
Viele Beschaffungsprozesse scheitern nicht an der Bestellung selbst, sondern an internen Rückfragen. Wer darf bis zu welchem Betrag freigeben? Welche Warengruppen dürfen ohne Rücksprache bestellt werden? Wann braucht es eine zweite Prüfung?
Ein KI-Agent kann solche Regeln anwenden und Vorgänge vorsortieren. Er kann einfache Fälle automatisch weiterleiten und nur Ausnahmen an Menschen eskalieren. Genau hier entsteht oft ein spürbarer Zeitgewinn, ohne dass man die Kontrolle abgibt.
4. Liefer- und Verfügbarkeitsanfragen
Wenn Kunden oder Einkäufer wiederholt den gleichen Statusbedarf haben, kann ein Agent Informationen aus den angebundenen Systemen abrufen und standardisiert beantworten. Das entlastet Kundenservice und Vertrieb, vorausgesetzt die Bestands- und Lieferdaten sind aktuell genug.
Preise verhandeln: reizvoll, aber nur mit klaren Leitplanken
Das Verhandeln durch KI-Agenten ist das aufmerksamkeitsstarke Thema. In den Quellen wird beschrieben, dass digitale Purchasing Agents mit Supplier Agents Konditionen und Preise aushandeln können. Für den Alltag im kaufmännischen Mittelstand ist das jedoch nur dann sinnvoll, wenn die Regeln sehr klar sind.
Denn Verhandlung ist nicht nur ein Preisprozess. Sie berührt Marge, Kundenbeziehung, Lieferfähigkeit und Haftung. Quelle 2 weist zurecht darauf hin, dass sich mit agentischen Systemen neue Fragen zu Kontrolle, Haftung und menschlicher Steuerung stellen.
Praktisch heißt das: Ein Agent sollte nicht einfach „den besten Preis“ suchen oder anbieten. Er braucht Leitplanken wie zum Beispiel:
- Preisuntergrenzen
- bevorzugte Lieferanten
- zulässige Lieferzeiten
- Mindestmargen
- erlaubte Mengen- und Rabattkorridore
- Eskalationsregeln bei Abweichungen
Erst wenn diese Regeln sauber definiert sind, wird aus einer Demo ein belastbarer Prozess. Sonst optimiert der Agent nur auf das, was messbar ist, etwa Preis oder Geschwindigkeit, und blendet wichtige kaufmännische Ziele aus.
Wo der Mensch bewusst im Prozess bleiben muss
Nicht jede Einkaufsentscheidung sollte delegiert werden. Quelle 2 zieht hier eine sinnvolle Grenze: Dort, wo Unsicherheit, Verantwortung, Komplexität oder langfristige Konsequenzen eine Rolle spielen, bleibt der Mensch zentral.
Im B2B betrifft das zum Beispiel:
- strategische Lieferantenentscheidungen
- neue Produktgruppen ohne historische Daten
- große Investitionen
- rechtlich oder technisch kritische Beschaffung
- Situationen mit Reklamationsrisiko oder hoher Abhängigkeit
KI-Agenten können in solchen Fällen Informationen strukturieren, Optionen vorbereiten und Prozesse beschleunigen. Die Verantwortung sollten sie aber nicht allein tragen.
Was „KI-ready“ im Handel konkret bedeutet
Der Begriff wird oft zu abstrakt verwendet. Aus den Quellen lässt sich aber recht konkret ableiten, worauf es ankommt.
Strukturierte Produktdaten
Artikelmerkmale, Verfügbarkeiten, Verpackungseinheiten, Lieferzeiten und Zuordnungen müssen konsistent vorliegen. Wenn dieselbe Information in Shop, ERP und Kundenkommunikation unterschiedlich ist, wird der Agent unzuverlässig.
Maschinenlesbare Preislogik
Rabatte, Staffelpreise, Kundengruppenlogik und vertragliche Konditionen dürfen nicht nur in PDFs, E-Mails oder Excel-Dateien stecken. Sie müssen systemisch verfügbar und anwendbar sein.
API-basierte Systemlandschaft
Quelle 1 nennt eine modular aufgebaute, interoperable Infrastruktur als Grundlage. Das ist kein Technik-Selbstzweck. Ohne saubere Schnittstellen kann ein Agent weder Daten abrufen noch Prozesse sicher anstoßen.
Klare Freigaberegeln
Automatisierung braucht Entscheidungsgrenzen. Wer darf was, bis wann und unter welchen Bedingungen automatisch laufen? Diese Regeln müssen vorab definiert sein.
Mitarbeitende und Change-Management
Auch das ist kein Nebenthema. Wenn Einkauf, Vertrieb, Kundenservice und IT unterschiedliche Vorstellungen vom Zielbild haben, scheitert das Projekt organisatorisch, nicht technisch. Quelle 1 nennt Schulung und aktives Change-Management ausdrücklich als Voraussetzung.
Ein realistischer Start für mittelständische Onlinehändler
Für einen mittelständischen Onlinehändler oder B2B-Händler würde ich nicht mit autonomer Vollverhandlung starten. Sinnvoller ist ein dreistufiges Vorgehen.
Stufe 1:
Transparenz schaffen
Zuerst erfassen Sie einen wiederkehrenden Beschaffungs- oder Angebotsprozess von Anfang bis Ende. Wo kommen Daten her, wer entscheidet was, welche Ausnahmen gibt es, welche Informationen fehlen regelmäßig?
Stufe 2:
Regeln und Daten bereinigen
Danach werden Produktdaten, Preislogik und Freigaben so strukturiert, dass ein System sie zuverlässig anwenden kann. Erst ab diesem Punkt lohnt es sich, über agentische Abläufe ernsthaft nachzudenken.
Stufe 3:
Engen Pilot aufsetzen
Starten Sie mit einem klar begrenzten Anwendungsfall, etwa Nachbestellungen definierter C-Teile, standardisierte Preisabfragen oder automatische Freigaben unterhalb eines festen Schwellenwerts. Messen Sie Bearbeitungszeit, Fehlerquote, Eskalationen und manuelle Eingriffe.
So sehen Sie schnell, ob die Grundlagen tragen.
Fazit
Agentic Commerce wird im B2B-Handel nicht zuerst durch spektakuläre Vollautomatisierung relevant, sondern durch die Entlastung repetitiver kaufmännischer Prozesse. Wiederkehrende Beschaffung, Preisabfragen, Lieferanfragen und Freigaben sind die naheliegenden Startpunkte.
Der entscheidende Erfolgsfaktor ist dabei nicht der Agent selbst. Entscheidend ist, ob Ihre Produktdaten maschinenlesbar sind, Ihre Preislogik systemisch greifbar ist und Ihre Freigaberegeln sauber definiert sind. Erst dann kann ein KI-Agent zuverlässig vergleichen, verhandeln und bestellen.
Wer diese Hausaufgaben macht, schafft die Grundlage für echte KI-Automatisierung. Wer sie überspringt, bekommt vor allem eines: eine gute Demo und einen schlechten Prozess.
