Agentic Commerce: Was Unternehmen 2026 wissen müssen

Kaum ein Begriff wird im Moment so häufig verwendet und so selten klar erklärt wie Agentic Commerce.

Zeit für eine Einordnung: Was ist heute schon möglich? Was ist noch Zukunft? Und wo sollten Händler und Hersteller jetzt konkret ansetzen? Wir betrachten aktuelle Beispiele aus dem Markt, teilen unsere Einschätzung aus der Praxis und beantworten die Fragen, die Unternehmen derzeit am häufigsten beschäftigen.

Was ist Agentic Commerce?

AI Assisted Commerce

Die KI unterstützt den Menschen bei Kaufentscheidungen. Sie gibt Empfehlungen, beantwortet Fragen, vergleicht Produkte – aber der Mensch entscheidet und kauft selbst. Conversational Commerce, Produktsuche via ChatGPT oder Perplexity, KI-basierte Stilberatung: alles AI Assisted Commerce.

Wesentliches Merkmal: Der Mensch bleibt in der Schleife. Die KI assistiert, sie handelt nicht.

Agentic Commerce

Hier gibt der Nutzer seine Handlungsvollmacht an die KI ab. Die KI sucht, vergleicht, entscheidet und kauft – autonom, innerhalb vorher definierter Rahmenbedingungen. Der Mensch bekommt im besten Fall nur noch die Bestätigungsnachricht: "Erledigt."

Das ist der entscheidende Unterschied zur klassischen Prozessautomatisierung: Kein starrer Trigger, keine feste Regel. Sondern komplexe Abwägungen z.B. über Preis, Qualität, Lieferzeit und Verfügbarkeit – systemübergreifend, in Echtzeit.

Wesentliches Merkmal: Die KI hat echte Entscheidungsautonomie. Der Mensch delegiert, nicht nur die Ausführung, sondern die Kaufentscheidung selbst.

Agents for Commerce

Das ist die nach innen gerichtete Perspektive: KI-Agenten, die auf der Verkäuferseite Prozesse automatisieren – im ERP, im PIM, im Shop-Backend, im Kundenservice. Kein Endkunde sieht das direkt, aber es verändert, wie Commerce-Organisationen intern arbeiten.

Status Quo: Was ist heute verfügbar – und in welcher Form?

Der McKinsey-Report liefert eine klare Zahl: 84% der europäischen Konsumenten nutzen bereits KI-Tools in ihrem Alltag. 63% davon setzen diese Tools auch in ihrer Shopping Journey ein – für Recherche, Vergleich, Inspiration.

Gleichzeitig: Nur 30% würden einer KI vertrauen, eine Bestellung automatisch auszuführen – selbst wenn das Budget vorab begrenzt wäre.

Das ist die eigentliche Spannung: Die Technologie wäre teilweise da. Die Akzeptanz noch nicht.

Was heute funktioniert

• Conversational Commerce via ChatGPT, Perplexity, Google Gemini: Produktrecherche, Vergleich, Empfehlung
• Multimodale Suche: Bild hochladen, Outfit-Ideen oder ähnliche Produkte finden
• KI-Chatbots im eigenen Shop: Produktberatung, FAQ, Verfügbarkeitsabfragen
• Personalisierte Empfehlungen in Echtzeit auf Basis von Verhaltensdaten
• Interne Agents: Textgenerierung, Bildoptimierung, Retourenprognose, Dynamic Pricing
  

Was noch nicht funktioniert (in Europa)

• Autonomer Checkout durch eine KI: Technisch in Ansätzen möglich, rechtlich in der EU nicht zulässig
• KI-gesteuertes Payment: Datenschutz, PSD2, EU AI Act stehen dem entgegen
• Vollständig autonome Kaufentscheidungen ohne menschliche Freigabe im B2C-Kontext

B2B vs. B2C: Wo liegt das größte Potenzial?

B2C: Agentic Commerce beginnt dort, wo Vertrauen weniger kritisch ist

Im Consumer-Bereich ist die Technologie dem Vertrauen voraus. Der Wunsch, Kaufentscheidungen selbst zu treffen, ist tief verankert.

Das bedeutet nicht, dass B2C-Agentic Commerce nicht kommt. Aber es wird sich zuerst bei Low-Involvement-Käufen durchsetzen: Nachbestellungen, Verbrauchsgüter, Standardprodukte ohne emotionale Bindung.

B2B: Bessere Voraussetzungen für autonome Einkaufsprozesse

Im B2B-Kontext ist die Ausgangslage fundamental anders:

• Bestellprozesse sind oft wiederholbar und regelbasiert
• Automatisierung ist in ERP-Systemen seit Jahrzehnten normal
• Kaufentscheidungen sind rational, weniger emotional

Das macht B2B-Einkauf perfekt für Agenten, weil das organisationale Vertrauen in Automatisierung schon aufgebaut ist.

Ein konkretes Szenario: Eine KI liest das CRM, identifiziert 1.000 Kundenkontakte und bestellt Weihnachtskarten. Kein riesiger technischer Aufwand, aber ein echter Prozessgewinn.

Einschätzung: Agentic Commerce wird im B2B früher und breiter ankommen als im B2C. Die Technologie ist ähnlich – aber die Akzeptanz ist im Business-Kontext schon viel weiter.

Was ändert sich aus der Händlersicht?

Die gute Nachricht zuerst: Es ist keine Revolution. Niemand muss bei null anfangen. Aber es gibt klare Verschiebungen, auf die man sich vorbereiten sollte.

Die Customer Journey verändert sich – aber nicht dramatisch

Awareness, Discovery, Consideration: Diese Phasen werden zunehmend von KI-Tools mitgeprägt. Kunden kommen nicht mehr zwingend über Google auf die eigene Website – sie kommen vielleicht über eine ChatGPT-Empfehlung, über eine Perplexity-Antwort oder über einen Google-Snippet, der direkt aus dem Produktfeed zieht.

Das ändert, wie man Sichtbarkeit denken muss. Und es ändert, welche Datenpunkte plötzlich wichtig werden.

Marke bekommt eine neue Dimension

Wie nimmt die KI meine Marke wahr? Welche Signale zieht sie aus dem Web? Welche Produkte tauchen in ihren Empfehlungen auf – und welche nicht?

Im Webinar-Experiment hat ChatGPT – ohne Vorgabe – Produkte von About You bevorzugt. Der Grund: About You hat den "umfangreichsten, strukturiertesten Produktkatalog", den das Modell kannte. Marke im KI-Zeitalter beginnt bei der Datenqualität.

Der eigene Shop bleibt relevant

Eine häufig gestellte Frage: Brauchen wir den Shop noch, wenn KI-Tools die Discovery übernehmen? Die Antwort: Ja – aber aus anderen Gründen als früher. Der Shop wird weniger Einstiegspunkt, mehr Anlaufstelle für Kunden, die sich schon entschieden haben. Und weiterhin wichtig für Markendarstellung, After-Sales, Kundenbindung.

Sichtbarkeit und SEO: Was ist jetzt wichtig?

SEO bleibt relevant – aber die Mechanik ändert sich.

Wie KI-Tools heute Daten beziehen

Nicht alle LLMs crawlen das Web in Echtzeit. OpenAI/ChatGPT beispielsweise fragt in vielen Fällen schlicht Google – und aggregiert die ersten organischen Treffer. Wer bei Google nicht sichtbar ist, ist auch für ChatGPT nicht sichtbar.

Andere Anbieter wie Anthropic oder Perplexity crawlen das Web aktiv. Aber auch dort gilt: Gecrawlt zu sein bedeutet nicht automatisch, berücksichtigt zu werden. Zwischen dem Einsammeln von Daten und dem tatsächlichen Einfließen in ein Ergebnis stehen Validierungsschritte, Caching, und Modellentscheidungen, die von außen schwer nachzuvollziehen sind.

Was das bedeutet

• SEO-Sichtbarkeit bleibt die Grundlage: Wer organisch nicht gefunden wird, wird auch von KI nicht empfohlen
• Content-Qualität schlägt Quantität: Rein KI-generierte Texte ranken schlechter. Menschlich geschriebene oder zumindest assistierte Texte performen besser – besonders für Top-5-Platzierungen
• Frage-Antwort-Struktur wird wichtiger: KI versteht und bevorzugt Inhalte, die wie Antworten auf konkrete Fragen aufgebaut sind
• Strukturierte Produktdaten: Maschinen lesen anders als Menschen. Wer seinen Produktkatalog gut strukturiert, wird häufiger zitiert
• Knowledge Cutoff beachten: Alle Sprachmodelle haben ein Trainingsdatum. Aktualität der eigenen Inhalte ist kein Nice-to-have

Praxis-Tipp: Schreiben Sie Content so, dass er auf konkrete Nutzerfragen antwortet. Nutzer formulieren ihre Recherche in KI-Tools als Frage, zum Beispiel: „Welche Wanderschuhe sind wasserdicht und unter 150 Euro?“ Genau diese Frage-Antwort-Mechanik wird durch LLMs relevanter.

Agents for Commerce: Kurzer Ausblick

Agents for Commerce – also KI-Agenten für interne Prozesse auf der Händlerseite – sind ein eigenes Thema, das einen separaten Beitrag verdient. Hier deshalb nur die wichtigsten Eckpunkte:

• Entlang der gesamten E-Commerce-Wertschöpfungskette gibt es Einsatzmöglichkeiten: Textgenerierung, Bildoptimierung, Retourenprognose, Dynamic Pricing, Betrugserkennung, Kundenservice
• Reales Beispiel: bonprix hat durch einen KI-Agenten für Größenempfehlungen die Retourenquote um 2 Prozentpunkte gesenkt – ein messbarer, sofort wirkender Effekt
• Systeme wie Intershop, Shopify und Commerce Tools bauen bereits Agenten-Fähigkeiten in ihre Plattformen ein
• Multi-Agenten-Setups (Stichwort: OpenClaw/Moldbot) sind mächtig, aber komplex – und brauchen gute API-Infrastruktur, Budget und Geduld
  

Empfehlungen: Was sollte man jetzt tun?

Sofort anfangen

• Produktdaten strukturieren und maschinenlesbar aufbereiten – für Feeds, für KI, für Suchmaschinen

• Content auf Frage-Antwort-Logik umstellen: Wie würde ein Kunde die Frage stellen, auf die dieser Text die Antwort ist?

• SEO-Sichtbarkeit sichern – sie bleibt die Grundlage für KI-Sichtbarkeit

• Interne Use Cases identifizieren und pilotieren: Retourenprognose, Texterstellung, Kundenservice – klein anfangen, lernen, skalieren

Mittelfristig vorbereiten 

• API-Infrastruktur aufbauen oder ertüchtigen: Ohne API kein Zugang für externe Agenten

• Conversational Commerce Interface testen

• Produktfeeds für Google und OpenAI optimieren und ausspielen – auch an neue Protokolle wie UCP oder ACP denken

• Marke aktiv in KI-Kanälen denken: Was soll die KI über meine Marke wissen – und wo bringt sie das her?

Abwarten und beobachten

• Agentic Checkout für Endkunden: Technisch interessant, rechtlich in Europa noch nicht möglich, Nutzernachfrage noch unklar
• Checkout-Kontrolle abgeben: Kein First-Mover-Vorteil erkennbar. Behalten Sie die Kontrolle über den Kundenzugang so lange wie möglich

Organisatorisch

• Fehlerkultur schaffen: KI-Experimente brauchen Raum zum Scheitern – das ist kein Risiko, das ist die Voraussetzung für Lernen
• Mitarbeitende mit Tools ausstatten und das Experimentieren fördern – sonst entsteht eine unkontrollierte Schatten-KI-Nutzung
• Klar kommunizieren: Was darf mit KI gemacht werden, was nicht, in welchem Rahmen

FAQ

Ist Agentic Commerce im EU-Kontext überhaupt rechtlich zulässig?

Stand heute: Nein – zumindest nicht in der Form mit autonomem Checkout. Der EU AI Act, die DSGVO und PSD2 stellen jeweils eigene Anforderungen an autonome Kaufentscheidungen. Das ist einer der Hauptgründe, warum Perplexity's Buy-with-Pro-Feature in Europa noch nicht verfügbar ist. Wie sich die Rechtslage entwickelt, ist offen – aber mit schnellen Änderungen ist nicht zu rechnen.

Wie entscheidet die KI, in welchem Shop eingekauft wird?

In einem Test wurden Produkte eines Anbieters bevorzugt, weil der Produktkatalog besonders umfangreich, sauber strukturiert und gut auswertbar war. Genau das macht den Unterschied: Wenn Produktdaten vollständig, verständlich und aktuell sind, steigt die Chance, überhaupt in die Auswahl zu kommen.

Für Händler heißt das: Datenqualität wird zur Sichtbarkeitsfrage.

Wird die breite Händlerschaft bereit sein, den Checkout für Agentic Commerce abzugeben?

Vermutlich wird es eine kaufmännische Entscheidung sein: Wie viel Umsatz entgeht mir, wenn ich nicht mitmache? Die Parallele zu Amazon ist nicht unpassend – wer dort verkauft, hat den direkten Kundenkontakt weitgehend abgegeben und ist primär Logistiker und Preisanbieter. Ähnliche Dynamiken könnten entstehen.

Was ist GEO (Generative Engine Optimization) – und muss ich das jetzt angehen?

GEO ist der Begriff für die Optimierung von Inhalten speziell für KI-Modelle. Die Grundprinzipien sind nicht neu: klare Struktur, Frage-Antwort-Logik, gute Lesbarkeit für Maschinen. Das hat sich mit Voice Search schon einmal angedeutet. Der praktische Einstieg: Fangen Sie damit an, Ihre wichtigsten Inhalte so zu formulieren, wie Ihre Kunden Fragen stellen würden.

Von der Einordnung zur Umsetzung

Agentic Commerce beginnt nicht mit dem autonomen Checkout. Er beginnt mit sauberen Daten, anschlussfähigen Systemen und klar priorisierten Use Cases. Diconium unterstützt Unternehmen dabei, genau diese Grundlagen zu schaffen – und agentenbasierte KI dort einzusetzen, wo sie im Commerce echten Mehrwert liefert.