Ein Kunde beschreibt einer KI sein Problem, sein Budget und seine Präferenzen. Der Agent vergleicht Angebote, prüft Verfügbarkeit, berücksichtigt Lieferfenster und gibt eine Kaufempfehlung ab – oder löst die Bestellung direkt aus. Agentic Commerce verlagert damit nicht nur einen weiteren Touchpoint ins Digitale. Er verändert, wer Produkte findet, bewertet und auswählt – und nach welchen Regeln Handelsunternehmen um Nachfrage konkurrieren.
Für Retailer und Marken geht es deshalb nicht primär um einen neuen Chatbot. Die relevante Frage lautet: Welche Entscheidungen darf ein KI-Agent im Kaufprozess treffen, auf welcher Datengrundlage und mit welchem kommerziellen Ziel? Wer diese Frage früh beantwortet, kann Kundenführung, operative Leistung und Monetarisierung gezielt weiterentwickeln. Wer sie vertagt, riskiert, in einer agentengesteuerten Kaufentscheidung zur austauschbaren Produktquelle zu werden.
Was Agentic Commerce vom bisherigen E-Commerce unterscheidet
Klassischer E-Commerce ist weitgehend von Interaktion geprägt: Kundinnen und Kunden suchen, filtern, vergleichen, lesen Bewertungen und schließen den Kauf ab. Auch konversationelle KI unterstützt meist nur punktuell. Sie beantwortet Fragen, schlägt Produkte vor oder leitet an den Service weiter.
Ein agentisches Modell geht weiter. Der Agent kann ein Ziel selbstständig in Teilschritte übersetzen, Informationen aus mehreren Quellen verbinden, Optionen abwägen und Aktionen ausführen. Er arbeitet nicht nur auf einer einzelnen Produktseite, sondern entlang eines Auftrags: etwa einen wöchentlichen Einkauf zu planen, eine defekte Kaffeemaschine zu ersetzen oder einen Geschäftsreisenden passend auszustatten.
Die Konsequenz ist erheblich. Die sichtbare Handelsoberfläche verliert nicht zwangsläufig an Bedeutung, aber sie ist nicht mehr der einzige Ort der Entscheidung. Produktsuche wird zur strukturierten Abfrage. Beratung wird zur Entscheidungslogik. Checkout wird zum Ausführungsschritt. Marken- und Händlerpräferenz müssen dort entstehen, wo der Agent Daten, Regeln und Vertrauenssignale bewertet.
Der neue Wettbewerb findet in der Entscheidungslogik statt
Agentic Commerce verschärft einen bekannten Zielkonflikt: Kunden wollen weniger Aufwand, Händler wollen mehr Orientierung und Kontrolle über die Customer Journey. Ein leistungsfähiger Agent kann beides verbinden – sofern er mit verlässlichen Informationen und klaren Leitplanken arbeitet.
Für Handelsunternehmen entstehen dabei drei neue Ebenen des Wettbewerbs. Erstens entscheidet die Qualität der Produktdaten stärker über Sichtbarkeit. Unklare Varianten, fehlende Attribute oder widersprüchliche Angaben sind für einen Agenten keine kleine Schwäche im Content. Sie sind ein Grund, ein Angebot nicht zu empfehlen.
Zweitens wird Verfügbarkeit zum Teil des Kundennutzens. Ein Agent sollte nicht nur das passende Produkt finden, sondern auch realistische Bestände, Lieferzeiten, Abholoptionen und Retourenbedingungen einbeziehen. Wer operative Daten nicht aktuell bereitstellt, kann selbst mit einem attraktiven Sortiment aus der Empfehlung fallen.
Drittens gewinnt die Fähigkeit an Gewicht, Präferenzen verantwortungsvoll zu nutzen. Ein Agent, der frühere Käufe, Größen, Ernährungsanforderungen, Preisgrenzen oder Nachhaltigkeitskriterien kennt, kann Relevanz schaffen. Doch gerade in Europa ist diese Relevanz an Einwilligung, Zweckbindung und Transparenz gebunden. Personalisierung ohne nachvollziehbare Governance wird kein Wettbewerbsvorteil bleiben.
Vom Produktkatalog zum entscheidungsfähigen Angebot
Die zentrale Arbeit beginnt im Kern des Handelsmodells. Produktinformationen müssen maschinenlesbar, vollständig und kontextfähig sein. Dazu gehören nicht nur Preis, Bild und Kategorie, sondern Kompatibilitäten, Inhaltsstoffe, Maße, Herkunft, Zertifizierungen, Nutzungsszenarien und verfügbare Services.
Besonders wichtig sind Regeln, die bisher oft in Köpfen, Beratungsskripten oder einzelnen Teams stecken. Welche Alternative ist bei Nichtverfügbarkeit akzeptabel? Wann darf ein Agent statt der günstigsten Option die langlebigere empfehlen? Welche Produkte dürfen bei sensiblen Kategorien nie automatisiert bestellt werden? Solche Entscheidungen bilden die kommerzielle und ethische Handschrift eines Händlers.
Ein hochwertiger Katalog allein genügt jedoch nicht. Der Agent benötigt Zugriff auf aktuelle Signale aus Preismanagement, Bestandsführung, Order Management, CRM und Service. Das macht Agentic Commerce zu einem Integrationsvorhaben. Der vielversprechendste Pilot ist daher selten die vollständig autonome Einkaufsmaschine. Er ist ein klar abgegrenzter Prozess, in dem Datenqualität, Verantwortlichkeiten und Kundennutzen messbar werden.
Wo der geschäftliche Nutzen zuerst entsteht
Die stärksten Anwendungsfälle liegen dort, wo Kunden wiederkehrende Entscheidungen treffen oder Komplexität erleben. Im Lebensmittelhandel kann ein Agent einen Warenkorb auf Basis von Haushaltspräferenzen, Budget und Lieferfenster zusammenstellen. Im Fashion-Bereich kann er Outfits, Größenlogik und Retourenrisiko berücksichtigen. Im B2B-Handel kann er Ersatzteile anhand von Spezifikation, Dringlichkeit und Freigaberegeln beschaffen.
Auch nach dem Kauf ist der Hebel groß. Agenten können proaktiv auf Lieferverzögerungen reagieren, einen Umtausch vorbereiten, kompatible Ergänzungen vorschlagen oder Servicefälle priorisieren. Das reduziert Kontaktvolumen nicht einfach pauschal. Richtig eingesetzt, verschiebt es Servicekapazität von repetitiven Vorgängen zu Fällen, in denen menschliche Expertise und Empathie tatsächlich Wert schaffen.
Der Business Case sollte trotzdem nicht mit großen Effizienzversprechen beginnen. Entscheider brauchen eine belastbare Ausgangslage: Welche Suchanfragen führen heute zu Abbrüchen? Wo entstehen Retouren durch mangelnde Beratung? Welche Servicekontakte folgen aus fehlender Transparenz? Und bei welchen Sortimentsbereichen ist eine bessere Entscheidung nachweislich margenrelevant? Erst dann wird sichtbar, ob der Agent Conversion, Warenkorbqualität, Loyalität, Kosten oder Bestandsproduktivität verbessern soll.
Autonomie braucht klare Grenzen
Je näher ein Agent an Preis, Bestellung, Zahlung oder personenbezogenen Daten arbeitet, desto weniger reicht ein allgemeines KI-Leitbild aus. Es braucht konkrete Betriebsregeln. Wer trägt die Verantwortung für eine falsche Produktempfehlung? Bis zu welcher Warenkorbhöhe darf automatisiert gekauft werden? Wann ist eine explizite Bestätigung erforderlich? Wie werden Preisänderungen, Aktionslogiken und Kulanzentscheidungen dokumentiert?
Diese Fragen sind keine Bremse für Innovation. Sie machen Skalierung erst möglich. Ein Handelsunternehmen sollte Autonomie abgestuft einführen: informieren, empfehlen, vorbereiten, mit Freigabe ausführen und erst dann in eng definierten Fällen selbstständig handeln. Die richtige Stufe hängt von Kategorie, Kundenbeziehung und Schadenspotenzial ab. Bei standardisierten Verbrauchsgütern kann ein hoher Automatisierungsgrad sinnvoll sein. Bei regulierten Produkten, Luxusartikeln oder komplexen Beratungssituationen bleibt menschliche Kontrolle ein Qualitätsmerkmal.
Hinzu kommt die Frage der Neutralität. Ein Agent kann auf Umsatz, Marge, Verfügbarkeit oder Kundennutzen optimieren – nicht immer gleichzeitig. Wenn die wirtschaftliche Logik im Hintergrund bleibt, wird Vertrauen schnell beschädigt. Transparenz darüber, warum eine Empfehlung erscheint und welche Alternativen geprüft wurden, gehört deshalb zur Experience und nicht nur zur Compliance.
Ein pragmatischer Start für Handelsorganisationen
Der richtige Einstieg ist kein Technologie-Showcase, sondern ein priorisierter Entscheidungsprozess. Ein interdisziplinäres Team aus Commerce, IT, Daten, Operations, Recht und Customer Experience sollte einen Use Case auswählen, der drei Kriterien erfüllt: hoher Kundennutzen, ausreichende Datenreife und klarer wirtschaftlicher Hebel.
Danach folgt die nüchterne Bestandsaufnahme. Sind Produktattribute standardisiert? Können Bestände und Preise in der benötigten Aktualität bereitgestellt werden? Gibt es eindeutige Regeln für Substitutionen, Freigaben und Ausnahmen? Und lässt sich nachvollziehen, welche Daten der Agent genutzt und welche Aktion er ausgelöst hat?
Ein Pilot muss nicht sofort an den Checkout gekoppelt sein. Ein Beratungsagent für eine komplexe Kategorie, ein Assistent für Wiederbestellungen oder eine intelligente Warenkorbprüfung können wertvolle Erkenntnisse liefern. Entscheidend ist, neben Nutzungszahlen auch Ergebnisqualität zu messen: Empfehlungsakzeptanz, Abbruchquote, Retouren, Servicekontakte, Marge und Kundenzufriedenheit.
Die organisatorische Herausforderung wird oft unterschätzt. Agentic Commerce verbindet Funktionen, die in vielen Unternehmen getrennt gesteuert werden. Sortiment verantwortet Attribute, Operations verantwortet Verfügbarkeit, Digital verantwortet Experience und IT verantwortet Integration. Ohne ein gemeinsames Zielbild entstehen lokale Optimierungen, aber keine überzeugende agentische Journey.
Die Frage für das Führungsteam
Agentic Commerce ist kein Anlass, jede Kundenentscheidung an eine KI abzugeben. Er ist ein Anlass, die eigene Entscheidungsarchitektur zu prüfen. Welche Daten sind vertrauenswürdig? Wo entsteht Reibung? Welche Regeln definieren gute Beratung? Und welche Leistungen sollen Kunden künftig als selbstverständlich erwarten?
Für Führungsteams liegt der Vorsprung nicht darin, möglichst früh einen Agenten zu präsentieren. Er entsteht durch die Fähigkeit, Kundennutzen, Datenfundament und operative Ausführung zusammenzuführen. Genau diese Gespräche brauchen einen Raum, in dem Händler und Marken reale Herausforderungen offen diskutieren können – mit klarer kommerzieller Perspektive und ohne technologische Ablenkung.
