Agentic Commerce: Wenn KI-Agenten den Einkauf übernehmen

KI-Agenten verändern den Onlinehandel: Sichtbar wird, wer Produktdaten maschinenlesbar, vollständig und vertrauenswürdig bereitstellt. Aber was ist eigentlich Agentic Commerce?

Der Onlinehandel steht vor einer Verschiebung, die leiser beginnt als frühere E-Commerce-Revolutionen, aber tiefgreifender wirken kann. Lange drehte sich digitale Sichtbarkeit um Suchmaschinen, Marktplätze, Preisvergleichsportale, Social Commerce und Retail Media. Händler und Hersteller optimierten Produktdetailseiten, Anzeigen, Keywords, Kategorien, Bilder, Bewertungen und Lieferinformationen vor allem für Menschen. Natürlich spielten Algorithmen schon immer eine Rolle. Doch am Ende klickte, verglich und entschied meist ein Mensch.

Mit Agentic Commerce ändert sich diese Logik. Künftig sucht nicht mehr nur der Kunde nach einem Produkt. Ein KI-Agent sucht im Auftrag des Kunden. Er interpretiert Bedarf, Budget, Präferenzen, Nachhaltigkeitswünsche, Lieferzeit, Markenvertrauen, Rückgabebedingungen und technische Anforderungen. Danach vergleicht er Angebote, filtert ungeeignete Produkte aus und kann perspektivisch sogar den Kauf abschließen. Genau an dieser Stelle wird Produktdatenqualität zu einem entscheidenden Wettbewerbsfaktor. Denn ein KI-Agent empfiehlt nicht zwangsläufig das Produkt mit der schönsten Landingpage. Er empfiehlt das Produkt, dessen Daten er versteht, prüft und mit der Anfrage des Nutzers in Deckung bringen kann.

Agentic Commerce beschreibt damit den Übergang vom klassischen, nutzergetriebenen Onlinekauf hin zu einem agentengestützten Kaufprozess. Der Kunde formuliert ein Ziel, zum Beispiel: „Finde mir einen energieeffizienten Waschtrockner für eine kleine Wohnung, maximal 800 Euro, lieferbar bis Freitag, mit guten Reparaturmöglichkeiten.“ Der Agent übersetzt dieses Ziel in Such-, Prüf- und Entscheidungsschritte. Er durchsucht Produktkataloge, Marktplätze, Feeds, Bewertungen, Händlerdaten, Verfügbarkeiten, Lieferoptionen und gegebenenfalls externe Quellen. Anschließend erstellt er eine Empfehlung oder löst sogar eine Transaktion aus.

Diese Entwicklung ist nicht mehr nur Zukunftsmusik. OpenAI hat im September 2025 Instant Checkout und das Agentic Commerce Protocol vorgestellt, um Einkäufe direkt in ChatGPT zu ermöglichen. Dabei sollen Menschen, KI-Agenten und Unternehmen in einem gemeinsamen Einkaufsprozess zusammenkommen. Auch Händler können Produktdaten für Shopping-Erlebnisse in ChatGPT bereitstellen; Shopify- und Etsy-Kataloge sind laut OpenAI bereits integriert. Google arbeitet ebenfalls an KI-gestützten Shopping-Funktionen: AI Mode soll Inspiration, Produktsuche und Kaufmomente stärker miteinander verbinden, unter anderem mit virtueller Anprobe und Funktionen, die auf Googles Shopping Graph aufsetzen. In China geht die Entwicklung ebenfalls schnell voran: Reuters berichtete im Mai 2026, Alibaba wolle Qwen mit Taobao verbinden, sodass Nutzer per KI-Agent Produkte suchen, vergleichen und kaufen können.

Für Hersteller und Händler bedeutet das: Die neue Kundenschnittstelle ist nicht mehr nur der Shop, der Marktplatz oder die Suchergebnisseite. Die neue Kundenschnittstelle kann ein KI-Agent sein. Dieser Agent entscheidet nicht emotional, sondern datengetrieben. Er liest keine schönen Versprechen, sondern strukturierte Informationen. Er braucht eindeutige Produktkennzeichnungen, belastbare Attribute, aktuelle Preise, Lieferzeiten, Verfügbarkeiten, Zertifikate, Kompatibilitäten, Variantenlogik und klare Bedingungen. Was in den Daten fehlt, kann im Entscheidungsprozess fehlen. Was widersprüchlich ist, kann Vertrauen kosten. Was nicht maschinenlesbar ist, kann unsichtbar werden.

Von SEO zu AEO: Optimierung für Agenten

Viele Unternehmen kennen Suchmaschinenoptimierung, kurz SEO. In den vergangenen Jahren kam mit Answer Engine Optimization bereits eine neue Disziplin hinzu: Inhalte sollen so strukturiert sein, dass KI-Antwortsysteme sie aufnehmen und zitieren können. Agentic Commerce geht noch einen Schritt weiter. Hier geht es nicht nur darum, in einer Antwort aufzutauchen. Es geht darum, in einer konkreten Kaufentscheidung berücksichtigt zu werden.

Man könnte von „Agent Experience Optimization“ sprechen: Produktinformationen müssen so bereitgestellt werden, dass autonome oder halbautonome Systeme sie interpretieren, vergleichen und bewerten können. Klassische Marketingtexte reichen dafür nicht aus. Ein Satz wie „hochwertige Materialien für besten Komfort“ mag auf einer Produktseite gut klingen, ist für einen Agenten aber kaum belastbar. Deutlich wertvoller sind konkrete Angaben: Materialzusammensetzung, Zertifizierungen, Pflegehinweise, Maße, Gewicht, Herkunft, Ersatzteilverfügbarkeit, Garantiebedingungen, Energieverbrauch, Reparierbarkeitsindex oder Kompatibilitäten.

Gerade für Hersteller ist das eine strategische Chance. Bisher lagen viele digitale Verkaufspunkte beim Handel: Händler kontrollierten Produktseiten, Bilder, Titel, Bulletpoints und Kategorisierung. Im Agentic Commerce können Hersteller stärker sichtbar werden, wenn sie hochwertige, standardisierte und vertrauenswürdige Produktdaten an alle Kanäle ausspielen. Der Agent fragt nicht, wer die schönste Produktbeschreibung geschrieben hat. Er fragt, welches Produkt die Anforderung am besten erfüllt.

Produktdaten werden zur Entscheidungsgrundlage

Produktdaten waren schon immer wichtig. Doch in vielen Unternehmen werden sie noch immer als operatives Thema behandelt: notwendig für den Shop, wichtig für Marktplätze, mühsam für Datenblätter, Pflicht für Compliance. Im Agentic Commerce verschiebt sich ihre Rolle. Produktdaten werden zur maschinenlesbaren Verkaufsargumentation.

Ein KI-Agent kann nur mit Informationen arbeiten, die vorhanden, eindeutig und aktuell sind. Fehlt die GTIN, kann ein Produkt schlechter zugeordnet werden. Fehlen Variantenattribute, kann der Agent nicht sicher unterscheiden, ob ein Schuh in Größe 42, Farbe Schwarz und veganer Ausführung verfügbar ist. Fehlen Versand- oder Retourenbedingungen, kann ein Händler bei zeitkritischen Käufen ausscheiden. Fehlen Nachhaltigkeitsnachweise, wird ein Produkt bei entsprechenden Nutzerpräferenzen möglicherweise nicht empfohlen. Fehlt die genaue Kompatibilität eines Ersatzteils, wird ein Agent aus Risikogründen eher eine Alternative wählen.

Das ist besonders relevant, weil KI-Agenten nicht nur einzelne Datenpunkte betrachten. Sie verknüpfen Daten. Ein Mensch überliest vielleicht einen kleinen Widerspruch zwischen Produktbeschreibung und technischen Daten. Ein Agent erkennt ihn, bewertet ihn als Unsicherheitsfaktor und zieht daraus Konsequenzen. Wenn im Titel „wasserdicht“ steht, in den Spezifikationen aber nur „spritzwassergeschützt“, entsteht ein Vertrauensproblem. Wenn ein Produkt als nachhaltig beworben wird, aber keine Zertifikate, Materialien oder Herkunftsdaten gepflegt sind, bleibt die Aussage schwach. Wenn Lieferzeit, Lagerbestand und Preis zwischen Shop, Feed und Marktplatz abweichen, verliert der Agent die Sicherheit, dass der Kauf reibungslos funktioniert.

Warum Feeds allein nicht mehr reichen

Viele Händler verfügen bereits über Produktfeeds für Google Shopping, Marktplätze, Preisportale oder Social Commerce. Diese Feeds sind ein guter Ausgangspunkt, aber Agentic Commerce verlangt mehr als Mindestfelder. Wer nur Titel, Preis, Bild, Kategorie und Verfügbarkeit liefert, spielt in einem Umfeld mit, in dem die Entscheidung immer differenzierter wird. KI-Agenten benötigen Kontext.

Dazu gehören zum Beispiel klare Produktbeziehungen: Zubehör, Ersatzteile, Bundles, Nachfolgeprodukte, kompatible Geräte, Verbrauchsmaterialien und Varianten. Für einen Agenten ist es wertvoll zu wissen, ob ein Drucker bestimmte Patronen benötigt, ob ein Akku mit einer Werkzeugserie kompatibel ist oder ob ein Möbelstück in mehreren Modulen kombinierbar ist. Ebenso wichtig sind Ausschlussinformationen: Für welche Anwendungsfälle ist ein Produkt nicht geeignet? Welche Einschränkungen gibt es? Welche Normen erfüllt es nicht?

Im B2B-Umfeld wird diese Anforderung noch anspruchsvoller. Hersteller und Händler müssen technische Daten, Branchenstandards, Zertifikate, Sicherheitsdatenblätter, Lieferbedingungen, Mindestbestellmengen, kundenspezifische Preise und regulatorische Anforderungen strukturiert bereitstellen. Ein KI-Agent, der für einen Einkäufer recherchiert, wird nicht nur nach dem günstigsten Artikel suchen. Er wird prüfen, ob das Produkt zu internen Richtlinien, Compliance-Vorgaben, Lieferantenbewertungen und Nachhaltigkeitszielen passt.

Vertrauen wird maschinenlesbar

Agentic Commerce ist nicht nur eine technische Entwicklung. Es ist auch eine Vertrauensfrage. Menschen kaufen häufig aufgrund von Marke, Gewohnheit, Design oder emotionaler Ansprache. Agenten müssen Vertrauen anders operationalisieren. Sie bewerten Signale: Datenqualität, Konsistenz, Quellen, Bewertungen, Rückgabequoten, Lieferzuverlässigkeit, Zertifikate, Händlerhistorie, Preisstabilität und Serviceinformationen.

Für Unternehmen entsteht dadurch eine neue Form der Reputation. Nicht nur die Marke selbst zählt, sondern die Verlässlichkeit ihrer Daten. Wer regelmäßig falsche Verfügbarkeiten meldet, unvollständige Attribute liefert oder Compliance-Angaben nicht aktuell hält, wird für Agenten riskanter. Wer dagegen konsistente, geprüfte und umfassende Daten bereitstellt, kann Vertrauen aufbauen.

Das betrifft auch rechtliche und regulatorische Anforderungen. In Europa steigen die Informationspflichten rund um Produktsicherheit, Nachhaltigkeit, Herkunft, Reparierbarkeit, Energieverbrauch, Batterien, Verpackungen und digitale Produktpässe. Für Agentic Commerce sind solche Daten nicht nur Compliance-Pflicht, sondern Empfehlungsfaktor. Ein Agent, der für einen Nutzer ein langlebiges, reparierbares und regelkonformes Produkt sucht, braucht genau diese Informationen in strukturierter Form. Unternehmen, die regulatorische Daten isoliert in PDFs, Excel-Dateien oder internen Systemen verwalten, verschenken Potenzial. Entscheidend ist, diese Informationen in PIM-, DAM-, ERP- und Feed-Prozesse einzubinden.

Die Rolle von PIM-Systemen

PIM-Systeme werden im Agentic Commerce noch wichtiger. Ein Product Information Management ist nicht mehr nur die zentrale Datenquelle für Shops und Kataloge. Es wird zum Fundament für maschinenlesbare Kaufentscheidungen. Dabei reicht es nicht, Daten zu sammeln. Daten müssen modelliert, validiert, angereichert und kanalübergreifend ausgespielt werden.

Ein leistungsfähiges PIM hilft Unternehmen, Pflichtattribute je Kategorie zu definieren, Datenqualitätsregeln einzuführen, Übersetzungen zu steuern, Freigabeprozesse abzubilden und Produktinformationen in verschiedene Formate zu exportieren. Für Agentic Commerce kommen weitere Anforderungen hinzu: strukturierte Metadaten, semantische Beziehungen, eindeutige Identifikatoren, Echtzeitnähe bei Preis und Verfügbarkeit sowie Schnittstellen zu KI- und Commerce-Plattformen.

Wichtig ist auch die Governance. Wer ist verantwortlich für technische Attribute? Wer pflegt Nachhaltigkeitsdaten? Wer validiert Zertifikate? Wer entscheidet, welche Marketingaussagen zulässig sind? Wer überwacht, ob Händlerdaten mit Herstellerdaten übereinstimmen? Ohne klare Verantwortlichkeiten bleibt Produktdatenqualität ein Zufallsprodukt. Mit Agentic Commerce wird daraus ein Risiko für Sichtbarkeit und Umsatz.

Was Hersteller und Händler jetzt tun sollten

Der erste Schritt ist eine ehrliche Bestandsaufnahme. Unternehmen sollten prüfen, welche Produktdaten heute vollständig, aktuell und kanalübergreifend konsistent verfügbar sind. Dabei lohnt es sich, nicht nur aus Sicht des eigenen Shops zu denken. Die entscheidende Frage lautet: Könnte ein KI-Agent anhand unserer Daten sicher entscheiden, ob unser Produkt zu einer konkreten Kundenanforderung passt?

Dazu gehört ein Audit zentraler Datenfelder: GTIN, MPN, Marke, Kategorie, technische Attribute, Maße, Gewicht, Varianten, Materialien, Zertifikate, Bilder, Videos, Energie- und Nachhaltigkeitsangaben, Lieferinformationen, Preislogik, Verfügbarkeit, Retourenbedingungen, Garantie, Ersatzteile und Kompatibilitäten. Ebenso wichtig ist die Prüfung von Datenwidersprüchen zwischen PIM, ERP, Shop, Marktplätzen und Händlerfeeds.

Der zweite Schritt ist die Strukturierung. Freitext bleibt wichtig, aber er darf nicht die einzige Informationsquelle sein. Aussagen sollten in Attribute übersetzt werden. Statt „ideal für kleine Räume“ braucht es Maße, Geräuschpegel, Energieverbrauch, Installationsanforderungen und Nutzungsszenarien. Statt „nachhaltig produziert“ braucht es Materialdaten, Zertifikate, CO₂-Angaben, Reparaturinformationen oder Herkunftsnachweise.

Der dritte Schritt ist die Anreicherung. Viele Produktdaten sind heute zu flach, um differenzierte Agentenentscheidungen zu ermöglichen. Unternehmen sollten überlegen, welche Fragen Kunden, Händler, Suchmaschinen und KI-Agenten wirklich stellen. Welche Kriterien entscheiden den Kauf? Welche Zweifel verhindern ihn? Welche Informationen reduzieren Retouren? Welche Daten helfen beim Vergleich?

Der vierte Schritt ist die technische Bereitstellung. Produktdaten müssen in Feeds, APIs, strukturierten Markups und standardisierten Formaten verfügbar sein. Dabei sollten Unternehmen die Entwicklungen rund um Plattformen wie ChatGPT, Google, Marktplätze und Commerce-Protokolle beobachten. OpenAI positioniert das Agentic Commerce Protocol ausdrücklich als Infrastruktur für agentengestützte Käufe. Google beschreibt Agentic Commerce als Entwicklung hin zu autonomeren, personalisierten Shopping-Erlebnissen. Wer seine Daten heute sauber vorbereitet, kann neue Kanäle schneller bedienen.

Marketing verändert sich ebenfalls

Agentic Commerce bedeutet nicht, dass Markenführung und Kreativität unwichtig werden. Aber ihre Wirkung verschiebt sich. Wenn ein Agent eine Shortlist erstellt, muss das Produkt zunächst datenbasiert überzeugen. Danach kann die Marke den Ausschlag geben. Hersteller und Händler sollten deshalb Marketing und Produktdaten stärker zusammenbringen.

Produkttexte müssen nicht verschwinden. Sie sollten aber belegbar werden. Claims brauchen Datenanker. „Besonders langlebig“ sollte durch Garantie, Material, Testergebnisse oder Ersatzteilverfügbarkeit unterstützt werden. „Für Profis geeignet“ sollte durch Leistungsdaten, Normen, Einsatzbereiche oder Referenzen gestützt sein. „Klimafreundlich“ sollte nicht isoliert als Werbeaussage stehen, sondern durch nachvollziehbare Nachhaltigkeitsdaten begleitet werden.

Auch Content-Strategien ändern sich. Ratgeber, Vergleichstabellen, FAQs, Anwendungsszenarien und strukturierte Kaufberatungen werden wertvoller, wenn sie Agenten helfen, Nutzerintentionen besser zu verstehen. Ein guter Ratgeber ist nicht nur für Menschen lesbar, sondern beantwortet konkrete Entscheidungsfragen: Welches Produkt passt zu welchem Bedarf? Welche Kriterien sind relevant? Welche Kompromisse gibt es? Welche Fehler sollten Käufer vermeiden?

Risiken: Abhängigkeit, Margendruck und Datenmissbrauch

Agentic Commerce bringt Chancen, aber auch Risiken. Wenn KI-Plattformen zu neuen Gatekeepern werden, können Händler in eine ähnliche Abhängigkeit geraten wie bei Marktplätzen oder Suchmaschinen. Sichtbarkeit hängt dann davon ab, ob Produkte in Agentenantworten auftauchen, ob Plattformen die Daten akzeptieren und welche Transaktionsmodelle entstehen. Bereits heute wird diskutiert, welche Gebührenmodelle bei Käufen über KI-Assistenten entstehen können. Productsup verweist in seinem Agentic-Commerce-Tracker etwa auf Transaktionsgebühren im Zusammenhang mit ChatGPT-Checkout für Shopify-Händler.

Zudem kann der Preisvergleich härter werden. Agenten sind effiziente Vergleichssysteme. Wenn Produkte austauschbar erscheinen und keine differenzierenden Daten gepflegt sind, gewinnt schnell der niedrigste Preis. Wer aus diesem Wettbewerb herauswill, muss Mehrwert strukturiert sichtbar machen: Qualität, Service, Verfügbarkeit, Nachhaltigkeit, Kompatibilität, Garantie, Beratung, Bundles oder Total Cost of Ownership.

Auch Datenkontrolle wird wichtiger. Hersteller müssen entscheiden, welche Daten sie offen bereitstellen, welche über Partnerkanäle laufen und wie sie Missbrauch oder falsche Interpretationen verhindern. Je stärker KI-Agenten Produktdaten aggregieren, desto wichtiger werden eindeutige Quellen, Rechte, Aktualität und Monitoring.

Fazit: Produktdaten werden zur Verkaufsinfrastruktur

Agentic Commerce ist kein weiterer Hype-Begriff für Chatbots im Shop. Es beschreibt eine grundlegende Veränderung der Kaufentscheidung. Der Kunde formuliert ein Ziel, der Agent übernimmt Recherche und Bewertung, und Produktdaten werden zur zentralen Entscheidungsgrundlage. Für Hersteller und Händler ist das eine klare Botschaft: Wer morgen von KI-Agenten empfohlen werden will, muss heute seine Daten in Ordnung bringen.

Das betrifft nicht nur technische Pflichtfelder. Es geht um Vollständigkeit, Konsistenz, Aktualität, Kontext und Vertrauen. PIM-Systeme, Datenstandards, strukturierte Attribute, Compliance-Informationen, Feed-Management und kanalübergreifende Governance werden zu strategischen Aufgaben. Produktdaten sind nicht länger nur Material für den Shop. Sie sind die Sprache, in der Unternehmen mit KI-Agenten kommunizieren.

Die gute Nachricht: Wer bereits in saubere Produktdaten investiert, startet mit einem Vorsprung. Die schlechte Nachricht: Halb gepflegte Daten, widersprüchliche Angaben und reine Werbetexte werden im Agentic Commerce schneller sichtbar – oder eben unsichtbar. Für die Produktdatenfabrik ist die Richtung klar: Der Handel der Zukunft wird nicht nur von Menschen gelesen. Er wird von Maschinen verstanden. Und genau darauf müssen Produktdaten vorbereitet sein.