Agentic Commerce: Der neue KI-gestützte Handel

Agentic Commerce bezeichnet eine neue Form des Einkaufens, bei der intelligente KI-Agenten eigenständig im Namen der Kunden einkaufen. In einfachen Worten ist es „Einkaufen, ermöglicht durch KI-Agenten, die in unserem Auftrag handeln“. Anders als herkömmliche Chatbots oder Empfehlungssysteme haben diese Agenten Autonomie: Sie können mehrstufige Aufgaben planen, Entscheidungen treffen und ausführen – vom Finden des passenden Produkts bis zum Abschluss des Kaufs – ohne dass der Mensch jeden Schritt aktiv steuern muss.

Der Begriff „Agentic Commerce“ ist erst in den letzten Jahren populär geworden. Er entstand im Zuge der rasanten Fortschritte bei großen Sprachmodellen (LLMs) und KI-Assistenzsystemen wie ChatGPT, Alexa oder Google Assistant. Beratungs- und Technologieunternehmen wie McKinsey, Salesforce, Mastercard und Google Cloud haben den Begriff seit 2024/2025 geprägt und in Publikationen und Produktankündigungen eingeführt. Ziel ist, eine Ära zu beschreiben, in der KI-Agenten nicht nur Empfehlungen geben, sondern vollständig den Einkaufsprozess übernehmen. Fachleute nennen dies auch „Zero-Click-Commerce“, da der Kauf ohne direkte Klicks durch den Menschen stattfinden kann.

Relevanz für E‑Commerce, Einzelhandel und B2B

Agentic Commerce hat das Potenzial, den digitalen Handel grundlegend zu verändern. Marketingexperten prognostizieren enorme Umsätze: McKinsey schätzt, dass der US‑Einzelhandel im B2C-Bereich bis 2030 durch agentische Einkaufsprozesse bis zu 1 Bio. USD zusätzlich umsetzen könnte – weltweit werden 3–5 Bio. USD erwartet. Der Wandel ähnelt dem E-Commerce-Revolution Ende der 1990er, dürfte aber wegen der weitverbreiteten Internet- und KI-Nutzung sogar schneller ablaufen.

Für Händler bedeutet dies, dass ein immer größerer Anteil des Traffics und der Kaufabschlüsse über KI-Agenten laufen wird. Studien zeigen, dass bereits viele Konsumenten KI-gestützte Suchagenten nutzen: Rund 44 % der Nutzer, die KI-basierte Suche ausprobiert haben, bevorzugen sie mittlerweile gegenüber klassischen Suchmaschinen. Adobe berichtet, dass AI-gestützte Shopping-Interfaces im Holiday-Shopping 2024 die Umsätze gesteigert haben und 92 % der Nutzer ihre Erfahrung verbessern sehen. Besonders bei jüngeren Zielgruppen (Gen Z) ist der Trend stark: Mehr als die Hälfte starten ihre Produktsuche inzwischen bei großen Sprachmodellen statt direkt auf Händler-Websites.

Im B2C-Einzelhandel wird Agentic Commerce vor allem den Komfort für den Endkunden erhöhen: Einkäufe werden hochgradig personalisiert und automatisch abgewickelt, was die Konversionsraten steigen lassen kann. Agenten scannen dabei mehrere Plattformen, filtern Ergebnisse gemäß Kundenpräferenzen und können sogar Preise verhandeln oder Rabatte nutzen.

Im B2B- und Großhandel verspricht Agentic Commerce enorme Effizienzsteigerungen. Industriekunden kaufen oft nach festen Prozessen ein. Hier können KI-Agenten den gesamten Beschaffungszyklus (Bedarfsermittlung, Preisverhandlung, Bestellung, Lieferung) in Millisekunden abwickeln. Führende Plattformen in China, etwa Alibaba (mit „Accio“) und JD.com (mit „JingAgent“), setzen solche Beschaffungsagenten bereits produktiv ein. Techdivision fasst zusammen: „In den nächsten drei Jahren werden Sie mehr Zeit damit verbringen, für einen algorithmischen Käufer zu optimieren, als für einen menschlichen“. Das zeigt: Wer im B2B-Handel nicht agentenfreundlich wird (Stichwort „Agent Store Optimization“), könnte schnell vom Markt verdrängt werden.

Anzeige

Technologische Basis und KI-Enablement

Agentic Commerce wird erst durch moderne KI-Technologien möglich. Zentral sind große Sprachmodelle (LLMs) und darauf aufbauende KI-Agenten, die natürliche Sprache verstehen und interaktiv handeln können. Anders als einfache Chatbots, die nur auf Anfragen reagieren, können diese Agenten selbstständig denken: Sie zerlegen komplexe Ziele in Teilaufgaben, nutzen ein internes Gedächtnis und verschiedene Tools, um Preise zu vergleichen, Verfügbarkeiten zu prüfen und Käufe abzuschließen.

Ein wichtiger Treiber sind Konversations-Schnittstellen: Sprachassistenten wie Alexa oder Siri werden zunehmend mit Shopping-Funktionen ausgestattet. So testet Amazon beispielsweise eine „Alexa+“-Funktion, mit der Prime-Nutzer per Stimme Einkäufe tätigen können. Auch Chatplattformen öffnen sich: OpenAI hat den „Operator“-Agenten vorgestellt, der selbständig Browser-Aktionen ausführen, Produkte suchen und bestellen kann. Google und Meta arbeiten an ähnlichen Lösungen, und Anbieter wie Shopify und Adobe integrieren Agentic Commerce-Features in ihre Plattformen.

Gleichzeitig entstehen Standardprotokolle und Ökosysteme für agentische Transaktionen. OpenAI und Stripe haben das Agentic Commerce Protocol (ACP) entwickelt, ein offener Standard, um den kompletten Kaufprozess zwischen Nutzer, Agent und Händler abzubilden. Auch andere Protokolle wie Anthropic’s Model Context Protocol (MCP), Agent-to-Agent Payment (A2A) und Agent Payments Protocol (AP2) sollen Agenten technisch miteinander sowie mit Zahlungssystemen vernetzen. Kreditkartenfirmen passen ihre Infrastruktur an: Mastercard und Visa arbeiten an speziellen „Agent Pay“-Funktionen, Tokenization und KI-fähigen Authentifizierungslösungen, damit KI-Agenten autorisiert und sicher im Namen des Kunden zahlen können.

Unterschiede zum traditionellen E-Commerce

Agentic Commerce unterscheidet sich fundamental von klassischen Online-Shop-Modellen. Traditionelles E‑Commerce setzt auf Webseiten, bei denen Konsumenten selbst suchen, vergleichen, in den Warenkorb legen und zahlen. Jeder Kauf erfordert aktive Klicks und Nutzerinteraktion. Agentic Commerce dagegen verlagert fast die gesamte Customer Journey auf die KI: Nur die Intention (z. B. „Ich brauche einen neuen Drucker“) setzt der Mensch, den Rest übernimmt der Agent.

Statt wie bisher über Keywords zu suchen, nutzen Konsumenten natürliche Sprachbefehle oder Profileinstellungen. Der Agent kann dann produktneutral über mehrere Händler hinweg recherchieren, Produktmerkmale abgleichen und selbständig Verhandlungen führen oder Gutscheine anwenden. Im Ergebnis wird der Käufer oft nicht einmal mehr direkt sichtbar: Die Transaktion läuft „hinter den Kulissen“ ab, und das Einkaufserlebnis wird eher von der KI-Interaktion als von der menschlichen Navigation geprägt.

Auch im Vergleich zu aktuellen KI-Anwendungen ist Agentic Commerce anders. Herkömmliche KI im Handel (z. B. Chatbots oder Empfehlungssysteme) ist meist reaktiv: Der Nutzer stellt eine Anfrage und die KI liefert passende Vorschläge. Agentische KI ist proaktiv und autonom: Sie initiiert eigenständig Aktionen, lernt aus Nutzerpräferenzen und passt sich laufend an. Salesforce beschreibt den Unterschied so: „Traditionelle KI assistiert (Chatbots, Empfehlungen), während agentische KI die Autonomie besitzt, selbstständig mehrstufige Aufgaben zu starten und abzuschließen“.

Einfach ausgedrückt bedeutet Agentic Commerce: Der Kunde informiert – die KI kauft. Während beim klassischen E-Commerce der Mensch alle Schritte steuert, übernimmt hier die Maschine das Ruder: vom Finden des Produkts bis zur Bezahlung.

Beispiele und Anwendungsfälle

Privatkunden (B2C): Typische Beispiele sind KI-Personal Shopper und Assistenten im Chat- oder Sprachformat. So kann ein Nutzer beispielsweise ChatGPT (mit dem sogenannten „Operator“-Plugin) fragen: „Bestelle mir einen Flug nach Hamburg unter 300 Euro am kommenden Freitag“ – der Agent bucht dann selbständig Flug und Übernachtung. Amazons Beta-Funktion „Buy for Me“ zeigt das Prinzip: Sie erlaubt Amazons KI, auf fremden Händlerseiten einzukaufen, ohne dass der Nutzer die Seite verlässt.

Andere Beispiele: Reorder-Bots kaufen Routineprodukte nach. Eine KI merkt, dass die Seife zur Neige geht, und bestellt automatisch nach.

KI-basierte Reiseagenten vergleichen Flug- und Hoteloptionen in Echtzeit (z. B. „Claude Travel Agent“) und erledigen Buchungen.

Auch in der Modebranche experimentieren Händler mit Chat-Assistenten (Shopify und Microsoft bieten bereits Personal Shopping Agents an, die Produkte empfehlen und direkt im Chat den Kauf abschließen).

Einzelhandel (Retail): Große Plattformen und Ketten entwickeln eigene Agenten. Google arbeitet an Shopping-Agents in der Google-Bildsuche, die Nutzerwünsche erkennen und sofort Vorschläge liefern. Facebook/Meta und Snapchat bauen virtuelle Assistenten für In-App-Einkäufe. Die Strategie ist oft, Kunden möglichst lange an die eigene Marke zu binden – selbst wenn der Kauf andernorts getätigt wird.

B2B und Industrie: Hier kommen KI-Agenten als Beschaffungslösungen zum Einsatz. Alibaba hat beispielsweise den Beschaffungsagenten Accio, der 40 % aller internationalen Anfragen (RFQs) generiert, und JD.com nutzt „JingAgent“ für automatisierte Nachbestellungen in Fabriken. Ein Unternehmer kann etwa einer KI den Einkaufsauftrag geben („Halte Produktionsstätte Stuttgart für 10 Tage mit einer Ausfallrate kleiner 2% am Laufen“) – der Agent prüft Lieferanten, verhandelt Preise, löst Bestellungen aus und organisiert die Logistik komplett selbst.

Diese Beispiele zeigen: Ob C2C oder B2B, Agentic Commerce überbrückt Online-Shops, Marktplätze und soziale Plattformen. Ein Consumer-to-Merchant (C2M)-Szenario wäre, wenn die KI eines Endkunden Produkte quer über Händler-Plattformen findet und kauft. Bei Merchant-to-Merchant (M2M) kann ein Händler-Agent in vernetzten Shop-Systemen selbstständig im Namen anderer Händler einkaufen, um Sortimentsergänzungen zu ermöglichen. In Zukunft könnten Agenten sogar direkt miteinander verhandeln (z. B. Bundles mit Rabatten für mehrere Anbieter).

Vorteile und Herausforderungen für Händler

Vorteile: Für Händler bringt Agentic Commerce neue Chancen, die Customer Journey zu optimieren. KI-Agenten sorgen für höhere Konversionsraten, da der Checkout-Prozess extrem vereinfacht ist. Kundenbindung kann intensiver werden, weil Agents fortlaufend personalisierte Produktempfehlungen geben und Upselling-Potenziale nutzen – der Käufer selbst muss nicht mehr mühsam filtern. Auch der Marketing-Impact steigt: Agenten liefern tiefgehende Nutzerdaten und können gezielt die richtigen Produkte in den Kauffluss bringen.

Zudem ermöglichen Agenten 24/7-Service: Sie kümmern sich rund um die Uhr um Bestellungen und Kundenservice-Anfragen. Händler können dadurch operativ Kosten sparen (weniger manueller Support) und ihre Shops theoretisch tausende Kunden gleichzeitig bedienen lassen. Agenten können auch cross-sell-Artikel automatisch vorschlagen und so den Warenkorbwert steigern.

Herausforderungen: Agentic Commerce bringt aber auch Risiken. Händler könnten die direkte Kundenbeziehung verlieren, weil der Agent als neuer Gatekeeper fungiert. Markenauftritt, Produktpräsentation und klassische Onlinestrategien müssen sich ändern – Agenten interessieren sich nur für maschinenlesbare, relevante Informationen. Ein schlechter oder unvollständiger Produktkatalog kann dazu führen, dass der Agent die Angebote ignoriert.

Weitere Herausforderungen sind rechtlicher und technischer Natur: Datenschutz und Vertrauen spielen eine große Rolle, wenn KI im Namen von Kunden handelt. Händler müssen sicheren Umgang mit Zahlungsdaten gewährleisten (etwa durch die erwähnten Token- und Authentifizierungsstandards). Auch die IT-Infrastruktur muss skalierbar und agentenfähig sein – etwa durch APIs für Produktdaten und Checkout. In der Übergangsphase kann der Aufbau dieser Systeme kosten- und zeitintensiv sein.

Nicht zuletzt besteht ein Wettbewerbsdruck: Schon heute testet ein Großteil der Unternehmen KI-Agenten. BCG warnt, dass Händler ohne Gegenmaßnahmen “reduziert werden können zu nur noch Hintergrundversorgern in agentengesteuerten Marktplätzen”. Wer zu spät reagiert, riskiert, von Plattformen dominiert zu werden, die die Agenten-Konnektivität kontrollieren.

Strategien zur Vorbereitung auf Agentic Commerce

Unternehmen sollten sich proaktiv auf Agentic Commerce einstellen. Wichtige Maßnahmen sind:

• • Strukturierte Produktdaten: Händler müssen ihren Katalog agentenfreundlich aufbereiten. Das bedeutet eine maschinenlesbare Struktur (z. B. JSON-LD Schema-Markup) statt unstrukturierter Texte. Alle Spezifikationen, Preise und Attribute sollten sauber in Datenbanken oder über APIs verfügbar sein. Dadurch können Agenten Produkte leicht finden und vergleichen. Techdivision nennt dies „Agent Store Optimization“ (ASO): Ähnlich wie SEO für Menschen muss ein Shop für Maschinen optimiert werden.
  • KI-Kompatible Inhalte: Neben Struktur müssen Inhalte „leserlich“ für KI gestaltet sein. Das heißt klare Sprache statt Fachjargon, kurze Absätze, Bullet-Listen und FAQs. Händler sollten Inhalte so verfassen, dass KI sie direkt zitieren oder in Antworten übernehmen kann – z. B. durch LLM.txt oder eindeutige Headlines. Unique Content und Primärquellen werden für die Agenten-Sichtbarkeit wichtiger als jemals zuvor.
  • Integration von Zahlungsprotokollen: Händler sollten frühe Standards für KI-Zahlungen implementieren. PayPal und Stripe bieten bereits Lösungen („Agent Ready“, „Store Sync“), mit denen Shops schnell an AI-Marktplätze angebunden werden können. Teilnahme an Programmen wie Mastercard Agent Pay oder Visa Intelligent Commerce sichert, dass Agenten auf sicheren Wegen bezahlen können. Virtuelle Karten mit Ausgabenlimits sind eine weitere Option, um Agententransaktionen zu regeln.
  • Eigene KI-Angebote entwickeln: Unternehmen können darüber nachdenken, eigene Agenten oder Assistenzfunktionen anzubieten. Beispielsweise könnte ein Händler eine Branded-Agent-Erfahrung schaffen, die den gesamten Einkaufskanal abbildet (von Produktentdeckung bis Loyalty-Programm). Google empfiehlt zwei strategische Optionen: (1) als Marke den gesamten Endkundenprozess steuern oder (2) jede Transaktion über eigene Systeme abzuwickeln – egal, ob sie über den eigenen Shop, einen persönlichen Agenten des Kunden oder andere Plattformen initiiert wurde.
  • Agenten-Marketing und Sichtbarkeit: Offline-Taktiken reichen nicht mehr. Händler müssen jetzt auf „intent-driven“ Marketing setzen – etwa so, dass Agenten Inhalte entdecken (z. B. durch gezieltes Keyword- und Intent-Mapping). Auch die Teilnahme an Agentic-Com­merce-Plattformen (z. B. Perplexity, ChatGPT-Kanälen) wird wichtig. Ähnlich wie früher SEO-Audits für Google sollte es bald regelmäßige Prüfungen geben, wie ein Shop im Agenten-Index rangiert.
  • Qualitätssicherung: Da Agenten bei E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) wie Google vorgehen, müssen Händler Reputation aufbauen: Backlinks, Presseberichte und Social Proof stärken die Vertrauenswürdigkeit. So stellen sie sicher, dass Agenten ihre Produkte in den Antworten priorisieren und nicht als „Spam“ aussortieren.
  • Technische Infrastruktur: APIs und System-Architektur sollten für Echtzeit-Abfragen ausgelegt sein. Agenten erwarten schnelle Updates zu Lagerbestand, Preisänderungen und Lieferzeiten. Händler sollten in Echtzeit-Feeds und Automatisierungen investieren, damit Agenten ihre Entscheidungen immer mit aktuellen Daten treffen können.

Durch diese Maßnahmen können sich Händler rechtzeitig in Agentic-Com­merce-Ökosysteme integrieren. Ein Beispiel: PayPal bietet mit „Store Sync“ eine Lösung, mit der Händler ihren Katalog per Schnittstelle an KI-Shoppingdienste andocken. So bleiben sie „Merchant of Record“ und behalten Brand-Kontrolle, sind aber dennoch überall auffindbar.

Ausblick: Zukünftige Entwicklungen und Trends

Agentic Commerce steht erst am Anfang, doch die Entwicklung ist rasant. Einige Trends zeichnen sich ab:

• • Weiter steigende Automatisierung: KI-Agenten werden zunehmend eigenständiger. Fachleute erwarten, dass sie bald nicht nur auf Anfragen reagieren, sondern proaktiv nachfüllen (Auto-Reorder) und komplexe Vertragsverhandlungen führen können. Konzepte wie Zero-Click-Commerce (vollständige Transaktion ohne Klicks durch den Nutzer) gewinnen an Bedeutung.
  • Verbreitung auf neuen Plattformen: Neben E‑Commerce-Seiten werden Agenten in Messengern, Wearables und IoT-Geräten aktiv. Beispiel: E‑ink-Sticker für Lebensmitteleinkauf, die automatisch Nachschub bestellen, oder Kühlschränke, die per hinterlegtem Agenten Produkte ordern. Sprachassistenten werden zu vollwertigen Einkaufsplattformen (Alexa, Google Assistant).
  • Interoperabilität und Standards: Wir erwarten ein Ökosystem offener Protokolle. Gleich wie beim Kreditkarteneinzug werden Agentic-Commerce-Protokolle (ACP, A2A, AgentPay) zum Standard. Ökonomisch könnte sich zudem ein Markt für „Agenten-Vermittler“ bilden, die als Makler zwischen Konsumentenagenten und Händleragenten agieren – ähnlich heutiger Marktplätze, nur autonom organisiert.
  • Branchenübergreifende Ausweitung: Agentic Commerce breitet sich bald in alle Handelsbereiche aus – von Mode über Lebensmittel bis zu Dienstleistungen wie Reisen und Versicherungen. Bereits heute tüfteln Versicherungen an Agenten, die Policen vergleichen und abschließen. Spediteure entwickeln Agenten für Just-in-Time-Beschaffung, und Banken prüfen „Agentic Finance“-Szenarien.
  • Regulatorik und Ethik: Mit der Verbreitung wird es neue Vorschriften geben müssen. Handel und Politik arbeiten an Regeln für KI-Transaktionen: Datenschutz (Welche Daten darf der Agent nutzen?), Haftung (Was bei Fehlkäufen?), Sicherheit (Verhinderung von Missbrauch). Stichworte sind hier FIDO-Standards, AI-Governance und KI-Transparenz.
  • Vertrauensbildung: Für Verbraucher wird es entscheidend sein, dass Agenten sicher und verantwortungsbewusst agieren. Technologien wie verifizierte Agenten-Identitäten (Agent Tokens) und Audits der Agent-Entscheidungen gewinnen an Bedeutung. MasterCard und Visa investieren in „Trusted Agent Networks“, um Vertrauen in agentische Zahlungen herzustellen.

Langfristig wird Agentic Commerce den Handel auf ein neues Niveau heben – ähnlich wie es das Internet und später das Smartphone taten. Händler und Onlineanbieter sollten sich darauf vorbereiten, indem sie jetzt ihre Systeme agentenfähig machen und Strategien für die “Agenten-Ära” entwickeln. Wer diesen Wandel aktiv mitgestaltet, kann neue Umsatzchancen heben und seine Marktposition stärken. Anderenfalls droht das Ausgeliefertsein an die KI-Agenten-Plattformen der großen Technologieunternehmen.

Faktenbox