Podcast: Agentic AI – Warum Daten über Skalierung entscheiden

Der Agentic AI Podcast des EHI Retail Institute rückt nicht das nächste KI-Modell, sondern die Voraussetzungen für einen belastbaren Einsatz im Handel in den Mittelpunkt. Imke Hahn spricht mit Matthias Schlemmer und Maik Hesse von Strategy& darüber, warum Datenintegration, Prozessdesign und Governance über den Schritt vom Pilotprojekt in den Betrieb entscheiden.

Agentic AI Podcast: Nicht der Chatbot ist der Wendepunkt

Agentische Systeme sollen nicht nur Texte erzeugen oder Empfehlungen liefern. Sie können mehrstufige Aufgaben planen, Informationen aus verschiedenen Systemen zusammenführen und innerhalb vorgegebener Grenzen Aktionen auslösen. In der EHI-Folge zu Agentic AI im Handel beschreiben Schlemmer und Hesse diesen Übergang als strategischen Einschnitt: Im Kundenkontakt geht es nicht mehr allein um die Gestaltung eines Shops, sondern zunehmend darum, ob ein Angebot für Maschinen auffindbar, verständlich und entscheidungsfähig aufbereitet ist.

Das verändert den Wettbewerb um den Kundenzugang. Wenn ein Agent Produkte sucht, Preise und Lieferbedingungen vergleicht und einen Warenkorb vorbereitet, findet ein Teil der Auswahl statt, bevor ein Käufer die Händlerseite besucht. Der Beitrag über ChatGPT als Einkaufsberater zeigt allerdings, dass KI-Suche in Deutschland bislang ein ergänzender Kanal ist. Aus der möglichen Verschiebung sollte deshalb keine bereits vollzogene Marktübernahme konstruiert werden.

Produktdaten werden zur Vertriebsinfrastruktur

Der Agentic AI Podcast nennt Datenqualität als Engpass, geht aber über das bekannte Prinzip „schlechte Daten hinein, schlechte Ergebnisse heraus“ hinaus. Für einen Agenten reicht es nicht, dass Produkt-, Bestands- oder Preisdaten irgendwo vorhanden sind. Die Informationen müssen aktuell, eindeutig, miteinander verknüpft und im passenden Geschäftskontext verfügbar sein. Dazu gehören auch Zuständigkeiten, Freigaberegeln und Wissen, das heute in E-Mails, Chats oder in den Köpfen einzelner Mitarbeiter steckt.

Damit übersetzt der Agentic AI Podcast Datenpflege in eine operative Voraussetzung. Ein Agent kann nur dann zuverlässig auf einen Lieferengpass reagieren, eine Nachbestellung vorbereiten oder ein Angebot auswählen, wenn Identitäten, Berechtigungen, Verfügbarkeiten und Grenzwerte zusammenpassen. Eine hübsche Demonstration kaschiert solche Lücken kurzfristig; im laufenden Betrieb werden sie zum Fehlerverstärker.

Zwei bis drei Prozesse statt eines Pilotfeuerwerks

Als Startpunkt empfehlen die Gesprächspartner zwei bis drei End-to-End-Prozesse mit nachvollziehbarem wirtschaftlichem Hebel. Genannt werden unter anderem Einkauf, Warenversorgung, Kundenservice und Commerce. CIO und Fachbereiche sollen die Auswahl gemeinsam treffen, einen Business Case definieren und schon vor dem Test festlegen, woran Erfolg oder Abbruch gemessen werden.

Diese Konzentration ist eine Absage an eine Sammlung isolierter Vorzeigeprojekte. Der Agentic AI Podcast spricht sinngemäß von „Pilotfeuerwerk“ beziehungsweise einem Zustand, in dem viele Tests laufen, aber keiner in die Wertschöpfung integriert wird. Für die Skalierung braucht es standardisierte Schnittstellen zu Warenwirtschaft, Order-Management, Shop und Filialsystemen. Sonst wird jeder neue Agent zum Sonderbau, und aus versprochener Autonomie entsteht zusätzliche IT-Komplexität.

Wie groß der Abstand zwischen Referenzsoftware und produktivem System sein kann, zeigt der Beitrag über die Anthropic Commerce Agents. Dort bleiben Checkout, Authentifizierung und operative Freigaben bewusst außerhalb der Modellkontrolle. Das ist kein technisches Detail, sondern die Stelle, an der Demo, Verantwortung und reale Geschäftsprozesse aufeinandertreffen.

Governance muss vor dem ersten autonomen Schritt stehen

Bei der Governance ordnet der Agentic AI Podcast vier Fragen als Betriebsbedingungen für agentische Autonomie ein: Wer darf handeln, mit welchem Mandat, innerhalb welcher Grenzen und über welche Systeme hinweg? Hinzu kommen Qualitätsmetriken, Protokollierung sowie Abbruch- und Eskalationsregeln. Ein Agent, der Preise verändert, Bestellungen vorbereitet oder Kundenfälle bearbeitet, benötigt engere Leitplanken als ein System, das lediglich einen Textentwurf liefert.

Der Mensch bleibt dabei Teil des Prozesses. Wo eine Freigabe zwingend ist, hängt von Risiko, Wert und Reversibilität einer Aktion ab. Gerade Zahlungen und Kaufentscheidungen verlangen nachvollziehbare Grenzen. Der Bericht über Vertrauen in KI-Agenten beim Online-Shopping zeigt, dass Offenheit für Automatisierung nicht mit einer bedingungslosen Vollmacht gleichzusetzen ist.

Hohe Prognosen brauchen einen Realitätscheck

Der Agentic AI Podcast greift auch Zahlen aus einer Strategy&-Studie vom März 2026 auf. Die Beratung schätzt, dass Agenten bis 2030 bis zu 15 Prozent der europäischen E-Commerce-Ausgaben beeinflussen könnten. Für Deutschland nennt sie ein mögliches Volumen von bis zu 17 Milliarden Euro. Außerdem prüfe etwa jeder zweite Händler entsprechende Anwendungen, während 20 Prozent Agenten bereits entlang der Wertschöpfungskette eingesetzt hätten.

Diese Werte sind Prognosen und Anbieterangaben, keine amtliche Marktstatistik. Die frei zugängliche Studienseite legt keine vollständige Stichprobe und Berechnung für jede Kennzahl offen. Besonders Obergrenzen wie „bis zu 15 Prozent“ sollten daher als Szenario gelesen werden. Der Agentic AI Podcast hängt seine praktische Botschaft nicht an diese Größenordnung: Händler müssen ihre Architektur, Daten und Entscheidungsregeln ohnehin ordnen, bevor autonome Systeme verlässlich handeln können.

Die nächsten 24 Monate beginnen mit Hausarbeit

Für die kommenden 24 Monate verdichtet der Agentic AI Podcast die Prioritäten auf drei Punkte: Daten agentenfähig machen, wenige vollständige Prozesse auswählen und Governance von Anfang an einbauen. Das klingt weniger spektakulär als ein neuer Einkaufsagent, dürfte aber näher an der tatsächlichen Arbeit liegen. Echtzeitdaten, offene Schnittstellen und kontrollierbare Entscheidungen entstehen nicht durch den Einkauf eines Sprachmodells.

Der strategische Vorteil liegt deshalb nicht automatisch beim Unternehmen mit der auffälligsten Demo. Er liegt eher dort, wo Agenten aktuelle Informationen erhalten, ihre Mandate begrenzt sind und ihre Wirkung gemessen wird. Erst dann kann aus assistierter KI ein System werden, das Teile des Handelsprozesses übernimmt, ohne dass Kontrolle und Verantwortung im selben Moment verschwinden.

Faktenbox