"Bestelle mir 500 Visitenkarten, 350g, matt laminiert, beidseitig bedruckt. Hier ist mein Logo." Das sagt jemand zu seinem KI-Assistenten. Nicht zu einem Menschen. Zu einer KI.
Der Agent oeffnet drei Online-Druckereien, vergleicht Preise, prueft Lieferzeiten, laedt das Logo hoch, konfiguriert das Produkt und schickt dem Nutzer eine Zusammenfassung: "Druckerei A: 49 Euro, 3 Werktage. Druckerei B: 42 Euro, 5 Werktage. Druckerei C: 55 Euro, 2 Werktage. Welche soll ich bestellen?"
Ein Klick. Fertig.
Das ist Agentic Commerce. Und es wird den Online-Handel grundlegend veraendern. Nicht morgen. Nicht uebermorgen. Aber frueher als die meisten denken.
Was Agentic Commerce ist -- und was nicht
Agentic Commerce bedeutet: KI-Agenten handeln im Auftrag von Nutzern. Sie suchen nicht nur, sie kaufen. Sie vergleichen nicht nur, sie entscheiden (oder bereiten Entscheidungen vor).
Das ist fundamental anders als alles, was wir bisher kennen:
- Suchmaschinen zeigen Links. Der Nutzer muss selbst klicken, vergleichen, entscheiden.
- Preisvergleichsportale aggregieren Daten. Der Nutzer muss immer noch selbst bestellen.
- Chatbots auf Shop-Websites beantworten Fragen. Aber sie kaufen nicht.
KI-Agenten gehen einen Schritt weiter. Sie verstehen die Aufgabe, recherchieren, vergleichen und fuehren aus. Der Nutzer delegiert den gesamten Kaufprozess.
Ehrliche Einschaetzung: Was geht heute, was nicht?
Bevor die Fantasie durchgeht, hier die nuechterne Bestandsaufnahme:
Was HEUTE funktioniert
Produktsuche und -vergleich: ChatGPT kann Produkte suchen, Spezifikationen vergleichen und Empfehlungen aussprechen. Wer "bester Bluetooth-Kopfhoerer unter 200 Euro fuer Pendler" fragt, bekommt brauchbare Antworten -- basierend auf Produktdaten, Reviews und Testberichten.
Produktempfehlungen in AI Overviews: Google zeigt in seinen AI Overviews bereits Produktempfehlungen an -- mit Preis, Bild und Link. Wer strukturierte Produktdaten hat, wird dort bevorzugt angezeigt.
Spezialisierte Shopping-Assistenten: Amazon, Shopify und andere Plattformen haben KI-Assistenten integriert, die innerhalb ihrer Oekosysteme Produkte empfehlen und den Kauf vereinfachen.
Was NOCH NICHT funktioniert
Autonomer Checkout: Kein KI-Agent kann heute eigenstaendig eine Bestellung abschliessen und bezahlen. Die Gruende sind technisch und rechtlich:
- Zahlungsautorisierung erfordert menschliche Bestaetigung (PSD2, 3D Secure)
- Es gibt keinen Standard fuer Agent-to-Shop-Checkout
- Haftungsfragen bei Fehlbestellungen sind ungeklaert
Produktkonfiguration: Komplexe Produktkonfiguratoren (Farbe, Groesse, Material, Personalisierung) sind fuer Agenten schwer zu bedienen, weil die meisten Shops diese als interaktive UI-Elemente implementieren statt als API-Endpunkte.
Retouren und Reklamationen: Der Post-Purchase-Prozess ist fast nirgends Agent-ready.
Die ehrliche Aussage: Wir sind in der Phase "Suchen und Empfehlen", nicht in der Phase "Autonom Einkaufen". Aber die Uebergaenge sind fliessend, und die Infrastruktur wird aktiv gebaut.
Was "AI-Ready" fuer Online-Shops konkret bedeutet
AI-Ready im E-Commerce hat vier Ebenen:
1. Strukturierte Produktdaten (schema.org Product)
Jedes Produkt braucht maschinenlesbare Metadaten. Das klingt trivial, ist es aber nicht -- die meisten Shops haben Produktdaten, die fuer Menschen formatiert sind, nicht fuer Maschinen:
{
"@type": "Product",
"name": "Premium Visitenkarten 350g matt",
"description": "Beidseitig bedruckt, matt laminiert",
"sku": "VK-350-MATT",
"brand": { "@type": "Brand", "name": "DruckProfi" },
"offers": {
"@type": "Offer",
"price": "49.90",
"priceCurrency": "EUR",
"availability": "InStock",
"deliveryLeadTime": { "value": 3, "unitCode": "DAY" },
"priceSpecification": {
"minQuantity": 100,
"maxQuantity": 1000
}
},
"additionalProperty": [
{ "name": "Grammatur", "value": "350g/m2" },
{ "name": "Laminierung", "value": "Matt" },
{ "name": "Druck", "value": "Beidseitig" }
]
}
2. Eine Produkt-API
Der naechste Schritt nach strukturiertem HTML: Eine echte API, die KI-Agenten programmatisch abfragen koennen.
GET /api/v1/products?category=visitenkarten&weight=350g&finish=matt&quantity=500
Shopify bietet mit der Storefront API bereits eine solide Basis dafuer. WooCommerce hat eine REST-API. Custom-Shops muessen das selbst bauen. Aber die technische Huerde ist ueberschaubar.
Entscheidend ist: Die API muss Filterung, Sortierung und Verfuegbarkeitspruefung unterstuetzen. Ein Agent, der 500 Produkte laden muss um eines zu finden, ist ein schlechter Agent -- und wird Ihren Shop nicht empfehlen.
3. Warenkorb- und Checkout-API
Hier wird es spannend -- und hier sind wir am weitesten von der Realitaet entfernt. Ein Agent muesste:
- Produkt in den Warenkorb legen
- Konfigurationsoptionen waehlen (Menge, Farbe, Groesse)
- Lieferadresse setzen
- Versandoption waehlen
- Checkout-Link generieren
Die Schritte 1-4 sind technisch machbar. Schritt 5 ist der Knackpunkt: Der Agent generiert einen vorbereiteten Checkout-Link, den der Nutzer nur noch bestaetigen und bezahlen muss. Das ist kein autonomer Kauf -- es ist ein "prepared checkout", bei dem der Mensch die letzte Entscheidung trifft.
Shopify unterstuetzt das ueber die Storefront API mit checkoutCreate. Das ist der realistischste Weg fuer die naechsten 1-2 Jahre.
4. Verfuegbarkeit und Lieferinformationen
KI-Agenten werden Shops bevorzugen, die zuverlaessige Echtzeit-Informationen liefern:
- Ist das Produkt auf Lager?
- Wie lange dauert die Lieferung?
- Welche Versandoptionen gibt es?
- Ab welchem Bestellwert ist der Versand kostenlos?
Shops, die diese Informationen nur irgendwo im Kleingedruckten verstecken, verlieren gegen Shops, die sie strukturiert und per API bereitstellen.
Warum Shopify-Haendler einen Vorteil haben (und Custom-Shops aufholen muessen)
Shopify hat frueh auf API-First gesetzt. Die Storefront API bietet:
- Produkt-Abfragen mit Filtern
- Warenkorb-Management
- Checkout-Erstellung
- Bestandsinformationen
- Metafields fuer zusaetzliche Produktdaten
Das heisst: Ein Shopify-Shop ist "API-technisch" bereits naeher an AI-Ready als die meisten Custom-Shops. Was fehlt, ist meistens die Dokumentation fuer Agenten und die Discovery-Mechanismen (agents.json).
Custom-Shops -- ob auf WooCommerce, Magento oder Eigenentwicklung -- muessen diese API-Schicht erst bauen. Das ist keine Raketenwissenschaft, aber es erfordert Planung und bewusste Architektur.
Der sofortige Nutzen: Was AI-Ready HEUTE schon bringt
Bessere Sichtbarkeit in Google Shopping und AI Overviews
Strukturierte Produktdaten nach schema.org sind die Basis fuer Google Shopping, Rich Snippets und AI Overviews. Wer seine Produkte maschinenlesbar auszeichnet, erscheint haeufiger und prominenter in den Suchergebnissen.
Hoehere Conversion durch bessere Produktdaten
Die Arbeit an strukturierten Daten zwingt dazu, Produktinformationen zu vervollstaendigen und zu standardisieren. Vollstaendige Spezifikationen, klare Verfuegbarkeitsangaben, praezise Lieferzeiten -- das verbessert nicht nur die KI-Lesbarkeit, sondern auch die menschliche Kaufentscheidung.
Produktvergleiche durch KI als Marketing-Kanal
Wenn ChatGPT-Nutzer nach Produktempfehlungen fragen, werden Produkte mit vollstaendigen, strukturierten Daten bevorzugt. Das ist ein neuer Marketing-Kanal, der weder Cost-per-Click noch Anzeigenbudget erfordert -- nur gute Daten.
Grundlage fuer eigene KI-Features
Wer seine Produktdaten strukturiert hat, kann selbst KI-Features bauen: einen intelligenten Produktfinder ("Ich suche ein Geschenk fuer einen 40-jaehrigen, der gerne kocht"), personalisierte Empfehlungen oder automatisierte Produktbeschreibungen.
Die groessten Fehler, die Online-Shops machen
Fehler 1: Produktdaten nur fuer Menschen
"Unser Lieblings-Hoodie -- kuschelig weich, in 5 Farben." Das ist Marketing. Fuer KI fehlt: Material (80% Baumwolle, 20% Polyester), Groessen (S-XXL), Farb-Codes, Pflegehinweise, Gewicht. Die emotionale Beschreibung kann bleiben -- aber sie braucht ein strukturiertes Gegenstueck.
Fehler 2: Preise und Verfuegbarkeit nur auf der Produktseite
Wenn ein Agent 50 Produkte vergleichen will, muss er 50 Seiten laden. Eine API, die Preis und Verfuegbarkeit fuer eine Produktliste in einem Request liefert, ist um Groessenordnungen effizienter.
Fehler 3: Konfigurationsoptionen als JavaScript-Widgets
Groessenauswahl per Dropdown, Farbauswahl per Klick auf ein Quadrat, Menge per Plus/Minus-Button. Fuer Menschen intuitiv. Fuer Agenten unbedienbar. Die Loesung: Dieselben Optionen auch als API-Parameter anbieten.
Fehler 4: Keine Bulk-Abfragen
"Zeige mir alle Laufschuhe unter 150 Euro in Groesse 43." Das erfordert eine Filter-API. Die meisten Shops haben einen Facettenfilter auf der Website -- aber keine API, die dieselbe Funktionalitaet bietet.
Wie der Weg zum AI-Ready Online-Shop aussieht
Phase 1: Strukturierte Produktdaten (2-3 Wochen)
- schema.org Product-Markup fuer alle Produkte
- Spezifikationen standardisieren (Groesse, Farbe, Material, Gewicht)
- Google Merchant Center einrichten und Feed validieren
- Produktdaten vervollstaendigen (Luecken identifizieren und fuellen)
Phase 2: Produkt-API (3-4 Wochen)
- REST-API fuer Produktabfragen bauen (oder Storefront API konfigurieren)
- Filter-Endpunkte (Kategorie, Preis, Verfuegbarkeit, Eigenschaften)
- Paginierung und Rate Limiting implementieren
- API-Dokumentation erstellen
Phase 3: Warenkorb-Integration (2-3 Wochen)
- Warenkorb-API mit Konfigurationsoptionen
- Prepared-Checkout-Links generieren
- Versand- und Lieferinformationen per API bereitstellen
Phase 4: Agent Discovery (1 Woche)
- agents.json erstellen
- API-Dokumentation fuer Agenten veroeffentlichen
- Health- und Status-Endpoints
Die Timeline variiert stark je nach bestehendem Tech-Stack. Ein Shopify-Shop kann Phase 1 und 2 in deutlich kuerzerer Zeit umsetzen, weil die Infrastruktur bereits steht.
Der Elefant im Raum: Payment-Autorisierung
Die groesste offene Frage im Agentic Commerce ist die Bezahlung. Kein serioeser Experte behauptet, dass KI-Agenten in naher Zukunft eigenstaendig Zahlungen ausfuehren werden. Die regulatorischen Huerde sind hoch (PSD2, Strong Customer Authentication), die Haftungsfragen ungeklaert.
Das realistischste Modell fuer die naechsten Jahre:
- Agent konfiguriert die Bestellung
- Agent generiert einen Checkout-Link
- Nutzer prueft und bestaetigt
- Nutzer authentifiziert die Zahlung (Fingerprint, Face ID, TAN)
Das ist kein autonomer Einkauf. Es ist ein "assisted checkout" -- der Agent erledigt die Arbeit, der Mensch drueckt den Knopf. Aber selbst das spart enorm viel Zeit und reduziert Kaufabbrueche.
Warum die grossen Plattformen das Spiel bestimmen werden
Amazon, Shopify und Google werden die Standards setzen. Amazon hat bereits einen KI-Shopping-Assistenten (Rufus). Shopify investiert massiv in KI-Features fuer Haendler. Google Shopping wird zunehmend KI-gesteuert.
Fuer kleinere und mittlere Online-Shops bedeutet das: Wer nicht auf diesen Plattformen sichtbar ist, muss seine eigene AI-Ready-Infrastruktur bauen. Das ist aufwaendiger, aber es bietet auch Unabhaengigkeit. Und strukturierte Produktdaten sind in jedem Fall die Grundlage -- egal ob fuer ChatGPT, Google AI Overviews oder den eigenen KI-Produktfinder.
Fazit: Die Produkt-API ist das neue Schaufenster
Im stationaeren Handel war das Schaufenster der wichtigste Verkaufsfaktor. Im fruehen E-Commerce war es das Produktfoto. Dann die Google-Platzierung. In der naechsten Phase wird es die Produkt-API sein.
Nicht weil Menschen aufhoeren, Shops zu besuchen. Sondern weil zwischen dem Nutzer und dem Shop zunehmend ein KI-Agent steht. Und dieser Agent entscheidet auf Basis von Daten, nicht auf Basis von huebschen Bildern.
Die Technik fuer AI-Ready E-Commerce existiert. Die Standards sind definiert (schema.org, Storefront APIs, agents.json). Was fehlt, ist die Umsetzung bei der Mehrheit der Shops.
Wer jetzt investiert, baut die Infrastruktur fuer morgen -- und verbessert gleichzeitig das Google-Ranking, die Produktdaten-Qualitaet und die Conversion-Rate von heute. Das ist keine Wette. Das ist solides Handwerk.
