4 Thesen, warum KI-Agenten Ihr Commerce-Geschäft verändern

KI-Agenten entscheiden bereits mit, welche Produkte gekauft werden. Die meisten Unternehmen wissen nicht, ob sie berücksichtigt werden.

KI-gestützte Produktempfehlungen generieren heute bis zu 35% des E-Commerce-Umsatzes. Empfohlene Produkte werden mit rund doppelter Wahrscheinlichkeit ausgewählt wie nicht empfohlene. 39% der Konsumenten haben bereits ein Produkt gekauft, das ein KI-Assistent empfohlen hat.

Die entscheidende Frage ist nicht, ob das stimmt. Sie lautet: Wann haben Sie zuletzt geprüft, ob Ihre Produkte von Gemini, ChatGPT oder Perplexity überhaupt empfohlen werden, wenn jemand nach etwas sucht, das Ihr Sortiment abdeckt?

Die meisten Unternehmen kennen ihre Sichtbarkeit in klassischen Suchmaschinen sehr genau. Rankings, Klickraten, Impressionen werden wöchentlich gemessen. Die Sichtbarkeit in KI-Assistenten hingegen ist für die meisten ein blinder Fleck. Das ist problematisch, weil genau dort heute vorselektiert wird, bevor ein Mensch aktiv wird.

Sichtbarkeit in KI-Systemen folgt anderen Regeln als klassisches SEO. Keine Werbeauktionen, keine Keyword-Dichte. Stattdessen: strukturierte Datensignale, Produktattribute, Bewertungsqualität, Verfügbarkeit, Lieferzeiten. Wer dort nicht nach den Regeln der Maschine spielt, kommt nicht vor.

Nicht das beste Produkt wird empfohlen. Das am besten beschriebene.

Das ist der unbequemste Befund aus der aktuellen Entwicklung, weil er bedeutet, dass Markenbekanntheit und Produktqualität allein nicht mehr ausreichen.

Produkte mit vollständigen, strukturierten Informationen erreichen in KI-gestützten Empfehlungssystemen einen Kaufanteil von bis zu 16%. Produkte mit unvollständigen oder schwer interpretierbaren Daten kommen auf 1,6%. Höhere Datenqualität steigert das realisierte Kaufvolumen um bis zu 38%. Das sind keine marginalen Unterschiede, das ist eine andere Liga.

Konkret: Ein Laufschuh, dessen Dämpfung, Lauftyp und Verfügbarkeit pro Grösse als strukturierte Datenpunkte vorliegen, schlägt denselben Schuh, dessen Beschreibung im Fliesstext steckt und dessen Grössentabelle ein Bild ist. Nicht weil er besser ist. Sondern weil die Maschine ihn versteht.

Heute ist das noch ein Vorteil für jene, die es richtig machen. In 24 Monaten wird es eine Grundvoraussetzung sein. Strukturierte Produktdaten brauchen Zeit, Prozesse und Governance. Der Rückstand, den Unternehmen heute aufbauen, lässt sich nicht kurzfristig aufholen.

Welcher Anteil Ihres Sortiments ist heute maschinenlesbar und vollständig strukturiert? In der Praxis ist die Antwort meist ernüchternd.

KI-Assistenten im Service sparen Kosten. Schlechte KI-Assistenten kosten Kunden.

Die Effizienzgewinne durch KI im Kundenservice sind beeindruckend: 60–70% der Routineanfragen werden heute durch KI autonom gelöst, die Servicekosten sinken durch KI-gestützte Systeme um rund 30%. Für viele Unternehmen ist das der Hauptgrund, in Agentic Commerce zu investieren.
Was dabei übersehen wird: Effizienz ist nicht dasselbe wie Vertrauen. Konsumenten tolerieren Fehler von Menschen, weil sie wissen, dass Menschen irren. Von einer Maschine erwarten sie Präzision. Ein falscher Vorschlag, ein unpassendes Ergebnis, ein Assistent, der das Anliegen nicht versteht, und das Vertrauen ist weg. Oft dauerhaft.

Was Vertrauen konkret bedeutet: Gemini erklärt der Kundin nach dem Kauf: Dämpfung passend für ihren Laufstil, Grösse 44 verfügbar, Lieferung morgen, 30 Tage Rückgabe, 4,6 Sterne aus 847 Bewertungen. Nicht nur eine Empfehlung, sondern eine nachvollziehbare Begründung. Erklärbarkeit, Passung und Kontrolle entscheiden darüber, ob Kunden dem Agenten vertrauen oder nicht.

Für Unternehmen bedeutet das eine konkrete Aufgabe: Sicherstellen, dass KI-Assistenten Empfehlungen begründen, auf individuelle Anliegen eingehen und im Fehlerfall einen menschlichen Ansprechpartner bereitstellen. Wer das nicht löst, spart Servicekosten auf Kosten der Kundenbindung.

Agentic Commerce skaliert nicht über Plattformen. Sondern über Standards.

Wer in der Welt der KI-Agenten mitspielen will, muss auf drei Ebenen anschlussfähig sein: Protokolle, Produktdaten und Zahlungen.

Bei den Protokollen zeichnet sich ab, welche Standards künftig entscheidend sein werden. Googles Universal Commerce Protocol (UCP) ist ein vielversprechendes Beispiel: bereits in Google AI Mode und Gemini integriert und mit Partnern wie Shopify, Walmart und Target im Einsatz. Wer dort nicht angebunden ist, erscheint zwar noch in Ergebnissen, ist aber nicht kaufbar. Model Context Protocol (MCP) verbindet den eigenen Shop darüber hinaus mit KI-Agenten über eine einzige standardisierte Schnittstelle. Bei den Produktdaten gilt dasselbe wie in These 2: Ein Agent empfiehlt nur, was er versteht. Grössentabelle als Bild oder «Stabilitätsschuh» im Fliesstext sind keine Stilfragen, sie sind Ausschlusskriterien. Und bei Zahlungen entstehen gerade neue Standards, die revisionssichere Transaktionsketten zwischen Maschinen ermöglichen. Für den Schweizer Markt heute noch eine Beobachtungsposition, aber keine, die man verschlafen sollte.

Lernmoment aus Q1/2026: OpenAIs Instant Checkout wurde im März 2026 eingestellt. Zu wenig Merchant-Adoption, fehlende Steueranbindung, kein Multi-Item-Warenkorb. Das ist kein Argument gegen Agentic Commerce. Es zeigt, dass nicht jede Welle rollt, und dass es einen Unterschied macht, auf den richtigen Standard zu setzen.

Die zentrale Frage lautet: Ist Ihre Commerce-Architektur heute so aufgebaut, dass Sie auf allen drei Ebenen, Protokolle, Produktdaten und Zahlungen, anschlussfähig sind, ohne Ihre Kernsysteme neu bauen zu müssen?