Agentic Commerce

Agentic Commerce erweitert den E-Commerce um KI-Agenten, die Ziele verstehen, Informationen aus verschiedenen Quellen verarbeiten und daraus eigenständig Aktionen ableiten. Der Nutzer formuliert beispielsweise ein Budget, einen Bedarf und persönliche Bedingungen. Der Agent sucht anschließend passende Angebote, prüft Eigenschaften und bereitet den Kauf vor.

Agentic Commerce einfach erklärt

Der deutsche Begriff agentischer Handel beschreibt Einkaufsprozesse, bei denen eine künstliche Intelligenz als handelnder Akteur auftritt. Das System beantwortet nicht nur eine Frage, sondern verfolgt ein Ziel über mehrere Schritte hinweg. Dazu kann es Produktdaten abrufen, Alternativen bewerten, Rückfragen stellen und freigegebene Transaktionen anstoßen.

Ein typischer Auftrag lautet: Finde einen energiesparenden Geschirrspüler, der in die vorhandene Küche passt, höchstens 700 Euro kostet und innerhalb einer Woche geliefert werden kann. Ein geeigneter KI-Agent übersetzt diese Vorgaben in Kriterien, durchsucht verfügbare Angebote und gewichtet Preis, Maße, Energieverbrauch, Lieferzeit und Händlerbedingungen.

Die Autonomie bleibt durch Regeln begrenzt. Nutzer oder Unternehmen können festlegen, welche Daten verwendet werden dürfen, welche Händler infrage kommen und bis zu welchem Betrag der Agent handeln darf. Für teure, sensible oder ungewöhnliche Käufe lässt sich eine menschliche Freigabe vor dem Checkout verlangen.

So funktioniert agentischer Handel

Agentic Commerce benötigt eine Verbindung zwischen Sprachmodell, Produktdaten, externen Informationsquellen und ausführbaren Aktionen. Das Sprachmodell interpretiert den Auftrag. Schnittstellen liefern aktuelle Preise, Verfügbarkeiten und Lieferbedingungen. Ein Regelwerk steuert Berechtigungen, während Transaktionssysteme Warenkorb, Bestellung und Bezahlung ausführen.

• Ziel erfassen: Der Agent übersetzt einen natürlich formulierten Wunsch in überprüfbare Kaufkriterien.
• Daten beschaffen: Produktfeeds, Händlerseiten, Bewertungen, Bestände und Lieferinformationen liefern die Entscheidungsgrundlage.
• Optionen bewerten: Das System vergleicht Angebote anhand der Vorgaben und dokumentiert die Auswahl.
• Aktion freigeben: Je nach Berechtigung empfiehlt der Agent ein Produkt oder löst die Bestellung aus.
• Ergebnis überwachen: Der Agent kann Bestellstatus, Lieferung, Rückgabe oder Wiederbeschaffung begleiten.

Stufen der KI-Autonomie

Nicht jede Anwendung führt einen Kauf vollständig selbstständig aus. Agentische Systeme lassen sich nach ihrem Handlungsspielraum unterscheiden. Diese Einordnung hilft Unternehmen, Funktionen schrittweise einzuführen und Freigaben an Wert, Risiko und Datenqualität anzupassen.

Für Verbraucher eignet sich häufig ein Freigabemodell, bei dem der Agent recherchiert und den Warenkorb vorbereitet. Im B2B-Einkauf können wiederkehrende Bestellungen stärker automatisiert werden, weil Lieferanten, Budgets und Produktanforderungen bereits vertraglich oder technisch festgelegt sind.

Unterschiede zu verwandten Konzepten

Der Unterschied zwischen Agentic Commerce und Conversational Commerce liegt im Grad der Eigenständigkeit. Conversational Commerce nutzt Chats oder Sprachdialoge für Beratung und Service. Ein agentisches System kann darüber hinaus planen, externe Daten abrufen und nach einer erteilten Berechtigung konkrete Handlungen ausführen.

Eine klassische Produktempfehlung sortiert Artikel anhand von Regeln, Ähnlichkeiten oder bisherigem Nutzerverhalten. Agentic Commerce verarbeitet zusätzlich ein individuelles Ziel und kann mehrere Systeme einbeziehen. Der Agent sucht daher nicht nur ein passendes Produkt im aktuellen Shop, sondern kann Angebote anhand unterschiedlicher Bedingungen vergleichen.

Auch ein Chatbot ist nicht automatisch ein KI-Agent. Ein Chatbot beantwortet meist einzelne Fragen innerhalb eines vorgegebenen Dialogs. Ein KI-Agent verwaltet dagegen einen mehrstufigen Auftrag, prüft Zwischenergebnisse und entscheidet, welche Aktion als Nächstes erforderlich ist.

Relevanz für SEO, SEA und GEO

Agentic Commerce verändert, für wen Produktinformationen optimiert werden. Neben dem menschlichen Käufer müssen auch KI-Systeme Eigenschaften, Preise, Varianten und Bedingungen eindeutig erfassen können. Vollständige Produktdaten, verständliche Texte und konsistente Angaben erhöhen die Wahrscheinlichkeit, dass ein Angebot korrekt bewertet wird.

SEO liefert auffindbare Produktdaten

SEO unterstützt die technische und inhaltliche Zugänglichkeit von Produktinformationen. Crawlbare Seiten, klare Kategorien, strukturierte Daten, eindeutige Varianten und aktuelle Verfügbarkeiten erleichtern Suchmaschinen und KI-Agenten die Verarbeitung. Für Onlineshops verbindet eine datenbasierte E-Commerce-SEO-Strategie diese Anforderungen mit organischem Traffic und messbaren Shop-KPIs.

Produkttexte müssen konkrete Fragen zu Eigenschaften, Einsatzgebiet, Kompatibilität und Einschränkungen beantworten. Allgemeine Werbeaussagen liefern einem KI-Agenten kaum belastbare Vergleichsdaten. Der Ratgeber zu Produkttexten für Rankings und Kaufentscheidungen zeigt, welche Informationen auf Produktseiten benötigt werden.

SEA liefert kommerzielle Signale

SEA kann Nachfrage, Preisakzeptanz und Conversion-Daten für einzelne Produkte oder Kategorien sichtbar machen. Diese Erkenntnisse helfen Händlern, attraktive Sortimente und häufig gesuchte Merkmale zu erkennen. Werbeplattformen können zudem zu einem möglichen Zugangspunkt für agentische Einkaufssysteme werden, sofern Angebote technisch abrufbar und kommerzielle Angaben aktuell sind.

GEO stärkt die KI-Sichtbarkeit

GEO, die Generative Engine Optimization, optimiert Inhalte für Antworten und Empfehlungen generativer KI-Systeme. Agentic Commerce geht einen Schritt weiter, weil Empfehlungen in konkrete Kaufhandlungen übergehen können. Unternehmen sollten deshalb messen, bei welchen Produktfragen ihre Marke genannt wird und welche Quellen KI-Systeme für ihre Antworten verwenden.

Eine hohe Google-Position bedeutet nicht automatisch, dass ein Unternehmen auch in KI-Antworten vorkommt. Die Messung von Erwähnungen in KI-Systemen ergänzt klassische Rankings um Fragen, Quellen und Markenempfehlungen. Das KI-Analyse-Tool der Performance Suite erfasst dafür ChatGPT, Perplexity, Gemini und Grok.

Vorbereitung auf Agentic Commerce 2026

Ein Unternehmen muss nicht sofort einen eigenen Einkaufsagenten entwickeln. Der erste Schritt besteht darin, Produktinformationen so zu strukturieren, dass externe Systeme sie zuverlässig verstehen und vergleichen können. Besonders relevant sind eindeutige Artikelnummern, vollständige Attribute, aktuelle Preise, Bestände, Lieferzeiten und Rückgabebedingungen.

• Pflege zentrale Produktdaten in einem konsistenten Feed oder Produktinformationssystem.
• Vermeide widersprüchliche Angaben zwischen Produktseite, Marktplatz, Datenfeed und Werbung.
• Beschreibe Maße, Materialien, Kompatibilität und Einsatzgrenzen mit eindeutigen Begriffen.
• Stelle Preis, Verfügbarkeit, Versandkosten und Lieferzeit maschinenlesbar bereit.
• Definiere, welche Aktionen ein KI-Agent ohne zusätzliche Freigabe ausführen darf.
• Messe neben Traffic und Umsatz auch Markenempfehlungen und verwendete Quellen in KI-Antworten.

Aus der SEO-Praxis zeigt sich, dass unvollständige Attribute nicht nur Filterseiten und Produktsuche beeinträchtigen. Sie verhindern auch belastbare Vergleiche durch KI-Systeme. Ein Modell kann nur dann zwischen zwei Angeboten unterscheiden, wenn relevante Merkmale eindeutig benannt und über alle Datenquellen hinweg konsistent sind.

Kennzahlen für agentische Kaufprozesse

Die Conversion-Rate allein reicht zur Bewertung agentischer Prozesse nicht aus. Unternehmen sollten zusätzlich messen, ob der Agent passende Produkte auswählt, wie oft Nutzer Empfehlungen bestätigen und an welchen Stellen eine menschliche Freigabe erforderlich wird.

• Empfehlungsakzeptanz: Anteil der Vorschläge, die Nutzer übernehmen oder kaufen.
• Auftragserfüllung: Anteil der Anfragen, bei denen alle vorgegebenen Kriterien erfüllt werden.
• Freigabequote: Anteil der Transaktionen, die eine zusätzliche Bestätigung benötigen.
• Abbruchquote: Anteil der Vorgänge, die wegen fehlender Daten, Preise oder Berechtigungen enden.
• Retourenquote: Anteil der agentisch ausgewählten Produkte, die zurückgegeben werden.
• Kosten pro Bestellung: Gesamte System-, Prüf- und Transaktionskosten je abgeschlossenem Kauf.

Ein sinnvoller Pilot begrenzt Sortiment, Budget und Handlungsspielraum. Verbrauchsartikel oder standardisierte Produkte eignen sich besser für erste Tests als beratungsintensive oder sicherheitsrelevante Waren. Die Ergebnisse sollten gegen einen vergleichbaren herkömmlichen Einkaufsprozess geprüft werden.

Chancen und Grenzen

Agentic Commerce kann Such-, Vergleichs- und Bestellaufwand reduzieren. Das gilt besonders für wiederkehrende Einkäufe, große Sortimente und klar definierte Anforderungen. Händler können zugleich relevantere Anfragen erhalten, weil ein Agent Produkte bereits vor dem Besuch oder Kauf anhand konkreter Kriterien ausgewählt hat.

Die Qualität des Ergebnisses hängt von Daten, Regeln und verfügbaren Schnittstellen ab. Ein sprachlich überzeugendes Modell kann fehlende Produktinformationen nicht zuverlässig ersetzen. KI ist nur so gut wie ihre Daten, weshalb saubere Produktfeeds und überprüfbare Quellen zur technischen Grundlage des agentischen Handels gehören.

Wenn du prüfen möchtest, wie gut deine Produktseiten für Google und KI-Suchen aufgestellt sind, kannst du einen unverbindlichen Potenzialcheck anfragen.

Kostenloser Potenzialcheck

Häufige Fragen zu Agentic Commerce