“Ich brauche einen neuen Laptop für Videobearbeitung, Budget 1.500 Euro, und er sollte bis Freitag da sein.” Was früher bedeutete, eine Stunde lang Testberichte zu lesen, Shops zu vergleichen, technische Spezifikationen zu entschlüsseln und schließlich zu hoffen, die richtige Wahl getroffen zu haben, läuft heute anders ab.
Der KI-Agent analysiert Ihre Anforderungen, vergleicht Prozessoren und Grafikkarten, prüft Verfügbarkeit bei verschiedenen Händlern, bewertet Lieferzeiten und bestellt – entweder nach Rückfrage oder direkt. Zehn Minuten später haben Sie eine Bestellbestätigung. Kein Besuch auf Amazon, MediaMarkt oder einem anderen Shop. Keine endlosen Produktseiten. Keine Unsicherheit, ob Sie das richtige Modell gewählt haben.
Diese Form des Einkaufens – bei der KI-Agenten eigenständig Kaufprozesse durchführen – wird als “Agentic Commerce” bezeichnet. Es ist eine Entwicklung, die das Online-Shopping grundlegend verändern könnte und die bereits von ersten Unternehmen umgesetzt wird.
Was ist Agentic Commerce?
Agentic Commerce beschreibt eine Form des Online-Shoppings, bei der AI Agents eigenständig Kaufprozesse durchführen. Diese Agenten können nicht nur Informationen bereitstellen, sondern aktiv handeln: Produkte suchen, Optionen vergleichen, Preise verhandeln und Transaktionen abschließen – alles im Auftrag des Nutzers.
Der entscheidende Unterschied zu bisherigen KI-Systemen: Sie handeln autonom. Während ChatGPT Fragen beantwortet oder Texte erstellt, geht Agentic AI weiter und führt mehrstufige Aktionen aus – von der ersten Recherche bis zum abgeschlossenen Kauf.
Die drei Interaktionsmodelle
Im Kern lassen sich drei zentrale Arten unterscheiden, wie AI Agents mit dem Commerce-Ökosystem interagieren:
Agent-to-Site: Der Agent eines Nutzers greift direkt auf Websites von Händlern zu, navigiert dort wie ein Mensch und führt Aktionen aus. OpenAI’s “Operator” funktioniert beispielsweise so: Er macht Screenshots von Websites, versteht Buttons und Formulare und kann diese bedienen.
Agent-to-Agent: Verschiedene Agents kommunizieren miteinander. Der Shopping-Agent eines Nutzers könnte mit dem Verkaufs-Agenten eines Händlers verhandeln – über Preise, Lieferzeiten oder Sonderkonditionen.
Brokered Agent-to-Site: Plattformen fungieren als Vermittler zwischen Agents und Händlern. PayPal’s “Store Sync” oder Google’s “Agentic Checkout” sind Beispiele: Sie schaffen standardisierte Schnittstellen, über die KI-Agenten auf Produktkataloge zugreifen können.
Die wichtigsten Entwicklungen am Markt
OpenAI: Operator und Agentic Commerce Protocol
OpenAI hat Anfang 2025 “Operator” vorgestellt – einen Agenten, der im Browser eigenständig navigieren und Aufgaben erledigen kann. Das System nutzt ein Modell namens “Computer-Using Agent” (CUA), das Screenshots analysiert und mit Webseiten interagiert.
Im November 2025 kündigte OpenAI gemeinsam mit Stripe das “Agentic Commerce Protocol” (ACP) an – einen Standard, der es ermöglicht, Käufe direkt im Chat abzuschließen, ohne die Konversation zu verlassen.
Google: Agent Payments Protocol (AP2)
Im September 2025 launchte Google AP2, ein offenes Protokoll für Transaktionen durch AI Agents. Das System nutzt kryptographisch signierte “Mandate”, die Kaufabsicht, Warenkorb und Zahlung verknüpfen – und damit einen nachvollziehbaren Audit-Trail schaffen.
Zu den Partnern gehören Mastercard, PayPal, American Express, Adobe und Alibaba. Mit “Agentic Checkout” in Google Search können Nutzer bereits heute Produkte von ausgewählten Händlern durch Google kaufen lassen.
PayPal: Store Sync und Agent Ready
PayPal’s “Agentic Commerce Services” umfassen zwei Komponenten:
Store Sync: Händler können ihre Produktkataloge in KI-Plattformen wie Perplexity auffindbar machen.
Agent Ready: Bestehende PayPal-Händler können automatisch Zahlungen über KI-Oberflächen akzeptieren – ohne zusätzliche technische Integration.
Microsoft und Amazon
Microsoft hat im Mai 2025 den “Agent Store” vorgestellt – einen Marktplatz für spezialisierte KI-Agenten innerhalb von Microsoft 365 Copilot. Amazon bietet mit Alexa+ (für Prime-Mitglieder kostenlos) einen Sprachassistenten, der Transaktionen über verschiedene Plattformen durchführen kann.
Was sich für Online-Händler ändert
Die Entwicklung hin zu Agentic Commerce bringt strukturelle Veränderungen mit sich, auf die sich Händler einstellen sollten.
Vom direkten Kundenkontakt zur Agent-Vermittlung
Traditionell beginnt die Customer Journey auf der Website des Händlers. Der Kunde sieht Produkte, liest Beschreibungen, vergleicht Optionen und kauft. Bei jedem Schritt kann der Händler die Erfahrung gestalten: durch Design, Texte, Bilder, Produktplatzierung.
Im Agentic-Commerce-Szenario verschiebt sich dieser Prozess. Der erste Kontakt findet nicht mehr auf der Händler-Website statt, sondern in einem Gespräch mit einem KI-Agenten. Dieser durchsucht im Hintergrund verschiedene Anbieter und präsentiert dem Nutzer eine Vorauswahl – oder trifft die Entscheidung selbstständig.
Praktische Konsequenzen:
Weniger direkter Traffic auf der eigenen Website, reduzierte Möglichkeiten für visuelles Branding im Kaufmoment und eine Fokusverschiebung von “ansprechendem Shop-Design” zu “maschinenlesbaren Produktdaten”.
Produktdaten werden zum Wettbewerbsfaktor
AI Agents treffen Entscheidungen auf Basis strukturierter Daten. McKinsey beschreibt dies als fundamentale Anforderung: Produktkataloge müssen für Agents lesbar sein, nicht nur für Menschen.
Was das konkret bedeutet:
Vollständigkeit statt Lücken: Alle relevanten Eigenschaften sollten erfasst sein: Maße, Gewicht, Material, technische Spezifikationen. Fehlende Informationen können dazu führen, dass ein Produkt bei der Filterung ausgeschlossen wird.
Fakten statt Marketing-Sprache: “Premium-Qualität” ist für einen Agenten nicht auswertbar. “Doppelt genähte Nähte, 5 Jahre Garantie” schon. KI-Agenten arbeiten mit konkreten Attributen, nicht mit beschreibenden Adjektiven.
Aktualität in Echtzeit: Vergriffene Produkte oder veraltete Preise schaden nicht nur dem Händler, sondern auch der Plattform, die den Agenten bereitstellt. Echtzeit-Synchronisation wird wichtiger.
Semantische Klarheit: Begriffe sollten eindeutig sein. “Nachhaltig” ist interpretierbar. “GOTS-zertifizierte Bio-Baumwolle, CO2-neutraler Versand” sind überprüfbare Tatsachen, die ein Agent verstehen kann.
Pricing in einer Welt vollständiger Preistransparenz
KI-Agenten können in Sekunden Preise von zahlreichen Anbietern vergleichen. Die Informationsasymmetrie, auf die viele Geschäftsmodelle setzen, verschwindet.
Mögliche Entwicklungen:
Dynamisches Pricing wird relevanter: Preise, die sich flexibel an Wettbewerb, Nachfrage oder Lagerbestand anpassen, könnten zum Standard werden. Statische Preislisten verlieren an Bedeutung.
Wert transparent kommunizieren: Wenn der eigene Preis nicht der niedrigste ist, sollte klar sein, warum. “Kostenloser Express-Versand”, “erweiterte Garantie” oder “CO2-neutraler Versand” sind Argumente – aber sie müssen strukturiert hinterlegt sein, damit Agents sie verarbeiten können.
Neue Monetarisierungsmodelle: In der Agent-Ära entstehen neue Ansätze zur Umsatzgenerierung: von Multibrand-Bundles über Echtzeit-Verhandlungsgebühren bis hin zu Premium-Subscriptions für spezialisierte Agents.
Technische Infrastruktur: Der Wandel zu API-First
Wenn KI-Agenten zur primären Schnittstelle werden, müssen Händler ihre Systeme darauf ausrichten.
Was das bedeutet:
Schnelle APIs: Agents erwarten schnelle Antwortzeiten. Langsame Systeme führen dazu, dass Produkte möglicherweise nicht berücksichtigt werden.
Umfassende Datenbereitstellung: APIs sollten nicht nur Produktinformationen liefern, sondern auch Verfügbarkeit, Lieferzeiten, Versandkosten, Rückgabebedingungen und weitere relevante Details – alles maschinenlesbar.
Multi-Channel-Orchestrierung: Verschiedene Plattformen haben unterschiedliche Standards: Model Context Protocol (MCP), Agent-to-Agent Protocol (A2A), Agent Payments Protocol (AP2), Agentic Commerce Protocol (ACP). Eine zentrale Verwaltung von Produktdaten, Beständen und Bestellungen wird entscheidend, um Konsistenz zu gewährleisten.
Unterschiedliche Auswirkungen nach Produktkategorie
Nicht alle Händler sind gleich betroffen. Die Auswirkungen variieren stark nach Produkttyp.
Standardisierte Produkte: Hoher Preisdruck
Beispiele: Elektronikzubehör, Haushaltswaren, Office-Supplies, Markenlebensmittel
Bei austauschbaren Produkten wird Preis oft zum entscheidenden Faktor. Wenn ein USB-Kabel funktional identisch mit der Konkurrenz ist, differenzieren vor allem Preis, Lieferzeit oder Service.
Mögliche Strategien:
Service-Zusätze transparent machen (Express-Versand, erweiterte Garantie), Verfügbarkeit als Vorteil (sofortige Lieferbarkeit) und Nachhaltigkeitsaspekte strukturiert kommunizieren.
Erklärungsbedürftige Produkte: Chance durch Expertise
Beispiele: Kameras, Laptops, Heimwerker-Ausrüstung, Sportgeräte
Diese Kategorie lebt von Beratung. KI-Agenten können Beratung übernehmen – wenn die notwendigen Informationen verfügbar sind.
Mögliche Strategien:
Detaillierte technische Spezifikationen bereitstellen, Use-Cases strukturiert beschreiben (“geeignet für Low-Light-Fotografie”), FAQs als strukturierte Daten hinterlegen und Vergleichsdaten zu ähnlichen Produkten bieten.
Emotionale Produkte: Markenidentität bleibt relevant
Beispiele: Mode, Schmuck, Kunst, Premium-Lebensmittel
Diese Kategorie lebt von subjektiven Faktoren wie Geschmack, Stil und Markenidentität. AI Agents haben hier aktuell noch Schwierigkeiten, da diese Faktoren schwer quantifizierbar sind.
Mögliche Strategien:
Starke Markenidentität aufbauen, Community und Storytelling pflegen sowie exklusive Angebote, die nicht überall verfügbar sind.
Die Vertrauensfrage
Wenn ein Mensch in ein Geschäft geht, ist die Vertrauensfrage einfach: Vertraue ich dieser Marke, diesem Händler, diesem Produkt?
Wenn ein KI-Agent in Ihrem Namen einkauft, wird Vertrauen abstrakt. Es wird gefiltert durch Datenschichten, Automatisierung und institutionelle Frameworks. Eine umfassende Analyse von McKinsey untersucht diese Vertrauensfrage im Detail und zeigt, warum sie für die Adoption von Agentic Commerce entscheidend ist.
Trust als kontextabhängiges Konzept
Vertrauen ist kulturell unterschiedlich. In Deutschland bevorzugen viele Konsumenten Rechnungskauf oder Account-to-Account-Transfers gegenüber Kreditkarten. Wenn Menschen bereits zögern, ihre Bankdaten mit einer Website zu teilen, wie wahrscheinlich ist es, dass sie einem KI-Bot diese Entscheidung überlassen?
Drei zentrale Risikobereiche sind dabei relevant:
Systemisches Risiko: Autonome Agents sind Entscheidungsträger. Entscheidungen in großem Maßstab führen zu systemischen Risiken. Ein fehlerhafter Prompt kann eine Kaskade ungewollter Konsequenzen auslösen.
Verantwortlichkeit: Wenn ein Agent eine schlechte Entscheidung trifft, wer ist verantwortlich? Die Plattform, die das Modell entwickelt hat? Die Marke, die den Agenten einsetzt? Der Nutzer, der ihn genehmigt hat?
Datensouveränität: Da KI-Agenten mit Daten arbeiten, wird Datensouveränität zunehmend geopolitisch. Länder wie Indien und Frankreich treiben Datenlokalisierung voran. Europa diskutiert “KI-Souveränität”.
Was Unternehmen tun können
Um Vertrauen aufzubauen, sollten Unternehmen transparente Entscheidungswege schaffen, Fail-Safes einbauen, Rückgängigmachung von Aktionen ermöglichen und regionale Anpassung von Verhalten und Ethik vornehmen.
Vertrauen ist kein einmaliger Akt – es wächst durch Interaktion. Nutzer sollten fragen können: Wie werden meine Daten verwendet? Was bedeutet diese Entscheidung für mich? Und sie sollten Grenzen definieren können.
Warum Multi-Channel-Management jetzt schon relevant ist
Auch wenn Agentic Commerce im DACH-Raum noch Zukunftsmusik ist, gibt es Grundlagen, die bereits heute relevant sind – unabhängig davon, ob und wann KI-Agenten zum Standard werden.
Strukturierte Produktdaten als Fundament
Wer heute auf Amazon, eBay, Kaufland und im eigenen Shop verkauft, kennt das Problem: Produktdaten müssen überall gepflegt werden. Preise ändern sich, Beschreibungen werden angepasst, neue Attribute kommen hinzu. Ohne zentrale Verwaltung führt das zu Inkonsistenzen, Fehlern und enormem manuellen Aufwand.
Die Anforderungen, die AI Agents künftig stellen werden – vollständige Attribute, strukturierte Daten, Echtzeit-Aktualität – sind dieselben, die bereits heute für professionelles Multi-Channel-Management notwendig sind. Händler, die ihre Produktdaten zentral pflegen und systematisch strukturieren, lösen nicht nur ein aktuelles Problem, sondern schaffen gleichzeitig die Basis für künftige Entwicklungen.
API-Fähigkeit als Flexibilitätsfaktor
Marktplätze erweitern ständig ihre Anforderungen. Neue Verkaufskanäle entstehen. Logistikpartner ändern ihre Schnittstellen. Wer seine Systeme API-basiert aufbaut, kann flexibel reagieren – ohne bei jeder Änderung die gesamte Infrastruktur anpassen zu müssen.
Diese Flexibilität wird auch dann wertvoll sein, wenn KI-Agent-Plattformen auf den europäischen Markt kommen. Statt für jeden neuen Kanal eine separate Integration zu bauen, ermöglicht eine zentrale Orchestrierungsebene die schnelle Anbindung neuer Plattformen.
Bestandssynchronisation als Qualitätsmerkmal
Überverkäufe schaden nicht nur der Kundenzufriedenheit, sondern auch der Reputation auf Plattformen. Wer auf Amazon einen Artikel verkauft, der im eigenen Shop gerade bestellt wurde, riskiert negative Bewertungen und Sanktionen.
Echtzeit-Bestandssynchronisation über alle Kanäle hinweg ist heute schon ein Wettbewerbsvorteil – und wird in einer Welt, in der KI-Agenten Verfügbarkeit in Sekundenbruchteilen prüfen, noch wichtiger.
Sie bereiten Ihr E-Commerce-Business auf KI-gesteuerte Verkaufskanäle vor? Base nutzt bereits heute KI-Funktionen für Produktmanagement, automatische Übersetzungen und schnellere Marktplatz-Listings – die Basis für strukturierte, maschinenlesbare Produktdaten, die künftige AI Agents benötigen. Entdecken Sie die Base KI-Funktionen und schaffen Sie heute die Grundlagen für morgen.
Ausblick: USA voraus, Europa folgt
Die meisten der beschriebenen Entwicklungen finden aktuell primär in den USA statt. OpenAI’s Operator, Google’s Agentic Checkout, PayPal’s Store Sync – all diese Services sind zunächst für den US-Markt konzipiert und dort verfügbar.
Was in den USA bereits läuft
In den USA sind einige dieser Technologien bereits im Einsatz: OpenAI’s Operator ist seit Januar 2025 für ChatGPT Pro-Nutzer verfügbar, Google’s Agentic Checkout funktioniert mit ausgewählten US-Händlern, Amazon’s Alexa+ führt Transaktionen über verschiedene Plattformen durch und PayPal testet Agent-basierte Zahlungen mit US-Partnern.
Die Infrastruktur entsteht: Protokolle wie AP2, ACP und MCP werden entwickelt, Payment-Provider rüsten ihre Systeme um, und erste Händler experimentieren mit agent-optimierten Produktdaten.
Warum Europa später kommt
Es gibt mehrere Gründe, warum diese Entwicklungen mit Verzögerung nach Europa kommen werden:
Regulatorische Komplexität: Die EU hat mit DSGVO und dem kürzlich verabschiedeten AI Act strengere Anforderungen an KI-Systeme. Unternehmen müssen sicherstellen, dass ihre Agents diesen Standards entsprechen, bevor sie auf den europäischen Markt kommen.
Kulturelle Unterschiede beim Bezahlen: In Deutschland dominieren Rechnung, Lastschrift und SEPA-Überweisungen. Die Skepsis gegenüber Kreditkarten ist höher als in den USA. Wenn Menschen bereits zögern, Zahlungsdaten mit Websites zu teilen, ist die Hürde für agent-basierte Käufe noch größer.
Datenschutz-Mentalität: Europäische Konsumenten sind sensibel beim Thema Datenschutz. Ein KI-Agent, der Kaufentscheidungen trifft, benötigt Zugriff auf persönliche Präferenzen, Budgets und Zahlungsinformationen – eine Datensammlung, die in Europa kritischer gesehen wird als in den USA.
Sprachbarrieren: Die meisten KI-Modelle sind primär auf Englisch trainiert. Deutsche, französische oder niederländische Sprachversionen sind oft weniger ausgereift. Das gilt besonders für spezialisierte Commerce-Agenten.
Was das für DACH-Händler bedeutet
Die Verzögerung ist gleichzeitig eine Chance. Während US-Händler bereits experimentieren und Fehler machen, können europäische Händler beobachten und lernen: Welche Ansätze funktionieren in den USA? Welche Probleme treten auf? Was sind Best Practices?
Gleichzeitig können sie Grundlagen schaffen: Produktdaten aufräumen, APIs vorbereiten, Multi-Channel-Infrastruktur aufbauen – all das ist auch ohne Agentic Commerce sinnvoll. Die Regulierung kann als Vorteil genutzt werden: Europäische Standards könnten zu einem Qualitätsmerkmal werden. “DSGVO-konforme Agents” oder “AI Act-zertifiziert” könnten Vertrauensfaktoren sein.
Es ist wahrscheinlich, dass europäische Unternehmen eigene Agent-Lösungen entwickeln, die von Anfang an EU-Regulierung und lokale Zahlungspräferenzen berücksichtigen.
Zentrale Produktdatenverwaltung ist nicht nur heute für Multi-Channel-Verkauf essentiell, sondern wird zur Grundvoraussetzung, wenn AI Agents auf strukturierte, vollständige und aktuelle Produktinformationen angewiesen sind. Base bietet diese Orchestrierung über 1.500+ Integrationen – mit API-First-Architektur, Echtzeit-Synchronisation und KI-gestützten Workflows. Erfahren Sie mehr über Base KI und bereiten Sie Ihr System auf künftige Vertriebskanäle vor.
Fazit: Chancen und Herausforderungen von Agentic Commerce
Agentic Commerce verändert das Online-Shopping grundlegend, indem KI-Agenten eigenständig Kaufprozesse übernehmen – von der Produktsuche bis zum Abschluss. Für Händler bedeutet das eine Verschiebung von direktem Kundenkontakt hin zu maschinenlesbaren Produktdaten und flexiblen, API-basierten Systemen. Wer diese Grundlagen schafft, kann neue Vertriebskanäle erschließen und von effizienteren Prozessen profitieren.
In Europa, besonders im DACH-Raum, erfolgt die Einführung mit Verzögerung gegenüber den USA, was Zeit zur Vorbereitung bietet. Regulatorische Vorgaben wie DSGVO und AI Act fördern Vertrauen, stellen aber auch Anforderungen. Händler sollten schrittweise vorgehen: Produktdaten optimieren, technische Infrastruktur modernisieren und erste Pilotprojekte starten, um für die Zukunft rund um Agentic Commerce gut gerüstet zu sein.
KI-basierte Produktoptimierung ist bereits Realität: Base nutzt KI für automatische Übersetzungen in 18 Sprachen, intelligente Produktbeschreibungen und beschleunigte Marktplatz-Listings. Was heute für Amazon und eBay funktioniert, bereitet Ihre Infrastruktur auf agent-basierte Verkaufskanäle vor. Starten Sie mit Base KI und schaffen Sie die Grundlagen für Agentic Commerce.
