Was ist Agentic Commerce?

KI-Agenten sind durch künstliche Intelligenz gestützte Systeme, die Aufgaben autonom ausführen, indem sie mit verfügbaren Tools Workflows entwerfen. Während einfachere regelbasierte Bots auf vorgegebene Prompts reagieren können, verfügen moderne intelligente Agenten über eine breitere Funktionalität – sie können system- und plattformübergreifend argumentieren, planen und handeln.

Im Gegensatz zu herkömmlichen E-Commerce-Erfahrungen, bei denen eine Person manuell nach Produkten suchen, Optionen vergleichen, Bewertungen lesen und Schritt für Schritt den Kaufvorgang abschließen muss, überträgt Agent Commerce einen Großteil dieser Arbeit an KI-Agenten. In einem herkömmlichen Ablauf müssen Käufer zwischen Registerkarten und Händlern wechseln, um Auswahlmöglichkeiten zu bewerten und ihre Daten beim Kaufvorgang manuell eingeben.

Beim agentischen Handel erfassen KI-gestützte Einkaufsassistenten proaktiv Anforderungen, scannen mehrere Einzelhändler in Echtzeit, bewerten Produkte anhand von Benutzerpräferenzen und Einschränkungen und tätigen Käufe oder Empfehlungen im Namen des Benutzers. Dadurch wird der Prozess vereinfacht.

Agentic Commerce beschränkt sich nicht auf Online-Shopping. Er ist für eine Vielzahl von Handelserfahrungen relevant, darunter Reisen und Ticketverkauf, Abonnements und digitale Dienste sowie die Integration in den stationären Einzelhandel.

Agentischer Handel ist Teil der nächsten Phase der Integration generativer KI in den Handel. Eine Studie des IBM Institute for Business Value aus dem Jahr 2026 ergab, dass 45 % der Verbraucher KI bereits für einen Teil des Kaufprozesses nutzen.

Die Nutzung reicht von der Interpretation von Bewertungen bis hin zur Suche nach Angeboten, was darauf hindeutet, dass sich das Verbraucherverhalten zunehmend in Richtung KI-geprägter Kaufentscheidungen verlagert. Andere Forschungsergebnisse deuten darauf hin, dass der agentische Handel bis 2030 weltweit zwischen 3 und 5 Billionen USD generieren könnte.¹

Die aktuelle Welle wird geprägt von Fortschritten im Bereich der generativen KI und den dazugehörigen Ökosystemen – von OpenAI-Modellen, die in Assistenten verwendet werden, bis hin zu Einzelhandel-Integrationen, die zunehmend einen Marktplatz wie Amazon betreffen.

Frühere Generationen von KI im Einzelhandel, wie z.B. Empfehlungsmaschinen oder Chatbots, waren reaktiv und erforderten eine Schritt-für-Schritt-Eingabe durch den Menschen. Moderne agentische KI-Agenten unterscheiden sich in dreierlei Hinsicht:

• Autonomie: Sie können ohne ständige Eingaben agieren, indem sie vordefinierten Frameworks und Schutzleisten folgen.
• Begründung: Sie passen ihre Empfehlungen und Maßnahmen an sich ändernde Bedingungen an, wie z. B. Preisänderungen oder Lagerbestandsverknappung.
• Interoperabilität: Sie integrieren sich in viele KI-Plattformen und Workflows über offene APIs und Open-Source-Connectors, was Automatisierung über mehrere Systeme hinweg ermöglicht.

Während frühere KI-Systeme im Handel darauf beschränkt waren, auf Anfragen zu reagieren und statische Produktvorschläge zu machen, können die heutigen Agenten als Einkaufsassistenten, Einkaufsagenten oder Handelsagenten fungieren. Sie können in Anwendungen wie ChatGPT, Gemini oder Perplexity integriert werden. Durch natürliche Sprachinteraktion gleichen sie die Absicht der Anfrage mit strukturierten Produktdaten ab und verwalten Zahlungen und andere Aufgaben über E-Commerce-Plattformen und physische Einzelhandelssysteme hinweg.

Diese Einkaufsagenten empfehlen nicht nur ein Paar Schuhe, sondern navigieren auch durch E-Commerce-Plattformen, vergleichen die Preise verschiedener Händler, wenden Gutscheine an und schließen den Kauf mithilfe vorab autorisierter Zahlungsmethoden ab.

Mit der Weiterentwicklung des agentischen Handels werden sich auch das Verhalten und die Erwartungen der Verbraucher verändern. Heutzutage sind Kunden es gewohnt, eine bestimmte Website oder Plattform aufzusuchen, um nach bestimmten Produkten oder Dienstleistungen zu suchen. Aber der agentische Handel verwischt diese Grenzen und macht dieselben Produkte und Dienstleistungen über andere Wege zugänglich.

Ein Verbraucher könnte beispielsweise einen Artikel aus dem Haushalt nachbestellen, ein Hotel buchen oder ein Abonnement verlängern müssen. In einem traditionellen Modell würde er eine oder mehrere Websites besuchen, um diese Aufgaben zu erledigen. Mit Agentic Commerce kann er stattdessen einen KI-Agenten um Unterstützung bitten. Der Agent führt die Transaktion über eine Konversationsschnittstelle oder einen verbundenen Dienst durch. Der Nutzer muss nicht die Website oder App des Händlers besuchen.

Die Akzeptanz schreitet sowohl bei Unternehmen als auch bei Verbrauchern rasant voran. Viele Start-ups bieten mittlerweile bereitstellbare Komponenten für Agentenorchestrierung, -evaluation und -Governance an. Diese Komponenten basieren häufig auf Open-Source-Frameworks, um die Verwendung zu vereinfachen.

Agentic Commerce durchläuft in der Regel mehrere Phasen, in denen menschliche Eingaben mit unabhängigen KI-Aktionen verknüpft werden:

Im Zentrum des agentischen Handels steht die Beziehung zwischen Nutzer und Agent. Nutzer definieren Ziele, Berechtigungen und Einschränkungen, wie Budgetlimits oder Markenpräferenzen. Ein Verbraucher könnte beispielsweise einen KI-Agenten auffordern: „Finde mir ein Campingzelt unter 150 USD und lass es bis Freitag liefern.“ Der Einkaufsagent interpretiert die Anfrage, greift auf strukturierte Produktdaten zu und wendet Filter an, die auf Preis, Spezifikationen und Lieferverfügbarkeit basieren.

Bei korrekter Durchführung fühlt sich diese Interaktion weniger wie das Ausfüllen eines Formulars an, sondern eher wie ein geführtes Gespräch, das die Benutzererfahrung verbessert und gleichzeitig Berechtigungen und Einschränkungen respektiert.

Agentische KI geht über herkömmliche KI-Tools hinaus, indem sie mehrstufige Workflows plant, externe APIs aufruft und dabei die Maßnahmen entsprechend anpasst. Diese Komplexität ermöglicht autonome Aktionen wie die Überwachung von Preisänderungen in Echtzeit, die Nachbestellung von Lagerbeständen, wenn diese zur Neige gehen, und den Abschluss von Käufen ohne wiederholte menschliche Genehmigung. Die Autonomie ist in der Regel gestaffelt, sodass Käufe mit geringem Risiko vollständig automatisiert werden, während hochpreisige oder sensible Käufe möglicherweise weiterhin einer menschlichen Genehmigung bedürfen.

Im vorherigen Beispiel mit dem Campingzelt durchsucht der autorisierte Vertreter mehrere Händlerdatenbanken verschiedener Anbieter, um Angebote in Echtzeit zu vergleichen. Er kann auch ein Agent-zu-Agent-Protokoll verwenden, um Extras wie gebündelte Artikel oder Treuerabatte auszuhandeln.

Beim Agentic Commerce geht es bei der Produktsuche weniger um das Suchen oder Stöbern als vielmehr um das Erreichen eines bestimmten Ziels. Agenten analysieren Produktdaten aus verschiedenen Quellen. Sie vergleichen Faktoren wie Preis, Verfügbarkeit, Lieferzeit und Bewertungen.

Mit der Weiterentwicklung der agentischen Funktionen werden diese Prozesse zunehmend multimodal, d. h. sie integrieren Text, Bilder, Benutzerhistorie und strukturierte Daten. Diese Entwicklung weckt das Interesse an der generativen Engine-Optimierung (GEO), die sich auf die Strukturierung von Produktinhalten konzentriert, damit LLMs und Agenten sie interpretieren können. Anstatt nur für menschliche Suchanfragen zu optimieren, benötigen Marken jetzt maschinenlesbare Produktdaten, standardisierte Attribute und klare Metadaten, damit KI-Systeme sie erkennen und verwenden können.

Damit Agentic Commerce in großem Maßstab funktionieren kann, müssen Einzelhändler und Dienstleister ihre Systeme über maschinenlesbare Schnittstellen zugänglich machen. Diese Zugänglichkeit umfasst in der Regel die Bereitstellung von APIs für Produktkataloge, Preise und Echtzeit-Verfügbarkeit sowie Rückgabebedingungen, Garantien und andere Informationen.

Diese Schnittstellen ermöglichen die Kommunikation zwischen Händlern und Agenten, sodass KI-Agenten den Bestand validieren und Käufe im Namen des Nutzers durchführen können. Diese Integration wird zunehmend im Hinblick auf entstehende oder vorgeschlagene Standards diskutiert und oft als Agentic Commerce Protocol (ACP) bezeichnet. Diese Standards sollen definieren, wie KI-Agenten und Händler diese Art von strukturierten Informationen austauschen.

Agentenzahlungen sind ein wichtiger Teil des agentischen Handelsprozesses. In den letzten Jahren haben die großen E-Commerce-Plattformen und Zahlungsanbieter ihre API-Funktionen erweitert, um automatisierte Kauf-Workflows und die Verwaltung von Abonnements zu unterstützen. Agentische Käufe werden durch delegierte Authentifizierungssysteme wie Googles Agent Payments Protocol (AP2), Visas KI-taugliche tokenisierte Anmeldedaten oder Stripes Integration in sofortige App-Bezahlung in ChatGPT abgeschlossen. Diese Authentifizierungssysteme ermöglichen Transaktionstransparenz und bieten Prüfprotokolle zur Unterstützung der Betrugserkennung.

Sobald ein Kauf abgeschlossen ist, übernehmen die Agenten möglicherweise weitere Aufgaben, wie die Sendungsverfolgung und die Abwicklung von Retouren. Sie können auch Produktempfehlungen für Zubehör oder ergänzende Artikel auf dem Ersatzmarkt aussprechen, die über den Erstverkauf hinausgehen.

Der agentische Handel bietet viele Nutzen, darunter:

• Schnellere und effizientere Transaktionsverarbeitung
• Die Fähigkeit, Einkaufsaktivitäten über große Volumina zu skalieren
• Personalisierung von Angeboten in Echtzeit
• Reduzierte Reibungsverluste beim Bezahlen durch agentische Zahlungen
• Höhere operative Genauigkeit bei geringerer manueller Überwachung.

KI-Agenten können Verbrauchern helfen, die Suchzeit zu verkürzen und die Entscheidungsfindung zu beschleunigen, indem sie personalisierte Produktempfehlungen auf Basis der Kaufhistorie und der Präferenzen liefern. Für Unternehmen bietet der agentische Handel neue Wege zur Produktentdeckung und das Potenzial, Interaktionen mit Agenten durch gezielte Angebote oder gebündelte Angebote zu monetarisieren.

Agentic Commerce steht vor einigen Hindernissen bei der Einführung, darunter:

• Datenbereitschaft: Einige Einzelhändler haben Schwierigkeiten mit systemübergreifenden fragmentierten Produktdaten, was die Auffindbarkeit und Interoperabilität einschränkt.
• Vertrauen: Untersuchungen von IBM zeigen, dass 83 % der Verbraucher sich überschneidende Sorgen über Datenschutz, Datenmissbrauch und unaufgefordertes Marketing teilen. Und einige Kunden bevorzugen immer noch manuelle Transaktionen gegenüber automatisierten.
• Altlast-Anpassung: Die bestehenden Betrugs- und Zahlungssysteme wurden für die menschliche Überprüfung und nicht für maschinelle Vermittler entwickelt. Unternehmen, die agentische Benutzererlebnisse einführen möchten, müssen ihre Systeme aktualisieren.

Während Agentic Commerce häufig im Zusammenhang mit Online-Shopping diskutiert wird, erstrecken sich seine Anwendungsbereiche auf alle Bereiche, in denen Käufe und Transaktionen komplex, repetitiv oder zeitkritisch sind. Da KI-Agenten zunehmend in der Lage sind, direkt mit Anbietern und Zahlungssystemen zu interagieren, wird agentenbasierter Handel als Koordinationsschicht für eine Vielzahl kommerzieller Aktivitäten erforscht.

Unternehmen können agentischen Handel nutzen, um die Beschaffung zu automatisieren, insbesondere bei Routinekäufen oder Einkäufen mit geringem Risiko. KI-Agenten können genehmigte Anbieter validieren, volumenbasierte Preise verhandeln und Bestellungen aufgeben. Im Kontext von Lieferketten können Agenten auch auf Lagerbedarf oder Störungen reagieren, indem sie in Echtzeit alternative Lieferanten ausfindig machen.

Etwa 61 % der Beschaffungsleiter nennen geopolitische und Lieferkettenrisiken als oberste Anliegen, und bis 2028 wird erwartet, dass die Hälfte der G2000-Hersteller KI-gestützte zirkuläre Lieferketten operationalisiert. Agentischer Handel bietet die Transaktions- und Koordinationsebene, die dies Wirklichkeit werden lässt.

Im Einzelhandel ermöglicht agentischer Handel KI-Agenten, wiederkehrende Käufe zu verwalten, Preise über mehrere Einzelhändler in Echtzeit zu vergleichen und Bestellungen auf der Grundlage von benutzerdefinierten Präferenzen oder Einschränkungen aufzugeben. Die Agenten könnten Online-Bestellungen mit Abholung im Geschäft oder lokaler Lieferung koordinieren und so Reibungsverluste zwischen den Kanälen reduzieren. Für Einzelhändler könnte diese Funktionalität den Wettbewerb auf maschinenlesbare Produktdaten, Verfügbarkeit und Zuverlässigkeit bei der Lieferung verlagern und nicht nur auf die Sichtbarkeit der Marke.

Agentischer Handel wird zunehmend für die Verwaltung digitaler Abonnements, Lizenzen und nutzungsbasierter Dienste eingesetzt. KI-Agenten können überwachen, wie stark das Abonnement genutzt wird, nicht ausreichend genutzte Services kündigen, Pläne aktualisieren, wenn Schwellenwerte erreicht werden, oder den Anbieter je nach Preis- oder Leistungskriterien wechseln. Dieser Anwendungsfall konzentriert sich mehr auf die Optimierung nach dem Kauf als auf die anfängliche Entdeckung.

Im Reise- und Gastgewerbe unterstützt der agentische Handel durchgängige Workflows, einschließlich Flügen, Unterkünften, Bodentransport und anderen Elementen. KI-Agenten können Preise überwachen, Reisen umbuchen, wenn sich die Bedingungen ändern, und Rückerstattungen oder Gutschriften innerhalb vordefinierter Genehmigungsgrenzen automatisch bearbeiten.

Unternehmen, die Agentic Commerce einführen wollen, müssen:

1. Standardisieren Sie die Produktdaten, so dass sie sowohl für Menschen als auch für Maschinen lesbar sind.
2. Integrieren Sie offene APIs, um nahtlose Interaktionen zwischen verschiedenen Agenten zu ermöglichen.
3. Wenden Sie klare Leitplanken an, um Vertrauen und Compliance aufrechtzuerhalten.
4. Überdenken Sie SEO für KI, damit Agenten, nicht nur Menschen, Angebote finden und darauf reagieren können.

Die ersten Anwender von agentischem Handel können beeinflussen, wie diese intelligenten KI-Systeme mit Entdeckung, Empfehlung und Loyalität innerhalb des Ökosystems umgehen.