KI-Agenten sollen Angebote vergleichen und Käufe auslösen – vorausgesetzt, sie finden eindeutige Daten vor. Simon Rabente, Mitgründer und Geschäftsführer der Kölner E-Commerce-Agentur Webmatch, beschreibt, welche Grundlagen Händler klären sollten, bevor der erste Agent auf ihr Sortiment zugreift.
Wer KI-Agenten verkaufen lassen will, braucht verlässliche Daten, klare Prozesse und Systeme, die miteinander sprechen.
KI-Agenten sollen Produkte recherchieren, Angebote vergleichen und Käufe vorbereiten oder auslösen. Der Handel beschäftigt sich deshalb aktuell intensiv mit Agentic Commerce. Wie groß das Interesse ist, zeigt der Connected Shoppers Report 2025 von Salesforce: 75 Prozent der 1.700 befragten Handelsentscheider halten KI-Agenten innerhalb eines Jahres für entscheidend im Wettbewerb. Doch kann ein KI-System Produkte, Preise, Verfügbarkeiten und Regeln zuverlässig verstehen?
In vielen Commerce-Landschaften lautet die Antwort: nur teilweise. Produktinformationen unterscheiden sich je nach Kanal, Bestände werden verzögert aktualisiert und Schritte manuell gesteuert. Treffen KI-Agenten auf dieser Basis Entscheidungen, werden solche Brüche zum Geschäftsrisiko.
Maschinen brauchen Eindeutigkeit
Menschen können Lücken oder Widersprüche einordnen und nachfragen. Ein KI-Agent braucht eindeutige, maschinenlesbare Daten. Er muss erkennen, ob ein Produkt geeignet und verfügbar ist, was es kostet und welche Liefer- oder Rückgabebedingungen gelten.
Wie entscheidend diese Grundlage ist, zeigt ein europaweit tätiger B2B-Händler mit mehreren Landesgesellschaften: Eigene ERP-Systeme und mehrere Millionen Produktdatensätze aus dem PIM verhinderten zunächst einen einheitlichen Datenkontext. Eine zentrale Datendrehscheibe führt ERP-, PIM- und Commerce-Daten nun zusammen. Erst dadurch können komplexe Prozesse automatisiert und KI-Agenten perspektivisch eingesetzt werden, um Verhandlungen vorzubereiten oder zu begleiten.
Veraltete Verfügbarkeiten oder falsch gepflegte Attribute führen zu ungeeigneten Empfehlungen oder nicht erfüllbaren Käufen. Im B2B können fehlerhafte Daten zudem rechtliche und wirtschaftliche Folgen haben, etwa bei verpflichtenden Produkt- und Nachhaltigkeitsinformationen, dem Lieferkettengesetz, der Batterieverordnung oder anderen Vorgaben. Greift ein KI-Agent auf falsche oder unvollständige Angaben zurück, skaliert er neben dem Datenfehler möglicherweise auch ein Compliance-Risiko.
Produktdaten und Konditionen müssen für Menschen überzeugend und für Maschinen eindeutig lesbar sein. Maschinenverständlichkeit wird so Teil der digitalen Sichtbarkeit und entscheidet mit, ob KI-Systeme ein Angebot berücksichtigen.
Automatisierung vergrößert bestehende Fehler
Automatisierung behebt keine unklaren Prozesse, sondern führt sie häufiger aus. Weisen Shop, Warenwirtschaft und Filialsystem unterschiedliche Verfügbarkeiten aus, kann ein KI-Agent nicht verlässlich entscheiden. Ohne definierte Freigaben, Ausnahmen und Zuständigkeiten bleibt zudem unklar, was er entscheiden darf.
Händler müssen festlegen, welche Systeme verbindliche Informationen liefern, wer ihre Qualität verantwortet und wann menschliche Kontrolle nötig ist. Regeln braucht es auch für fehlende Daten, widersprüchliche Ergebnisse und Transaktionen außerhalb definierter Grenzen.
Governance entscheidet, ob automatisierte Prozesse kontrollierbar bleiben und Kunden den Ergebnissen vertrauen.
Wie groß die Lücke zwischen Anspruch und Umsetzung ist, zeigt eine IBM-Studie unter 1.500 Führungskräften aus Handel und Konsumgüterindustrie: 87 Prozent geben an, über klare KI-Governance zu verfügen, doch weniger als ein Viertel hat die Instrumente zum Risikomanagement vollständig implementiert und überprüft sie fortlaufend.
Vier Grundlagen für Agentic Commerce
Händler müssen nicht ihre gesamte IT-Landschaft neu bauen, aber die Grundlagen automatisierter Entscheidungen priorisieren.
- Verlässliche Daten schaffen
Produktmerkmale, Varianten, Preise, Bestände und Konditionen müssen eindeutig, konsistent und aktuell sein. - Systeme sauber verbinden
Belastbare Schnittstellen müssen den Informationsaustausch ermöglichen. Exporte und manuelle Übergaben reichen für autonome Abläufe nicht aus. - Prozesse vereinfachen
KI verbessert keine gewachsenen Abläufe mit zahlreichen Sonderfällen. Der größere Hebel liegt oft darin, unnötige Schritte, doppelte Pflege und widersprüchliche Regeln zu beseitigen. - Verantwortung festlegen
Datenqualität, Prozessregeln und automatisierte Entscheidungen brauchen klare Zuständigkeiten.
Der Use Case bestimmt die Technik
Erst dann stellt sich die Frage nach dem passenden KI-Einsatz. Ausgangspunkt sollte ein konkretes Problem sein: Wo brechen Kunden ihre Suche ab? Welche Produktfragen verursachen viele Servicekontakte? Wo entstehen Verzögerungen oder Kosten? Welche Informationen fehlen zum Kaufabschluss?
Wie konkret das aussehen kann, zeigt ein B2B-Unternehmen aus dem technischen Umfeld mit großem Sortiment und geschlossenem Geschäftskundenbereich. Kunden suchen dort oft nicht nach Artikeln, sondern beschreiben einen Anwendungsfall oder ein technisches Problem. Die KI verbindet diese Anfrage mit Produkt-, Kompatibilitäts- und Kundendaten und leitet passende Lösungen ab. So gelangen Kunden schneller zum richtigen Produkt, während der manuelle Beratungsaufwand im Vertrieb sinkt.
Viele KI-Funktionen werden sich schnell verbreiten. Entscheidend ist daher nicht das zusätzliche Tool, sondern welcher Händler verlässliche Informationen bereitstellt, Prozesse konsequent organisiert und Entscheidungen sicher automatisiert.
Agentic Commerce beginnt vor dem ersten KI-Agenten. Wer Daten, Schnittstellen, Prozesse und Verantwortlichkeiten ordnet, verbessert das Kundenerlebnis und hält sein Angebot für maschinengestützte Kaufentscheidungen sichtbar, verständlich und kaufbar.