Agentic Commerce: Wenn die Kund:innen der Zukunft KI-Agenten sind
Das Start-up ShopAgentic aus Hannover will Modeunternehmen auf die nächste Entwicklungsstufe des E-Commerce vorbereiten, den sogenannten Agentic Commerce. Wenn künftig Agenten für künstliche Intelligenz (KI) nach Produkten suchen, Angebote vergleichen, Kaufentscheidungen vorbereiten oder sogar ausführen, müssen Marken dafür sorgen, dass ihre Produkte in den KI-Systemen überhaupt gefunden werden.
Alexander Ringsdorff und Kai-Thomas Krause, die beiden Gründer von ShopAgentic, bringen dafür langjährige E-Commerce- und Fashion-Erfahrung mit. Mit CouchCommerce entwickelten sie früh Lösungen für Mobile Commerce, später gehörten sie zum Gründerteam der US-amerikanischen Omnichannel-Plattform NewStore. Mit ShopAgentic beschäftigen sie sich jetzt mit dem nächsten großen Umbruch im digitalen Handel. Erster Kunde, über den das Unternehmen öffentlich spricht, ist die Münchner Sportmodemarke Bogner.
Im Gespräch erklären Ringsdorff und Krause, welche neuen Anforderungen KI an bisherige Shopsysteme im E-Commerce stellt, welchen Panikmoment sie der Branche noch voraussagen und wie sich die Machtverhältnisse zwischen Marken, Handelsplattformen und Verbraucher:innen verändern könnten. Auch das Thema Kund:innenloyalität wird im KI-Zeitalter noch einmal ganz neu verhandelt.
Herr Ringsdorff, fangen wir mit Ihnen an: Warum haben Sie ShopAgentic gegründet? Warum braucht es ShopAgentic zusätzlich zu den KI-Funktionen etablierter E-Commerce-Plattformen?
Ringsdorff: Die etablierten E-Commerce-Plattformen sind für eine Welt gebaut worden, in der Menschen über Websites und Apps einkaufen. Mit Agentic Commerce verändert sich das grundlegend. Künftig werden Millionen von Anfragen durch KI-Agenten entstehen, die Produktinformationen automatisiert abrufen und direkt Transaktionen auslösen.
Das stellt ganz andere Anforderungen an die Infrastruktur. ShopAgentic ergänzt deshalb zunächst bestehende Systeme und will perspektivisch verschiedene Agenten für viele Anwendungsfälle im E-Commerce bereitstellen. Wir bereiten Produktdaten auf, reichern sie an und stellen Informationen und Schnittstellen für externe KI-Suchmaschinen und Shopping-Agenten bereit.
Langfristig wollen wir unsere Plattform zu einem vollständigen Stand-alone-Commerce-System weiterentwickeln. Aktuell konzentrieren wir uns aber darauf, Marken mit ihren bestehenden IT-Landschaften für KI-Systeme sichtbar und später auch transaktionsfähig zu machen.
Warum haben Sie sich ausgerechnet auf die Modebranche spezialisiert? Was macht diese Branche für den Einsatz autonomer KI-Agenten besonders interessant?
Krause: Die Modebranche ist besonders anspruchsvoll, weil es nicht reicht, ein Produkt anhand technischer Eigenschaften zu beschreiben. Man muss auch verstehen, wofür eine Marke steht, welche Zielgruppen sie anspricht und welche Bedeutung Materialien, Passformen und Stilwelten haben.
Das zeigt ein Beispiel aus unserer Zusammenarbeit mit Bogner. Dort entstehen Produkttexte teilweise parallel zu Fotoshootings. Wenn sich die tatsächlichen Produkteigenschaften bis zur finalen Kollektion verändern, können wir Bildmaterial und Beschreibungen miteinander abgleichen und Widersprüche erkennen.
Hinzu kommt unsere eigene Erfahrung. Wir haben über viele Jahre zahlreiche Fashion-Marken betreut und kennen deshalb die Besonderheiten der Branche.
Wie groß ist der Handlungsdruck für Modehändler tatsächlich? Geht es um Panikmache oder müssen Händler ihre Geschäftsmodelle und technischen Infrastrukturen wirklich verändern?
Ringsdorff: Wir sind inzwischen überzeugt, dass das Thema substanziell ist. Ein typisches Missverständnis ist, dass Unternehmen erst handeln wollen, wenn ein relevanter Anteil ihres Traffics von KI-Agenten kommt.
Das Problem ist aber, dass eine Marke, die in den Antworten und Empfehlungen der KI-Systeme nicht vorkommt, gar nicht erst berücksichtigt wird. Ein niedriger agentischer Traffic kann also gerade ein Zeichen dafür sein, dass eine Marke noch nicht ausreichend sichtbar ist.
Krause: Generative Engine Optimization [GEO, also die Optimierung für KI-Antwortsysteme; Anm. d. Red.] funktioniert deshalb nicht über ein paar Backlinks. Produktdaten müssen substanziell verbessert und für KI-Systeme verständlich und verfügbar gemacht werden. Hinzu kommen unterschiedliche Anforderungen und Protokolle der Plattformen, auf die Händler kontinuierlich reagieren müssen.
Ich glaube, dass wir noch einen richtigen Panikmoment erleben werden, wenn der organische Google-Traffic durch KI-Suchsysteme spürbar zurückgeht.
Welche Funktionen sind bei ShopAgentic bereits im Einsatz?
Krause: Unser Catalogue-Intelligence-Team, bestehend aus fünf KI-Agenten, befindet sich aktuell mit Bogner in der Betaphase. Bogner ist unser erster Kunde, über den wir sprechen dürfen. Die Agenten übernehmen dabei unterschiedliche Aufgaben. Der „Storyteller“ analysiert die Markenidentität, der „Porträtist“ entwickelt internationale Buying Personas und der „Merchandiser“ reichert den Produktkatalog mit detaillierten Informationen an.
Ein weiterer KI-Agent bereitet die Daten für externe Shopping-Agenten und Protokolle wie UCP und ACP auf [das Universal Commerce Protocol von Google und das Agentic Commerce Protocol von OpenAI; Anm. d. Red.]. Der fünfte Agent, unser „Mystery Shopper“, analysiert, wie sichtbar eine Marke in KI-Systemen ist und unter welchen Begriffen sie empfohlen wird.
Zusammen schaffen diese Agenten eine Datenbasis, mit der Marken ihre Präsenz in KI-Systemen verbessern können. Künftig werden wir Marken und Händlern dazu eine ausführliche Analyse anbieten, die zeigt, wie gut ihre Onlineshops für KI-Agenten zugänglich und nutzbar sind. Dabei prüfen wir etwa, ob KI-Agenten den Shop erreichen, ob sie Produkte finden und verstehen können und wo Verbesserungsbedarf besteht.
Welche Produktinformationen brauchen KI-Agenten, um passende Modeprodukte empfehlen zu können, und welche Erfahrungen haben Sie damit bereits gemacht?
Ringsdorff: KI-Agenten benötigen wesentlich mehr Informationen als die klassischen Produkttexte in Onlineshops. Material, Passform, Anlass, Stil und Markenpositionierung müssen präzise beschrieben werden. Hinzu kommen Informationen über die Käufer:innen und ihre individuellen Präferenzen.
Genau daran arbeiten wir mit ShopAgentic. Wir strukturieren und reichern Produktdaten so an, dass KI-Systeme Produkte nicht nur anhand einzelner Eigenschaften vergleichen, sondern auch ihren Kontext verstehen können.
Krause: Ein erstes konkretes Ergebnis aus der Zusammenarbeit mit Bogner sind beispielsweise automatisch generierte Produkt-FAQs, also Antworten auf häufig gestellte Fragen. Die Marke möchte diese Informationen nun auch auf der eigenen Website einsetzen. Das zeigt, dass angereicherte Produktdaten nicht nur für KI-Agenten, sondern auch für klassische Kund:innen einen Mehrwert bieten.
Wer kontrolliert künftig die Kund:innenbeziehung im Agentic Commerce – die großen Plattformen, die Marken oder die persönlichen Shopping-Agenten?
Ringsdorff: Wir erleben gerade einen grundlegenden Konflikt darüber, wer künftig die Beziehung zu den Kund:innen kontrolliert und in wessen Interesse eingekauft wird.
Plattformen wie Amazon verdienen nicht nur am Handel, sondern auch an Retail Media. Wenn persönliche KI-Agenten wie Instinct oder Metas Muse Produkte recherchieren und einkaufen, ohne dass Kund:innen selbst durch die Plattform navigieren, geraten diese Werbeerlöse unter Druck. Amazon hat daher den Zugriff externer KI-Agenten auf seine Plattformen vorerst begrenzt.
Gleichzeitig handelt ein persönlicher Agent im Interesse seiner Nutzer:innen, während ein händlereigener Agent zwangsläufig auch die Interessen des Plattformbetreibers verfolgt. Das ist ein Interessenkonflikt. Wessen Agent nutze ich eigentlich? Den, der für mich arbeitet, oder den, der für den Händler arbeitet? Ich glaube, Kund:innen werden eher einem persönlichen, plattformunabhängigen Agenten vertrauen. Die Antwort liegt aber noch in der Zukunft. Ich denke jedenfalls nicht, dass sie künftig bei jeder Marke einen eigenen Assistenten nutzen wollen. Sie werden ihren ganz persönlichen Agenten mitbringen.
Was bedeutet das für Marken?
Ringsdorff: Für Marken ist das auch eine Chance. Wenn ein KI-Agent weiß, dass ein Produkt direkt beim Hersteller verfügbar ist und dort beispielsweise ein Loyalty-Programm Vorteile bietet, kann er sich bewusst gegen einen Marktplatz entscheiden. Marken müssen allerdings lernen, ihre Identität und ihre Kund:innenbeziehungen auch außerhalb der eigenen Website zu pflegen.
Werden KI-Agenten den Preiskampf im Modehandel verschärfen?
Krause: Agenten können künftig sehr viel transparenter Preise vergleichen. Das bedeutet aber nicht zwangsläufig, dass immer der günstigste Anbieter gewinnt. Verfügbarkeit, Service, persönliche Präferenzen und Loyalty-Programme spielen ebenfalls eine Rolle. Wenn ein Agent das Kaufverhalten und die Vorlieben seiner Nutzer:innen kennt, kann er auch solche Faktoren berücksichtigen.
Ein Verkäufer-Agent könnte beispielsweise besonders loyalen Kund:innen automatisch ein individuelles Angebot machen. Ich sehe darin sogar eine Chance für Marken, Kund:innen von Marktplätzen zurückzugewinnen und ihre eigenen Stärken besser auszuspielen. Außerdem gibt es ein Szenario, das für den Handel sogar vorteilhaft ist. Wenn Kund:innen nicht mehr etwa über Amazon kommen, bleibt mehr Marge bei der Marke. Persönliche Agenten könnten also sogar für mehr Marge und weniger Preisdruck sorgen.
Wo liegen die Grenzen der Automatisierung?
Ringsdorff: Gerade bei Marken gibt es viele Aufgaben, die Menschen auch künftig übernehmen sollten, etwa Kreativität, Kuration, Markenführung und die Entwicklung neuer Ideen. Ein Agent kann im Wesentlichen analysieren, wiederholen und kombinieren, was bereits vorhanden ist. Eine Marke muss sich aber immer wieder neu erfinden.
Krause: Ich glaube deshalb nicht, dass es darum geht, möglichst viele Mitarbeitende einzusparen. Viele hochqualifizierte Menschen im E-Commerce verbringen heute einen erheblichen Teil ihrer Zeit mit operativen Tätigkeiten wie Datenpflege oder wiederkehrenden Prozessen. Wenn Agenten diese Aufgaben übernehmen, können sich die Teams stärker auf wertschöpfende Tätigkeiten konzentrieren. Es geht also nicht darum, mit weniger Menschen dasselbe zu machen, sondern mit derselben Mannschaft deutlich mehr zu erreichen.
Welche technischen Hürden gibt es aktuell noch im Agentic Commerce?
Krause: Eine Herausforderung ist, dass viele Agenten heute noch wie Menschen einkaufen. Sie öffnen Websites in virtuellen Browsern, analysieren die Oberfläche und klicken sich Schritt für Schritt durch den Shop. Das ist furchtbar umständlich, ressourcenintensiv und langsam.
Deshalb entstehen neue Standards wie das Personal Agent Protocol, kurz PAP oder auch „Poppy“ genannt. Es soll regeln, wie persönliche Agenten mit Marken interagieren dürfen, ob über klassische Websites, direkte API- oder MCP-Schnittstellen [API steht für Application Programming Interface, MCP für Model Context Protocol; Anm. d. Red.] oder markeneigene Agenten.
Damit verbunden sind wichtige Sicherheitsfragen. Wer ist dieser Agent, in wessen Auftrag handelt er und darf er auf ein Kund:innenkonto zugreifen oder Transaktionen durchführen? Diese Fragen werden die Entwicklung in den kommenden Jahren maßgeblich prägen.
Was wird ein erfolgreicher Modehändler im Jahr 2030 anders machen als heute?
Ringsdorff: Unser KI-Company-Brain hat dazu eine ziemlich gute Formulierung geliefert, nämlich „Ein erfolgreicher Modehändler behandelt Produktdaten wie ein eigenes Produkt.“ Sie sind gepflegt, strukturiert und maschinenlesbar. Das wird genauso selbstverständlich sein wie heute ein responsiver Onlineshop.
Dazu kommt die Transaktionsfähigkeit. Es reicht nicht mehr, dass eine Marke in KI-Systemen gefunden wird. Sie muss auch in der Lage sein, Agenten direkt bei sich einkaufen zu lassen.
Und schließlich wird sich die Organisation verändern. Wenn KI-Agenten in einer vertrauenswürdigen Umgebung wie unserem Agent OS laufen, werden Händler weniger Zeit mit operativen „Fleißaufgaben“ wie Datenpflege verbringen und sich stattdessen auf Kuration, Markenführung und Kund:innenbeziehungen konzentrieren können.
ODER ANMELDEN MIT