KI-Agenten übernehmen zunehmend die Recherche und den Kaufprozess im Online-Handel. Für Händler bedeutet das nicht nur einen Wandel der Kundenschnittstelle, sondern auch einen erheblichen Druck, Produktdaten und IT-Architekturen zu modernisieren, um im Maschinen-Shopping sichtbar zu bleiben. Die nachfolgenden Analysen zeigen, warum das Thema jetzt entscheidend ist und welche Schritte notwendig sind, um Margen und Kundenbindung zu sichern.
Wachsende Verbraucherakzeptanz und Traffic-Verschiebung im E-Commerce
Die Konsumentenbereitschaft für KI-gestütztes Shopping wächst rapid. Laut einer BCG-/Mirakl-Analyse planen 53 % der europäischen und 81 % der US-Verbraucher, KI-Agenten beim Einkauf zu nutzen (Stand 2026). Während KI-Referrals Ende 2025 noch unter einem Prozent des Website-Traffics ausmachten, erwarten Analysten bis Ende 2026 einen Sprung auf rund fünf Prozent – und bis 2030 könnte mehr als die Hälfte aller globalen E-Commerce-Umsätze agentengestützt abgewickelt werden.
- Erwartete Nutzung von KI-Shopping-Agenten in Europa: 53 % (2026)
- Erwartete Nutzung von KI-Shopping-Agenten in den USA: 81 % (2026)
- Prognostizierter Anteil agentengestützter Ausgaben am globalen E-Commerce bis 2030: >50 %
“Die Dringlichkeit für Händler wird durch die rasch steigende Akzeptanz auf Kundenseite forciert”, heißt es in der BCG-Studie. Wer bei Schnittstellen und Bestandsdaten hinterherhinkt, droht aus den automatisierten Suchroutinen der Assistenten komplett herauszufallen.
Nur 18 Prozent der Marktplätze sind auf KI-Agenten vorbereitet
Die Untersuchung zeigt erhebliche Defizite bei der technischen Vorbereitung. Lediglich 18 % der befragten Marktplätze gelten als ausreichend auf KI-Agenten vorbereitet. Hauptprobleme sind veraltete Systeme, unzureichend strukturierte Produktdaten und fehlende technische Schnittstellen. 67 % der Händler wollen innerhalb der nächsten zwei Jahre ihre Produktdaten verbessern, 58 % planen, Echtzeit-Informationen zur Warenverfügbarkeit bereitzustellen.
- Nur 18 % der Marktplätze sind bereit für autonome KI-Agenten.
- 67 % der Händler möchten Produktdatenqualität erhöhen.
- 58 % wollen Echtzeit-Bestandsinformationen liefern.
“91 Prozent der großen Handelsunternehmen sehen den möglichen Verlust der direkten Kundenbeziehung als Risiko von Agentic Commerce”, berichtet Dominik Grollmann (26.10.2026). Gleichzeitig erwarten 68 % der befragten Unternehmen, dass KI-Agenten den Handel innerhalb der kommenden zwei Jahre grundlegend verändern.
Im nächsten Abschnitt wird erläutert, wie KI das klassische Retail-Media-Modell beeinflusst und welche Anpassungen Händler vornehmen müssen, um im neuen Ökosystem sichtbar zu bleiben.
KI verändert auch das Geschäft mit Handelswerbung
Die Verlagerung der Produktsuche auf KI-Plattformen stellt Retail-Media vor neue Herausforderungen. Derzeit generieren externe Marktplatzhändler durchschnittlich 28 % der Retail-Media-Umsätze. Trotz dieses Anteils sehen 95 % der Händler Retail-Media als wichtigen zukünftigen Gewinntreiber. Mit der zunehmenden Verbreitung von KI-Einkaufsassistenten erwarten 65 % der Marken, ihre Werbeausgaben zu erhöhen, während lediglich 12 % mit sinkenden Budgets rechnen.
- Durchschnittlicher Anteil des Retail-Media-Umsatzes von externen Marktplatzhändlern: 28 %
- 95 % der Händler betrachten Retail-Media als entscheidenden Gewinntreiber.
- 65 % planen Werbeausgaben zu erhöhen, 12 % erwarten Rückgänge.
Die klassischen Werbeformate verlieren an Bedeutung, weil Konsumenten bei KI-Agenten die Kategorieseiten häufig nicht mehr aufsuchen. Händler müssen Werbeplätze direkt in KI-Antworten oder eigenen Assistenten monetarisieren.
Höhere Kaufabsicht und Monetarisierung durch KI-Traffic
Besucher, die über KI-Agenten zu Online-Shops geleitet werden, zeigen signifikant höhere Kaufabsichten. Adobe Analytics (2026) belegt, dass KI-vermittelte Käufer eine um 54 % höhere Konversionsrate und 53 % mehr Umsatz pro Besuch erzielen als herkömmliche Shop-Besucher.
- Steigerung der Konversionsrate bei KI-vermittelten Käufern: +54 %
- Steigerung des Umsatzes pro Besuch bei KI-Referrals: +53 %
Das ökonomische Paradoxon ist klar: Während Händler den direkten Kundenkontakt verlieren, ist der KI-Traffic pro Transaktion überdurchschnittlich lukrativ. Eine gezielte Generative Engine Optimization (GEO) – also die semantische, maschinenlesbare Aufbereitung von Produkt-, Bestands- und Preisdaten – wird zum entscheidenden Hebel, um margenstarke Transaktionen nicht an algorithmisch besser aufgestellte Wettbewerber zu verlieren.
Bedeutung von Marktplatz-Ökosystemen für das Gesamtwachstum
Marktplätze tragen im Schnitt bereits ein Viertel (26 %) des digitalen Handelsvolumens großer Händler bei. Die mangelnde Datenqualität von Dritthändlern gefährdet somit direkt das Gesamtergebnis im KI-Wettbewerb. 79 % der befragten Händler erwarten, dass Vorreiter im Agentic Commerce ihren Vorsprung weiter ausbauen werden.
- Durchschnittlicher Anteil des Marktplatzgeschäfts am Online-GMV: 26 % (2026)
- 79 % erwarten, dass Pioniere im Agentic Commerce ihren Vorsprung ausbauen.
Die enge Verknüpfung von nur 18 % technischer Bereitschaft und dem signifikanten GMV-Risiko verdeutlicht die Dringlichkeit, Marktplatzdaten zu verbessern und Schnittstellen zu öffnen.
Risiken und Gegenmaßnahmen im Agentic Commerce
Der Wandel birgt mehrere strategische Risiken:
- Disintermediation und Margenerosion: KI-Agenten können Kaufentscheidungen autonom treffen und Transaktionen außerhalb der Händlerplattform abwickeln – Händler werden zu reinen Logistik- und Fulfillment-Dienstleistern ohne Upselling-Möglichkeiten.
- Abhängigkeit von intransparenten LLM-Ranking-Faktoren: Im Gegensatz zu klassischem SEO gibt es für Generative Engine Optimization (GEO) noch keine standardisierten Kriterien, was Planungsrisiken bei Werbeausgaben birgt.
- Hoher Investitionsbedarf bei unsicherem Zeithorizont: Echtzeit-APIs für Lagerbestände und strukturierte Produktdaten erfordern teure Modernisierungen bestehender Legacy-Systeme, während externe Agent-Referrals derzeit nur einen kleinen Teil des Traffics ausmachen.
Um diesen Risiken zu begegnen, empfehlen Experten eine Doppelstrategie: Produkte maschinenlesbar aufbereiten und gleichzeitig eigene KI-Assistenten, exklusive Sortimente und Kundenbindungsprogramme entwickeln, um den direkten Kundenkontakt zu erhalten.
Schnellüberblick:
Was unterscheidet Agentic Commerce von herkömmlichen Chatbots im E-Commerce?
Klassische Chatbots beantworten primär vordefinierte Servicefragen auf einer Shop-Website. Autonome KI-Agenten agieren hingegen plattformübergreifend, vergleichen selbstständig Produkte, prüfen Konditionen in Echtzeit und können Käufe im Auftrag des Nutzers komplett abschließen.
Warum stellt Agentic Commerce das Retail-Media-Modell vor Probleme?
Retail Media basiert auf bezahlter Sichtbarkeit (z. B. Sponsored Listings) auf Onlineshop-Seiten. Da Konsumenten bei der Nutzung von KI-Agenten diese Kategorieseiten gar nicht mehr ansteuern, müssen Händler Werbeplätze direkt in den Antworten der KI-Modelle oder in eigenen KI-Assistenten monetarisieren.
Was bedeutet Generative Engine Optimization (GEO) für Händler?
GEO umfasst die Aufbereitung von Produkt-, Bestands- und Preisdaten in maschinenlesbaren Formaten (Schema.org, APIs), sodass Large Language Models und KI-Agenten diese Informationen bei der Generierung von Empfehlungen fehlerfrei auslesen und priorisieren können.