E-Commerce ist in den letzten Jahren explosionsartig gewachsen und ist für viele Konsumenten der neue Standard geworden. Ein wesentliches Kernelement des Online-Shoppings hat sich jedoch zugleich um einiges verschlechtert: die Produktsuche.
Es ist dabei wie in einem riesigen Einkaufszentrum. Man sagt dem Verkäufer zwar genau, was man sucht, dieser zeigt jedoch immer wieder die falschen Regale.
Viele Online-Marktplätze und Online-Shops setzen immer noch auf die klassische Keyword-Suche, die weder den Kontext noch die Kaufabsicht richtig verstehen und somit immer wieder falsche oder irrelevante Suchergebnisse anzeigen. Ein weiteres Problem ist die Produktsuche auf Amazon. Anstatt relevante Suchergebnisse, erhält der Kunde eine Unmenge von bezahlten Werbeanzeigen, welche absolut nicht der Kaufintention entsprechen. Der Händler bezahlt für mehr Sichtbarkeit, der Kunde erhält jedoch komplett irrelevante Suchergebnisse. Die Folge sind frustrierte Kunden, abgebrochene Käufe und ein riesiges verschenktes Potenzial.
Diverse Studien zeigen, dass 12% aller E-Commerce-Suchen ins Leere führen. Das Problem ist dabei nicht der Mangel an Produkten, sondern die Unfähigkeit der Systeme, die Bedürfnisse der Käufer richtig zu interpretieren.
Agentic-Shopping dürfte dies jedoch bereits in naher Zukunft ändern. Statt sich auf starre Suchalgorithmen zu verlassen, übernehmen hier intelligente KI-Agenten die gesamte Recherche und Produktauswahl, stellen Rückfragen, verarbeiten komplexe Wünsche, lernen Präferenzen und liefern gezielte, personalisierte Vorschläge, welche mit der Intention des Suchenden besser übereinstimmen.
Die agentischen Shopping-Assistenten funktionieren dabei wie persönliche Einkäufer. Der Kunde gibt präzise Vorgaben wie „Ich suche ein stylisches T-Shirt in grellen Farben, welches sich für lange Bergtouren eignet, atmungsaktiv ist und den Schweiß gut aufsaugt und schnell trocknet.
Ein klassischer Marktplatz oder Online-Shop würde auf diese Eingabe eine Reihe von zufälligen Ergebnissen präsentieren. Der Shopping-Agent würde jedoch eine Reihe von Fragen stellen wie ob eine bestimmte Marke bevorzugt wird oder ob bestimmte Materialien bevorzugt werden.
Auf der Grundlage dieser Eingaben und präzisen Rückgaben werden dann eine Reihe von relevanten Ergebnisse präsentiert. Die bedeutet mehr Effizienz für beiden Seiten: Händler profitieren von höheren Conversion Rates und sinkenden Absprungraten und Kunden von wesentlich bessern Suchergebnissen. Im Idealfall erfolgt dann der gesamt Checkout ebenso über den Agenten.
Doch damit diese Agenten Händler überhaupt „sehen“ und empfehlen können, müssen Händler, Marken und Marktplätze ihre Hausaufgaben machen und die entsprechenden Voraussetzungen schaffen:
- Strukturierte und maschinenlesbare Produktdaten bereitstellen:
Agenten brauchen mehr als schöne Bilder sie benötigen strukturierte Daten, um Produkte richtig zu verstehen, vergleichen und empfehlen zu können: klar definierte Attribute (Größe, Material, Passform, Farbe, Verwendungszweck), einheitliche Kategorisierung, relevante Metadaten (z. B. Nachhaltigkeit, Herkunft, Preisstaffelung).
Denn je besser die Datenqualität, desto sichtbarer ist das Produkt für KI-Agenten. - Zugängliche Schnittstellen (APIs) und offene Produktfeeds:
Agenten müssen auf Produktdaten zugreifen können, idealerweise in Echtzeit. Wer seine Angebote in einem geschlossenen System versteckt oder keine offenen Schnittstellen anbietet, wird vom intelligenten Einkaufserlebnis ausgeschlossen. Dies bedeutet konkret: Bereitstellung von Produktfeeds (z. B. im JSON-, XML- oder CSV-Format); API-Dokumentation für Entwickler; Aktualisierung in Echtzeit bei Preis- oder Lageränderungen - Transparenz, Bewertungen und Kontexte liefern
KI-Agenten bewerten nicht nur Daten, sie interpretieren auch Vertrauenssignale wie Kundenbewertungen mit aussagekräftigem Text, transparente Lieferbedingungen und Rückgaberegeln, kontextsensitive Inhalte (für wen eignet sich das Produkt? In welchem Szenario?) - Dialogfähigkeit entwickeln
In Zukunft werden agentische Systeme nicht nur Produkte präsentieren, sondern auch Rückfragen stellen. Händler, die über Chatbots, Produktberater oder intelligente Filter dialogfähig werden, erhöhen ihre Relevanz im KI-gesteuerten Shoppingprozess.
Der Paradigmenwechsel: von UX zu AX
Agentic Shopping ist zugleich ein Paradigmenwechsel: UX (User Experience) ist benutzergesteuert und konzentriert sich darauf, Benutzeroberflächen so zu gestalten, dass Menschen Aufgaben einfach und intuitiv erledigen können (Bsp. beim Online-Shopping oder in Apps). Der Mensch trifft die Entscheidungen, das System reagiert.
AX (Agent Experience) hingegen ist agentengesteuert und setzt auf autonome oder teilautonome KI-Agenten, die selbstständig handeln: Sie schlagen vor, entscheiden oder führen Handlungen ohne direkte Nutzereingabe aus, etwa beim Terminplanen, bei Finanzentscheidungen oder in der medizinischen Bildanalyse.
Agentic Shopping verändert die Spielregeln im E-Commerce. Es gilt bereits heute, seinen digitalen Hausaufgaben zu machen, um in Zukunft wahr genommen zu werden. Diese Sichtbarkeit entsteht dabei nicht mehr nur durch SEO oder Ads, sondern durch maschinenverständliche Qualität und Kontext. Händler und Marktplätze, die offen, strukturiert und transparent kommunizieren, schaffen die Grundlage dafür, von intelligenten Shopping-Agenten empfohlen zu werden.
Wer einmal selbst die Vorteile von Agentic Shopping mit ChatGPT, Perplexity Shopping oder besonders direkt mit Browser wie Perplexity Comet kennen gelernt hat, wird nur mehr in den wenigsten Fällen vorherige Methoden nutzen.
Die Spielregeln ändern sich.