Vorbereitung auf den Agentic Commerce

1. Was ist Agentic Commerce?

Der Begriff Agentic Commerce (Agenten-basierter Handel) beschreibt eine signifikante Evolutionsstufe des E-Commerce, in der Software-Agenten – angetrieben von enorm leistungsfähigen Large Language Models (LLMs) – nicht mehr nur assistieren (wie es herkömmliche Chatbots taten), sondern im Auftrag des Nutzers autonome Kaufentscheidungen treffen und Transaktionen selbstständig durchführen. Es markiert den Wandel von passiven Informationssystemen zu proaktiven Transaktionsmaschinen.

Die Evolution von Conversational zu Agentic AI

Während der in den letzten Jahren oft herbeigesehnte Conversational Commerce größtenteils aus starren, regelbasierten Chatbots bestand, die Nutzer lediglich durch einen vorkonfigurierten, extrem limitierenden Entscheidungsbaum führten, besitzen moderne KI-Assistenten Agency (Handlungsfähigkeit und strategische Autonomie).

Was bedeutet dieser Unterschied im realen E-Commerce-Alltag? Ein Conversational Bot fragte Sie nach Ihrer Schuhgröße und präsentierte Ihnen dann drei Links, auf die Sie klicken mussten. Ein Agentic AI-System hingegen verfügt über Kontextverständnis, semantisches Gedächtnis und Zugriff auf APIs und Werkzeuge (Tool Use).

Ein B2B-Einkäufer kann seinem dedizierten Beschaffungsagenten heute den folgenden Befehl erteilen:

"Agent, bitte finde mir 50 ergonomische Bürostühle für unser neues Corporate-Office in München. Sie müssen zwingend nach DIN EN 1335 zertifiziert sein, eine Lordosenstütze besitzen und die Lieferzeit darf maximal 14 Tage betragen. Berechne die Total Cost of Ownership inklusive Versand und Mengenrabatt. Führe die Bestellung beim günstigsten verifizierten Händler durch, der die Rechnung auf ein Netto-Ziel von 30 Tagen ausstellen kann, und trage die Tracking-Nummern in unser ERP-System ein."

Um solch komplexe Anweisungs-Ketten fehlerfrei abzuarbeiten, orchestriert die Agentic AI im Hintergrund Dutzende API-Aufrufe, gleicht Zertifikatsinformationen ab, führt Währungsumrechnungen durch und interagiert mit Bezahl-Gateways. All das geschieht innerhalb von Sekunden, völlig autonom. Für Betreiber von E-Commerce-Plattformen bedeutet dies: Wenn Ihr System für solche Agenten unzugänglich ist, existieren Ihre Produkte in diesem wachsenden Markt de facto nicht.

2. Die Anatomie eines autonomen Beschaffungs-Agenten

Um zu verstehen, wie Sie Ihren Online-Shop auf diese neue Form der Kundenanfragen vorbereiten können, müssen wir zunächst die Anatomie eines solchen Agentic Systems (häufig basierend auf Architekturen wie LangChain, AutoGen oder proprietären Beschaffungs-KIs) zerlegen. Wie "denkt" und agiert ein solcher Agent, wenn er mit dem Internet konfrontiert wird?

A. Perzeption und Information Retrieval

Zunächst muss der Agent die Marktlage sondieren. Dies tut er nicht, indem er hübsche Werbebanner betrachtet, sondern indem er strukturierte Meta-Daten verarbeitet. Der Agent sucht nach JSON-LD Schema-Einträgen im DOM (Document Object Model) Ihrer Webseite oder sendet direkte GraphQL-Queries an Ihre Headless-E-Commerce-Infrastruktur. Liegt die Information (z.B. "Zertifiziert nach DIN EN 1335") lediglich als versteckter Fließtext in einem langen Marketing-Absatz vor, ist die Wahrscheinlichkeit hoch, dass der Agent diese Information ignoriert, sie fehlläuft oder als unsicher ("Low Confidence") einstuft und den Einkauf bei einem klarer strukturierten Konkurrenten bevorzugt.

B. Memory und RAG (Retrieval-Augmented Generation)

Der Agent verfügt über ein Gedächtnis. Wenn Ihr Shop in der Vergangenheit falsche Verfügbarkeiten an einen Agenten übermittelt hat (was zu einem Bestellabbruch führte), speichert das System diese Ineffizienz im Vector-Store. Zukünftige Suchen könnten Ihren Shop deshalb im Scoring abwerten. Zuverlässige, sekundengenaue Daten sind im Agentic Commerce kein Nice-to-Have, sondern ein Überlebenskriterium.

C. Tool Use und Transaktionsfähigkeit

Der spannendste Teil der Agentengestaltung ist die Werkzeugnutzung (Tool Use oder Function Calling). Die KI-Modelle generieren nicht nur Text, sondern strukturierte JSON-Befehle, mit denen sie externe Systeme ansteuern können. Stellt Ihr Shop eine API für createQuote (Angebot erstellen) oder submitOrder (Bestellung ausführen) mit entsprechender OAuth-Evaluierung bereit, kann der Agent den Checkout-Prozess vollends in seiner eigenen Umgebung (dem ERP des Kunden) abbilden, ohne jemals in einem Browser "In den Warenkorb" zu klicken.

3. Status Quo: Die "KI-Blindheit" herkömmlicher Shops

Betrachtet man das Internet heute aus der Linse eines KI-Agenten, gleicht es für diesen oftmals einem chaotischen Rauschen. Sehr viele der aktuell am Markt befindlichen Shop-Systeme sind exklusiv für das menschliche Auge gestaltet. Sie laden den Nutzer durch hochauflösende 4K-Banner, interaktives Video-Playback und stark emotionale, teils unstrukturierte Produktbeschreibungen zum Verweilen ein.

Aus der Sicht eines maschinellen Einkäufers sind diese Shops jedoch extrem schwer zu parsen, "blind" oder bestenfalls verschwommen wahrnehmbar. Ein KI-Modell liest kein Layout, es analysiert Node-Bäume und REST-Payloads. Wenn wichtige Filter in einem intransparenten, client-seitig hart codierten JavaScript-Blob versteckt sind, bedeutet das für den Agentic Commerce meist das Aus.

Stellen Sie sich folgendes Szenario vor: Ein Agent hat die Wahl zwischen zwei Shops. Shop A besitzt eine visuell atemberaubende Oberfläche, erfordert jedoch mühsames HTML-Scraping und Regex-Muster-Maching, um Preise und Formulare auszufüllen – ein fehleranfälliger Prozess, der bei der nächsten CSS-Änderung von Shop A sofort zerbricht. Shop B ist visuell rudimentär (oder der Agent sieht die Website gar nicht erst), bietet ihm aber einen klaren OpenAPI-Swagger-Endpunkt mit token-gesicherter Transaktions-API. Die KI wird niemals das Risiko eines Scraping-Abbruchs bei Shop A eingehen. Sie ordert bei Shop B. Dieser radikale Paradigmenwechsel zwingt Unternehmen zur unmittelbaren strategischen Neuausrichtung in Richtung Generative Engine Optimization (GEO).

4. Technische Grundlagen: Schema.org im Extrem

Damit Produktkataloge von den modernsten KI-Systemen überhaupt erst indexiert und in den komplexen Agentic AI-Workflows validiert werden können, müssen die Daten zwingend in einer universellen "Lingua Franca" der Maschinen vorliegen. Die mit Abstand wichtigste standardisierte Grundlage hierfür ist das Vokabular von Schema.org. Doch wo die meisten SEO-Strategien bei einer rudimentären Implementierung von Titel, Bild und Preis aufhören, beginnt der Agentic Commerce überhaupt erst.

JSON-LD Codebeispiel: So liest eine KI Ihr Produkt

Echte Agent-Readiness verlangt Arrays von PropertyValues. Anstatt in den Beschreibungstext zu schreiben "Die Lautstärke beträgt angenehme 45 dB", strukturieren Sie genau dieses Merkmal für die Maschine auslesbar in den Meta-Tags:

{
  "@context": "https://schema.org/",
  "@type": "Product",
  "name": "Pragma Server R1 - Edge Compute Unit",
  "image": [
    "https://example.com/photos/1x1/photo.jpg",
    "https://example.com/photos/16x9/photo.jpg"
  ],
  "description": "Ein hochperformanter Edge-Server für maschinelles Lernen.",
  "sku": "0446310786",
  "mpn": "925872",
  "brand": {
    "@type": "Brand",
    "name": "Pragma Systems"
  },
  "additionalProperty": [
    {
      "@type": "PropertyValue",
      "name": "Operating Noise Level",
      "value": "45",
      "unitCode": "dB"
    },
    {
      "@type": "PropertyValue",
      "name": "Power Consumption",
      "value": "850",
      "unitCode": "WTT"
    }
  ],
  "offers": {
    "@type": "Offer",
    "url": "https://example.com/server-r1",
    "priceCurrency": "EUR",
    "price": "3499.00",
    "priceValidUntil": "2026-12-31",
    "availability": "https://schema.org/InStock"
  }
}

Wenn der Beschaffungsagent des Kunden nun die explizite Anforderung erhalten hat "Kaufe Server für das Bürogebäude A, Betriebsgeräusch darf maximal 50 dB betragen", kann er diesen Datensatz mathematisch auswerten (45 < 50 = Treffer) und ist nicht länger auf fehleranfälliges NLP (Natural Language Processing) über einen Werbestring angewiesen.

5. Technische Grundlagen: Headless Commerce und API-First

Doch Schema.org ist letztendlich "nur" die semantische Auszeichnung auf einer statischen oder gerenderten HTML-Seite. Wenn wir den Agentic Commerce in seiner vollen Tragweite betrachten, kommen wir an tiefgreifenden architektonischen Umbauten nicht vorbei. Wir sprechen hierbei von Headless Commerce.

Ein Headless-Ansatz entkoppelt das Frontend (die visuelle Schicht, das Theme) hart und kompromisslos vom Backend (Datenbank, PIM, Inventar, Buchhaltung, Payment-Prozesse). Das Backend existiert somit primär nur noch als Set von leistungsfähigen APIs (meist REST oder GraphQL). Das ist deshalb so revolutionär, weil wir dadurch plötzlich imstande sind, mehrere "Köpfe" (Frontends) an dieses eine zentrale Daten-Backend anzuschließen.

Dieser KI-spezifische API-Endpoint kann so konfiguriert werden, dass er dem anfragenden Enterprise-Kunden auf Basis seines API-Schlüssels sofort seine spezifischen verhandelten B2B-Konditionen berechnet darstellt. Keine Anmeldung im Frontend. Kein Warenkorb-Klick. Ein reiner, deterministischer API-Austausch, der Effizienz auf ein bisher nie dagewesenes Level hebt.

6. Datensicherheit und Zugriffskontrolle im Agentic Commerce

Wer APIs für maschinelle Einkäufer öffnet, öffnet potenziell auch seine Datenbanken für Angreifer, Scraper und Konkurrenten. Deshalb rückt die Datensicherheit (Cyber Resilience) im Agentic Commerce stark in den Fokus. Wenn ein System so ausgelegt ist, dass Maschinen ohne menschliches Dazutun in Bruchteilen von Sekunden komplette Produktportfolios auslesen können, bedarf es streng kontrollierter Zugriffsmuster.

7. Generative Engine Optimization (GEO) vs Agentic Commerce

Es ist essenziell wichtig, zwischen SEO, GEO und Agentic Commerce zu unterscheiden, wenngleich sie technologisch ineinandergreifen.

Die Generative Engine Optimization (GEO) ist die Nachfolgerin der klassischen SEO. Während SEO Webseiten für die Platzierung von 10 blauen Links optimierte, optimiert GEO Inhalte, damit sie von Perplexity, SearchGPT oder Google AI Overviews akkurat als primäre Quelle zitiert werden. Das Ziel von GEO ist Informationsdarstellung in generativen Outputs.

Agentic Commerce hingegen ist ein primär transaktionaler Vorgang. Wir wollen hier nicht zwingend auf eine Frage wie "Was sind die besten Server?" mit einem Blogpost zitiert werden. Wir wollen, dass der Agent des Nutzers, der die Query "Kaufe und installiere mir einen neuen Edge-Server" ausführt, unser System als das fähigste Handelssystem identifiziert, die APIs verbindet und das Geld überweist. Agentic Commerce ist E-Commerce auf Steroiden, tief integriert ins B2B-Ökosystem.

8. Die fundamentale Rolle der llms.txt Datei

Zusätzlich zu konventionellen Sitemaps integriert sich eine sehr neue Technik als absoluter Best-Practice-Standard: Die llms.txt Datei. Ursprünglich aus der Softwareentwicklung stammend, verbreitet sie sich im Agentic Web wie ein Lauffeuer.

Eine /llms.txt (oder /llms-full.txt) im Hauptverzeichnis Ihres Shops sendet dem KI-Agenten eine direkte Handlungsanweisung zur Lesbarkeit der Plattform aus Sicht des Modells. In dieser Markdown-basierten Textdatei hinterlegen Unternehmen komprimierte System-Prompts für ankommende Agenten. Sie listen darin beispielsweise direkte Pfade zu den OpenAPI-Spezifikationen Ihrer Datenbank, zu den GraphQL-Endpoints oder zu speziell komprimierten Markdown-Varianten der Shop-Richtlinien.

Dies erspart dem Agenten das ressourcenintensive Crawling Ihrer gesamten HTML-Seiten und sendet ein unglaublich starkes Signal aus: "Hier bist du willkommen, hier ist der Bauplan unserer Architektur, bestelle effizient und schnell."

9. Roadmap: Der 7-Schritte-Plan zur AI-Readiness

Die Transformation hin zum Agentic Commerce ist kein Projekt für eine Woche, sondern eine unternehmensübergreifende strategische Neuausrichtung. Die folgende tiefgehende Roadmap zeigt die bewährten Schritte, die wir in unseren Enterprise-Projekten anwenden:

1. 1. PIM Konsolidierung (Product Information Management)

   Bevor Produktdaten nach außen per API strukturiert bereitgestellt werden können, müssen sie intern perfektioniert sein. Bereinigen Sie Ihr PIM-System umfassend und tiefgreifend. Eliminieren Sie Freitextfelder für technische Details und nutzen Sie harte, typisierte Attribute (Boolean, Integer, Vector). Eine KI sortiert Datenbanken nicht nach lyrisch wertvollen Formulierungen, sondern nach präzisen Zahlenwerten.

2. 2. Vollständige Schema-Abdeckung implementieren

   Integrieren Sie tiefgehende JSON-LD Schemata auf jeder Produktdetailseite (`Product`, `Offer`, `MerchantReturnPolicy`). Gehen Sie über die Basis-Anforderungen weit hinaus. Fügen Sie `Review` und `AggregateRating` dynamisch hinzu, da Agenten Social Proof hoch gewichten, wenn sie Kaufoptionen in Konkurrenz zueinander filtern.

3. 3. Headless & API-First Transition

   Betrachten Sie Ihr Storefront-Frontend zukünftig nur noch als "einen von vielen" Clients. Der wahre Kern Ihres Unternehmens wird die Backend API. Nutzen Sie moderne Cloud-Plattformen, um deterministische JSON-Endpunkte zu betreiben. Performance hier entscheidet über das Gewinnen oder Verlieren im automatisierten B2B-Prozess.

4. 4. OpenAPI und llms.txt Bereitstellung

   Implementieren Sie Swagger/OpenAPI-Dokumentationen Ihrer Kataloge und verlinken Sie diese in einer prominent platzierten `/llms.txt`. Je besser die Agenten den "Bedienplan" (Instruction Set) Ihres Shops verstehen, desto zuverlässiger und damit wahrscheinlicher wird die Order platziert.

5. 5. Autorisierte B2B-Sandbox bereitstellen

   Geben Sie B2B-Agenten Ihrer größten Kunden die Möglichkeit, Transaktionen in einer sicheren Umgebung zu testen und zu simulieren, bevor finale Budgets belastet werden. Diese "Test-Umgebungen" reduzieren die Hürden der KI-Entwickler bei Ihren Kunden dramatisch.

6. 6. Semantic Search am eigenen Katalog

   Rüsten Sie die On-Site-Suche Ihres eigenen Shops ebenfalls mit KI auf. Nutzen Sie Vector-Databases und Semantic Search. So prüfen Sie proaktiv, wie gut Ihre Datenstruktur ist. Findet Ihr eigener RAG-Agent das Produkt nicht, weil eine Kategorie falsch formatiert ist, findet es der Agent Ihres Kunden erst recht nicht.

7. 7. Monitoring der Agenten-Zugriffe

   Verfolgen Sie in Ihren Analytics nicht mehr nur Human-Traffic, Mouse-Movements und Scroll-Tiefen. Etablieren Sie ein starkes Tracking für API-Queries. Analysieren Sie, auf welche Parameter B2B-Agenten besonders geachtet haben. Brachen die Order-Pipelines am Rückgaberichtlinien-Status ab? Optimieren Sie diese Engpässe gezielt maschinell.

10. Branchenspezifische Use Cases (B2B & B2C)

Der Umfang und die Radikalität des Agentic Commerce variieren stark nach Marktsegment. Betrachten wir repräsentative Use Cases.

11. Neue Absatzkanäle & Monetarisierung

Der wohl gravierendste und wichtigste Grund für diese massive technische Aufrüstung ist niemals nur die Suchmaschinenoptimierung von gestern, sondern die aggressive Erschließung komplett neuer Absatzkanäle von morgen. Insbesondere im B2B-Sektor entsteht derzeit vor unseren Augen ein gigantischer Markt für automatisierte Beschaffungsprozesse (Predictive Procurement und Autonomous Supply Chain).

Wenn das ERP-System eines Kundenhaushaltes völlig autonom feststellt, dass wichtige mechanische Verschleißteile der Fließbandanlage demnächst das Ende ihres Lebenszyklus erreichen, schickt es präventiv einen Agenten los. Dieser Agent durchsucht nicht per Google das Netz, um auf händische SEO-Landingspages zu klicken. Er steuert direkt vertraute Handelsnetzwerke an. Wenn Sie über eine API-First Architektur verfügen, die dem Agenten sofort Preis, Verfügbarkeit und Kompatibilität in dem für ihn primär lesbaren JSON-LD-Format liefert, gewinnen Sie den Abschluss, ohne dass jemals im gesamten Transaktionsverlauf ein menschlicher Einkäufer Ihre grafische Unternehmenswebsite auch nur für eine Sekunde betrachtete.

"Agentic Commerce transformiert nicht nur das Marketing, es vernichtet den klassischen Sales-Funnel. Der wichtigste Kunde der Zukunft ist nicht länger primär der emotionale Mensch, den wir mit Rabatt-Bannern binden müssen. Der künftige B2B-Kunde ist ein kalter, algorithmischer Vektor, dem wir den sichersten, transparentesten und effizientesten Datenpfad für seine Kaufentscheidung bieten müssen."

12. Fazit und Ausblick 2030

Unternehmen, die genau jetzt, mitten in dieser Umbruchsphase, essenzielle Budgets in die semantische Strukturierung und maschinenlesbare Öffnung ihrer riesigen Produktkataloge investieren, bauen sich einen völlig uneinholbaren First-Mover-Vorteil auf. Dieser Vorteil kumuliert sich in der neuen Welt der generativen Suchmaschinen und autonomen Agenten in rasender Geschwindigkeit. Kataloge, die heute für KI "lesbar" gemacht werden, füllen morgen die Vektordatenbanken der Agenten von übermorgen.

Der Wandel von "E-Commerce" hin zum intelligenten "Agentic Commerce" mag auf den ersten Blick technisch komplex und trocken erscheinen, doch er diktiert die Überlebensfähigkeit im Online-Handel der Dekade bis 2030. Befreien Sie Ihre Produktdaten aus den visuellen Käfigen der Shop-Software. Machen Sie sie "fluid", über APIs zugänglich und semantisch integer. Dann wird die künstliche Intelligenz des Kunden nicht Ihr Konkurrent, sondern Ihr effektivster Vertriebler.

Aktuelle Insights & Fachartikel

E-Commerce Trends 2026

Die wichtigsten E-Commerce-Innovationen für Ihr Unternehmen – von KI-Personalisierung bis Headless Commerce.

Weiterlesenüber E-Commerce Trends 2026 →

Humanoide Roboter im Mittelstand 2026

Wie KMU vom neuen Roboter-Boom profitieren – Physical AI, RaaS und konkrete Einsatzszenarien.

Weiterlesenüber Humanoide Roboter im Mittelstand 2026 →

Prozess Mining mit KI

Wie KI-gestütztes Process Mining verborgene Optimierungspotenziale in Ihren Geschäftsprozessen aufdeckt.

Weiterlesenüber Prozess Mining mit KI →

Häufig gestellte Fragen (Agentic Commerce FAQs)