Der erste sichtbare Moment einer Transaktion im Agentic Commerce ist oft der Order Webhook – nicht der Seitenaufruf, nicht der Klick, nicht der Warenkorb. Für Plattformen, die auf visuellen Verkauf ausgelegt sind, bedeutet das ein fundamentales Architekturproblem. Wer jetzt nicht reagiert, wird unsichtbar.
Der KI-gesteuerte Shopping-Traffic verzeichnete im ersten Quartal 2026 laut Adobe-Daten ein Wachstum von 393 Prozent im Jahresvergleich. Allein im März lag der Anstieg bei 269 Prozent. Zu beobachten ist eine fundamentale Verschiebung der Nutzergewohnheiten. Mehr als die Hälfte der Konsumenten nutzt bereits KI-Tools in ihrer Shopping-Journey, und 58 Prozent geben an, dass diese Werkzeuge klassische Suchmaschinen für Produktempfehlungen ersetzen. Bemerkenswert ist dabei die Qualität dieses Traffics, der 42 Prozent besser konvertiert als traditionelle Paid Search oder E-Mail-Kampagnen. Für E-Commerce-Entscheider bedeutet das: Die technologische Infrastruktur muss sich anpassen. Plattformen, die jetzt nicht agentenfreundlich strukturiert sind, verlieren den Zugang zu einer massiven Käuferschicht.
Dieser Artikel beleuchtet, warum die Architektur Ihrer Systeme über Ihre Sichtbarkeit im Agentic Commerce entscheidet und wie eine E-Commerce-ERP- und Multichannel-Plattform wie PlentyONE die nötige Grundlage liefert.
Unter Agentic Commerce versteht man den delegierten Handel, bei dem autonome KI-Agenten im Auftrag des Konsumenten Recherche, Produktauswahl und oft auch den eigentlichen Kaufabschluss übernehmen. Es handelt sich hierbei ausdrücklich nicht um die nächste Iteration von Kundenservice-Chatbots oder einfachen Conversational-Commerce-Schnittstellen. Ein Chatbot beantwortet Fragen zu Rückgaberichtlinien; ein autonomer Agent vergleicht technische Spezifikationen über 40 Onlineshops hinweg, prüft Live-Bestände, validiert Preise und löst die Zahlung aus.
Die technologische Basis dieses Wandels ruht auf drei Säulen: Große Sprachmodelle (LLMs), die Fähigkeit dieser Modelle, externe Werkzeuge zu nutzen (Tool-Use), und standardisierte Payment-Protokolle. Wenn KI-Agenten die Transaktion direkt aus dem Chat-Interface heraus initiieren, verlagert sich die Transaktion weg von der traditionellen Shop-Oberfläche hin zur Schnittstelle des Agenten. Der Shop entwickelt sich von einer visuellen Präsentationsfläche zu einer datengetriebenen Schnittstelle. Wer hier technisch nicht sauber aufgestellt ist, existiert für die Agenten schlichtweg nicht.
Klassische Customer Journeys basieren auf messbaren Interaktionen. Ein Klick auf eine Anzeige, das Laden der Landingpage, das Navigieren zur Produktseite, der Klick auf den „In den Warenkorb“-Button. Jeder dieser Schritte ist in gängigen Analytics-Tools sichtbar und optimierbar. Im Agentic Commerce verschwinden diese Touchpoints in einer Blackbox.
Bereits heute finden 70 bis 90 Prozent der Shopping-Journey statt, bevor eine trackbare Interaktion auf der Shop-Seite messbar wird. Mit autonomen Agenten nähert sich dieser Wert der 100-Prozent-Marke. Der Kunde formuliert seinen Bedarf („Suche einen ergonomischen Bürostuhl für das Homeoffice, Budget 400 Euro, lieferbar bis Freitag“), der Agent recherchiert im Hintergrund, trifft die Auswahl und führt den Kauf über eine API durch. Das erste sichtbare Signal, das die E-Commerce-Plattform in diesem Szenario registriert, ist der Order Webhook, der die erfolgreiche Transaktion meldet.
| Metrik / Phase | Klassischer Funnel | Agentic Funnel |
|---|---|---|
| Discovery | Suchmaschine / Social Media Ads | LLM-Interface (z. B. ChatGPT, Perplexity) |
| Evaluierung | Kunde vergleicht manuell Tabs | Agent parst strukturierte Produktdaten |
| Tracking-Beginn | Erster Seitenaufruf (Session Start) | Unsichtbar (serverseitige API-Calls) |
| Checkout | Manueller Prozess im Shop | Instant Checkout via Agent Protocol |
| Erstes Shop-Signal | Pageview / Impression | Order Webhook (Transaktion abgeschlossen) |
Die Bewertungskriterien der Agenten sind für den Shopbetreiber nicht über herkömmliche Tracking-Pixel einsehbar. Es gibt keine Session-Daten, keine Heatmaps und keine klassische Attribution. Diese Entwicklung erfordert ein radikales Umdenken in der Bewertung von E-Commerce-Kennzahlen und E-Commerce-Trends 2026.
Die Architektur vieler etablierter Shopsysteme ist für den visuellen Verkauf an menschliche Nutzer optimiert, scheitert jedoch an den rigiden Anforderungen maschineller Käufer. Die operative Reibung entsteht genau dort, wo Systeme nicht auf Echtzeit-Kommunikation und strikte Datenstrukturierung ausgelegt sind.
In der Praxis zeigen sich fünf fundamentale Schwachstellen bei traditionellen Setups, die den Anschluss an den KI-gesteuerten Handel blockieren:
jsonl.gz) scheitert oft an der Serverleistung oder an starren Export-Modulen.
Stellen Sie sich einen spezialisierten Fachhändler für Outdoor-Ausrüstung vor. Der Händler senkt den Preis für ein Zelt für eine Wochenendaktion. Das Frontend aktualisiert sich sofort, doch der statische Produktfeed, den der KI-Agent ausliest, wird nur einmal nachts generiert. Der Agent findet das Zelt, leitet den Kauf zum reduzierten Preis ein, stößt aber an der Checkout-API auf den regulären, höheren Preis. Das Resultat: die Maschine bricht den Vorgang wegen Dateninkonsistenz sofort ab. Der Händler verliert den Umsatz und wird vom Agenten für zukünftige Suchen abgewertet.
Die Lösung liegt in der kompromisslosen Maschinenlesbarkeit durch strukturierte Daten (JSON-LD / Schema.org) auf jeder einzelnen Produktseite. Ein autonomer Agent liest keine ansprechenden Marketingtexte; er parst das Product-Schema nach sku, GTIN, brand und category. Er prüft das Offer-Schema auf price (nach ISO 4217), availability und shippingDetails.
Zudem müssen Produktfeeds strengen Qualitätskriterien genügen, da sie das primäre Futter für die LLMs darstellen.
| Datenfeld | Häufiger Fehler | Best Practice für Agentic Commerce |
|---|---|---|
| Title | Keyword-Stuffing, zu lang | Max. 150 Zeichen, präzise, beschreibend |
| Description | Marketing-Fluff, unstrukturiert | Use-Case-fokussiert, klare technische Specs |
| Price | Verzögerte Updates (Caching) | Real-time Sync, exakte Übereinstimmung mit API |
| Availability | „Auf Lager“ als reiner Text | Live-Inventory (exakte Stückzahl oder Boolean) |
| GTIN | Fehlt oder ist intern generiert | Offiziell validierte GTIN zwingend erforderlich |
Datenkonsistenz ist das höchste Gut. Wenn Agent-Feed und Live-Site auseinanderlaufen, verkauft man entweder unter Preis oder verärgert den maschinellen Käufer. Hier zeigt sich die Notwendigkeit einer Warenwirtschaft, die als verlässliche Single Source of Truth agiert.
Der Übergang zum maschinellen Handel wird durch neue, standardisierte Protokolle forciert, die aktuell die Infrastruktur des E-Commerce neu definieren. Wer diese Standards ignoriert, schließt seinen Onlineshop faktisch vom Markt der KI-Shopping-Tools 2026 aus.
Das Agentic Commerce Protocol (ACP), live seit September 2025 und maßgeblich von OpenAI und Stripe unter Apache 2.0-Lizenz entwickelt, etabliert sich als Standard für offene Systeme. Es verlangt drei Kernkomponenten: Einen täglichen Product Feed (als jsonl.gz, csv.gz oder xml.gz), eine Checkout-API mit exakt fünf definierten REST-Endpoints und die Zahlungsabwicklung via Stripe SPT. Die Pflichtfelder sind strikt vorgegeben, von der GTIN bis zur maschinenlesbaren return_policy.
Parallel formierte sich für Januar 2026 das Universal Commerce Protocol (UCP), getrieben von einer Koalition um Google, Shopify, Walmart und Target. Mit Endorsern wie Visa und Mastercard zielt dieses Protokoll auf breite Interoperabilität ab. Es nutzt Discovery-Mechanismen über /.well-known/ucp Profile und integriert das Agent Payments Protocol (AP2) für sichere, serverseitige Transaktionen.
Auf der anderen Seite steht Amazon Rufus als geschlossenes Ökosystem (Walled Garden). Mit 300 Millionen Nutzern und einem hohen täglichen Query-Volumen generiert dieses System massive Umsätze, blockiert jedoch externe Agenten und nutzt Funktionen wie „Buy for Me“, um das eigene Ökosystem zu stärken und den Checkout-Prozess innerhalb der Plattform zu halten.
llm.txt Dateien für AI-Crawler/.well-known/ucp Endpoints
Der Markt erlebt einen fundamentalen Paradigmenwechsel in der Ressourcenallokation. Die Arbeit, die jetzt zählt, ist nicht das Schreiben von Top-of-Funnel Content für den Unternehmensblog. Es ist die harte, oft unglamouröse Infrastruktur am Bottom-of-Funnel.
Produktdaten-Vollständigkeit, fehlerfreie Feed-Hygiene, die Zuverlässigkeit der Checkout-API und ein robustes Server-side Tracking sind die neuen Ranking-Faktoren. Ein zentraler Faktor in diesem Zusammenhang ist, wie lange und wie konsistent Händlerdaten über verschiedene Quellen hinweg korrekt zitiert wurden. Wer seine Infrastruktur erst anpasst, wenn die Wettbewerber bereits über Monate hinweg maschinell verifizierte Transaktionen vorweisen können, hat einen kaum aufholbaren Vertrauensnachteil bei den Agenten.
Eine Architektur, die diesen Anforderungen gerecht wird, muss Daten zentralisieren und in Echtzeit verteilen. Die E-Commerce-ERP- und Multichannel-Plattform PlentyONE ist darauf ausgelegt, genau diese operative Klarheit zu schaffen. Durch die Bereitstellung einer echten Single Source of Truth für Produkt-, Bestands- und Preisdaten werden Inkonsistenzen zwischen Frontend und API eliminiert.
Die integrierte PIM-Funktionalität stellt sicher, dass strukturierte Produktdaten von vornherein maschinenlesbar und plattformübergreifend gültig gepflegt werden. Mit einer Real-time Bestandssynchronisation über mehr als 150 Kanäle und Marktplätze hinweg – und einer performanten REST-API als Basis – ist das System technologisch auf die Integration kommender Agent-Protokolle vorbereitet.
Diese Cloud-native Architektur erlaubt es Händlern, neue Protokolle schnell zu adaptieren, ohne die Kernsysteme umbauen zu müssen. Erfahren Sie mehr über den Multichannel-Vertrieb bei PlentyONE, um Ihre Datenbasis zukunftssicher aufzustellen.
Das Zeitfenster, um Default-Positionen bei den großen KI-Agenten zu besetzen, schließt sich. Branchenbeobachter gehen von einer Phase von 18 bis 24 Monaten aus, bis die Marktanteile im Agentic Commerce zementiert sind. Head of E-Commerce und Plattform-Evaluatoren müssen jetzt operative Klarheit schaffen.
Der Wandel hin zum Agentic Commerce ist keine ferne Zukunftsvision, sondern eine messbare Realität, die E-Commerce-Plattformen heute unter Druck setzt. Wenn der Order Webhook zum ersten sichtbaren Signal einer Transaktion wird, verliert die visuelle Shop-Oberfläche an Bedeutung. Was zählt, sind maschinenlesbare Daten, standardisierte Protokolle wie ACP und UCP sowie eine kompromisslose Datenkonsistenz in Echtzeit. Plattformen, die diese Infrastruktur nicht bereitstellen, werden von autonomen Agenten schlichtweg ignoriert. Um in diesem von KI dominierten Markt die Kontrolle zu behalten, benötigen Händler eine zentrale, API-gestützte Architektur.
Informieren Sie sich über Agentic Commerce mit PlentyONE, um Ihre Systeme jetzt auf die Anforderungen der maschinellen Käufer auszurichten.
Eine agentenfreundliche Plattform ist API-First konzipiert und stellt strukturierte, maschinenlesbare Daten (wie JSON-LD) in den Fokus. Während ein klassischer Shop für das visuelle Erlebnis menschlicher Nutzer optimiert ist, bietet die agentenfreundliche Lösung standardisierte Checkout-Schnittstellen und garantierte Datenkonsistenz in Echtzeit. Sie fungiert primär als hochperformanter Datenlieferant für externe KI-Systeme.
Um für autonome KI-Agenten sichtbar und handelbar zu sein, rücken vor allem das Agentic Commerce Protocol (ACP) und das Universal Commerce Protocol (UCP) in den Fokus. Diese Standards definieren, wie Produktfeeds strukturiert sein müssen und wie der maschinelle Checkout über REST-APIs abläuft. Zusätzlich ist die Unterstützung von serverseitigen Zahlungsfreigaben via Agent Payments Protocol (AP2) essenziell.
Händler, die ihre Infrastruktur nicht anpassen, werden von KI-Agenten bei Produktrecherchen und Kaufentscheidungen systematisch übergangen. Da sich der Traffic zunehmend von klassischen Suchmaschinen hin zu LLM-basierten Assistenten verlagert, riskieren Händler, signifikante Marktanteile an agentic-ready Wettbewerber zu verlieren. Zudem bauen Wettbewerber, die frühzeitig maschinenlesbar sind, einen Vertrauensvorsprung bei den KI-Modellen auf.
Ja, denn die KI unterscheidet bei der Auswahl nicht nach Unternehmensgröße, sondern nach Datenqualität und Verfügbarkeit. Ein kleiner Händler mit perfekten strukturierten Daten, validierten GTINs und einer sauberen Checkout-API wird von einem Agenten bevorzugt gegenüber einem Großhändler mit inkonsistenten Feeds. Es ist eine technologische Hürde, die gleichzeitig eine enorme Chance für agile Händler darstellt.