Noch vor nicht allzu langer Zeit bedeutete Onlineshopping, einen Großteil der Arbeit selbst zu erledigen: Website um Website durchsuchen, bis endlich das richtige Produkt gefunden war. Doch diese Routine beginnt sich zu verändern. KI-Assistenten übernehmen zunehmend Aufgaben, die bisher vollständig bei den Kaufenden lagen.
Shopware hat beobachtet, dass im ersten Quartal 2026 15-mal so viel Traffic von KI-Tools auf Onlineshops kam wie im gleichen Zeitraum 2025. Auch Adobe Analytics zeigt, wie verbreitet die Nutzung inzwischen ist: Im Juni 2026 verwendeten 41 % der US-amerikanischen Konsumenten generative KI beim Onlineshopping.
Wenn ein Tool Teile des Einkaufsprozesses im Auftrag von Kunden übernimmt, sprechen wir von Agentic Commerce. Und auch das damit verbundene Umsatzpotenzial rückt zunehmend in den Fokus von Analysten. McKinsey schätzt, dass Agentic Commerce bis 2030 weltweit Transaktionen im Wert von 3 bis 5 Billionen US-Dollar orchestrieren könnte. Gleichzeitig nutzen bereits 38 % der europäischen Konsument:innen KI-Tools beim Einkaufen. In Deutschland liegt die Nutzung je nach Produktkategorie bei etwa 25 bis 30 %.
Morgan Stanley schätzt, dass KI-Shopping-Assistenten bis 2030 für 190 bis 385 Milliarden US-Dollar der Ausgaben im US-amerikanischen Onlinehandel verantwortlich sein könnten. Brian Nowak, Leiter des US-Internet-Research bei Morgan Stanley, weist jedoch darauf hin, dass eine breite Akzeptanz weiterhin von neuen Produkten und veränderten Konsumgewohnheiten abhängt. Seit den Anfängen des Onlinehandels haben Menschen den Großteil der Arbeit beim Einkauf selbst übernommen. KI-Agenten könnten ihnen künftig einen erheblichen Teil davon abnehmen. Wie weit diese Entwicklung tatsächlich geht, hängt jedoch auch davon ab, was die Technologie heute bereits leisten kann.
Was sind KI-Shopping-Agenten?
KI-Shopping-Agenten sind Softwaresysteme, die einen Einkaufsauftrag entgegennehmen und nach einer ersten Antwort selbstständig weiterarbeiten können. Mastercard beschreibt Agentic Commerce als die Möglichkeit für einen KI-Agenten, einen Prozess „zu Ende zu führen“ – also eine Aufgabe mit nur begrenztem manuellen Eingreifen für eine Person abzuschließen.
Anders als ein einfacher Chatbot, der auf eine Anfrage antwortet und dann auf die nächste Eingabe wartet, kann ein Agent mehrere Schritte eines Kaufprozesses bearbeiten. Sucht jemand beispielsweise nach Noise-Cancelling-Kopfhörern für unter 300 Euro, kann die Person das Budget und die wichtigsten Anforderungen nennen. Der Agent prüft anschließend verfügbare Optionen und gibt eine Empfehlung samt Begründung ab.
Teile dieses Prozesses sind bereits heute Realität. OpenAI und Stripe haben beispielsweise das Agentic Commerce Protocol entwickelt, um KI-Agenten mit den Checkout-Systemen von Onlinehändlern zu verbinden.
Direkte Käufe über KI-Assistenten sind allerdings noch begrenzt. OpenAI stellte sein eigenständiges Instant-Checkout-Erlebnis bereits wenige Monate nach dem Start wieder zurück und richtete den Fokus stärker auf Product Discovery. Bei vielen heutigen Anwendungen behalten Nutzende außerdem die finale Kontrolle und müssen einen Kauf bestätigen, bevor er abgeschlossen wird.
Von der Suchmaschine zum Shopping-Agenten
Die Art und Weise, wie Menschen online einkaufen, sieht heute deutlich anders aus als noch vor einigen Jahren. Das gilt auch dafür, wie sie Marken entdecken, von denen sie zuvor noch nie gehört haben. Statt bereits einen konkreten Produktnamen zu kennen, können Kaufende heute mit einem Problem und einem Budget starten.
Die INSEAD-Forschenden Nathan Furr und Andrew Shipilov weisen darauf hin, dass Menschen bei der Nutzung von KI seltener nach einer bestimmten Marke suchen. Stattdessen fragen sie häufiger nach dem besten Produkt für einen konkreten Bedarf.
Wer beispielsweise einen undichten Wasserhahn in der Küche reparieren möchte, muss also nicht zuerst wissen, nach welchem Ventil gesucht werden sollte. Die Suche kann beim eigentlichen Problem beginnen, während die Software die infrage kommenden Optionen eingrenzt.
Dieses Verhalten zeigt sich bereits in Umfragen. McKinsey stellte fest, dass 44 % der Menschen, die KI-gestützte Suche ausprobiert haben, sie inzwischen als ihre primäre und bevorzugte Suchmethode bezeichnen. Zum Vergleich: 31 % bevorzugen weiterhin die traditionelle Suche.
Jason Goldberg von Publicis Groupe bezeichnet diese Entwicklung als „disruption of discovery“: KI entscheidet zunehmend mit, welche Produkte Menschen überhaupt sehen, bevor sie anfangen, verschiedene Optionen miteinander zu vergleichen.
Produkte des täglichen Bedarfs könnten der erste große Anwendungsfall sein
Einer der naheliegendsten Bereiche, in denen KI-Shopping-Assistenten mehr Aufgaben übernehmen könnten, ist der regelmäßige Einkauf von Produkten des täglichen Bedarfs. Bei Lebensmitteln und Haushaltsartikeln haben viele Menschen ihre Auswahl längst getroffen. Ähnliches gilt für Tierfutter oder Körperpflegeprodukte.
Morgan Stanley stellte fest, dass KI-gestütztes Einkaufen bereits heute besonders häufig bei Lebensmitteln und Konsumgütern vorkommt und erwartet dort in den kommenden fünf Jahren besonders starkes Wachstum.
Luca Cian, Professor an der UVA Darden School of Business, verweist auf einen wichtigen Grund dafür: KI lässt sich gut in bestehende Gewohnheiten integrieren und kann dabei helfen, eine Überforderung durch zu viele Wahlmöglichkeiten zu reduzieren. Wer beispielsweise seit Jahren dasselbe Waschmittel kauft, hat wenig Anlass, bei jeder neuen Packung erneut Dutzende Alternativen miteinander zu vergleichen. Cian beschreibt genau diesen Vorteil als Möglichkeit, „choice overload“ zu reduzieren.
Wie stark Menschen an Gewohnheiten festhalten, zeigt auch eine Untersuchung von Eva Ascarza, Professorin an der Harvard Business School. Sie fand heraus, dass Kunden mit etablierten Routinen weniger sensibel auf Preiserhöhungen reagieren und auch nach negativen Erfahrungen eher loyal bleiben.
Genau solche Routinen liefern einem autorisierten KI-Assistenten wertvolle Informationen: Vergangene Bestellungen und vorab festgelegte Präferenzen könnten ihm helfen zu erkennen, wann ein Produkt erneut benötigt wird.
KI-Agenten könnten auch größere Kaufentscheidungen verändern
Je größer die finanziellen Auswirkungen eines Kaufs sind, desto stärker verändert sich meist auch das Einkaufsverhalten. Bei höheren Preisen steigt der Rechercheaufwand. Wer einen Kühlschrank oder ein Sofa kauft, vergleicht womöglich Garantieleistungen, Reparaturanfälligkeit und zahlreiche Modelle miteinander.
McKinsey befragte Konsumenten in Europa und stellte fest, dass 63 % bereits KI-Tools nutzen, um Marken, Modelle, Preise und Bewertungen vor einem Kauf zu vergleichen.
Bei teureren Produkten gehen solche Vergleiche allerdings weit über den reinen Kaufpreis hinaus. McKinsey beschreibt beispielsweise ein Szenario, in dem ein Agent die Versandkosten von 700 US-Dollar für ein Möbelstück dagegen abwägt, es für 200 US-Dollar zu verkaufen und nach einem Umzug durch ein neues zu ersetzen.
Solche Vergleiche werden noch komplexer, sobald langfristige Kosten Teil der Entscheidung werden. Damit steigt auch die Menge an Informationen, die ein Agent berücksichtigen muss, bevor er eine Empfehlung ausspricht.
Wenn mehrere Tausend Euro auf dem Spiel stehen, reicht deshalb eine bloße Produktempfehlung kaum aus. Eine hilfreiche Empfehlung muss nachvollziehbar machen, wie verschiedene Kosten gewichtet wurden und warum eine Option am Ende besser abschneidet als eine andere.
Was passiert mit Onlinehändlern, wenn KI zum Gatekeeper wird?
Marken stehen zunehmend vor der Realität, dass KI-Assistenten die Auswahl für Konsument eingrenzen können, noch bevor diese die Website eines Onlinehändlers besuchen. John Carroll, President of Connected Commerce bei der Acosta Group, bezeichnet generative KI-Tools als die „neuen Gatekeeper der Shopper Journey“.
Sein Unternehmen stellte fest, dass Konsumenten möglicherweise nur noch zwei oder drei Optionen angezeigt bekommen – verglichen mit mehr als 25 Produkten auf einem digitalen Regal. Wenn nur so wenige Produkte in die engere Auswahl gelangen, kann ein Onlinehändler aus der Betrachtung fallen, bevor jemand überhaupt dessen Website besucht.
Laut Boston Consulting Group brauchen Onlinehändler deshalb Produktinformationen, die faktenbasiert und maschinenlesbar sind, damit KI-Systeme sie korrekt auswerten können. BCG verweist außerdem auf Anne-Claire Baschet, die betont, dass Agent-ready Commerce unter anderem von präzisen Produktdaten und aktuellen Informationen zur Verfügbarkeit abhängt.
Onlinehändler müssen deshalb sicherstellen, dass Software verstehen kann, was sie verkaufen – noch bevor klassische Marketingmaßnahmen die Möglichkeit haben, ihre Wirkung zu entfalten.
Die größten Fragen: Vertrauen, Datenschutz und Kontrolle
Vertrauen gehört zu den größten Fragen rund um KI. Doch sobald ein Softwareassistent die Erlaubnis erhält, Geld auszugeben, bekommen diese Bedenken eine ganz neue Bedeutung.
Visa stellte fest, dass fast neun von zehn Konsumenten nachvollziehen möchten, wie ein Agent zu seinen Entscheidungen kommt. Rund die Hälfte würde einen solchen Agenten nicht mehr nutzen, wenn sie das Gefühl hätte, die Kontrolle darüber zu verlieren.
Ein Teil dieser Kontrolle besteht darin zu wissen, wessen Interessen eine Empfehlung eigentlich dient.
Consumer Reports argumentiert, dass Agenten im Interesse der Konsumenten und nicht im Interesse von Werbetreibenden handeln sollten. Interessenkonflikte, die beeinflussen könnten, welche Produkte empfohlen werden, sollten transparent gemacht werden.
Dasselbe Bedürfnis nach Kontrolle gilt für persönliche Daten. Laut Visa möchten 85 % selbst bestimmen können, auf welche Daten ein Agent zugreifen darf.
Doch zu entscheiden, was ein Agent wissen darf, ist nur ein Teil der Herausforderung, sobald dieser Agent auch Geld ausgeben kann. Baker McKenzie weist darauf hin, dass es im US-Recht bislang nur wenige Gesetze und Gerichtsentscheidungen gibt, die sich ausdrücklich mit KI-Agenten beschäftigen. Damit bleiben Fragen zur Verantwortlichkeit offen, wenn bei einem Kauf etwas schiefläuft. Die Empfehlungen der Kanzlei gehen deshalb unter anderem in Richtung klar definierter Befugnisse und menschlicher Freigabepunkte, bevor ein Agent Handlungen außerhalb des vorgesehenen Rahmens ausführt.
Die rechtliche Verantwortlichkeit für Handlungen von KI-Agenten ist auch in Europa noch nicht vollständig geklärt. KI-Agenten können zwar unter den EU AI Act fallen, sind dort aber nicht als eigene Kategorie definiert. Nachdem die geplante EU-Richtlinie zur KI-Haftung zurückgezogen wurde, richten sich viele Haftungsfragen weiterhin nach bestehenden nationalen Regeln – etwa wenn ein Agent eine fehlerhafte oder nicht autorisierte Transaktion ausführt.
Die Zukunft des Einkaufens könnte weniger vom Suchen und mehr vom Delegieren geprägt sein
Bis Menschen größere Teile des Einkaufsprozesses tatsächlich an KI delegieren, ist es noch ein weiter Weg. Paul Krauss, Partner AI bei Team One, erklärte gegenüber Shopware, dass sich die meisten Shopping-Agenten heute eher auf dem Niveau intelligenterer Such- und Empfehlungssysteme bewegen. Eine echte Delegation findet bislang nur in einzelnen Fällen statt.
Dennoch wird erwartet, dass Agents künftig einen größeren Teil des Kaufprozesses übernehmen.
Lareina Yee, Senior Partner bei McKinsey, geht davon aus, dass langfristig nahezu alle Onlinehändler damit umgehen müssen, dass ein erheblicher Teil ihrer Kundschaft nicht mehr aus menschlichen Nutzenden, sondern aus KI-Agenten besteht.
Doch selbst wenn mehr Agenten im Auftrag von Konsumenten handeln, bleibt laut Krauss ein entscheidender Punkt bestehen: Der Mensch gibt die Absicht vor, die Maschine handelt danach.
Sobald dieses Ziel feststeht, kann der Agent innerhalb der gesetzten Grenzen mehr Aufgaben im Kaufprozess übernehmen. Und je mehr Menschen sich daran gewöhnen, solche Grenzen festzulegen, desto stärker könnten KI-Assistenten auch in den eigentlichen Kaufprozess vordringen – nachdem sie bereits heute eine wachsende Rolle bei Recherche und Produktauswahl spielen.
