Agentic Commerce: Sind deine Produktdaten bereit für KI-Agenten als Einkäufer?
KI-Agenten recherchieren, vergleichen und bestellen – und sie kaufen nur, was sie verstehen: Warum strukturierte Produktdaten zur Eintrittskarte werden.
Agentic Commerce bedeutet: Nicht mehr Menschen suchen, vergleichen und bestellen, sondern KI-Agenten tun es in ihrem Auftrag. Was 2025 mit Shopping-Funktionen in ChatGPT und Perplexity begann, entwickelt sich gerade zu einer eigenen Infrastruktur mit Protokollen, Payment-Standards und Agenten, die komplette Kaufprozesse abwickeln. Für den B2B-Mittelstand ist das keine ferne Zukunftsmusik, sondern eine sehr konkrete Frage: Wenn demnächst ein Einkaufs-Agent deine Produkte bewerten soll, findet er dann strukturierte, vollständige Daten, oder ein PDF-Datenblatt, das er nicht zuverlässig lesen kann?
In diesem Artikel klären wir, was Agentic Commerce heute wirklich ist (Stand 2026), welche Protokolle sich gerade sortieren, warum B2B der natürlichste Anwendungsfall überhaupt ist, und woran du misst, ob deine Produktdaten "agent-ready" sind.
Was ist Agentic Commerce?
Agentic Commerce beschreibt Kaufprozesse, bei denen ein KI-Agent im Auftrag eines Menschen oder Unternehmens recherchiert, vergleicht und im weitesten Fall auch bestellt. Der Mensch formuliert das Ziel ("Ich brauche 200 Paar Sicherheitshandschuhe Schnittschutzklasse D unter 4 Euro pro Paar, lieferbar bis Freitag"), der Agent erledigt den Rest: Er durchsucht Anbieter, prüft Spezifikationen, vergleicht Preise und Verfügbarkeit und schlägt eine Entscheidung vor oder trifft sie selbst.
Die großen Plattformen haben dafür in kurzer Folge Produkte gebaut:
OpenAI / ChatGPT: Im September 2025 startete "Instant Checkout" – Kaufen direkt im Chat, zunächst mit Etsy- und Shopify-Händlern in den USA. Anfang März 2026 hat OpenAI die Funktion wieder eingestellt, weil Nutzer zwar im Chat recherchierten, den Kauf aber lieber beim Händler selbst abschlossen. Die Produktrecherche in ChatGPT bleibt – und wächst weiter.
Perplexity: Bietet mit "Buy with Pro" und dem gemeinsam mit PayPal gestarteten "Instant Buy" einen In-Chat-Checkout und gilt 2026 als einer der aktivsten Agentic-Checkout-Anbieter.
Amazon: Der Shopping-Assistent Rufus (Funktionen wie "Help me decide" und "Buy for Me", bei dem Amazon auch bei Dritthändlern im Auftrag des Kunden bestellt) wurde im Mai 2026 in den agentischen Assistenten "Alexa for Shopping" überführt.
Google: Verdrahtet agentisches Shopping direkt in den AI Mode der Suche und die Gemini-Apps – inklusive eigenem Protokoll-Stack (dazu gleich mehr).
Das Muster dahinter ist wichtiger als jedes einzelne Produkt: Die Recherche- und Vergleichsarbeit wandert zu KI-Agenten. Ob der letzte Klick dann im Chat, im Shop oder im ERP passiert, ist zweitrangig. Entschieden wird vorher – auf Basis der Daten, die der Agent über deine Produkte findet.
Die Protokoll-Landschaft: ACP, UCP und AP2 kurz erklärt
Damit Agenten und Händler miteinander sprechen können, entstehen gerade offene Standards. Stand 2026 sind vor allem drei relevant:
Protokoll | Wer steckt dahinter | Was es regelt |
|---|---|---|
ACP (Agentic Commerce Protocol) | OpenAI und Stripe, veröffentlicht Sept. 2025 als Open Source (Apache 2.0) | Wie ein Agent im Auftrag des Käufers eine Bestellung an den Händler übergibt – inkl. Payment-Token; der Händler bleibt Merchant of Record |
UCP (Universal Commerce Protocol) | Google und Shopify, angekündigt Jan. 2026 (NRF), mit Handelspartnern wie Etsy, Wayfair, Target und Walmart | Wie Agenten Händler und Sortimente entdecken und über die gesamte Shopping-Journey mit ihnen transagieren |
AP2 (Agent Payments Protocol) | Google mit über 60 Payment-Partnern (u. a. PayPal, Mastercard, American Express), angekündigt Sept. 2025 | Wie ein Agent eine kryptografisch signierte, nachweisbare Zahlungs-Vollmacht des Menschen erhält |
Was du daraus mitnehmen solltest: Diese Ebene ist in Bewegung. OpenAIs eigener Checkout wurde nach fünf Monaten wieder eingestellt, die Protokolle konkurrieren teilweise miteinander, und welche sich durchsetzen, ist offen. Auf ein bestimmtes Protokoll zu wetten, wäre für einen Mittelständler heute verfrüht. Die Schicht darunter ist dagegen völlig stabil: Jedes dieser Protokolle setzt voraus, dass der Agent Produkte finden, verstehen und vergleichen kann. Und das ist eine reine Produktdatenfrage.
Warum B2B der natürliche Agentic-Use-Case ist
Die öffentliche Diskussion dreht sich fast nur um Consumer-Shopping. Dabei passt Agentic Commerce viel besser zu B2B-Beschaffung – aus drei Gründen:
1. B2B-Käufe sind spezifikationsbasiert, nicht emotional
Ein Einkäufer wählt keinen Frequenzumrichter, weil das Produktfoto schön ist. Er wählt nach Nennstrom, Schutzart, Norm, Preis und Lieferzeit. Genau diese Art von Entscheidung – harte Kriterien gegen strukturierte Daten prüfen – ist die Paradedisziplin von KI-Agenten. Ein Agent, der "IE3-Motor, 7,5 kW, B35, lieferbar in 5 Tagen" gegen zehn Anbieter prüfen soll, ist heute schon technisch machbar, sofern die Daten strukturiert vorliegen.
2. B2B ist voller wiederkehrender, regelbasierter Bestellungen
C-Teile, Verbrauchsmaterial, Ersatzteile, Rahmenvertragsabrufe: Ein großer Teil der B2B-Beschaffung ist Routinearbeit nach festen Regeln. Genau solche Prozesse werden zuerst an Agenten delegiert – nicht der einmalige strategische Großeinkauf. E-Procurement-Systeme und elektronische Kataloge haben diese Automatisierung seit Jahren vorbereitet; Agenten sind die konsequente nächste Stufe.
3. Die Analysten sehen es genauso
Gartner prognostizierte auf dem IT Symposium 2025, dass bis 2028 rund 90 Prozent der B2B-Einkäufe von KI-Agenten vermittelt werden – ein Volumen von über 15 Billionen US-Dollar. Selbst wenn man solche Prognosen halbiert, bleibt die Richtung eindeutig. Bemerkenswert ist die zweite Gartner-Zahl dazu: Bis 2027 werden demnach rund 40 Prozent der Agentic-Commerce-Projekte wieder eingestellt. Beides zusammen ergibt das realistische Bild: Der Trend ist echt, aber viele stürzen sich auf die Agenten-Schicht, bevor ihre Datenbasis trägt.
Ein Agent kauft nicht, was er nicht versteht
Hier liegt der Kern des Themas. Ein menschlicher Einkäufer kompensiert schlechte Daten: Er ruft an, blättert im PDF-Datenblatt, fragt den Außendienst. Ein Agent tut das nicht. Er bewertet, was maschinenlesbar vorliegt – und was er nicht bewerten kann, fällt aus dem Vergleich. Unvollständige oder unstrukturierte Produktdaten waren bisher ein Conversion-Problem. Im Agentic Commerce werden sie zum Ausschlusskriterium.
Drei Bausteine entscheiden, ob ein Agent mit deinen Produkten arbeiten kann:
Klassifikationsstandards sind die Sprache der Agenten
Standards wie eCLASS (aktuell Version 16) und ETIM (Version 10.0 mit rund 5.600 Klassen; ETIM 11.0 erscheint zum 01.12.2026) definieren Produkte über eindeutige Klassen und Merkmalleisten. Für einen Agenten ist das Gold wert: Statt aus Fließtext zu raten, was "robustes Gehäuse" bedeutet, liest er "Schutzart: IP65" als standardisiertes Merkmal mit definierter Semantik – bei jedem Anbieter identisch codiert. Klassifizierte Produkte sind für Maschinen vergleichbar; unklassifizierte sind es nicht. Einen Überblick über die relevanten Standards findest du im Beitrag zu den wichtigsten Klassifikationsstandards.
Strukturierte Attribute statt PDF-Datenblätter
Ein PDF ist für Menschen gemacht. Agenten können PDFs zwar auslesen, aber fehleranfällig und ohne Garantie – und ein Agent, der eine Beschaffungsentscheidung verantwortet, wird sich auf verlässliche Quellen stützen, nicht auf OCR-Raten. Jedes technische Merkmal, das nur im Datenblatt steht und nicht als eigenes Attribut gepflegt ist, existiert für den Agenten im Zweifel nicht. Dasselbe Prinzip gilt übrigens schon heute für KI-Suchen wie ChatGPT und Perplexity – wie du dort sichtbar wirst, haben wir im Artikel über GEO und Produktdaten beschrieben. Agentic Commerce ist die nächste Eskalationsstufe derselben Logik.
Preis und Verfügbarkeit müssen abrufbar sein
Ein Agent, der bestellen soll, braucht aktuelle Preise, Staffeln und Verfügbarkeiten – über API, strukturierte Feeds oder Standardformate wie BMEcat. Ein Katalog, der zweimal im Jahr als Excel verschickt wird, ist für agentische Beschaffung schlicht unsichtbar. Wer heute schon sauber elektronische Kataloge an Marktplätze und Procurement-Plattformen liefert, hat hier einen echten Vorsprung.
Checkliste: Sind deine Produktdaten agent-ready?
Die gute Nachricht: "Agent-ready" ist kein neues, exotisches Datenformat. Es ist konsequente Produktdatenqualität – dieselbe, die auch Shops, Marktplätze und Kataloge brauchen, nur ohne die Toleranz, die menschliche Leser mitbringen.
Kriterium | Was das konkret heißt | Warum es für Agenten kritisch ist |
|---|---|---|
Vollständige Attribute | Alle kaufentscheidenden Merkmale als einzelne, gepflegte Felder – nicht im Fließtext oder PDF | Fehlende Merkmale = Produkt fällt aus dem Vergleich |
Standard-Klassifikation | eCLASS- und/oder ETIM-Klassen mit gefüllten Merkmalleisten | Standards machen Produkte anbieterübergreifend maschinell vergleichbar |
Konsistente Einheiten und Werte | Einheitliche Maßeinheiten, definierte Wertelisten, keine Freitext-Varianten ("5 m" vs. "500cm" vs. "fünf Meter") | Agenten filtern numerisch – inkonsistente Werte führen zu falschen oder leeren Treffern |
Maschinenlesbare Formate | Ausleitung als API, strukturierter Feed, BMEcat oder standardkonformer Katalog | Was nicht maschinell abrufbar ist, existiert für den Agenten nicht |
Aktuelle Preise und Verfügbarkeit | Preise, Staffeln, Lieferzeiten und Bestände aktuell und abrufbar | Ein Agent mit Beschaffungsauftrag bestellt nur, was er als lieferbar verifizieren kann |
Strukturierte Medien und Dokumente | Bilder, Datenblätter, Zertifikate und Normnachweise sauber typisiert am Produkt referenziert | Agenten müssen Nachweise (z. B. Normkonformität) gezielt finden und zuordnen können |
Wenn du systematisch prüfen willst, wo du stehst, hilft dir unser Leitfaden zum Messen der Produktdatenqualität mit konkreten Kennzahlen.
Realistische Einordnung: Was heute zählt und was Hype ist
Ehrlichkeit gehört dazu: Kein KI-Agent bestellt heute autonom Investitionsgüter im Mittelstand. Der In-Chat-Checkout im Consumer-Bereich hat mit dem Aus von OpenAIs Instant Checkout gerade seinen ersten Dämpfer erlebt. Wer dir erzählt, du müsstest 2026 dringend ein Agentic-Checkout-Protokoll implementieren, verkauft dir eine Wette.
Was dagegen heute schon real ist:
KI-gestützte Recherche ist Alltag. Einkäufer und Techniker recherchieren bereits über ChatGPT, Perplexity und Googles AI Mode. Deine Produkte werden heute von KI gelesen und bewertet – lange bevor irgendein Agent bestellt.
Die Plattform-Assistenten sind live. Amazons Shopping-Agent, Perplexitys Kauffunktionen und Googles agentisches Shopping arbeiten mit echten Nutzern – und bevorzugen strukturierte, vollständige Daten.
Die Datenanforderungen sind identisch mit denen, die du ohnehin hast. eCLASS für Procurement-Kunden, ETIM für den Fachhandel, BMEcat für Marktplätze, strukturierte Daten für den Shop: Alles, was dich agent-ready macht, zahlt sich sofort in bestehenden Kanälen aus. Schlechte Datenqualität kostet Unternehmen laut Gartner im Schnitt 12,9 Millionen US-Dollar pro Jahr – das Problem ist nicht neu, Agenten machen es nur unübersehbar.
Die richtige Strategie für den Mittelstand lautet deshalb: Datenbasis statt Protokoll-Wette. Konkret:
Produktdaten zentralisieren – eine führende Quelle statt Excel-Wildwuchs. Was ein PIM-System ist und leistet, erklärt unser Grundlagenartikel.
Kaufentscheidende Merkmale als strukturierte Attribute pflegen, mit konsistenten Einheiten und Wertelisten.
Nach eCLASS und/oder ETIM klassifizieren – je nachdem, was deine Branche und deine Kunden verlangen.
Maschinenlesbare Ausleitungen aufbauen: API, Feeds, BMEcat-Kataloge.
KI dort einsetzen, wo sie die Datenpflege beschleunigt – etwa bei Attribut-Extraktion und Textgenerierung. Praktische Beispiele findest du unter KI im PIM.
Genau dafür ist entitys gebaut: In der Cloud liegen über 20 Millionen bereits klassifizierte Produktdatensätze, von denen du direkt profitierst – vorklassifizierte Datensätze reduzieren den Klassifikationsaufwand um bis zu 80 Prozent. Als eCLASS Gold Preferred Partner sind die Standards nativ integriert, und Fachanwender pflegen und leiten Daten selbst aus, ohne Implementierungspartner. Kunden berichten von bis zu 70 Prozent weniger Zeitaufwand in der Datenpflege.
Häufig gestellte Fragen
Was ist Agentic Commerce?
Agentic Commerce bezeichnet Kaufprozesse, bei denen KI-Agenten im Auftrag von Menschen oder Unternehmen Produkte recherchieren, vergleichen und teilweise auch bestellen. Beispiele sind Shopping-Funktionen in ChatGPT und Perplexity, Amazons agentischer Shopping-Assistent sowie offene Protokolle wie ACP (OpenAI/Stripe) und UCP/AP2 (Google), die Agenten, Händler und Payment verbinden.
Ist Agentic Commerce für B2B überhaupt relevant?
Ja – B2B ist sogar der natürlichere Anwendungsfall: Beschaffung ist spezifikationsbasiert, regelgetrieben und voller wiederkehrender Bestellungen, also ideal für Agenten. Gartner prognostiziert, dass bis 2028 rund 90 Prozent der B2B-Einkäufe von KI-Agenten vermittelt werden. Der Zeitpunkt ist unsicher, die Richtung nicht.
Was bedeutet "agent-ready" bei Produktdaten?
Agent-ready heißt: vollständige, strukturierte Attribute statt PDF-Datenblätter, Klassifikation nach Standards wie eCLASS oder ETIM, konsistente Einheiten und Werte, maschinenlesbare Ausleitung (API, Feed, BMEcat) sowie aktuelle Preis- und Verfügbarkeitsdaten. Kurz: Produktdatenqualität ohne die Toleranz, die menschliche Leser mitbringen.
Muss ich jetzt ACP oder UCP implementieren?
Nein. Die Protokoll-Ebene ist noch in Bewegung – OpenAI hat seinen eigenen In-Chat-Checkout Anfang 2026 bereits wieder eingestellt. Sinnvoll ist heute die Investition in die stabile Schicht darunter: strukturierte, klassifizierte, maschinenlesbar ausleitbare Produktdaten. Die funktionieren mit jedem Protokoll, das sich durchsetzt – und sofort in deinen bestehenden Kanälen.
Welche Rolle spielt ein PIM-System für Agentic Commerce?
Ein PIM ist die zentrale Quelle, aus der Agenten-taugliche Daten überhaupt erst entstehen: Dort pflegst du strukturierte Attribute, klassifizierst nach eCLASS und ETIM und leitest Daten als Katalog, Feed oder über API aus. Ohne zentrale, strukturierte Datenhaltung bleibt jede Agentic-Commerce-Strategie Stückwerk.
Fazit: Die Eintrittskarte ist deine Datenqualität
Agentic Commerce ist kein Grund zur Panik, aber ein sehr guter Grund, die eigene Datenbasis ehrlich anzuschauen. Die Protokolle werden sich sortieren; dass KI-Agenten einen wachsenden Teil der Recherche- und Beschaffungsarbeit übernehmen, sortiert sich nicht mehr weg. Wer strukturierte, klassifizierte, maschinenlesbare Produktdaten hat, ist für jedes Szenario vorbereitet – und verkauft schon heute besser über Shops, Marktplätze und Kataloge.
Du willst wissen, wie weit deine Produktdaten von "agent-ready" entfernt sind – und wie du die Lücke pragmatisch schließt? Sprich mit uns: Wir schauen uns deine Datenbasis gemeinsam an, ohne Buzzword-Bingo.
MAGAZIN
