Agentic Commerce ist seit ein paar Monaten in jeder zweiten Tech-Konferenz präsent. KI-Agenten, die selbstständig einkaufen, Preise vergleichen und Bestellungen auslösen. Klingt nach Science Fiction. Ist es nicht mehr.
Ich arbeite an der Infrastruktur von E-Commerce-Projekten. Shopware-Plugins, Deployment-Pipelines, Testautomation. Und ich sehe gerade, wie Agentic Commerce reale Anforderungen verändert, die Shops heute noch gar nicht auf dem Radar haben. Dieser Artikel sortiert was heute schon baubar ist, was überverkauft wird und was du in deinen Stack einziehen solltest, bevor der erste Agent deine API ruft.
Inhalt
- Was ist Agentic Commerce?
- Wie funktioniert das technisch?
- Klassischer Commerce vs. Agentic Commerce
- Tech-Stacks 2026: Was heute baubar ist
- Business-Cases im B2B
- Was bedeutet das für deinen Shop?
- Warum ist API-Qualität jetzt entscheidend?
- Was musst du heute schon anders testen?
- Realistisch, halb-realistisch, Hype
- DSGVO und Haftung bei Agenten
- Ausblick 2026 bis 2028
- FAQ
- Fazit
Was ist Agentic Commerce?
Der Begriff beschreibt einen Wandel in der Art, wie Kaufentscheidungen getroffen werden. Statt dass ein Mensch einen Shop aufruft, durch Kategorien klickt und selbst zur Kasse geht, übernimmt ein KI-Agent diese Schritte. Der Mensch gibt ein Ziel vor: "Kauf mir das günstigste Paar Laufschuhe in Größe 43, die morgen lieferbar sind." Der Agent erledigt den Rest.
Das ist kein hypothetisches Szenario. OpenAI, Anthropic, Google und eine Reihe kleinerer Startups haben 2025 und früh 2026 genau solche Agenten in den Markt gebracht. Perplexity hat ein Checkout-Feature direkt in die Suchergebnisse integriert. Apple Intelligence steuert Apps und tätigt Käufe. Amazon Rufus beantwortet Produktfragen und leitet Käufe ein. Und das ist erst der Anfang.
Was das für Shopbetreiber bedeutet: Ein wachsender Anteil deiner Bestellungen kommt irgendwann nicht mehr von einem Menschen, der auf deiner Website war. Sondern von einem Agenten, der deine API abgefragt hat.
Wie funktioniert das technisch?
Moderne KI-Agenten navigieren entweder über Browser-Automatisierung, also sie sehen deine Website wie ein Mensch und klicken sich durch, oder sie nutzen strukturierte Schnittstellen. APIs, Feeds, strukturierte Daten.
Browser-Automatisierung ist fehleranfällig. Jedes Layout-Update, jede neue Popup-Mechanik kann den Agenten aus dem Rhythmus bringen. Wer ausschließlich auf HTML-Rendering setzt, macht seinen Shop agentenfeindlich.
Der robustere Weg sind maschinenlesbare Schnittstellen. Und hier kommt etwas ins Spiel, das noch kaum jemand nutzt: llms.txt. Das ist eine einfache Textdatei, die einem KI-Agenten erklärt, was dein Shop anbietet, wie er mit dir kommunizieren soll und was er erwarten kann. Ähnlich wie robots.txt für Crawler. Wer seinen Shop agenten-freundlich machen will, sollte dort anfangen.
Shopware hat von Haus aus eine REST-API. Shopify ebenfalls. Aber "API vorhanden" reicht nicht. Die Frage ist: Ist deine API gut genug strukturiert, fehlertolerant genug und schnell genug, damit ein Agent verlässlich damit arbeiten kann?
Klassischer Commerce vs. Agentic Commerce
Der Unterschied ist leicht zu übersehen, weil auf beiden Seiten am Ende eine Bestellung steht. Aber der Weg dahin ist grundverschieden.
Klassischer E-Commerce ist Pull. Der Kunde sucht aktiv, wählt selbst aus, füllt den Warenkorb und klickt auf Kaufen. Die Customer Journey ist linear. Jede Seite deiner Website ist darauf optimiert, diesen Menschen zum nächsten Schritt zu bewegen. Copywriting, Bilder, Reviews, Trust-Elemente. Alles auf menschliche Entscheidungspsychologie getrimmt.
Agentic Commerce ist Push oder Proxy. Ein Agent entscheidet im Auftrag des Kunden. Oder: Der Shop selbst betreibt Agenten, die im Hintergrund Aufgaben erledigen. Produktdaten anreichern, Nachbestellungen vorbereiten, Compliance-Checks durchführen. In beiden Richtungen fällt die bisherige UX-Schicht weg. Der Agent interessiert sich nicht für deine Hero-Section. Er interessiert sich dafür, ob dein Produktfeed sauber ist und dein Checkout-Endpunkt eine saubere Antwort zurückgibt.
Das heißt nicht, dass klassischer E-Commerce stirbt. Die meisten Bestellungen werden weiter von Menschen ausgelöst, die selbst aussuchen. Aber neben der menschlichen Journey entsteht eine zweite, maschinenlesbare. Und die muss genauso verlässlich funktionieren.
Tech-Stacks 2026: Was heute baubar ist
Stand heute gibt es eine Handvoll Stacks, mit denen sich Agentic Commerce auf der Shop-Seite umsetzen lässt. Keiner davon ist fertig. Alle sind weit genug, um echte Use Cases zu bauen.
Shopware mit Claude und MCP. Das Model Context Protocol ist ein offener Standard von Anthropic, der KI-Agenten eine klare Art gibt, mit Systemen zu sprechen. Du baust einen MCP-Server der Shopware-Daten bereitstellt, Claude verbindet sich darauf und kann Produkte suchen, Bestellungen anlegen oder Kundendaten abrufen. Bei dasistweb nutzen wir genau dieses Muster für interne Agenten, die mit Shop-Daten arbeiten. Öffentliche agenten-zugängliche Endpunkte sind der nächste Schritt.
Commercetools mit eigenem Agent-Layer. Composable Commerce und Agentic Commerce passen gut zusammen. Wenn dein Shop sowieso aus APIs zusammengesetzt ist, ist ein Agent nur ein weiterer Client. Große Marken experimentieren gerade mit LangChain- oder LangGraph-basierten Agenten oben auf commercetools. Der Vorteil: Du hast die volle Kontrolle über Logik, Guardrails und Logging. Der Nachteil: Du baust viel selbst.
Shopify und Agent-Kits. Shopify hat 2025 Shopify Magic erweitert und gibt Händlern zunehmend Agent-Funktionen an die Hand, die direkt im Admin laufen. Texterstellung, Bildgenerierung, Support-Entwürfe. Der Schritt zu echten Käufer-Agenten, die über Shopify-APIs Bestellungen auslösen, ist in der Partner-Ökosphäre in Arbeit. Heute Stand: Agenten im Händler-Backoffice sind produktiv nutzbar, Agenten auf Kundenseite sind meist noch Chat-Empfehlung mit Button zum klassischen Checkout.
Amazon Rufus. Der Gorilla im Raum. Wenn du auf Amazon verkaufst, kauft Rufus schon heute für deine Kunden. Produktdaten, die Rufus versteht, gewinnen. Produktdaten, die Rufus verwirren, verschwinden. Für Amazon-Händler ist Agentic Commerce kein Zukunftsthema. Es ist jetzt. Für Shopbesitzer mit eigenem Shop ist Rufus ein Benchmark, kein direkter Kanal.
Hinweis: Die Tool-Landschaft um Agentic Commerce verändert sich alle paar Wochen. Wir bauen bei dasistweb bewusst auf stabilen Bausteinen: Claude von Anthropic, Shopware-APIs, MCP. Was heute funktioniert, soll in zwölf Monaten noch funktionieren.
Business-Cases im B2B
B2B ist der Bereich, in dem Agentic Commerce sofort Mehrwert bringt. Nicht in zwei Jahren. Jetzt. Weil die Aufgaben wiederkehrend, regelbasiert und oft langweilig sind. Genau das, was ein Agent gut kann.
Angebots-Agent im B2B-Sales. Einkäufer schickt eine PDF-Anfrage mit 80 Positionen. Ein Agent liest das PDF, matcht Artikelnummern mit dem Katalog, holt den kundenspezifischen Preis aus dem ERP, prüft Verfügbarkeit und legt ein fertiges Angebot zur Freigabe ins System. Nachts. Morgens liegt beim Vertrieb ein qualifiziertes Angebot, statt sechs Stunden Arbeit an einer Anfrage, die vielleicht nichts wird. Wir haben genau diesen Muster-Case bei Kunden im technischen Großhandel in Arbeit. Ersparnis ist nicht die Zahl im Prozent, sondern die Tatsache, dass der Innendienst mehr Anfragen bearbeiten kann, ohne wachsen zu müssen.
Nachbestell-Agent bei Verbrauchsmaterial. Klassisch: Der Einkäufer schaut jeden Montag ins Lager, gleicht mit einem Bestellplan ab, geht in drei Shops, kopiert Bestellnummern. Agentisch: Ein Agent bekommt Zugriff auf das Warenwirtschaftssystem, kennt die üblichen Lieferanten und deren APIs, löst Bestellungen aus sobald ein Mindestbestand unterschritten wird. Der Mensch bekommt eine Zusammenfassung und muss nur noch bestätigen, wenn der Agent unsicher ist. Das ist heute bauabar, wenn auf beiden Seiten, Einkäufer und Lieferant, die APIs sauber sind.
Produktdaten-Agent im Hintergrund. Du hast 200.000 SKUs in Shopware, dazu Zulieferdaten aus 40 Quellen. Ein Agent läuft jede Nacht, gleicht Bezeichnungen ab, erkennt Duplikate, schlägt fehlende Attribute vor und schreibt Vorschläge in ein Review-Queue. Ein Data Steward nickt die Vorschläge ab. Was vorher ein Vollzeit-Job war, wird eine Stunde Review pro Tag. Genau dieses Muster bauen wir gerade in B2B-Katalogen mit hunderttausenden Artikeln. Mehr dazu auf unserer Seite zu B2B Commerce.
Compliance-Agent bei Ausfuhrbestimmungen. Wer in regulierte Märkte verkauft, muss bei jeder Bestellung prüfen, ob Zollvorschriften, Sanktionen oder spezifische Ausfuhrregeln greifen. Das ist heute oft ein manueller Prozess, der Bestellungen ausbremst. Ein Agent, der Ziel-Land, Produkt-Klasse und Kunden-Rolle kreuzt und Abgleiche mit aktuellen Listen macht, verkürzt diesen Prozess von Stunden auf Sekunden. Guardrails bleiben bei einem menschlichen Freigeber für Grenzfälle.
All diese Cases funktionieren deshalb, weil ein Mensch den Rahmen setzt und der Agent die Fleißarbeit erledigt. Nicht andersherum.
Was bedeutet das für deinen Shop?
Ein Beispiel aus der Praxis, das du dir vorstellen kannst: Ein Einkäufer eines mittelgroßen Unternehmens richtet einen KI-Agenten ein, der jeden Montag Bürobedarf nachbestellt. Der Agent prüft den Lagerstand, sucht die günstigsten Angebote bei bekannten Lieferanten, vergleicht Preise und löst die Bestellungen aus. Alles ohne manuellen Eingriff.
Wenn dein Shop in dieser Lieferantenliste steht, aber deine API bei 50 gleichzeitigen Anfragen zusammenbricht oder dein Warenkorb-Endpunkt inkonsistente Antworten liefert, wird der Agent dich aussortieren. Nicht bösartig. Einfach weil ein anderer Lieferant verlässlicher antwortet.
Das ist das Kern-Problem: Die Qualitätsmesslatte für "funktioniert" steht bei KI-Agenten deutlich höher als bei menschlichen Besuchern. Ein Mensch lädt die Seite nochmal neu. Ein Agent loggt den Fehler und probiert die Konkurrenz.
Hinweis: Agentic Commerce betrifft nicht nur B2B. Im B2C-Segment wird das Einkaufen per KI-Assistent gerade für Commodity-Produkte relevant. Wer dort sichtbar ist, braucht eine saubere Produktdaten-Grundlage und eine verlässliche API.
Warum ist API-Qualität jetzt entscheidend?
In den letzten Jahren haben wir bei vielen Shopware-Projekten gesehen, dass APIs als Nebensache behandelt wurden. Der Shop funktioniert im Browser, das war das Hauptziel. Die API war für interne Integrationen da oder für die App, die 5% der Nutzer verwenden.
Das dreht sich gerade um. Wenn Agenten über APIs einkaufen, ist die API das Produkt. Und dann fallen Schwächen auf, die vorher kaum jemanden gestört haben: inkonsistente Feldnamen in Antworten, fehlende Paginierung bei großen Katalogen, keine maschinenlesbare Fehlermeldungen, Session-Handling das mit automatisierten Clients nicht funktioniert.
Konkret: Ein Shopware-Shop mit 12.000 Produkten, der keine ordentliche cursor-basierte Paginierung in der API hat, ist für einen Agenten der den Katalog durchsucht, kaum nutzbar. Der Agent bekommt entweder zu viele Daten auf einmal oder verliert den Überblick bei großen Offsets.
Das ist kein seltenes Problem. Es ist der Normalzustand in vielen Projekten.
Was musst du heute schon anders testen?
Das ist der Teil, der mich am meisten beschäftigt. Testing für Agentic Commerce ist anders als klassisches QA.
Wenn ein Mensch einkauft, testest du User Flows: Klick auf Produkt, in den Warenkorb, zur Kasse, Bezahlung. Wenn ein Agent einkauft, testest du API-Verträge: Sind die Antworten stabil? Kommen immer die gleichen Felder zurück? Verhält sich der Endpunkt bei parallelen Anfragen korrekt?
Drei konkrete Dinge, die man bei API-Projekten heute schon anders angehen sollte:
- Contract Testing: Du definierst einen API-Vertrag und testest gegen diesen, nicht gegen eine konkrete Implementierung. Wenn sich die Implementierung ändert und der Vertrag verletzt wird, schlägt der Test an.
- Load-Szenarien mit mehreren gleichzeitigen Agenten: Statt einen einzigen Benutzer zu simulieren, testest du was passiert wenn 20 Agenten gleichzeitig Produktdetails abfragen und danach gleichzeitig in den Warenkorb legen.
- Fehlerszenarien explizit testen: Was passiert wenn der Agent ein Produkt bestellen will das gerade ausverkauft ist? Bekommt er eine saubere maschinenlesbare Fehlermeldung oder ein 500er mit HTML-Fehlerseite?
Bei Shopware-Projekten sollte API-Stabilität von Anfang an mitgedacht werden, auch wenn kein explizites Agentic Commerce Feature im Scope steht. Die Grundlage muss passen, bevor die Anforderungen da sind. Mehr dazu in unserer Shopware-Entwicklung.
Realistisch, halb-realistisch, Hype
Beim Thema Agentic Commerce wird gerade viel durcheinander verkauft. Hier meine ehrliche Sortierung, Stand 2026.
Realistisch heute. Assistenten-Features im Shop, also Chat-Support der wirklich auf Produktdaten zugreift und nicht halluziniert. Produktempfehlungen, die eine LLM-Suche nutzen statt starrer Regeln. Shop-seitige Agenten für Daten-Tasks: Produktdaten-Enrichment, Katalog-Bereinigung, Übersetzung, SEO-Metadaten. Interne Agenten im Händler-Backoffice, die den Innendienst entlasten. Das läuft heute in Produktion, bei uns und bei anderen, die KI ernst meinen. Details dazu auch im Artikel KI-Agenten im Unternehmen und im Vergleich Claude vs ChatGPT.
Halb-realistisch. End-to-End-Konversations-Buying in Nischen. Also: Ein Agent, der wirklich eine komplette Kauf-Konversation führt, Preise verhandelt, Bestellung auslöst. Das funktioniert heute in kontrollierten Szenarien. B2B-Verbrauchsmaterial, Ersatzteile, definierte Dienstleistungen. Im offenen Konsumenten-Markt ist das noch fragil, weil die Varianten zu groß sind.
Hype. Autonomes Shopping auf Massen-Ebene, wie es auf Keynotes von BWL-Vorständen verkauft wird. Die Idee, dass der Konsument nie wieder einen Shop sieht und alles über einen persönlichen KI-Concierge läuft, ist noch weit weg. Technisch wegen Latenz und Zuverlässigkeit, ökonomisch weil Marken ihren Zugang zum Kunden nicht aufgeben. Die erste Welle von Agentic Commerce wird in professionellen Kontexten laufen. B2B-Einkauf, Verbrauchsmaterial, Fulfillment-Prozesse. Nicht im Weihnachtsgeschäft beim Endkunden.
Wenn dir jemand erzählt, dass 2027 niemand mehr in einem Shop einkauft: Vorsicht. Wenn dir jemand erzählt, dass sein Innendienst 2026 ein Agenten-Team an der Seite hat: glaubhaft.
DSGVO und Haftung bei Agenten
Das wird aktuell zu wenig besprochen, obwohl es entscheidend ist. Drei Fragen, die jedes Agenten-Projekt klären muss.
Wer zahlt, wenn ein Agent falsch kauft? Wenn ein Einkaufs-Agent eines Kunden versehentlich 10.000 statt 100 Einheiten bestellt, wer trägt den Schaden? Die AGB vieler Shops sind auf menschliche Fehlbedienung ausgelegt, nicht auf Agenten-Aktionen. Empfehlung: Explizite Klauseln für Agenten-Bestellungen, inklusive Pflicht zur Freigabe ab einer Schwelle. Wer das nicht regelt, hat im Streitfall keinen sauberen Hebel.
Welche Audit-Logs brauchst du? Jede Agenten-Aktion muss nachvollziehbar sein. Wer hat was wann warum gemacht. Das sind nicht nur die klassischen Bestell-Logs, sondern auch die Prompts, die Tool-Calls und die Entscheidungen des Agenten. Ohne diese Logs hast du keine Chance, im Zweifel nachzuweisen, was passiert ist. Für regulierte Branchen wie Pharma oder Finanzdienstleistung ist das Pflicht, für alle anderen dringend empfohlen.
Was ist mit Kundendaten bei externen Agenten? Wenn Perplexity oder ein anderer externer Agent im Auftrag deines Kunden einkauft, fließen Kundendaten durch ein System, mit dem du keinen AV-Vertrag hast. Die DSGVO-Frage: Wo liegt die Verantwortung? Die pragmatische Antwort: So lange der Kunde den Agenten selbst steuert und die Daten selbst übermittelt, bist du Empfänger wie bei jedem anderen Kauf. Interessant wird es, wenn der Agent eine Sub-Beziehung zum Shop aufbaut, also regelmäßig für denselben Kunden einkauft. Dann entsteht eine Grauzone, die gerade rechtlich gefüllt wird. Wir beobachten das aufmerksam und raten Kunden, nicht der erste Präzedenzfall zu werden.
Mehr Kontext zu DSGVO im KI-Einsatz findest du auf unserer Seite zu KI-Enablement. Wer tiefer in die Cluster-Themen will: Themenwelt KI.
Ausblick 2026 bis 2028
Was realistisch zu erwarten ist, Stand heute.
2026. Agentic Commerce wird in B2B-Einkaufsprozessen Fuß fassen. Nicht als Ersatz, sondern als Assistent. Produktdaten-Agenten werden in größeren Katalog-Projekten Standard. Erste große Händler geben öffentliche MCP-Endpunkte oder vergleichbare Agent-APIs frei, damit externe Agenten sauber andocken können. llms.txt wird in ernsthaften Shops gesetzt, auch wenn es noch keinen technischen Zwang gibt.
2027. Die ersten spezialisierten Commerce-Agenten werden produktiv. Rechnungsfreigaben, Nachbestellungen, Lieferanten-Benchmarking. Jeder ernsthafte B2B-Shop wird sich fragen, ob er in den Agenten-Listen seiner Großkunden verlässlich funktioniert. Auf der Plattform-Seite werden Shopware, commercetools und Shopify eigene Agent-Features nativ anbieten, statt sie als Extension zu kleben.
2028. Agentic Commerce ist kein Feature mehr, sondern Grundanforderung. Shops, die nicht agentenkompatibel sind, verlieren B2B-Kunden an solche, die es sind. B2C bleibt gemischt. Massen-Agenten-Shopping ist immer noch nicht Standard, aber in bestimmten Kategorien wie Haushaltsverbrauch und Büromaterial etabliert.
Das ist keine Prognose aus Beratungs-Slides, sondern die Richtung, in die unsere Projekt-Pipeline zeigt. Wir bauen seit 14 Jahren Shops bei dasistweb, sind Shopware-Partner seit 2012, und die Fragen unserer Kunden sind sehr konkret geworden: Wie werde ich agentenkompatibel? Was kostet das? Wer haftet?
Fazit
Agentic Commerce ist kein Hype der in zwei Jahren vergessen ist. Es ist die logische Konsequenz davon, dass KI-Assistenten in Alltagswerkzeuge integriert werden. Die Frage ist nicht ob KI-Agenten in deinem Shop einkaufen werden. Die Frage ist ob dein Shop darauf vorbereitet ist.
Die gute Nachricht: Die meisten notwendigen Voraussetzungen sind keine neuen Features. Es ist saubere Arbeit. Gute API-Strukturen, vollständige Produktdaten, verlässliche Fehlermeldungen, ordentliches Contract Testing. Was solide Entwicklung immer war. Plus ein ehrlicher Blick darauf, welche Agenten-Use-Cases du heute schon baust, statt zu warten, bis es jemand anders vorlebt.
Wir bauen genau solche Bausteine bei Kunden im B2B-Commerce, auf Headless-Stacks und als Teil von KI-Enablement. Nicht als großes Agenten-Projekt, sondern als konkrete Schritte, die heute einen Mehrwert bringen und morgen die Grundlage für das Nächste sind.