Wer bestimmt eigentlich, welche Produkte AI-Agents empfehlen?
Branchenbeobachter schätzen, dass ChatGPT mittlerweile über eine Milliarde wöchentliche Suchanfragen verarbeitet. Perplexity wächst im deutschsprachigen Raum schneller als jede andere Suchmaschine seit Google. Wer heute einen Online-Shop betreibt, muss eine neue Frage beantworten: Wird mein Produkt überhaupt noch von einem Menschen gefunden, oder entscheidet ein Algorithmus, ob ich existent bin? Agentic Commerce ist der Versuch, diese Entscheidung nicht dem Zufall zu überlassen. Eine Handvoll Plattformen, angeführt von Shopify, Shopware und spezialisierten Middleware-Anbietern, rüsten Händler für eine Welt, in der Einkauf nicht mehr auf einer Webseite beginnt, sondern in einem Gespräch mit einer KI.
Die Antwort auf die Frage, wer Empfehlungen kontrolliert, ist unbequem: Nicht der Händler, nicht das Marketing-Team, sondern die Agent-Logik selbst. Große Sprachmodelle wie GPT-4o oder Google Gemini bevorzugen Quellen, die sie schnell und zuverlässig parsen können. Das sind in der Regel große Plattformen mit rigorosen Taxonomien, Amazon, Zalando, Otto. Der deutsche Mittelstand, der oft auf veralteten Produktdaten und flachen Kategorienstrukturen sitzt, wird schlicht übergangen.
ChatGPT und Perplexity greifen nicht auf klassische Google-Index-Tricks zu. Sie nutzen strukturierte Daten, Knowledge Graphen und Echtzeit-APIs. Wer hier nicht exponiert ist, existiert für den Agenten nicht. Das unterscheidet Agentic Commerce fundamental von klassischem SEO. Statt Keywords zu kaufen, müssen Händler ihre Daten so aufbereiten, dass ein LLM sie ohne menschliche Vermittlung versteht.
Google rollt seine AI Overviews in Deutschland aus. Bing verknüpft Copilot direkt mit dem Edge-Browser. Die Frage ist nicht mehr, ob AI-Agents den E-Commerce beeinflussen, sondern welche Infrastruktur einen Shop für diese neue Distribution fit macht. Genau hier setzen die aktuellen Plattform-Angebote an, mit sehr unterschiedlichen Ansätzen.
Warum reicht ein Shop-Copilot nicht für Agentic Commerce?
Weil interne Effizienz nicht gleich externer Auffindbarkeit ist. Shopify hat Sidekick angekündigt, Shopware seinen AI Copilot. Beide sind nützlich. Sidekick schreibt Produktbeschreibungen, analysiert Umsatzkurven und generiert Reportings. Der Shopware AI Copilot übersetzt Kategorien, optimiert SEO-Texte und steuert Backend-Prozesse. Doch beide Werkzeuge lösen ein internes Problem: Effizienz im Shop. Sie lösen nicht das externe Problem: Auffindbarkeit durch Agenten.
Agentic Commerce erfordert eine dezentrale Datenstrategie. Ein Agent muss von außen auf Produktdaten zugreifen können, ohne durch ein monolithisches Backend zu müssen. Shopifys Commerce Components erlauben zwar headless Setups, die grundlegende Philosophie bleibt aber ein geschlossener Garten. Daten fließen primär innerhalb des Shopify-Ökosystems. Wer Sidekick nutzt, trainiert indirekt Shopifys eigene KI-Modelle, ein Vorteil für die Plattform, nicht unbedingt für den einzelnen Händler.
Shopware setzt auf Open Source und eine stärkere API-Offenheit. Das theoretische Potenzial für Agentic Commerce ist hier höher. Die Praxis sieht jedoch oft anders aus. Viele Shopware-Installationen im DACH-Raum sind hochindividualisiert, veraltet und schlecht dokumentiert. Ein LLM-Agent, der versucht, diese Daten zu scrapen, scheitert an Inkonsistenzen. Die Architektur mag offen sein, die Datenqualität ist es nicht.
Der eigentliche Engpass liegt also nicht im fehlenden Copilot, sondern in der Datenhygiene. Eine Plattform, die wirklich AI-ready macht, muss vor allem eines liefern: maschinenlesbare, kontextreiche Produktdaten in Echtzeit. Das ist eine Infrastruktur-Aufgabe, keine Marketing-Funktion.
Wie bewerten Händler, ob eine Plattform wirklich AI-ready macht?
Eine Plattform ist nur dann wirklich AI-ready, wenn sie fünf technische und strategische Prüfsteine erfüllt. Die Basis ist die Datenstruktur. Ein AI-ready Shop muss Schema.org-Markup, JSON-LD und variantenreiche Taxonomien nativ unterstützen. Nicht als Plugin, nicht als Nachrüstung, sondern als Kern des Systems. Die meisten deutschen Shops scheitern hier bereits. Sie kategorisieren Produkte für menschliche Navigation, nicht für maschinelle Inferenz.
API-Offenheit folgt unmittelbar daraus. Agentic Commerce lebt von Schnittstellen, die autonome Systeme bedienen. GraphQL-Storefront-APIs, die zielgerichtet ausliefern, was ein Agent braucht, sind hier der Goldstandard. Shopify bietet dies mit Einschränkungen, Shopware grundsätzlich, aber oft mit Performance-Problemen. Spezialisierte Middleware-Anbieter, die Produktdaten als standardisierte Knowledge Graphen aufbereiten, gewinnen deshalb an Bedeutung. Sie entkoppeln die Datenhoheit vom Shop-System.
Geschwindigkeit ist der dritte Faktor. LLM-Crawler haben Timeouts. Liefert ein Shop nicht unter 800 Millisekunden, fliegt er aus dem Agent-Kontext. Core Web Vitals waren gestern ein SEO-Ranking-Faktor, morgen sind sie ein Existenzkriterium für Agentic Commerce.
Die vierte Hürde ist die Datenhoheit. Wer den Checkout initiiert, besitzt die Kundenbeziehung. Wenn ChatGPT oder Google AI direkt zum Warenkorb verlinkt, wird der Shop zur austauschbaren Ware. Plattformen, die Händlern erlauben, die Agent-Interaktion zu kontrollieren und First-Party-Daten zurückzuführen, bieten hier einen strategischen Vorteil. Der reine Copilot, der im Hintergrund werkelt, verschenkt diesen Einfluss.
Der fünfte und im DACH-Markt oft entscheidende Punkt ist die DSGVO-Konformität. US-basierte Agents wie OpenAI oder Perplexity verarbeiten Anfragen auf Servern außerhalb der EU. Wenn ein deutscher Händler sensible Produktdaten oder gar Kundenkontexte über diese Agenten fließen lässt, entsteht rechtliche Unsicherheit. Shopwares Option für On-Premise-Hosting und EU-Cloud-Instanzen ist hier ein echtes Vertrauensargument. Shopify dagegen operiert primär über nordamerikanische Infrastruktur, was die Datensouveränität kompliziert.
Wer gewinnt im DACH-Raum: Die geschlossene oder die offene Architektur?
Die Antwort hängt von der Komplexität des Sortiments ab. Für den deutschen E-Commerce-Mittelstand, der oft mit B2B-Anteilen, variantenreichen Produkten und ERP-Verknüpfungen kämpft, ist Einfachheit nicht automatisch ein Vorteil. Shopifys Stärke, schneller Launch, geringe technische Hürden, wird zur Schwäche, wenn ein Shop mit 50.000 SKUs und individuellen Preislogiken arbeiten muss. Shopwares Flexibilität ist hier gefragt, setzt aber voraus, dass der Betreiber die Datenarchitektur auch beherrscht.
Agentic Commerce verschiebt diese Gewichte noch einmal. Die Fähigkeit, Produktdaten direkt an AI-Agents zu füttern, ohne auf ein monolithisches System angewiesen zu sein, begünstigt offene, headless oder zumindest stark API-entkoppelte Setups. Das spricht tendenziell für Shopware oder für komplexe Shopify-Plus-Konfigurationen mit Custom Storefronts. Der entscheidende Punkt bleibt aber die Datenqualität, nicht das Logo auf der Software.
<
Agentic Commerce ist nicht die Evolution des Shops, sondern die Revolution der Distribution.
In den nächsten achtzehn Monaten wird sich zeigen, welche Plattformen echte Agent-APIs anbieten und welche nur bestehende Copiloten umbenennen. Die Händler, die jetzt auditieren, ob ihre Produktdaten in einem LLM-Readable-Format vorliegen, gewinnen einen Vorsprung. Alle anderen riskieren, dass ihre Produkte zwar im Shop existieren, für die Kunden von morgen aber unsichtbar bleiben.