23 Milliarden Dollar will Amazon 2026 in die Infrastruktur investieren, die seinen Shopping-Agenten Rufus weiter trainiert. Google arbeitet mit dem Agent Payments Protocol daran, dass Maschinen bald nicht nur empfehlen, sondern kaufen. Und Matthias Schmidt-Pfitzner, Managing Director DACH bei der Digitalberatung Publicis Sapient, beobachtet auf Kundenseite etwas, das dazu nicht passt: Viele Marken können ihre eigenen Produktdaten nicht einmal selbst fehlerfrei zusammenführen — geschweige denn einem Agenten ausliefern.
Agentic Commerce, der Kauf durch autonome KI-Agenten im Auftrag des Kunden, ist keine Zukunftsmusik mehr. Es ist ein Datenproblem. Und die meisten Unternehmen stehen auf der falschen Seite davon.
Der Unterschied zur klassischen Customer Journey ist fundamental. Ein Mensch scrollt durch Produktseiten, lässt sich von Bildern, Tonalität und Markenversprechen leiten. Ein Agent tut nichts davon. Er liest strukturierte Attribute: Maße, Material, Kompatibilität, Lieferzeit, Preislogik. Was nicht als sauberes Datenfeld existiert, existiert für ihn schlicht nicht. Das vielleicht teuerste Marketingbudget der Welt ändert daran nichts.
Wie kaufen KI-Agenten eigentlich ein?
Der Ablauf klingt simpel und ist es technisch auch — für den Agenten. Der Kunde formuliert eine Absicht: „Ich brauche einen leisen Luftreiniger für ein 30-Quadratmeter-Schlafzimmer, unter 300 Euro, der mit meinem Smart-Home-System kompatibel ist.“ Der Agent zerlegt diese Absicht in Filterkriterien und gleicht sie gegen verfügbare Kataloge ab — über Marken- und Händlergrenzen hinweg, ohne Loyalität, ohne Gewohnheit.
An dieser Stelle entscheidet sich, wer überhaupt in die engere Auswahl kommt. Nicht die Marke mit der besten Kampagne. Sondern die, deren Produktdaten die Anfrage präzise beantworten: Dezibel-Wert als Zahlenfeld, Raumgröße als Attribut, Smart-Home-Protokoll standardisiert hinterlegt.
Schmidt-Pfitzner beschreibt die Konsequenz so: Die Sichtbarkeit in einer agentischen Welt entsteht nicht auf der Produktseite, sondern im PIM-System. Wer dort lückenhaft arbeitet, ist für den neuen Vermittler unsichtbar — auch dann, wenn das Produkt objektiv das beste im Markt wäre.
Warum reicht Suchmaschinenoptimierung nicht mehr aus?
Zwanzig Jahre lang war die Logik des Online-Handels klar: Wer bei Google rankt, wird gefunden. SEO-Teams optimierten Title Tags, Ladezeiten und semantische Texte — und diese Arbeit verliert auch nicht ihren Wert. Aber sie beantwortet die falsche Frage.
Eine Suchmaschine liefert Links. Ein Agent liefert eine Entscheidung. Das Ranking auf Platz drei ist kein Problem, wenn der Nutzer sowieso fünf Treffer anklickt. In der Shortlist eines Agenten hingegen gibt es keinen Platz drei — es gibt die drei Produkte, die die Anfrage erfüllen, und den Rest. SEO optimiert für Aufmerksamkeit. Agentic Commerce verlangt Maschinenlesbarkeit.
Hinzu kommt: Agenten vergeben keine zweiten Chancen für Unklarheit. Ein Mensch interpretiert „geeignet für Allergiker“ als Hinweis auf Filterleistung und recherchiert weiter. Ein Agent, der keinen standardisierten HEPA-Klassifizierungswert findet, sortiert das Produkt aus. Die sprachliche Mehrdeutigkeit, auf der halbe Marketingabteilungen aufbauen, wird zum Ausschlusskriterium.
Die drei Bruchstellen in deutschen Produktdaten
Wer mit Marken und Händlern im DACH-Markt spricht, hört immer wieder dieselben drei Probleme. Sie klingen banal. Sie sind es nicht.
Erstens: attributierte Wildwüchse. Dieselbe Eigenschaft existiert in fünf Schreibweisen — „Farbe: anthrazit“, „Farbton: grau-dunkel“, „colour: grey“. Für Menschen kein Problem, für Matching-Algorithmen ein K.-o.-Kriterium. Zweitens: fehlende Normalisierung. Maße in Zoll hier, in Zentimetern dort, Gewicht mal mit, mal ohne Verpackung. Agenten können nicht interpolieren, was nicht vergleichbar ist. Drittens — und das ist der strukturelle Punkt, den Schmidt-Pfitzner am häufigsten moniert: Datensilos. Produktdaten leben verteilt in ERP, PIM, Shopsystem und Excel-Listen einzelner Kategorie-Manager. Niemand im Unternehmen hat die Hoheit über den vollständigen Datensatz eines einzelnen Produkts.
Die Produktdatenstrategie ist die neue Markenstrategie. Wer das nicht begreift, optimiert für einen Vermittler, der nicht mehr zuschaut.
Ein konkretes Beispiel: Ein mittelständischer deutscher Möbelhersteller, rund 80 Millionen Euro Umsatz, listete seine Stühle mit der Angabe „belastbar bis 120 kg“ — aber nur im Fließtext der Produktbeschreibung, nicht als Attribut. Als ein großer Marktplatz-Agent Testanfragen für Bürostühle mit Mindestbelastbarkeit lieferte, tauchte der Hersteller nicht auf. Konkurrenten mit schlechterem Produkt und sauberem Datenfeld schon. Der Fehler kostete keine Klickpreise. Er kostete Sichtbarkeit im entscheidenden Moment.
Was Marken jetzt konkret ändern müssen
Die gute Nachricht: Das Problem ist lösbar, und es ist eher eine Organisations- als eine Technologiefrage. Die schlechte: Sie lässt sich nicht an eine Agentur delegieren.
Im Kern geht es um drei Verschiebungen. Die Datenhoheit muss zentralisiert werden — ein PIM als einzige Wahrheitsquelle, nicht als eines von fünf Systemen. Attribute müssen standardisiert und verpflichtend werden, idealerweise entlang etablierter Klassifikationsstandards wie ETIM oder GS1, statt hausinterner Kategorienlogik. Und die Vollständigkeit von Produktdaten muss zum gemessenen KPI werden, genauso wie es die Conversion-Rate heute ist. Eine Datenqualitätsquote von 85 Prozent klingt intern nach Erfolg; für einen Agenten bedeutet sie: Bei jedem siebten Produkt fehlen Entscheidungsgrundlagen.
Zweite Ebene: Marken sollten ihre Kataloge heute schon gegen agentische Anfragen testen. Nicht abstrakt, sondern konkret — Prompts formulieren, wie sie Kunden stellen, und prüfen, ob eigene Produkte bei ChatGPT, Perplexity oder Gemini überhaupt korrekt auftauchen. Die Ergebnisse sind nach Erfahrung von Beratungshäusern wie Publicis Sapient bei Ersttests fast immer ernüchternd. Genau deshalb lohnt der Test.
Die unbequeme Wahrheit über Markenkraft
Hier wird es ungemütlich für Markenverantwortliche. Jahrzehntelang war die Marke der Abkürzungsmechanismus für Vertrauen: Der Kunde kannte den Namen, also kaufte er. Agenten haben kein Markenvertrauen. Sie haben Matching-Scores.
Das bedeutet nicht, dass Marken wertlos werden. Aber ihr Wirkmechanismus verschiebt sich: Die Marke muss im Datenraum beweisbar sein — durch Zertifikate, Bewertungsstrukturen, Verfügbarkeitsdaten, transparente Rückgabelogiken. Wer das „Premium“-Versprechen nicht in verifizierbare Attribute übersetzen kann, wird vom Agenten nicht als Premium behandelt.
Für den DACH-Markt, in dem viele Hersteller ihre Preiswürde genau über diese schwer messbare Markenqualität begründen, ist das eine strategische Zäsur. Der Vorteil: Wer jetzt anfängt, arbeitet gegen einen Wettbewerber, der es noch nicht tut. Die Fensterphase, in der Datenqualität ein Differenzierer ist, wird nach allen Prognosen nur zwei bis drei Jahre offen bleiben — dann ist sie Hygienefaktor.
Die abschließende Frage ist damit keine technische. Marken müssen entscheiden, ob sie ihre Produktinformationen weiterhin als Pflichtübung der Katalogpflege behandeln — oder als das, was sie im Agentic Commerce sind: das primäre Verkaufspersonal. Der Agent wartet nicht. Er matched.