1.200 Prozent. So stark ist der KI-generierte Traffic auf US-Retail-Seiten zwischen Mitte 2024 und Anfang 2025 gewachsen, errechnet Adobe Analytics aus Billionen von Shop-Besuchen. Das ist noch ein Bruchteil des Gesamttraffics. Aber die Kurve ist steiler als alles, was der E-Commerce seit dem Smartphone gesehen hat — und sie zeigt in eine Richtung, die viele Händler strategisch noch nicht verorten: Der nächste Wachstumskanal betritt den Shop nicht als Mensch.
Agentic Commerce — KI-Agenten, die für Verbraucher suchen, vergleichen, in den Warenkorb legen und bezahlen — ist 2025 vom Konferenz-Schlagwort zur Infrastrukturfrage geworden. OpenAI hat mit Instant Checkout in ChatGPT den Kaufabschluss direkt in den Chat verlegt, Stripe liefert dafür das Agentic Commerce Protocol. Google antwortet mit dem Agent Payments Protocol AP2, Visa und Mastercard bauen agentische Bezahlschienen. Perplexity lässt Nutzer schon länger aus der Antwort heraus bestellen. Wer das für ein US-Phänomen hält, übersieht: Die Customer Journey, für die deutsche Shops ihre Templates, Funnels und Retention-Programme gebaut haben, beginnt gerade außerhalb dieser Shops.
Was ändert sich an der Customer Journey wirklich?
Die klassische Journey — Awareness, Consideration, Purchase, Retention — war ein Versprechen an den Menschen: gutes Storytelling vorne, überzeugendes Produktdetail in der Mitte, ein Checkout ohne Reibung am Ende, dazu Punkte und Coupons, die wiederkommen lassen. Agenten brechen diese Dramaturgie an zwei Stellen auf.
Erstens kollabiert die Consideration-Phase. Wer einem Agenten sagt „Kauf mir Laufschuhe für Asphalt, Größe 43, unter 130 Euro“, bekommt keine zehn blauen Links und keine Retargeting-Banner mehr, sondern eine kuratierte Shortlist. Die Entscheidung, welche drei Produkte überhaupt auf dieser Liste stehen, fällt in der Logik des Agenten — Verfügbarkeit, Preis, strukturierte Produktdaten, Lieferzeit, Bewertungen. Markenwahrnehmung spielt mit, aber anders: als Datenpunkt, nicht als Emotion.
Zweitens wandert der Kaufakt selbst. Instant Checkout und AP2 bedeuten: Der Agent führt die Transaktion aus, mit delegierter Zahlungsvollmacht des Nutzers. Der Händler bleibt Merchant of Record, sieht aber womöglich nie eine Session, nie einen Warenkorb-Abbruch, nie eine Conversion im klassischen Sinn. Für Conversion-Optimierung heißt das: Die Zielgröße verschiebt sich von „Checkout-Reibung reduzieren“ zu „für Agenten der beste Deal im Vergleichsset sein“.
Warum werden Loyalty-Programme zum Flaschenhals?
Hier liegt der am wenigsten durchdachte Punkt der Debatte. Promotions und Loyalty sind die stärksten Hebel, die Händler im Direktverhältnis haben — und sie sind heute fast überall für Menschen gebaut: Coupon-Codes in Newslettern, Punktestände hinter Login, Staffelrabatte, die eine Kundin am Checkout erkennt und einlöst. Ein Agent, der für diese Kundin einkauft, sieht davon nichts. Oder Schlimmeres: Er vergleicht den Bruttopreis von Händler A mit dem Bruttopreis von Händler B — und der loyalitätsbereinigte Effektivpreis, den der Stammkunde eigentlich zahlen würde, taucht in der Kalkulation nicht auf.
Das ist kein Randproblem. Nach Branchenschätzungen liegen auf deutschen Loyalty-Konten Punkteguthaben in Milliardenhöhe, Payback allein hat über 30 Millionen Nutzer im Land. Wenn Agenten beim Preisvergleich blind für diese Guthaben sind, verlieren Programme ihren ökonomischen Sinn — und Händler ihren wichtigsten Differenzierungshebel gegenüber Marktplätzen.
Die Konsequenz formuliert sich technisch nüchtern: Loyalty- und Promotion-Logik muss über APIs exponiert werden, personalisiert und in Echtzeit abfragbar. Nicht als PDF mit Teilnahmebedingungen, sondern als Maschine-zu-Maschine-Schnittstelle: Welcher Preis gilt für diesen Kunden, mit diesen Punkten, unter diesen Konditionen — jetzt. Plattformen wie Talon.One oder Antavo, die Promotions und Treue als Headless-Services aufsetzen, rücken damit vom Marketing-Tool in die Kerninfrastruktur. Agent-ready heißt konkret: strukturierte Produktdaten nach aktuellen Standards, eine Promotion-Engine mit API-First-Architektur, und Loyalty-Logik, die ein Agent in seine Entscheidung einpreisen kann.
Der wertvollste Kunde der Zukunft könnte einer sein, dessen Agent Sie nie besucht hat — und dessen Treue trotzdem bei Ihnen liegt, weil Ihre Konditionen maschinell der beste Deal waren.
Wie relevant ist das für den DACH-Markt?
Zahlen aus den USA sollte man nicht eins zu eins übertragen. Die deutsche E-Commerce-Landschaft ist marktplatzlastiger, zahlungskonservativer und datenschutzsensibler. PayPal dominiert den Checkout, Kauf auf Rechnung hält sich hartnäckig, und ein Instant Checkout in ChatGPT muss hierzulande erst durch den DSGVO- und PSD2-Feinschliff.
Aber die Bewegung ist auch hier sichtbar. Zalando baut seinen Fashion-Assistant zu einem Berater aus, der Outfits komplettiert statt nur Produkte zu listen. Otto experimentiert mit KI-gestützter Kaufberatung. Klarna — europäisch, im DACH-Zahlungsalltag verankert — hat früh gezeigt, wie ein Assistent Kundenservice und Kaufintention verschmelzen lässt. Und die deutsche Mittelstandsrealität spricht nicht gegen, sondern für frühe Beschäftigung: Wer seine Produktdaten, Preislogik und Promotion-Engine heute sauber über Schnittstellen bereitstellt, ist morgen der Händler, den Agenten überhaupt finden.
Ein oft übersehener Hebel für DACH-Händler: Vertrauen ist hier ein härteres Währungs-Asset als in den USA. Wenn Agenten Händler anhand von Lieferzuverlässigkeit, Retourenquote und Servicequalität ranken — und genau das tun die ersten Shopping-Agenten bereits —, dann spielt die operative Exzellenz, auf der der deutsche Versandhandel seit Jahrzehnten seinen Ruf aufbaut, direkt in die algorithmische Sichtbarkeit hinein. Trusted-Shops-Bewertungen, pünktliche Lieferung, klare Widerrufsabwicklung: Das wird strukturiertes Ranking-Kriterium, nicht nur Image.
Wie verändert agentic AI das Marketing-Budget?
Kurzfristig: Es entsteht ein neuer Disziplin-Mix. Drei Arbeitsfelder rücken in den Vordergrund:
- Agentic SEO / Generative Engine Optimization: Sichtbarkeit in den Antworten von ChatGPT, Perplexity und Google AI Overviews statt nur in den SERPs — über saubere Feeds, schema.org-Auszeichnung und Agenten-freundliche Seitenarchitektur.
- Promotion Engineering: Angebote so modellieren, dass ein Agent sie vergleichen und einpreisen kann — Echtzeitpreise, personalisierte Konditionen per API, kein Coupon-Chaos.
- Loyalty-Datenqualität: Punkte, Tiers und Vorteile als saubere, abfragbare Datensätze führen, statt als Marketing-Kulisse.
Was dagegen an Wert verliert: alles, was auf menschliche Impulsivität zielt. Der Impulskauf am Checkout, der Countdown-Timer, die Exit-Intent-Popups — ein Agent hat kein schlechtes Gewissen, keine Kaufstimmung, keine FOMO. Er hat ein Budget, Präferenzen und eine Vergleichslogik. Wer seine Retention bisher über psychologische Nudges finanziert hat, baut auf Sand.
Rund 3 bis 5 Prozent des Online-Umsatzes könnten nach Schätzungen von Beratungshäusern schon 2027 in westlichen Märkten über KI-Agenten laufen; optimistische Prognosen sehen bis zu einem Fünftel des E-Commerce bis 2030 agentisch vermittelt. Selbst das konservative Szenario bedeutet einen Kanal in der Größenordnung dessen, was Social Commerce je erreicht hat — nur schneller.
Was sollten Händler jetzt konkret tun?
Die Antwort ist weniger glamourös als die Schlagzeile: Fundamentarbeit, in einer Reihenfolge, die sich an der Agenten-Entscheidungslogik orientiert.
Am Anfang steht die Produktdaten-Hygiene. Attribute vollständig, strukturiert, aktuell — Preise und Verfügbarkeiten in Echtzeit über Feeds und APIs. Ein Agent, der Ihre Daten nicht parsen kann, kauft beim Wettbewerber, dessen Daten er parsen kann. Danach folgt die Promotion-Schicht: Preise und Rabatte gehören in eine Engine mit sauberer API, nicht in ein Konstrukt aus Excel, Shop-Backend und Gutschein-Plugins. Erst dann lohnt der dritte Schritt — Loyalty agent-ready machen: Punktestand und Effektivpreis personalisiert abfragbar, sodass der Agent Ihres Stammkunden genau den Vorteil sieht, den Sie ihm zusagen.
Und es braucht eine ehrliche Messfrage: Wie erkennen Sie agentischen Traffic in Ihrem Analytics-Setup überhaupt? User-Agent-Strings, Referrer aus ChatGPT und Perplexity, ungewöhnlich schnelle Produkt-zu-Kauf-Pfade — wer das nicht separat ausweist, optimiert blind.
Die bequeme Lesart wäre, dass Agenten nur ein weiterer Kanal werden, den man in ein paar Jahren anbindet. Die belastbarere: Sie sind eine neue Instanz, die über Sichtbarkeit und Kauf entscheidet — und die sich nicht mit Kampagnen bestechen lässt, sondern mit Datenqualität, Preislogik und echten Kundenvorteilen. Händler, die ihre Loyalty- und Promotion-Architektur jetzt maschinenlesbar machen, kaufen kein Zukunftsversprechen. Sie sichern sich die einzige Stellfläche, die in einer vom Agenten kuratierten Journey noch zählt: die Shortlist.