Stellen Sie sich vor, Ihr wertvollster Datensatz liegt in der Abteilung, die ihn am wenigsten interessiert. Jede Kartenzahlung an Ihrem Checkout erzeugt einen Informationsrest: Warenkorbzusammensetzung, Zeitpunkt, Frequenz, Zahlungsart, Retourenquote. Genutzt wird davon in den meisten Shops fast nichts, die Zahlungsdaten im E-Commerce versickern in der Abrechnung, während Marketingabteilungen teure Third-Party-Daten zukaufen, die schlechter sind als das, was der Händler längst besitzt.
Genau diese Asymmetrie hat Jakob Harrison, Payments-Stratege bei FIS, jetzt öffentlich auf den Punkt gebracht. Seine These: Der Zahlungsverkehr steht vor einem Funktionswechsel. Weg vom reinen Transaktionsabwickler, hin zum Datenkanal, der Kaufverhalten sichtbar macht. Wer in der Branche nur über die Schulter schaue, um zu sehen, was die Konkurrenz treibe, verpasse die eigentliche Bewegung, sagt Harrison, künstliche Intelligenz, agentischer Handel und steigende Kundenerwartungen liefen gleichzeitig und veränderten, was eine Zahlung überhaupt leisten muss.
Das klingt nach Zukunftsmusik aus dem Silicon Valley. Ist es nicht. Es ist eine präzise Beschreibung dessen, was auf dem deutschen Markt schon heute schiefgeht.
Warum sind Zahlungsdaten bisher totes Kapital?
Die Antwort ist banal und peinlich zugleich: Zahlungsdaten wurden jahrzehntelang als Kostenposition behandelt, nicht als Vermögenswert. Der Payment Service Provider wickelt ab, bucht ab, liefert ein Settlement-File. Fertig. Was auf Positionsebene gekauft wurde, das sogenannte Line-Item- oder SKU-Level-Data, verschwindet zwischen Kassensystem, PSP und Acquirer in einer Kette von Formatbrüchen.
Im B2B-Bereich in den USA zeigt sich seit Jahren, was möglich wäre. Wer dort sogenannte Level-2- und Level-3-Daten mitschickt, Steuersätze, Artikelnummern, Mengen, zahlt bei Firmenkarten deutlich niedrigere Interchange-Gebühren, weil die Kartensysteme das Betrugsrisiko geringer einschätzen. Die Daten sind also nicht nur verwertbar, sie werden vom System direkt bezahlt gemacht. Im europäischen B2C-Handel existiert dieser Anreiz kaum. Stattdessen herrscht das Prinzip Datenreduktion: Der Händler sieht einen Betrag, eine Autorisierung, einen Timestamp. Mehr nicht.
Dabei sind die Use Cases offensichtlich. Ein Shop, der weiß, dass Kunden, die per Kauf auf Rechnung zahlen und gleichzeitig eine hohe Erstbestell-Frequenz in einer Kategorie zeigen, statistisch zu loyalen Stammkunden werden, kann diesen Segmenten gezielt Angebote steuern, ohne einen Cent für externe Datenanbieter. Otto und Zalando bauen genau diese Logik seit Jahren in ihre Plattformen ein. Der klassische Mittelstands-Shop auf Shopware oder Shopify schaut dabei zu.
Agentic Commerce: Wenn Maschinen einkaufen, entscheidet der Datensatz
Harrisons zweiter Punkt wiegt schwerer als der erste. Agentischer Handel, KI-Agenten, die im Auftrag von Kunden suchen, vergleichen und kaufen, verändert die Rolle der Zahlung fundamental. Wenn ein Agent bei drei Händlern denselben Artikel findet, wird die Entscheidung nicht über Werbung fallen. Sie fällt über strukturierte Daten: Verfügbarkeit, Lieferversprechen, Preis, Zahlungsbedingungen, und zwar maschinenlesbar.
PayPal hat mit seiner KI-Offensive und der Integration von Honey-Daten bereits vorgelegt. Klarna positioniert sich mit seiner Shopping-App und KI-gestützten Empfehlungen seit 2024 als Datenplattform, nicht als Zahlungsdienstleister. Die Zahlungsart wird zum Einfallstor für eine Kaufentscheidung, die vor dem eigentlichen Checkout getroffen wurde. Für Händler heißt das: Wer seine Zahlungsdaten nicht versteht, versteht bald auch nicht mehr, warum Kunden kommen, oder ausbleiben.
Die Zahlung ist der einzige Moment im Kaufprozess, in dem der Kunde unvermeidlich die Wahrheit sagt: was er kauft, wie er zahlt, ob er bleibt.
Diese Wahrheit ist Gold wert in einem Markt, in dem Cookies sterben, Attributionsmodelle wackeln und First-Party-Daten zur einzigen belastbaren Währung werden. Ein deutscher Fashion-Händler, der seine Conversion-Optimierung heute noch auf Session-Daten und Heatmaps stützt, arbeitet mit halbem Blick. Die Zahlungsseite der Gleichung, Akzeptanzraten je Zahlungsart, Abbruchquoten am Bezahlschritt, Retourenkorrelation, bleibt bei vielen unanalysiert im ERP liegen.
Was bedeutet das konkret für deutsche Händler?
Drei Felder, auf denen der deutsche Markt eine eigene Ausgangslage hat, und eigene Chancen.
Erstens die Zahlungsartenvielfalt. Kaum ein Markt in Europa ist so gespalten wie Deutschland: Kauf auf Rechnung über Klarna oder Ratepay, PayPal, Kreditkarte, SEPA-Lastschrift, dazu die girocard im stationären Geschäft. Diese Fragmentierung ist für Händler teuer, erzeugt aber pro Zahlungsart ein eigenes Kundensignal. Wer Rechnungskauf nutzt, ist risikosensibler, älter im Schnitt, kauft höhere Warenkörbe. Das ist kein Bauchgefühl, das steht in den Daten, wenn man sie denn auswertet statt nur abzurechnen.
Zweitens die Bonpflicht. Seit Januar 2020 muss in Deutschland jeder stationäre Kauf belegt werden. Was als Bürokratie begann, ist im Omnichannel-Kontext eine Infrastruktur: Der digitale Kassenbon, eBon, ist der natürlichste Datenkanal zwischen Händler und Kunde, den es gibt. Rewe und dm experimentieren damit, Kassenbons digital in Apps zu spiegeln und damit Kaufhistorie kundenindividuell nutzbar zu machen. Im Onlinehandel ist die Entsprechung die Zahlungsbestätigung selbst: transaktionale Kommunikation mit Öffnungsraten, von denen Newsletter nur träumen.
Drittens die Regulierung. PSD2 hat den Zugang zu Kontodaten liberalisiert; die anstehende PSD3- und Payment-Services-Regulation wird die Datenpflichten der Zahlungsdienstleister verschärfen. Gleichzeitig bleibt die DSGVO der harte Rahmen: Kauf- und Zahlungsdaten sind personenbezogen, Profiling ist einwilligungspflichtig. Deutsche Händler, die hier auf amerikanische Playbooks setzen, bauen Datenschutzverstöße in ihre Architektur ein. Der Vorteil liegt auf der anderen Seite: Wer Einwilligungen sauber über den Kaufprozess holt, etwa über Kundenkonto und Loyalty-Programm, besitzt danach einen Datenschatz, den US-Wettbewerber so nicht replizieren können.
Wo die Harrison-These Grenzen hat
Soviel Zustimmung, soviel Ehrlichkeit: Die Vorstellung, Zahlungsdaten würden quasi automatisch Mehrwert erzeugen, ist ein Anbieter-Narrativ. FIS und Wettbewerber wie Adyen oder Stripe verdienen an der Datenveredelung mit, als Analyseprodukt, als Fraud-Scoring, als Premium-Reporting. Für den Händler bleibt die Frage, ob er die Wertschöpfung intern aufbaut oder sie sich als Service zurückverkaufen lässt.
Und der operative Aufwand ist real. Payment-Daten aus PSP, Shop-System, Warenwirtschaft und Retourenmanagement zusammenzuführen, scheitert in der Praxis selten an der Vision, sondern an der Stammdatenqualität: inkonsistente Kunden-IDs, Bestellnummern ohne Matching-Logik, Zahlungsarten als Freitext. Bevor ein mittelständischer Shop über KI-Agenten nachdenkt, muss er diese Hausaufgabe machen. Viele haben sie seit zehn Jahren vor sich hergeschoben.
- Zahlungsdaten konsolidieren: PSP-Reports, Shop-Bestellungen und Retouren auf eine gemeinsame Kunden-ID bringen, technisch unspektakulär, organisatorisch die eigentliche Arbeit.
- Akzeptanz- und Abbruchquoten je Zahlungsart messen, bevor neue Zahlarten ergänzt werden, die Daten dazu liefert jeder PSP heute schon mit.
Die Transaktion war nie der Endpunkt
Harrison hat in einem Punkt unbestreitbar recht: Wer Zahlungsverkehr weiter als Abwicklungsfunktion im Backoffice verortet, übergibt die strategisch wichtigste Kundenschnittstelle an Dritte. Die Zahlung ist der Moment maximaler Kundenwahrheit, und im Zeitalter von First-Party-Daten, KI-Entscheidungen und agentischem Handel die belastbarste Datenquelle, die ein Händler hat.
Die konkrete Hausaufgabe für deutsche E-Commerce-Verantwortliche ist kleiner als die Vision: Nehmen Sie die Payment-Reports Ihres Providers, die in der Buchhaltung versauern, und legen Sie sie einmal neben Ihre Retourendaten und Ihre Bestellhistorie. Was Sie dort sehen, wird Sie mehr über Ihre Kunden lehren als das nächste teure Attributionstool. Die Zukunft des Payments jenseits der Transaktion beginnt nicht bei FIS. Sie beginnt in Ihrem eigenen Datenbestand, heute, ohne neue Software.