Agentic Commerce

Agentic Commerce bezeichnet einen Kaufprozess, bei dem KI-Agenten im Auftrag von Nutzern selbstständig recherchieren, Angebote vergleichen und Transaktionen auslösen, ohne dass der Mensch jeden Schritt manuell ausführen muss. Der Agent erhält ein Ziel, wählt Wege und Anbieter eigenständig, und führt den Abschluss aus oder legt ihn zur Freigabe vor.

Das Konzept beschreibt eine grundlegende Verschiebung im digitalen Handel: weg vom Nutzer, der aktiv sucht und klickt, hin zu einem System, das im Auftrag des Nutzers agiert. Häufig auch als Agentic Shopping bezeichnet, steht es für das autonome Einkaufen durch KI-Systeme. Frühe Vertreter dieses Musters sind Systeme wie OpenAI Operator, Amazon Rufus oder Salesforce Agentforce. Sie nehmen eine Aufgabe entgegen und bearbeiten sie eigenständig, einschließlich der Auswahl von Anbietern und, wo Vollmachten vorliegen, dem Auslösen von Bestellungen.

Abgrenzung: Was Agentic Commerce nicht ist

Der Begriff wird häufig mit Conversational Commerce gleichgesetzt. Das ist ungenau. Beim Conversational Commerce führt ein KI-Assistent ein Gespräch, gibt Empfehlungen und beantwortet Fragen, aber der Kauf liegt beim Menschen. Beim Agentic Commerce übernimmt der Agent den gesamten Ablauf: von der Suche über den Vergleich bis zur Transaktion. Die entscheidende Grenze ist, wer den Auslöser betätigt.

Ähnlich unscharf ist der Zusammenhang mit Agentic SEO. Agentic SEO beschreibt, wie Websites und Inhalte optimiert werden, damit KI-Agenten sie auswählen und empfehlen. Agentic Commerce beschreibt den Kaufprozess, den diese Agenten anschließend ausführen. Die beiden Konzepte hängen zusammen, operieren aber auf verschiedenen Ebenen: Sichtbarkeit auf der einen Seite, Transaktion auf der anderen. Wie die Optimierung für KI-Agenten konkret funktioniert, beschreibt der Artikel Agentic SEO: Wie KI-Agenten die Suche verändern.

Anwendungsbeispiel: B2B-Beschaffung durch einen KI-Agenten

Beispiel, kein realer Kundenfall: Ein B2B-Einkäufer erteilt seinem KI-Assistenten den Auftrag, einen Lieferanten für Verbrauchsmaterial zu finden, der innerhalb von zwei Werktagen liefert und ein festgelegtes Budget nicht überschreitet. Der Agent ruft in Frage kommende Anbieter-Websites ab und liest aus maschinenlesbaren Datenfeldern Preise, Lieferbedingungen und Verfügbarkeiten aus. Anbieter ohne klare Datenpunkte, etwa solche, deren Konditionen nur als Fließtext oder PDF vorliegen und keine strukturierten Produktdaten enthalten, werden übersprungen.

Hat der Einkäufer vorab Vollmachten definiert, löst der Agent die Bestellung beim geeigneten Anbieter direkt aus. Hat er keine Vollmachten festgelegt, legt der Agent die Auswahl zur einmaligen Bestätigung vor. Der Mensch hat in diesem Prozess nie aktiv eine Website besucht oder einen Warenkorb befüllt.

Warum es für B2B-Websites zählt

Wenn ein KI-Agent eine Website nicht maschinell lesen kann, wird sie übergangen. Es gibt keinen Klick, keinen Seitenaufruf, keine Anfrage. Das verändert die Anforderungen an eine Website grundlegend: Neben der lesbaren Gestaltung für Menschen braucht es maschinenlesbare Strukturen für Systeme.

Konkret bedeutet das: strukturierte Daten nach Schema.org für Produkte, Preise und Leistungsbeschreibungen; eine llms.txt-Datei, die KI-Systemen erklärt, was das Unternehmen anbietet und welche Seiten relevant sind; und eindeutige Texte ohne Marketingformeln, aus denen ein Agent Konditionen verlässlich ableiten kann. Wie eine llms.txt-Datei in Webflow eingebunden wird, beschreibt der Artikel Webflow und llms.txt.

Warum klassisches Ranking allein nicht mehr ausreicht, wenn KI-Agenten Entscheidungen treffen, zeigt der Artikel KI-Suche verändert alles: Warum Platz 1 bei Google nicht mehr reicht. Für Website-Betreiber im B2B ist Agentic Commerce ein konkreter Anlass, heute schon zu prüfen, wie maschinell lesbar die eigene Website ist.