Wenn KI-Agenten shoppen: Unternehmenswissen wird zur Verkaufsfläche

Statt sich durch Trefferlisten und Onlineshops zu klicken, können Kunden künftig einfach formulieren: „Finde mir eine nachhaltige Regenjacke unter 200 Euro, die morgen geliefert werden kann.“ Recherche, Vergleich und perspektivisch auch den Kauf übernimmt ein KI-Agent. Für Händler entsteht damit eine neue Frage: Wie bleibt eine Marke sichtbar, wenn der Kunde den eigenen Shop möglicherweise gar nicht mehr besucht?

Produktdaten allein reichen nicht

Damit ein Shopping-Agent Angebote vergleichen kann, benötigt er zunächst strukturierte Informationen wie Produktname, Preis, Größe, Material, Verfügbarkeit und Lieferzeit. Daten aus Product-Information-Management- (PIM), Enterprise-Resource-Planning- (ERP) und Commerce-Systemen bilden deshalb die technische Grundlage für Agentic Commerce.

Sie beantworten jedoch vor allem die Frage, was ein Produkt ist. Für eine überzeugende Empfehlung muss die KI zusätzlich verstehen, warum es zu einem konkreten Kundenbedürfnis passt.

Dieses Wissen liegt in Unternehmen häufig außerhalb klassischer Produktdatenbanken: in Präsentationen, Kampagnenbriefings, Brand Guidelines, PDFs, Bildern, Marktanalysen, Verkaufsunterlagen oder Service-Dokumentationen. Dort steht etwa, für welche Anwendung sich ein Produkt eignet, welche Markenwerte es verkörpert, welche Argumente Kunden überzeugen oder wodurch es sich von Konkurrenzprodukten abhebt.

Unstrukturierte Inhalte werden maschinenlesbar

Damit KI-Agenten dieses Wissen nutzen können, muss es auffindbar, maschinenlesbar und technisch verwertbar sein. Dafür lassen sich unstrukturierte Inhalte aus Dokumenten, Präsentationen, Bildern oder Tabellen analysieren und relevante Informationen in strukturierte Metadaten überführen.

Diese aufbereiteten Informationen können anschließend in Suchfunktionen, automatisierten Prozessen oder angebundenen Systemen genutzt werden. Zugleich lässt sich der erschlossene Unternehmenskontext kontrolliert für externe KI-Agenten bereitstellen.

PIM- oder Commerce-Systeme sollen dadurch nicht ersetzt werden. Strukturierte Produktdaten beschreiben, was verkauft wird. Unternehmenswissen liefert den Kontext dafür, warum ein Produkt empfohlen werden sollte.

Marken müssen auch für KI verständlich werden

Für das Marketing gewinnt diese zweite Ebene an Bedeutung. Kennt ein Shopping-Agent lediglich Preis, Bewertungen und Lieferzeit, droht die Marke im automatisierten Vergleich austauschbar zu werden. Differenzierungsmerkmale, Anwendungsszenarien und Markenbotschaften müssen deshalb ebenfalls so verfügbar sein, dass KI-Systeme sie verstehen und bei Empfehlungen berücksichtigen können.

Agentic Commerce erweitert damit die Anforderungen an Datenqualität: Nicht mehr nur vollständige Produktstammdaten bestimmen die digitale Sichtbarkeit. Auch die Qualität und Zugänglichkeit des Unternehmenswissens beeinflussen, welche Produkte KI-Agenten finden, wie sie deren Nutzen bewerten und welche Händler im automatisierten Kaufprozess überhaupt berücksichtigt werden.

Michael Pietsch, Vice President DACH & Eastern Europe bei Box