Zunehmend sitzt zwischen Ihrem Shop und der Kaufentscheidung kein Mensch mehr, sondern ein KI-Agent. ChatGPT, Gemini und Perplexity vergleichen Produkte, prüfen Preise und Verfügbarkeit und legen zunehmend selbst in den Warenkorb. Der KI-Traffic auf US-Handelsseiten wuchs im ersten Quartal 2026 um 393% (Adobe Analytics) gegenüber dem Vorjahr. Ob Ihr Shop bei diesem Agentic Checkout überhaupt vorkommt, entscheidet sich an einer einzigen Frage: Kann die KI Ihre Produktdaten lesen, verstehen und einen Kauf abschließen? Dieser Beitrag zeigt, wie Sie Produktdaten, Verfügbarkeit und Checkout konkret für KI-Agenten operationalisieren.
Was Agentic Checkout für Ihren Umsatz bedeutet
Beim klassischen Online-Kauf navigiert ein Mensch durch Ihren Shop, scrollt, vergleicht und klickt. Beim Agentic Checkout übernimmt ein KI-Agent diese Schritte: Er recherchiert in natürlicher Sprache, filtert Angebote, stellt einen Warenkorb zusammen und löst die Bestellung aus. Der Mensch gibt nur noch das Ziel vor ("Finde mir wasserdichte Wanderschuhe unter 150 Euro, lieferbar bis Freitag") und bestätigt am Ende.
Diese Verschiebung ist keine ferne Prognose. Gartner erwartet, dass bis 2030 rund 20% (Gartner) der digitalen Handelstransaktionen über KI-Plattformen abgewickelt werden, sei es On-Platform oder über autonome Agenten. McKinsey beziffert das globale Potenzial des Agentic Commerce auf 3 bis 5 Billionen US-Dollar (McKinsey) jährlich bis 2030, Bain & Company rechnet mit 15 bis 25% (Bain & Company) des US-E-Commerce bis 2030. Schon im Weihnachtsgeschäft 2025 war laut Branchenauswertung jede fünfte (Adobe Analytics) Bestellung in der Cyber Week von einem Agenten begleitet.
Für den Umsatz zählt vor allem die Qualität dieses Traffics. KI-Verweise konvertierten zuletzt rund 31% (Adobe Analytics) besser als andere Traffic-Quellen, und der Umsatz pro Besuch lag 37% (Adobe Analytics) höher als bei Nicht-KI-Traffic. Wer hier sichtbar und kaufbar ist, profitiert von hochqualifizierten, kaufbereiten Besuchern.
Wie das Universal Commerce Protocol (UCP) technisch funktioniert und welche Standards dahinterstehen, erklären wir im Grundlagenbeitrag zu Agentic Commerce und UCP. Hier geht es um die praktische Operationalisierung: Wie Sie Checkout, Produktdaten und UX so aufstellen, dass aus Agenten-Besuchen tatsächlich Bestellungen werden.
Warum maschinenlesbare Produktdaten über die Conversion entscheiden
Ein KI-Agent sieht Ihren Shop nicht so wie ein Mensch. Er liest keine Hochglanzfotos und keine emotionalen Texte, sondern extrahiert Fakten: Name, Preis, Währung, Verfügbarkeit, Bewertung, GTIN. Fehlen diese Felder in strukturierter Form, kann der Agent Ihr Produkt oft nicht zuverlässig verarbeiten und empfiehlt im Zweifel das des Wettbewerbers, dessen Daten sauberer ausgezeichnet sind.
Die Zahlen unterstreichen die Lücke: In einer Auswertung von rund 6 Millionen URLs wiesen von KI zitierte Seiten fast dreimal (Ahrefs) so häufig JSON-LD auf wie nicht zitierte Seiten, und insgesamt nutzten 53% (Ahrefs) der KI-zitierten Seiten strukturierte Daten. Gleichzeitig bleibt vollständiges Product-Schema selten: Über alle gemessenen Seiten hinweg taucht der Product-Typ nur auf rund 1,5% (HTTP Archive) auf, sodass viele Kataloge für KI-Systeme schlecht erfassbar sind.
Pflichtfelder
name, sku, brand, price, priceCurrency und availability sind das Minimum, damit ein Agent ein Angebot überhaupt erfassen kann.
Vertrauensfelder
aggregateRating mit ratingValue und reviewCount sowie gtin helfen dem Agenten, Ihr Angebot einzuordnen und gegenüber Alternativen zu bevorzugen.
Service-Felder
shippingDetails und hasMerchantReturnPolicy beantworten genau die Fragen, die Agenten vor einem Kauf prüfen: Lieferzeit und Rückgabe.
Statten Sie zuerst Ihre Top-Seller mit dem vollen Feldsatz aus (inklusive additionalProperty und gtin), für weniger strategische Artikel genügt zunächst ein Kernset aus sieben Feldern. So priorisieren Sie den Aufwand dort, wo er den meisten Umsatz bewegt. Mehr dazu in unserem Leitfaden zur Produktdaten-Optimierung mit strukturierten Daten.
Verfügbarkeit in Echtzeit: der unterschätzte Conversion-Hebel
Für menschliche Käufer ist eine veraltete Verfügbarkeitsangabe ärgerlich. Für einen KI-Agenten ist sie ein Ausschlusskriterium. Wenn ein Agent eine Bestellung für ein vermeintlich lieferbares Produkt auslöst, das in Wahrheit ausverkauft ist, bricht der gesamte autonome Prozess. Solche Fehlschläge senken nicht nur die aktuelle Conversion, sondern auch die Wahrscheinlichkeit, dass die Plattform Ihren Shop künftig wieder vorschlägt.
Der Effekt vollständiger, konkreter Daten ist messbar: Produkt- und Bewertungs-Schema mit gefüllten Feldern wie Preis, aggregateRating und Verfügbarkeit wurde in einer plattformübergreifenden Studie mit einer Zitierrate von 61,7% (Fischman 2026) erfasst, gegenüber nur 41,6% (Fischman 2026) bei generischen Schema-Typen wie Article oder Organization. Der Schlüssel ist die Synchronisierung: Bestand, Preis und Lieferzeit müssen aus demselben System fließen, das auch Ihren Shop bedient.
availabilityspiegelt den realen Lagerbestand und wird bei jedem Verkauf aktualisiert- Lieferzeiten werden als konkrete Spanne ausgewiesen, nicht als vager Text
- Preise inklusive Mehrwertsteuer und Versand sind eindeutig zugeordnet
- Varianten (Größe, Farbe) führen jeweils eigene Verfügbarkeits- und Preisangaben
- Der Feed aktualisiert sich automatisch, nicht in manuellen Nacht-Exporten
Ein Agent, der bei Ihnen verlässliche Verfügbarkeit findet, kauft lieber bei Ihnen als bei einem größeren Anbieter mit unsicheren Daten. Saubere, aktuelle Produktdaten sind damit ein Wettbewerbsvorteil, den auch mittelständische Shops konsequent ausspielen können.
Der Agentic-Commerce-Sales-Channel in Shopware
Shopware hat im Frühjahr 2026 mit Version 6.7.10 einen eigenen Agentic-Commerce-Sales-Channel eingeführt, zunächst als Beta. Es handelt sich um einen neuen Vertriebskanal auf oberster Ebene, der mehrere KI-Plattformen unterstützt und so künftige Integrationen vereinheitlicht. Händler können darüber dedizierte Produkt-Feeds erzeugen, beginnend mit einem Feed im JSONL-Format für KI-Plattformen, und den Geschäftserfolg des KI-generierten Traffics nachverfolgen.
Die Zielgruppe ist erheblich: ChatGPT zählt rund 800 Millionen (Shopware) Nutzer, von denen über 100 Millionen (Shopware) das Tool aktiv zur Produktrecherche einsetzen. Der über KI generierte Händler-Traffic ist laut Shopware im Vergleich Q1 2026 zu Q1 2025 um das 15-fache (Shopware) gestiegen. Der Kanal richtet sich an Plattformen wie ChatGPT, Gemini, Perplexity und weitere.
| Aspekt | Klassischer Shop | Agentenfähiger Shop |
|---|---|---|
| Datenbereitstellung | HTML für Menschen | strukturierter Feed plus Schema |
| Verfügbarkeit | periodischer Export | Echtzeit-Synchronisierung |
| Checkout | Formular im Browser | agentenfähiger Endpunkt |
| Erfolgsmessung | Sitzungen und Klicks | KI-Kanal als eigener Channel |
| Empfehlung durch KI | zufällig | datengetrieben kalkulierbar |
Wir arbeiten mit der frei verfügbaren Shopware-Basis und richten den Sales-Channel individuell für Ihren Shop ein. Die Einbindung in Ihre Warenwirtschaft erfolgt über offene Schnittstellen wie unsere Versand- und Logistik-APIs und JTL-Wawi-Anbindung.
Agentenfähiger Checkout: was technisch anders ist
Ein Checkout, der für Menschen gebaut ist, setzt visuelle Interaktion voraus: Buttons, mehrstufige Formulare, Pop-ups, manchmal ein Cookie-Banner. Für einen KI-Agenten sind das Hindernisse. Ein agentenfähiger Checkout stellt stattdessen einen maschinell ansprechbaren Endpunkt bereit, über den der Agent Warenkorb, Versandoptionen und Bestellung programmatisch abwickeln kann, idealerweise nach einem offenen Protokoll.
Der Reifegrad ist noch unterschiedlich. Die Infrastruktur für vollständig autonome Käufe, von Zahlung über Identität bis Autorisierung, ist branchenweit noch jung. Eine Auswertung zeigt, dass die Conversion agentengetriebener Käufe derzeit teils 86% (ecommerceguide) hinter der von Affiliate-Traffic zurückliegt, schlicht weil viele Shops nicht für Agenten gebaut wurden. Genau hier liegt die Chance für Händler, die früh sauber aufstellen.
{
"id": "SW-2048",
"title": "Wanderschuh Pro GTX",
"brand": "Beispielmarke",
"price": "129.00",
"price_currency": "EUR",
"availability": "in_stock",
"inventory_quantity": 42,
"gtin": "4012345678901",
"shipping": { "country": "DE", "service": "standard", "days": "1-3" },
"return_policy": { "days": 30, "method": "free_return" },
"rating": { "value": 4.6, "count": 218 }
}Entscheidend ist, dass jeder Datensatz in sich vollständig und widerspruchsfrei ist. Ein Agent trifft Entscheidungen in Sekundenbruchteilen und ohne Rückfrage. Fehlt ein Feld oder widersprechen sich Feed und Shop, fällt Ihr Angebot durch das Raster. Anders als ein Mensch interpretiert ein Agent nichts wohlwollend: Eine fehlende Mehrwertsteuerangabe ist kein Schönheitsfehler, sondern führt dazu, dass der Gesamtpreis nicht berechenbar und das Angebot damit nicht vergleichbar wird.
Vom Datensilo zum agentenfähigen Feed: die Umsetzung
In der Praxis scheitert die Agentenfähigkeit selten an der Plattform, sondern an verteilten Daten. Preise liegen im Shop, Bestände in der Warenwirtschaft, Lieferzeiten beim Versanddienstleister und Bewertungen in einem weiteren System. Ein KI-Agent erwartet diese Informationen aber gebündelt und konsistent in einem einzigen Datensatz pro Produkt. Die erste Aufgabe ist daher, eine verlässliche Datenquelle zu definieren, die alle relevanten Felder zusammenführt und an den Sales-Channel ausspielt.
Dieser Schritt deckt sich mit guter Datenpflege im klassischen Handel und zahlt damit doppelt ein. Ein zentrales Produktdatenmanagement bildet das Fundament, von dem aus sowohl Ihr Shop als auch der KI-Feed gespeist werden. Wie Sie diese Datenhoheit aufbauen, beschreibt unser Beitrag zur PIM-Strategie und Produktdatenhoheit. So vermeiden Sie, dass Mensch und Maschine widersprüchliche Informationen sehen.
- Datenquelle bündeln: Stammdaten, Preise, Bestände und Bewertungen in einer führenden Quelle zusammenführen
- Felder vervollständigen: Pflicht- und Vertrauensfelder pro Produkt prüfen, beginnend bei den Top-Sellern
- Schema ausspielen: strukturierte Daten serverseitig in die Produktseiten einbetten
- Sales-Channel anbinden: den Agentic-Commerce-Kanal mit dem Feed verknüpfen und als eigene Quelle führen
- Echtzeit sichern: Bestände und Preise ereignisgesteuert aktualisieren statt im Nacht-Export
- Messen und nachschärfen: abgebrochene Agenten-Käufe und Datenlücken laufend kontrollieren
Technisch lohnt sich der Blick auf die Performance des Datenwegs. Wenn Agenten und vorgelagerte KI-Dienste Ihre Produktdaten abrufen, zählt eine schnelle, zwischenspeicherbare Auslieferung, ein Aspekt, den wir im Beitrag zum Store-API-Caching für Headless-Shopware vertiefen. Eine schlanke, gut gecachte Datenschnittstelle senkt Latenz und Last gleichermaßen.
Ein separat gepflegter KI-Feed, der vom Shop abweicht, schafft mehr Probleme als er löst: widersprüchliche Preise, veraltete Bestände, Kaufabbrüche. Der Feed sollte aus derselben Quelle stammen wie Ihr Shop. So bleibt die Information konsistent und der Pflegeaufwand überschaubar.
Vertrauen und UX für Mensch und Maschine zugleich
Ein häufiges Missverständnis lautet, der agentenfähige Shop müsse nur noch für Maschinen funktionieren. Das Gegenteil ist der Fall: Am Ende vieler Agentenketten steht eine menschliche Bestätigung, und Agenten bewerten zunehmend auch Signale, die früher rein menschlich gelesen wurden, etwa Bewertungen, Rückgabebedingungen und Transparenz.
Die Akzeptanz wächst schnell: 38% (commercetools) der US-Konsumenten haben generative KI bereits zum Einkaufen genutzt, 52% (commercetools) planen es. Vertrauenssignale, die Sie sauber strukturieren, wirken damit doppelt, gegenüber dem Agenten und gegenüber dem Menschen, der am Ende zustimmt. Wie Sie diese Signale gezielt aufbauen, zeigt unser Beitrag zu Trust-Signalen im Online-Shop.
Eindeutige Rückgaberegeln
Strukturierte hasMerchantReturnPolicy-Daten beantworten dem Agenten die Rückgabefrage, bevor er kauft, und schaffen Vertrauen beim Menschen.
Konsistente Bewertungen
Aggregierte Bewertungen mit Wert und Anzahl liefern dem Agenten ein belastbares Qualitätssignal statt unstrukturierter Fließtexte.
Faire Checkout-Logik
Keine versteckten Kosten, keine irreführenden Knappheitsanzeigen, mehr dazu im Beitrag zu Dark Patterns und fairem Checkout.
Klare Lieferinformation
Lieferland, Versandart und Lieferzeit als strukturierte Angabe, nicht als Fußnote im Fließtext.
Wenn die KI Ihren Shop nicht lesen kann, wird sie ihn nicht empfehlen.
Sinngemäß nach Shopware zum Agentic Commerce
Sichtbarkeit messen: Werden Sie überhaupt empfohlen?
Agentic Commerce lässt sich nicht steuern, was man nicht misst. Anders als beim klassischen Klick-Traffic landet ein Teil der Wertschöpfung in den KI-Plattformen selbst. Sie brauchen daher eigene Messpunkte: Wie oft taucht Ihr Shop in KI-Antworten auf, mit welchen Produkten, zu welchen Anfragen?
Die Dynamik ist enorm. Allein im Weihnachtsgeschäft (November bis Dezember 2025) stieg der KI-Traffic auf US-Handelsseiten um 693% (Adobe Analytics) gegenüber dem Vorjahr. Wer heute eine Baseline etabliert, erkennt früh, welche Produktkategorien von Agenten aufgegriffen werden und wo die Datenqualität noch hakt. Methodisch knüpft das an die Messung der LLM-Sichtbarkeit und des Share of Model an.
- Baseline erheben: in welchen KI-Antworten erscheint Ihr Sortiment heute?
- KI-Kanal separat tracken: den Agentic-Sales-Channel als eigene Quelle führen
- Datenlücken schließen: fehlende Felder bei den meistgefragten Produkten zuerst füllen
- Verfügbarkeitsfehler überwachen: abgebrochene Agenten-Käufe als Frühwarnsignal nutzen
- Iterieren: Feed, Schema und Checkout regelmäßig gegen reale Agenten-Anfragen prüfen
Viele Hürden für Agenten sind dieselben, die auch Menschen abschrecken: fehlende Daten, unklare Verfügbarkeit, langsame Seiten. Eine systematische Analyse deckt beides auf, siehe unseren Beitrag zur KI-gestützten Shop-Analyse.
So könnte Ihr agentenfähiger Shop aussehen:
Elektronik-Shop
Dieser Artikel basiert auf Daten und Aussagen von: Adobe Analytics (KI-Traffic Q1 2026, KI-Conversion und Cyber Week 2025), Gartner (Prognose digitale Handelstransaktionen), McKinsey (Agentic-Commerce-Potenzial), Bain & Company (US-E-Commerce-Anteil), Shopware (Agentic-Commerce-Plattform und Release 6.7.10), Ahrefs (Korrelationsanalyse Schema und KI-Zitate, rund 6 Millionen URLs), Fischman 2026 (plattformübergreifende Schema-Zitations-Studie), HTTP Archive (Web Almanac, Verbreitung des Product-Schemas), commercetools (Agentic Commerce Stats 2026) und ecommerceguide (E-Commerce-Statistiken 2026). Die genannten Zahlen sind Momentaufnahmen und können je nach Zeitpunkt und Methodik variieren.
Beim Agentic Checkout übernimmt ein KI-Agent wie ChatGPT, Gemini oder Perplexity die Schritte, die sonst ein Mensch im Shop ausführt: vergleichen, in den Warenkorb legen und die Bestellung anstoßen. Der Mensch gibt das Ziel vor und bestätigt am Ende. Damit das funktioniert, müssen Produktdaten und Checkout maschinenlesbar sein.
Nein, das Prinzip gilt für jedes moderne Shopsystem. Shopware bietet seit Version 6.7.10 einen dedizierten Agentic-Commerce-Sales-Channel, was die Umsetzung in der Regel vereinfacht. Wir arbeiten mit der frei verfügbaren Shopware-Basis und binden Produktdaten und Checkout individuell an.
Das hängt von Ihrer Aufstellung ab. Wer eigene, sauber strukturierte Daten und einen klar attribuierten KI-Kanal pflegt, behält die Kontrolle über Sortiment, Preise und Messung. Erfahrungsgemäß ist eine frühe, eigene Datenstrategie der beste Schutz davor, nur als austauschbarer Lieferant zu erscheinen.
Das lässt sich nicht pauschal zusagen, da es von Sortiment, Wettbewerb und Plattformverhalten abhängt. KI-Verweise gelten jedoch als hochqualifiziert: Sie konvertierten zuletzt rund 31% (Adobe Analytics) besser als andere Traffic-Quellen. Wer früh sauber strukturiert, positioniert sich typischerweise vor zögernden Wettbewerbern.
In der Regel zuerst die Pflichtfelder Name, Preis, Währung und Verfügbarkeit, danach Vertrauensfelder wie Bewertungen, GTIN, Versand und Rückgabebedingungen. Beginnen Sie bei den umsatzstärksten Produkten und erweitern Sie schrittweise auf das gesamte Sortiment.
Die Infrastruktur für vollständig autonome Käufe, von Zahlung über Identität bis Autorisierung, ist branchenweit noch jung. Deshalb steht am Ende vieler Agentenketten weiterhin eine menschliche Bestätigung. Eine saubere Daten- und Checkout-Basis schafft jedoch heute schon die Voraussetzung, um künftige Reifegrade ohne Umbau zu nutzen.