Eine PRAIDICT-Marktanalyse zeigt, dass das Thema Agentic Commerce in Deutschland bereits eine eigenständige, messbare Nachfrage erzeugt:
20.360 Suchanfragen pro Jahr rund um Agentic Commerce – steile Steigerung von nahezu null seit Mitte 2025 auf einen Peak von rund 3.100 monatlichen Anfragen im Juni 2026.
85,8 % des gesamten Nachfragevolumens entfallen allein auf den Oberbegriff „Agentic Commerce" – konkrete Einzel-Tools wie Shopping Agent oder AI Shopping Assistant spielen in der deutschen Suchnachfrage noch kaum eine Rolle.
Deutliche Saisonalität mit Peaks im Winter – ein typisches Signal für B2B-Budgetzyklen und Strategieplanung, kein Konsumenten-Trend.
Das Muster ist eindeutig: Der deutsche Markt befindet sich in einer frühen Beobachtungs- und Orientierungsphase. Es wird diskutiert, was Agentic Commerce ist – nicht, welches Tool gekauft wird. Genau das macht diesen Moment interessant: Wer heute versteht, welche technischen und organisatorischen Voraussetzungen ein Unternehmen für B2A-fähigen Vertrieb braucht, positioniert sich, bevor die breite Nachfrage einsetzt.
Was ist Agentic Commerce – und was ist 2026 tatsächlich im Einsatz?
Agentic Commerce beschreibt Kaufprozesse, bei denen ein KI-Agent anstelle eines Menschen die Produktsuche, den Vergleich und teilweise den gesamten Bestellvorgang übernimmt. Statt eine Website zu durchsuchen und selbst auf „Kaufen" zu klicken, formuliert ein Mensch ein Ziel – etwa „finde Laufschuhe unter 150 Euro, die bis Freitag ankommen" – und der Agent erledigt Recherche, Auswahl und Abwicklung.
Das Feld befindet sich technisch und wirtschaftlich noch in einer frühen, sich schnell verändernden Phase. Die Big Techs treiben die Entwicklung jedoch längst voran. Drei Standards prägen aktuell die Infrastruktur:
Universal Commerce Protocol (UCP): Ein offener Standard von Google und Shopify, mitentwickelt unter anderem mit Etsy, Wayfair, Target und Walmart und unterstützt von über 60 Organisationen. UCP regelt Produktauffindbarkeit, Warenkorb, Checkout und die Zeit nach dem Kauf. (Google Developers Blog)
Agentic Commerce Protocol (ACP): Ein offener Standard von OpenAI und Stripe, der regelt, wie ein KI-Agent den Bezahlvorgang bei einem Händler ausführt, den der Agent selbst nicht betreibt. (agenticcommerce.dev, Stripe-Dokumentation)
Agent Payments Protocol (AP2): Ein von Google mit über 60 Zahlungs- und Technologiepartnern entwickelter Standard, der über kryptografisch signierte „Mandates" nachweisbar macht, dass ein Mensch dem Agenten eine konkrete Kaufberechtigung erteilt hat. (ap2-protocol.org)
Diese drei Standards ergänzen sich auf unterschiedlichen Ebenen der Kauf-Kette.
In der Infrastruktur befindet sich derzeit noch vieles in Bewegung – mit einem lehrreichen Beispiel aus der jüngeren Vergangenheit: OpenAI hatte die Instant-Checkout-Funktion in ChatGPT im September 2025 gestartet, jedoch bereits im März 2026 wieder eingestellt, weil sie zu wenige abgeschlossene Käufe erzeugte.
Bemerkenswert dabei: Nach Angaben von Walmart lagen die Checkout-Conversion-Raten über ChatGPT bei nur einem Drittel der eigenen Shop-Werte – als einer der Hauptgründe wurden ungenaue Produktdaten genannt. Das Protokoll ACP selbst besteht weiterhin, nur die Konsumentenoberfläche wurde eingestellt.
Dieses Beispiel zeigt nicht, dass Agentic Commerce gescheitert ist. Es zeigt, dass Produktdatenqualität in der Praxis bereits heute über Erfolg oder Misserfolg entscheidet – lange bevor die Technologie selbst ausgereift ist.
Die Grundvoraussetzung: Strukturierte, vollständige Produktdaten statt Beschreibungstext
Ein KI-Agent kann nur empfehlen und kaufen, was er zuverlässig versteht. Werbliche Fließtexte, die auf menschliche Leserinnen und Leser zugeschnitten sind, sind für Agenten oft unzureichend interpretierbar oder unvollständig. Entscheidend sind maschinenlesbare Attribute: exakte Maße, Materialangaben, Kompatibilitätsinformationen, Verfügbarkeit in Echtzeit, korrekte Kategorisierung. Wenn KI-Agenten auf veraltete Bestände oder unzureichende Daten stoßen, fragen sie nicht nach, sondern wählen das nächste Produkt.
Strukturierte Daten – etwa nach dem Schema.org-Standard – bilden die technische Brücke zwischen Produktkatalog und KI-Agent. Ohne ein zentrales System zur Verwaltung dieser Daten wird es jedoch schwierig, diese Attributtiefe konsistent über alle Vertriebskanäle hinweg zu pflegen. Hier setzt die Einführung eines Product-Information-Management-Systems (PIM) an: Es schafft die organisatorische und technische Grundlage, um Produktdaten zentral, vollständig und in der nötigen Tiefe zu verwalten – statt sie verstreut in Shop-System, ERP und einzelnen Exceltabellen zu pflegen.
Architektur-Check: Ist die eigene Systemlandschaft anschlussfähig?
Neben der Datentiefe entscheidet auch die technische Architektur darüber, ob ein Unternehmen für Agentic Commerce vorbereitet ist. Shop-System, PIM und angebundene ERP-Strukturen (etwa SAP) müssen in der Lage sein, neue Datenprotokolle, moderne API-Verbindungen und Feed-Formate aufzunehmen – im besten Fall, ohne dass dafür jedes Mal eine grundlegende Systemumstellung nötig wird.
Die Lehre aus dem Instant-Checkout-Beispiel gilt auch hier: Wer sich zu früh und zu eng an einen einzelnen Standard bindet, riskiert, bei dessen Veränderung oder Ablösung aufwendige und den Geschäftsbetrieb belastende Umstellungen durchführen zu müssen. Sinnvoller ist eine Architektur, die grundsätzlich austauschbar und erweiterbar bleibt – eine Grundhaltung, die in der IT-Planung ohnehin zum guten Ton gehört, hier aber besondere Dringlichkeit bekommt, weil sich die Standardlandschaft im Agentic-Commerce-Umfeld noch mehrfach verändern dürfte.
Menschen und Prozesse: Wer pflegt die Produktdaten – und wer verantwortet sie?
Technik allein reicht nicht. Die entscheidende, oft unbequeme Frage lautet: Wer erfasst neue Produktdaten, wer aktualisiert bestehende Attribute, und wer greift ein, wenn Lücken oder Fehler auffallen? Eine oberflächliche Produktbeschreibung ohne differenzierte Attribute reicht für Agentic Commerce nicht mehr aus – und diese Lücke schließt sich nicht von selbst.
In unserer Beratungspraxis zeigt sich dieses Muster regelmäßig: Systeme werden eingeführt, aber die organisatorische Frage nach Verantwortlichkeiten bleibt offen – bis Datenlücken sichtbar werden, meist genau dann, wenn ein neuer Vertriebskanal oder eine neue Schnittstelle produktive Daten in voller Tiefe verlangt. Für Unternehmen, die sich auf Agentic Commerce vorbereiten wollen, heißt das konkret: Wer heute klärt, wer Katalogpflege und Datenqualität verantwortet, muss diesen organisatorischen Aufbau nicht unter Zeitdruck nachholen, sobald die Nachfrage nach Agentic Commerce hierzulande spürbar zunimmt.
Data Governance – Qualität und Rechtskonformität sicherstellen
Ohne eine verbindliche Data-Governance-Struktur verfallen Produktdaten über Zeit fast zwangsläufig: Datenquellen laufen auseinander, Attribute veralten, Zuständigkeiten verschwimmen. Das ist unabhängig von Agentic Commerce schon heute ein Qualitäts- und Vertrauensrisiko – und es bekommt eine zusätzliche rechtliche Dimension, seit die EU-Produktsicherheitsverordnung (GPSR, seit Dezember 2024) sowie das reformierte deutsche Produktsicherheitsgesetz (ProdSG, seit Februar 2026) vollständige Herstellerangaben und Sicherheitsinformationen direkt auf der Produktseite verlangen; ein ab Dezember 2026 grundlegend reformiertes Produkthaftungsrecht verschärft diese Anforderungen zusätzlich.
Wo ein Agent künftig ungeprüft aus fehlerhaften oder unvollständigen Produktdaten empfiehlt oder kauft, entfällt die menschliche Kontrollinstanz, die bislang beim Lesen der Produktseite typischerweise vorhanden war. Um so wichtiger sind fundierte Workflows, die Daten vor einer Veröffentlichung auf inhaltliche Richtigkeit, Aktualität und Rechtskonformität überprüfen.
Praktischer Fahrplan: Wo Unternehmen jetzt ansetzen können
Aus den bisherigen Punkten lässt sich ein konkreter, umsetzbarer Ausgangspunkt ableiten:
PIM-Bestandsaufnahme: Existiert ein zentrales System zur Produktdatenverwaltung, oder verteilen sich die Daten auf Shop, ERP und Einzeldokumente?
Attributtiefe prüfen: Reichen die aktuellen Produktdaten über Marketingtexte hinaus – sind Maße, Materialien, technische Eigenschaften, Kompatibilitäten und Sicherheitsangaben strukturiert und vollständig hinterlegt?
Verantwortlichkeiten klären: Wer erfasst neue Produkte, wer pflegt Bestandsdaten, wer ist im Zweifelsfall ansprechbar?
Architektur-Anschlussfähigkeit testen: Kann die eigene Systemlandschaft moderne API-Schnittstellen, neue Datenprotokolle und Feed-Formate technisch aufnehmen, ohne fest auf einen einzelnen Standard verdrahtet zu sein?
GPSR-Konformität als Basis-Hygiene sicherstellen: Sind die nach Art. 19 GPSR vorgeschriebenen Pflichtangaben für das gesamte Sortiment vollständig und produktbezogen hinterlegt – nicht nur stichprobenartig?
Dieser Fahrplan ist bewusst als Ausgangspunkt formuliert, nicht als abschließende Checkliste – die konkreten nächsten Schritte hängen von der jeweiligen Systemlandschaft und Sortimentsgröße ab.
Fazit: Agentic Commerce ist kein ferner Zukunftstrend
Die PRAIDICT-Daten zeigen: Die Nachfrage nach Agentic Commerce wächst in Deutschland deutlich, befindet sich aber noch in einer frühen Orientierungsphase – die Verbindung zur Produktdatenqualität, Governance, technischen Vorraussetzungen und Tools wird am Markt bislang noch nicht aktiv gesucht. Das ändert nichts daran, dass diese Verbindung inhaltlich entscheidend ist: Ein KI-Agent kann nur so gut einkaufen, wie die Plattform und Daten es zulassen. Wenn die Infrastruktur der Big Techs steht, kippt der Markt schlagartig. Wer erst dann reagiert, ist zu spät.
Unternehmen, die heute in strukturierte Produktdaten, eine anschlussfähige Systemarchitektur und klare Data-Governance-Prozesse investieren, sind unabhängig vom Zeitpunkt der aufkommenden Nachfrage vorbereitet – und vermeiden gleichzeitig wachsende regulatorische Risiken.
Wer prüfen möchte, wie es um die eigene Produktdatenqualität und -infrastruktur bestellt ist, kann sich für ein unverbindliches Beratungsgespräch an NAWIDA wenden.
---
Transparenzhinweis: Dieser Beitrag wurde mit KI-Unterstützung recherchiert und redaktionell ausformuliert. Alle Inhalte wurden von mir persönlich geprüft, überarbeitet und freigegeben; die redaktionelle Verantwortung für die Veröffentlichung liegt bei mir.
