Agentic Commerce: Was es für Werbetreibende bedeutet und wie du dich vorbereitest

KI-Shopping-Agenten verarbeiten bereits Milliarden an Transaktionen

Während der Cyber Week 2025 wurden 20 % der weltweiten E-Commerce-Bestellungen von KI-Agenten beeinflusst — so die Zahlen von Salesforce. Der KI-Chatbot-Traffic auf US-Retail-Websites stieg im selben Zeitraum um 670 % im Jahresvergleich, wie Adobe berichtete. Und im Januar 2026 stellte Google-CEO Sundar Pichai auf der National Retail Federation das Universal Commerce Protocol (UCP) vor. Ein klares Signal: Die Infrastruktur für KI-gestützte Käufe ist keine Theorie mehr.

McKinsey beziffert das globale Agentic-Commerce-Potenzial auf 3 bis 5 Billionen US-Dollar bis 2030. Allein im US-B2C-Retail könnten es bis zu 1 Billion Dollar sein. EMARKETER prognostiziert, dass KI-Plattformen 2026 rund 1,5 % des gesamten US-E-Commerce-Umsatzes ausmachen werden — etwa 20,57 Milliarden US-Dollar. Das ist fast das Vierfache der Zahlen von 2025.

Das sind keine Wunschszenarien von KI-Enthusiasten. Das sind Zahlen von McKinsey, Morgan Stanley und Forrester. Der Wandel ist messbar. Und er hat direkte Konsequenzen dafür, wie Marken werben.

Was ist Agentic Commerce? Eine klare Definition

Agentic Commerce ist ein Online-Shopping-Modell, bei dem KI-Agenten Kaufentscheidungen über den gesamten Kaufprozess hinweg treffen — von der Produktentdeckung über den Checkout bis zum After-Sales-Support — im Auftrag des Konsumenten.

Der Konsument legt Absicht und Rahmenbedingungen fest. Der KI-Agent übernimmt Recherche, Vergleich, Auswahl und in manchen Fällen die gesamte Transaktion.

Das unterscheidet sich von Conversational Commerce, bei dem ein Chatbot ein Produkt empfiehlt und der Konsument den Kauf manuell abschliesst. Bei Agentic Commerce durchsucht der Agent Produktkataloge, bewertet Preise und Verfügbarkeit in Echtzeit, prüft Versand- und Rückgabebedingungen und kann den Checkout eigenständig durchführen.

Ein Beispiel: Ein Chatbot, der dir eine Feuchtigkeitscreme basierend auf deinem Hauttyp empfiehlt — das ist Conversational Commerce. Eine KI, die mehrere Hautpflegemarken abfragt, Inhaltsstoffe und Preise vergleicht und das beste Angebot innerhalb deines Budgets auswählt — das ist Agentic Commerce.

Warum Agentic Commerce die Werbung grundlegend verändert

Über zwei Jahrzehnte lang funktionierte digitale Werbung nach einem vorhersehbaren Modell. Marken konkurrierten um Aufmerksamkeit auf Suchergebnisseiten, Produktlistings und Social-Media-Feeds. Der Konsument klickte, scrollte, verglich und kaufte. Werbetreibende massen Klicks, Impressionen und Conversions.

Agentic Commerce entfernt diese Session-Ebene. Der Konsument öffnet nicht mehr zehn Tabs. Er scrollt nicht mehr durch Produktanzeigen. Er beschreibt, was er braucht, und der Agent erledigt den Rest.

Das erzeugt ein strukturelles Problem für Werbetreibende. Wenn der KI-Agent dein Produkt nicht anzeigt, ist deine Marke nicht Teil der Transaktion. Der Konsument sieht deine Anzeige, dein Listing oder deine Landing Page nie. Der gesamte traditionelle Advertising Funnel — Awareness, Consideration, Conversion — wird in eine einzige KI-vermittelte Entscheidung komprimiert.

US-Werbetreibende werden 2026 laut einer EMARKETER-Prognose vom März 2026 rund 71,98 Milliarden US-Dollar für Retail Media ausgeben — ein Plus von 18,7 % gegenüber 2025. KI-Shopping-Agenten, die klassische Such- und Browse-Verhalten umgehen, reduzieren direkt den Wert von gesponserten Produktplatzierungen, Display Ads und Keyword Advertising.

Die relevante Kennzahl verschiebt sich. Die Click-Through-Rate misst menschliche Interaktion mit einer Seite. In Agentic Commerce ist die relevantere Metrik die AI Citation Rate — ob ein Shopping-Agent dein Produkt abruft, referenziert oder empfiehlt.

Wie Agentic Commerce technisch funktioniert: Die Drei-Schichten-Architektur

Wenn ein Konsument eine Anfrage wie „Finde mir Laufschuhe unter 120 Euro, Grösse 43, die vor Donnerstag geliefert werden" eingibt, aktiviert der KI-Agent drei Schichten:

Intent Layer. Das KI-Modell analysiert die Anfrage und extrahiert Bedingungen: Budget, Grösse, Lieferfenster, Markenpräferenz und Rückgabebedingungen. Hier trifft natürliches Sprachverständnis auf strukturierte Produktabfragen.

Commerce Layer. Der Agent fragt Produktkataloge, Preisdienste, Bestandsfeeds und Versandkalkulatoren über strukturierte APIs ab. Er bewertet Optionen anhand der Konsumentenbedingungen und rankt Ergebnisse nach Relevanz, Vertrauenssignalen und Lieferzuverlässigkeit.

Transaction Layer. Für freigegebene Käufe kommuniziert der Agent mit dem Checkout-System des Händlers über Protokolle wie das Universal Commerce Protocol (UCP) oder das Agentic Commerce Protocol (ACP). Die Zahlung wird über vorab autorisierte Methoden abgewickelt. Der Agent übernimmt Bestellbestätigung, Tracking und Retouren.

Die entscheidende Erkenntnis: Diese Architektur basiert nicht auf Websites, Produktseiten oder traditionellen Anzeigenplatzierungen. Sie basiert auf strukturierten Daten, API-Zugänglichkeit und maschinenlesbaren Produktattributen.

Die wichtigsten Akteure im Agentic-Commerce-Ökosystem

Google, OpenAI und Microsoft bauen offene oder halboffene Ökosysteme. Amazon verfolgt einen stärker kontrollierten, proprietären Ansatz. Für Werbetreibende bedeutet diese Fragmentierung: Produktdaten müssen gleichzeitig für mehrere Agenten-Ökosysteme gepflegt werden.

Was Marken und Werbetreibende jetzt tun müssen: 5 konkrete Strategien

1. Produktdaten als Werbeinfrastruktur behandeln

In einer Agentic-Commerce-Umgebung wird dein Produktkatalog zum wichtigsten Werbemittel. KI-Agenten lesen keine Display Ads. Sie lesen strukturierte Datenfeeds.

Wenn deine Produktdaten unvollständig, inkonsistent oder ohne maschinenlesbare Attribute sind, überspringt der KI-Agent dein Produkt — ohne dass ein Mensch es je gesehen hat. Der Unterschied zwischen einem „korrekten" und einem „optimierten" Katalog ist kein marginaler Performance-Gewinn mehr. Er entscheidet darüber, ob du Teil des Gesprächs bist oder nicht.

Prioritäre Massnahmen: Produktbeschreibungen mit echten Anwendungsszenarien anreichern, strukturierte Attribute für Kompatibilität, Zubehör, Alternativen und FAQs ergänzen, und Preise sowie Bestände in Echtzeit synchronisieren.

2. In AI Engine Optimization (AEO) neben SEO investieren

SEO wurde für keyword-basierte Suche gebaut. KI-Agenten arbeiten anders. Sie interpretieren Absichten, bewerten Tradeoffs und zeigen Produkte basierend auf strukturierter Relevanz an — nicht auf Keyword-Dichte.

Answer Engine Optimization und Generative Engine Optimization werden zu operativen Anforderungen. Das bedeutet: Inhalte so strukturieren, dass KI-Systeme deine Produkte korrekt darstellen können, wenn Konsumenten Fragen über ChatGPT, Gemini, Perplexity und Copilot stellen.

Bain & Company schätzt, dass 30 % bis 45 % der US-Konsumenten bereits generative KI nutzen, um Produkte zu recherchieren und zu vergleichen. Wenn deine Marke in diesen KI-gesteuerten Entdeckungsmomenten nicht erscheint, verlierst du die Consideration-Phase, bevor der Konsument überhaupt eine traditionelle Werbefläche erreicht.

3. Strukturierte Fulfillment-Signale für Agenten-Lesbarkeit aufbauen

KI-Shopping-Agenten haben Schwierigkeiten mit Mehrdeutigkeit. Sie brauchen Lieferfenster, Versandkosten und Rückgabebedingungen, die strukturiert, vergleichbar und konsistent sind. Wenn diese Informationen kanalübergreifend unklar sind, wechselt der Agent zu einem Wettbewerber, dessen Angebot einfacher auszuführen ist.

Das ist ein Wettbewerbsvorteil, der nichts mit Kreation oder Messaging zu tun hat. Er ist rein operativ. Mach deine Lieferversprechen, Rückgaberichtlinien und Verfügbarkeitsdaten maschinenlesbar und konsistent über jeden Kanal hinweg.

4. Contextual Targeting und Cookieless Advertising nutzen, um Konsumenten vor der Agenten-Delegation zu erreichen

Hier kommt der Teil, den die meisten Werbetreibenden noch nicht diskutieren: Agentic Commerce komprimiert den Funnel, aber es beseitigt nicht den Bedarf an Markenbekanntheit und Präferenz. Konsumenten müssen sich immer noch eine Meinung bilden, bevor sie ihren KI-Agenten beauftragen.

Ein Konsument, der seinem Agenten sagt: „Finde mir wasserdichte Laufschuhe unter 150 Euro mit Lieferung am nächsten Tag" — der wurde bereits von etwas beeinflusst. Einer kontextuellen Video-Anzeige während eines Trailrunning-Reviews, einer Markenerwähnung in einem Vergleichsartikel oder einer Empfehlung eines Creators.

Genau hier werden Contextual Targeting und cookieless Werbelösungen entscheidend. Marken, die Konsumenten im richtigen Kontext erreichen — während sie noch Präferenzen bilden — können die Anweisungen beeinflussen, die Konsumenten ihren KI-Agenten geben.

Adellos Cookieless-Advertising-Stack und die Mobile DSP unterstützen genau diesen Ansatz. Sie liefern programmatische Werbung über Mobile, DOOH und Video-Kanäle — ohne Abhängigkeit von auslaufenden Identifikatoren. Adellos patentierte Lösung PXLSTRM analysiert dabei Videoinhalte kontextuell auf YouTube, TikTok und Pinterest und ermöglicht so präzises Targeting ohne Cookies oder Third-Party-Daten. Das Ergebnis: Marken, die in kontextuelle, datenschutzkonforme mobile Werbung investieren, bauen die vorgelagerte Bekanntheit auf, die nachgelagerte Agentic-Käufe beeinflusst.

5. Auf Agent-to-Agent-Verhandlungen im B2B vorbereiten

Forrester prognostiziert, dass bis Ende 2026 jeder fünfte B2B-Verkäufer mit KI-gestützten Buyer-Agenten konfrontiert sein wird, die dynamisch generierte Gegenangebote liefern. Das bedeutet: Werbe- und Preisstrategien müssen Machine-to-Machine-Interaktionen berücksichtigen, nicht nur menschliche Entscheider.

B2B-Werbetreibende sollten jetzt damit beginnen, ihre Preisgestaltung, Konditionen und Produktdaten für den Agenten-Konsum zu strukturieren — bevor Wettbewerber sich in diesen neuen Kanälen etablieren.

Warum jetzt handeln? Das Zeitfenster ist schmal

Händler, die zwischen 2023 und 2024 KI-Funktionen eingeführt haben, verzeichneten laut Capital One Shopping ein Umsatzwachstum von 14,2 % — verglichen mit 6,9 % bei Händlern ohne KI. Der Performance-Abstand beschleunigt sich. Das gilt auch für Werbestrategien.

Käufer, die über KI-Plattformen auf Retail-Websites geleitet werden, kaufen laut Adobe-Daten (zitiert von EMARKETER) 30-mal häufiger. Das ist ein aussergewöhnliches Conversion-Signal — aber nur für Marken, deren Produkte der KI-Agent finden, bewerten und empfehlen kann.

Das praktische Zeitfenster, um Präsenz in Agentic-Commerce-Ökosystemen aufzubauen, ist 2026. Die Protokolle werden jetzt standardisiert. Das Konsumentenverhalten formt sich jetzt. Marken, die ihre Daten, Werbung und Fulfillment in diesem Zeitfenster für KI-Agenten-Zugänglichkeit strukturieren, werden einen messbaren Vorsprung haben.

Das Werbe-Playbook wird gerade neu geschrieben

Agentic Commerce ersetzt traditionelle Werbung nicht über Nacht. Das Vertrauen der Konsumenten entwickelt sich noch — nur 46 % der Käufer vertrauen KI-Empfehlungen vollständig, und 89 % überprüfen Informationen vor dem Kauf, so das IAB. Hochpreisige und identitätssensible Käufe bleiben vorerst menschlich gesteuert.

Aber die Richtung ist klar. Die Customer Journey bewegt sich von Seiten zu Gesprächen. Von Klicks zu delegierten Entscheidungen. Von keyword-basierter Entdeckung zu datenstruktur-getriebenen Empfehlungen.

Werbetreibende, die sich jetzt auf diesen Wandel vorbereiten — durch Investitionen in ai agents for advertising Readiness, Contextual Targeting, cookieless Werbelösungen und strukturierte Produktdaten — werden in der Lage sein, Nachfrage in einem Kanal zu bedienen, der um ein Vielfaches schneller wächst als traditioneller E-Commerce.

Die Marken, die im Agentic Commerce erfolgreich sein werden, sind diejenigen, die bereits sichtbar, bereits vertrauenswürdig und bereits für die Maschinen strukturiert sind, die zunehmend den Einkauf übernehmen. Sprich mit unserem Team, um deine Werbestrategie auf Agentic Commerce vorzubereiten.