KI und Agentic Commerce den Einzelhandel

Zusammenfassung

Der Einzelhandel durchläuft derzeit einen grundlegenden Strukturwandel. Da KI-basierte Dialogassistenten zu einer skalierbaren Schnittstelle für den Einkauf werden, wandelt sich der Handel von einer Umgebung, in der man einfach nur stöbert, hin zu einer Umgebung, die auf Absichten und deren Umsetzung basiert: Kunden äußern ihre Wünsche und gewünschten Ergebnisse, und die Systeme handeln entsprechend.

Das bedeutet von vornherein, dass die Integration umfangreicher Produktdaten, auf die KI zugreifen kann, eine faktische Voraussetzung ist. Sind Attribute, Varianten, Preise und ausführliche Beschreibungen nicht korrekt, strukturiert und für KI lesbar, werden die richtigen Artikel gar nicht erst gefunden und können daher auch nicht zuverlässig empfohlen, verglichen oder zugesagt werden.

Zudem verhalten sich Roboter nicht wie Menschen. Sie kommen mit Mehrdeutigkeiten nicht zurecht und interpretieren keine Werbesprache. Sie treffen ihre Entscheidungen anhand von Signalen wie Produktinformationen, Verfügbarkeit, Lieferversprechen, Fulfillment-Optionen und geschäftlichen Vorgaben – in Kombination.

Wenn diese Informationen nicht verfügbar, unzuverlässig oder unklar sind, können handlungsorientierte Erfahrungen schnell und deutlich scheitern. In einem solchen Umfeld ersetzt Glaubwürdigkeit die Überzeugungskraft.

Vom Experiment zur Infrastruktur

Dieser Wandel beschleunigt sich, da sich der agentische Handel von der Experimentierphase hin zur Infrastruktur entwickelt.

Das Kaufverhalten der Verbraucher kann sich an jedem beliebigen Wendepunkt schlagartig ändern. Aus technischer Sicht verdeutlicht die Einführung von Protokollen, die darauf abzielen, die Verbindung zwischen Agenten und E-Commerce zu standardisieren, wie die Teilnahme einfacher und reproduzierbarer werden wird.

Je besser die Konnektivität wird, desto weniger wird sie zu einem Alleinstellungsmerkmal. Der entscheidende Vorteil liegt nicht mehr in der Benutzeroberfläche, sondern in der operativen Realität, die darüber entscheidet, ob ein Mitarbeiter ein Versprechen geben und einhalten kann.

Das Kundenversprechen und die Einhaltung von Versprechen

Deshalb wird die Integrität von Versprechen zum entscheidenden Wettbewerbsfaktor werden. Im agentischen Handel ist das Versprechen keine bloße Zusatzinformation, sondern das, worauf der Akteur seine Strategie ausrichtet. Erfolgreich sein werden jene Einzelhändler, die Ehrgeiz und Machbarkeit in Einklang bringen: Sie erfüllen Kundenwünsche und geben Zusagen, die so attraktiv wie möglich sind, ohne dabei die Möglichkeit zu verlieren, diese in großem Maßstab umzusetzen.

Entscheidend ist, dass agentischer Handel auf der Kommunikationsebene seltener scheitert als auf der Abwicklungsebene: Eine Verbindung ohne Wahrhaftigkeit führt lediglich zu einer Zunahme von Ausnahmen und Rückabwicklungen und untergräbt das Vertrauen.

Das für die Einhaltung von Versprechen zentrale System ist das verteilte Auftragsmanagement(DOM). In der Agentic-Ära entwickelt sich das verteilte Auftragsmanagement von einer reinen Transaktionsverarbeitung zu einer strategischen Vertrauensplattform: Es ermittelt die passenden Produkte, überprüft die Verfügbarkeit in Echtzeit, berechnet verlässliche Liefertermine, koordiniert die Auftragsabwicklung über verschiedene Knoten hinweg, behandelt Ausnahmen und gewährleistet Transparenz nach dem Kauf.

Das sind keine Probleme mit dem Protokoll, sondern Herausforderungen bei der Umsetzung; und die Art und Weise, wie ein Einzelhändler damit umgeht, wird darüber entscheiden, ob er im Rahmen des agentischen Handels Vertrauen gewinnt.

Die Frage nach dem Reifegrad der KI

Daher ist es wichtig, den Reifegrad der KI bestimmen zu können, und dieser sollte anhand von Ergebnissen definiert und gemessen werden. Dabei sind von vornherein drei wesentliche Säulen zu berücksichtigen:

Agentenbasierte Umsatzförderung: Sicherstellen, dass Signale mit höherer Kaufabsicht von Kunden in umsetzbare Versprechen umgesetzt werden),
Steigerungder betrieblichen Effizienz: Beseitigung innerer Reibung, die auf Agentenebene zu externem Versagen führt), und
Vorausschauende Rentabilitätsoptimierung: Feinabstimmung von Parametern, Zusagen und Routenplanung anhand von Leistungsindikatoren und tatsächlichen Kosten, damit die Dienstleistung nachhaltig bleibt.

Zusammen bilden diese Säulen die Grundlage für die „Agentic Readiness“: die Fähigkeit, Ergebnisse zu erzielen, die umsetzbar, wiederholbar und rentabel sind. Um diesen Reifegrad zu erreichen, ist ein architektonischer Wandel erforderlich.

APIs sind nach wie vor unverzichtbar, reichen jedoch allein nicht aus, um eine dynamische, mehrstufige Ausführung durch intelligente Clients zu ermöglichen.

Es zeichnet sich ein Muster ab, bei dem eine Absichts-/Fähigkeitsschicht APIs kapselt und für Agenten auffindbare, geregelte „Werkzeuge“ bereitstellt – wodurch Anfälligkeiten verringert, eine kontrollierte Orchestrierung ermöglicht und die Ausführung skaliert wird, ohne dabei Abstriche bei der Sicherheit oder Kontrolle zu machen.

Parallel dazu standardisieren Protokolle die Beteiligung, Fähigkeitsschichten standardisieren die Ausführung und das DOM gewährleistet die operative Korrektheit.

Ausblick

In dieser sich entwickelnden Welt geht es nicht mehr nur darum, wie man Suchverkehr generiert, sondern vielmehr um die Frage: „Wie werden wir zur ersten Empfehlung des Maklers, wenn ein Kunde nach dem besten Produkt für einen bestimmten Wunsch fragt?“

Im agentenbasierten Handel konzentrieren sich die Eingabeaufforderungen naturgemäß auf Produktmerkmale und den Preis – und Einzelhändler müssen der Verfügbarkeit und der Liefergeschwindigkeit Vorrang einräumen, da ein Agent nur das empfehlen kann, was er zuverlässig beschaffen und ausliefern kann.

Für Führungskräfte ist die Agenda somit klar: Zuverlässigkeit als Wachstumsstrategie betrachten; die Integrität von Zusagen prüfen, bevor agentische Kanäle skaliert werden; DOM als strategische Infrastruktur etablieren; KI-native Ausführungsebenen aufbauen statt instabile Punktintegrationen; sich auf Protokollpluralismus vorbereiten; die Disziplin im Umgang mit Betriebsdaten stärken; und KPIs in Richtung Zusagegenauigkeit, Ausnahmeprophylaxe, Wiederherstellungsleistung und Marge pro Zusage weiterentwickeln.

Einleitung: Vom Stöbern zur Kaufabsicht

Wie die Regeln des Einkaufens neu geschrieben werden

Der aufstrebende Käufer von heute

Es ist Dienstagabend, und ein Kunde denkt über den Halbmarathon nach, zu dem er sich vor ein paar Wochen spontan und ehrgeizig verpflichtet hat. Plötzlich wird ihm klar, dass er sich neue Laufschuhe besorgen muss, da dies zu einem immer größeren Problem geworden ist. Er braucht also Größe 44 – und zwar noch vor Samstag.

In unserer vertrauten, traditionellen Welt löst dies eine bekannte Routine aus: Man öffnet ein paar (oder viele) Online-Shops, vergleicht die Angebote, prüft die voraussichtlichen Lieferzeiten und lässt vielleicht einige Warenkörbe stehen, wenn das Lieferdatum ungewiss erscheint.

In dem sich abzeichnenden Modell verhält sich der Kunde jedoch ganz anders. Er teilt einem KI-Assistenten in einem einzigen Satz mit, was er möchte: „Finde mir Laufschuhe in Größe 44, die bis Samstag geliefert werden, und bestelle die beste Option.“ Mit anderen Worten: Der Kunde stöbert nicht. Er gibt seine Absicht an.

Der Makler übernimmt die Arbeit: Er ermittelt Optionen, prüft Rahmenbedingungen und handelt zunehmend im Namen des Kunden.

Die meisten Gespräche sind jedoch weitaus komplexer. Daher muss überlegt werden, wie ein durchgängiges Gesprächserlebnis unterstützt werden könnte. In der Regel umfasst ein „Gesprächstrichter“ mehrere Phasen:

Dies ist eine grundlegende Veränderung, die den Kern des agentischen Handels ausmacht: Beim Einkaufen geht es nicht mehr um die Navigation, sondern um das Ergebnis, nicht mehr um das Stöbern, sondern um die Umsetzung. Mit anderen Worten: Im agentischen Handel wird die „Reise“ zu einem Dialog und nicht zu einem Klickpfad.

Der Gesprächstrichter beschreibt, wie sich die Absicht schrittweise konkretisiert und in einen ausführbaren Auftrag umwandelt – und in jeder Phase entscheiden unterschiedliche Fakten und Systeme darüber, ob der Mitarbeiter zuversichtlich fortfahren kann oder ob er auf Nummer sicher gehen, nachfragen oder den Vorgang abbrechen muss.

Wenn es darum geht, dass Einzelhändler in dieser neuen Welt bestehen können, ist diese Unterscheidung von enormer Bedeutung, da sie sich in jeder Phase der Customer Journey unterschiedlich auswirkt.

Im Vorfeld entscheidet dies darüber, ob Ihre Produkte überhaupt gefunden und empfohlen werden können: Sind Produktattribute, Varianten, Preise und Inhalte nicht korrekt, einheitlich strukturiert und für KI lesbar, kann ein Agent Sie nicht zuverlässig für einen bestimmten Bedarf in die engere Wahl nehmen.

In der mittleren Phase des Trichters entscheidet sich, ob ein Agent ein Versprechen überprüfen und einhalten kann: Verfügbarkeit, Lieferoptionen, Bestellfristen, Kapazitäts- und Richtlinienbeschränkungen werden zu den entscheidenden Faktoren, die aus „Interesse“ eine umsetzbare Entscheidung machen.

Im weiteren Verlauf wird geprüft, ob das Kundenerlebnis auch nach dem Bezahlvorgang Bestand hat: Informationen zum Bestellverlauf, zur Fehlerbehandlung sowie zu Rückgabe- und Serviceregelungen müssen so bereitgestellt werden, dass ein Bot sie verstehen und entsprechend reagieren kann; andernfalls kann der Bot Probleme nicht lösen, und die Last fällt wieder auf die menschlichen Teams zurück.

Mit anderen Worten: Dieser Wandel hat direkte Auswirkungen auf die Zugänglichkeit und Zuverlässigkeit Ihrer Daten, auf die Technologien, die Sie wählen, um „Wahrheit“ kanalübergreifend umzusetzen, und letztlich auf den Ruf und die Wettbewerbsfähigkeit Ihrer Marke. Denn im agentischen Handel ist Glaubwürdigkeit keine Botschaft, sondern etwas, das das System immer wieder in Echtzeit unter Beweis stellen muss.

Der zentrale Widerspruch: Verbindung ist nicht dasselbe wie Wahrheit

Protokolle verbessern natürlich die Verbindung. Doch im Zusammenhang mit unserer obigen Aussage zum Verhalten können sie nicht garantieren, dass die Informationen, auf die sich ein Akteur stützt, auch wahr sind. Daher verschärft der Handel mit Agenten ein seit langem bestehendes Problem im Einzelhandel: operative Unsicherheit.

Wenn ein Makler selbstbewusst einen Liefertermin zusagt, der nicht eingehalten werden kann, oder Objekte verkauft, die gar nicht verfügbar sind, ist das nicht nur ein missglücktes Geschäft; es schadet dem Vertrauen in die Dienstleistung des Maklers und damit auch in die dahinterstehende Marke.

Daraus lässt sich eine einfache Schlussfolgerung ziehen: Die Gewinner im agentischen Handel werden diejenigen sein, die ihren Kunden möglichst ehrgeizige Versprechen machen, dabei aber darauf achten, sich nur zu dem zu verpflichten, was sie zuverlässig und beständig erfüllen können.

Die neue Rolle des Auftragsmanagements: Von der Auftragsabwicklung zum Schutz von Zusagen

Damit agentischer Handel in großem Maßstab funktioniert, benötigen Einzelhändler eine verlässliche Informationsquelle, auf die sich die Kommunikation stützt. Diese Rolle übernimmt das Auftragsmanagement.

Inhalt dieses Artikels

Vor diesem Hintergrund untersucht dieses Whitepaper, wie KI und agentischer Handel den Einzelhandel neu gestalten, und zwar unter einem zentralen Gesichtspunkt: Da Entscheidungen zunehmend automatisiert werden, werden die Umsetzung und die Einhaltung von Versprechen zum entscheidenden Unterscheidungsmerkmal. In diesem Whitepaper werden folgende Themen behandelt:

Erläutern Sie, warum die Entstehung von Protokollen eine Beschleunigung signalisiert – und warum dies zwar notwendig, aber nicht ausreichend ist.
Definieren Sie die Einhaltung von Zusagen als das neue Schlachtfeld für Vertrauen und Leistung im agentenvermittelten Handel.
Stellen Sie ein Modell für den Reifegrad des KI-gesteuerten Einzelhandels in drei Bereichen vor: proaktive Umsatzsteigerung, betriebliche Effizienz und vorausschauende Rentabilität; und
Entdecken Sie den architektonischen Wandel hin zu absichtsbasierten Integrationsschichten (Funktionsbereitstellung im MCP-Stil), die es Agenten ermöglichen, Betriebssysteme in großem Maßstab zu nutzen.

Kapitel 1: Protokolle bringen Bewegung in den Markt

1.1 Wie der Markt reagiert

Anfang 2026 klang „Agentic Commerce“ nicht mehr wie ein spekulatives Konzept, sondern zeichnete sich als Markttrend ab. Auslöser war nicht eine einzelne Markteinführung, sondern ein umfassenderes Muster: Große Plattformen positionierten KI-Assistenten als neue Schnittstelle für den Handel, während die Branche begann, in die Infrastruktur zu investieren, die erforderlich ist, um agentengesteuertes Einkaufen in großem Maßstab zu ermöglichen.

Unterdessen deuten Berichte von PwC und anderen Quellen darauf hin, dass der Markt für agentische KI im Einzelhandel und E-Commerce bis 2030 voraussichtlich auf 175,1 Milliarden US-Dollar anwachsen wird, wobei 88 % der Führungskräfte angeben, dass sie aufgrund der agentischen KI eine Aufstockung ihrer KI-Budgets planen.

Die jüngsten Entwicklungen im Bereich der Protokolle und des agentengestützten Handels spiegeln diesen Wandel deutlich wider, sollten jedoch eher als Anzeichen für einen umfassenderen Strukturwandel verstanden werden und nicht als endgültige Ausgestaltung des Marktes.

Entscheidend ist nicht, welches Protokoll zu einem bestimmten Zeitpunkt am stärksten an Bedeutung gewinnt, sondern was uns dessen Entstehung sagt: Der Markt bewegt sich in Richtung standardisierterer Verfahren, mit denen Akteure Produkte finden, Optionen bewerten und Transaktionen einleiten können.

Mit anderen Worten: Der agentische Handel entwickelt sich vom Experimentierstadium hin zur Infrastruktur.

1.2 Was die Unsicherheit hinsichtlich der Vorschriften für Führungskräfte im Einzelhandel bedeutet

Wir treten in eine Phase ein, die von der Weiterentwicklung, Koexistenz und Überschneidung von Protokollen geprägt ist, wobei sich für verschiedene Abschnitte des Weges und für verschiedene Ökosysteme unterschiedliche Ansätze herausbilden. Einige Standards werden sich möglicherweise weit verbreiten; andere bleiben vielleicht ökosystemspezifisch; wieder andere könnten sich im Laufe der Zeit erheblich weiterentwickeln.

Für Händler ist diese Unsicherheit kein Nebenaspekt. Sie ist der Rahmen, in dem sie agieren. Die Branche standardisiert nicht ein einziges Protokoll, sondern baut einen Protokollstapel auf – verschiedene Standards, die auf unterschiedlichen Ebenen funktionieren und jeweils einen anderen Engpass beseitigen.

Protokolle für die Interaktion im E-Commerce(z. B. UCP, ACP): Standardisierung der Art und Weise, wie ein Agent in den Geschäftsablauf eines Händlers eingebunden wird – beispielsweise beim Auffinden von Produkten und beim Vergleich von Optionen.
Tooling- und Kontextprotokolle (z. B.MCP): Standardisierung der Art und Weise, wie ein Agent eine Verbindung zu den Systemen hinter dem E-Commerce herstellt – wodurch Dienste wie Katalog, Preisgestaltung, Lagerbestand, Bestellstatus und Richtlinien zu aufrufbaren Tools mit einheitlichen Ein- und Ausgabedaten werden. Dadurch werden „Truth Systems“ für Agenten ohne maßgeschneiderte Integrationen zugänglich.
Agent-zu-Agent-Koordinationsprotokolle (A2A): Ein offener Standard, der 2025 von Google und seinen Partnern im Rahmen der Google Cloud-Plattform eingeführt wurde. A2A wurde als Ergänzung zu MCP entwickelt und ermöglicht die Kommunikation zwischen KI-Agenten. Wenn MCP beispielsweise Datenbanken nach Produkt- und Bestandsinformationen abfragt, kann es diese Informationen an einen internen Agenten weiterleiten, der wiederum über A2A mit externen Agenten kommunizieren kann.

Im agentenbasierten Handel ist es zudem sinnvoll, zwischen externen und internen Agenten zu unterscheiden, da dies unterschiedliche Auswirkungen auf die Kontrolle und das Vertrauen hat.

Externe Agenten werden von Dritten betrieben – einer Plattform, einem Gerätebetriebssystem, einem Marktplatz oder einem KI-Anbieter – und fungieren als Schnittstelle zum Kunden, wobei sie entscheiden, welche Inhalte angezeigt und wo Transaktionen abgewickelt werden. Händler können sich beteiligen, indem sie Produkte und Aktionen über standardisierte Protokolle bereitstellen, haben jedoch nur begrenzte Kontrolle über die Ranking-Logik des Agenten, die Gestaltung der Konversation oder die Art und Weise, wie Alternativen präsentiert werden.

Eigene Agenten werden vom Einzelhändler (oder dessen Technologiepartnern) betrieben und sind in dessen digitale Infrastruktur eingebunden, wo sie eng mit den Stammdatensystemen für Katalog, Lagerbestand, Lieferversprechen, Richtlinien und den Auftragslebenszyklus vernetzt werden können.

Dies ist von Bedeutung, da dieselbe Kundenabsicht zu sehr unterschiedlichen Ergebnissen führt, je nachdem, wem der Agent gehört: Extern betriebene Agenten stellen höhere Anforderungen an die Auffindbarkeit, Maschinenlesbarkeit und zuverlässige Ausführbarkeit über viele Ökosysteme hinweg, während intern betriebene Agenten es Einzelhändlern ermöglichen, sich durch Authentizität, Koordination und Service von der Konkurrenz abzuheben und so die Integrität ihrer Versprechen und das Markenerlebnis zu wahren, selbst wenn sich die Schnittstelle von Websites hin zu Gesprächen verlagert.

Händler müssen sich darauf einstellen, dass im Laufe der Zeit möglicherweise mehrere externe Schnittstellen unterstützt werden müssen: unterschiedliche Anforderungen an Produktfeeds, verschiedene Checkout-Modelle, unterschiedliche Agent-Ökosysteme und sich ändernde Teilnahmebedingungen.

Der Versuch, diese Volatilität allein durch Punktintegrationen zu bewältigen, führt zu Instabilität. Jede neue Protokolländerung oder jede Verschiebung im Ökosystem könnte Nachbesserungen, doppelte Logik und ein wachsendes Risiko von Inkonsistenzen nach sich ziehen.

Umso wichtiger wird daher das System, das hinter diesen Schnittstellen steht und eine verlässliche Informationsquelle darstellt. In der Praxis bedeutet dies, dass das Order Management System OMS) oder DOM als operatives Rückgrat für den agentenbasierten Handel fungieren muss: Es muss die Bestandsübersicht zentralisieren, realistische Lieferversprechen berechnen, die Auftragsabwicklung standortübergreifend koordinieren, Ereignisse im Auftragslebenszyklus verwalten und diese Funktionen so bereitstellen, dass sie an sich weiterentwickelnde externe Standards angepasst werden können.

In diesem Umfeld ist eine einheitliche Bestandsübersicht nicht nur ein Mittel zur Effizienzsteigerung. Sie wird zu einer strategischen Notwendigkeit. Wenn Mitarbeiter Entscheidungen im Namen der Kunden treffen sollen, benötigen sie aktuelle, konsistente und umsetzbare Informationen.

Zersplitterte Bestandsansichten, unzusammenhängende Abwicklungslogik oder inkonsistente Berechnungen der Lieferversprechen führen nicht nur zu operativer Komplexität, sondern untergraben auch die Glaubwürdigkeit des Händlers bei von Vermittlern begleiteten Kaufprozessen.

Das Gleiche gilt für die Architektur. Händler sollten sich auf einen Protokollpluralismus vorbereiten, indem sie für flexible Funktionsschichten sorgen, anstatt die Geschäftslogik zu eng an ein einzelnes externes Format zu binden. Externe Standards sollten als Adapter betrachtet werden; der dauerhafte Wert liegt in der internen Daten- und Ausführungsschicht, die viele dieser Standards bedienen kann.

Das bedeutet, mit Technologiepartnern zusammenzuarbeiten, die sowohl über die nötige Integrationserfahrung verfügen, um mit sich wandelnden Ökosystemen umzugehen, als auch über eine Strategie, die den KI-gesteuerten Handel ausdrücklich einbezieht, anstatt ihn als vorübergehenden Trend im Vertriebskanal zu betrachten.

Aus diesen Gründen werden im nächsten Abschnitt des agentischen Handels jene Händler die Nase vorn haben, die Anpassungsfähigkeit an der Peripherie mit operativer Präzision im Kern verbinden können. Und genau deshalb gewinnt das Auftragsmanagement im Zeitalter der KI zunehmend an strategischer Bedeutung und Dringlichkeit.

1.3 Warum „Verbindung ohne Wahrheit“ im handlungsorientierten Handel gefährlich ist

Selbst wenn sich der Markt im Laufe der Zeit auf strengere Standards einigt, können Protokolle allein nicht garantieren, dass die Informationen, auf die sich ein Akteur stützt, wahr, aktuell und in der realen Welt der Auftragsabwicklung umsetzbar sind.

Wenn ein KI-Agent im Namen eines Kunden eine Zusage macht, tut er dies mit Überzeugung. Erweist sich diese Zusage als falsch (wenn der Artikel nicht versandt werden kann, nicht rechtzeitig ankommt oder nicht wie versprochen geliefert werden kann), wird das Versagen umso deutlicher:

Das Vertrauen schwindet schneller, da nicht nur die Glaubwürdigkeit des Händlers, sondern auch die des Vermittlers auf dem Spiel steht.
Fehlerhafte Daten haben weitreichende Folgen, da ein und dasselbe fehlerhafte Signal Tausende von automatisierten Entscheidungen beeinflussen kann.
Zuverlässigkeit wird zu einer algorithmischen Angelegenheit, da die Agenten lernen können, welche Händler konsistente Ergebnisse liefern und welche nicht.

Kurz gesagt: Der agentische Handel deckt nicht nur operative Schwachstellen auf. Er läuft Gefahr, diese zu institutionalisieren. Deshalb ist das zentrale strategische Risiko der nächsten Phase des Handels nicht das Fehlen von Vernetzung.

Es ist das Gefühl der Verbundenheit mit einer ungewissen Realität.

1.4 Die Schichtprotokolle sorgen dafür, dass die Ausführung zum entscheidenden Faktor wird

Protokolle werden die Verbreitung beschleunigen. Indem sie jedoch die Vernetzung vereinfachen, verlagern sie auch das Wettbewerbsfeld. Wenn die Vernetzung standardisiert wird, verlagert sich die Differenzierung auf:

die Qualität der Versprechenssignale
die Zuverlässigkeit der Auftragsabwicklung
die Geschwindigkeit und Intelligenz der Ausnahmebehandlung
die Integrität der Transparenz nach dem Kauf

Mit anderen Worten: Der Markt wird nicht mehr diejenigen Einzelhändler belohnen, die als Erste den Anschluss finden, sondern diejenigen, die am besten umsetzen. Genau hier wird das Auftragsmanagement zu einer strategischen Aufgabe.

1.5 Die fehlende Grundlage: die operative Wahrheit hinter dem Protokoll

Auch wenn Protokolle die Schnittstellenebene für den agentenbasierten Handel bilden, benötigen Einzelhändler dennoch ein System, das die für die Agenten wichtigen Fragen wahrheitsgemäß und in Echtzeit beantworten kann:

Kann dies so umgesetzt werden, dass es den Absichten des Kunden entspricht? (nicht nur: „Ist es aufgeführt?“)
Von wo soll der Versand erfolgen? (nicht nur „Was ist am nächsten?“)
Wann kann die Lieferung eintreffen? (nicht nur „Wie lautet die voraussichtliche Lieferzeit?“)
Was passiert, wenn sich die Umstände ändern? (Verspätungen, Auswechslungen, Aufteilungen, Umleitungen)

Diese Fragen betreffen den Schnittbereich aus Bestandsverwaltung, Lieferversprechensberechnung, Routing-Logik und Lebenszyklusmanagement – Bereiche, die in der Regel vom OMS dezentralen Fulfillment-Funktionen gesteuert werden.

Dies führt zu einer ersten Schlussfolgerung, auf die wir im weiteren Verlauf dieses Artikels näher eingehen werden: Protokolle ermöglichen den Dialog. Operative Wahrheit ermöglicht das Ergebnis.

Im nächsten Kapitel erläutern wir, warum die Einhaltung von Versprechen – also die Fähigkeit, nur das zu versprechen, was auch eingehalten werden kann, und dies konsequent umzusetzen – zum entscheidenden Wettbewerbsvorteil im agentengesteuerten Handel wird.

Kapitel 2: Das neue Wettbewerbsfeld – Integrität der Versprechen

Wie im vorigen Kapitel erläutert, halten Protokolle Einzug – die nächste Frage lautet also: Wohin führt uns das? Da Protokolle die Reibungsverluste bei der Verbindung verringern und Agenten zuverlässig auf Handelssysteme zugreifen können, wird der Markt Einzelhändler zunehmend danach beurteilen, ob ihre Systeme zuverlässig Transaktionen durchführen können.

Bei agentengesteuerten Customer Journeys wird der traditionelle Klick, der in der alten Welt noch so dominierend war, nicht mehr wie früher der entscheidende Moment sein. Wohin verlagern sich also die entscheidenden Erfolgsfaktoren?

In diesem neuen Umfeld kommt es auf das Engagement an. Dahinter steht die Logik, dass ein KI-Agent nicht nur Empfehlungen ausspricht, sondern zunehmend auch Entscheidungen trifft, Termine plant und Maßnahmen einleitet – je nachdem, ob ein Ergebnis im Rahmen der Anforderungen oder Einschränkungen des Kunden erzielt werden kann.

Aus diesem Grund wird die Integrität von Versprechen zum entscheidenden Wettbewerbsfaktor werden: die Fähigkeit, Verpflichtungen einzugehen, die ehrgeizig, operativ umsetzbar, kontextspezifisch und konsequent umsetzbar sind.

2.1 In der Ära der Handlungsfähigkeit wird das Versprechen Teil der Markenidentität

Ein „Versprechen“ im Handel geht immer mit gewissen zusätzlichen Informationen einher, wie zum Beispiel „auf Lager“, „Lieferung bis Freitag“, „kostenlose Rücksendung“ oder „Abholung in zwei Stunden“. Kunden können diese Aussagen probabilistisch und mit einem gewissen Maß an Ermessensspielraum interpretieren. Sie kaufen vielleicht trotzdem, gewichten die Gewissheit jedoch gedanklich etwas ab und schaffen sich so einen gewissen Puffer gegen Enttäuschungen.

Alternativ kann sich ein Händler dafür entscheiden, bei seinem Versprechen zurückhaltender zu sein, um sicherzustellen, dass der Kunde auch im Falle eines noch besseren Szenarios zufrieden bleibt. Vertreter verhalten sich anders.

Was einst eher flexible Informationsaussagen waren, wird nun zu Entscheidungsgrundlagen: strukturierte Signale, die bestimmen, welche Option realisierbar ist.

Infolgedessen wird das Versprechen selbst zum Unterscheidungsmerkmal: Es ist das, was der Agent bewertet, vergleicht und letztendlich optimiert.

In der Praxis hängt der Entscheidungszyklus eines Agenten davon ab, ob ein Einzelhändler glaubwürdige Antworten auf Fragen wie die folgenden geben kann:

Ist dieser Artikel derzeit tatsächlich im entsprechenden Standortnetzwerk verfügbar?
Welcher Liefertermin kann unter Berücksichtigung des Lagerbestands, der Leistungsfähigkeit des Spediteurs, der Kapazitäten und der Annahmeschlusszeiten zugesagt werden?
Welche Versandoptionen gibt es (Versand ab Filiale, Versand ab Zentrallager,Abholung) und welche davon sind in diesem Zusammenhang tatsächlich umsetzbar?
Was passiert, wenn sich die Umstände ändern: Verspätungen, Aufteilungen, Umbesetzungen, Umleitungen, Ausfälle?

Das sind keine bloßen Informationen. Es handelt sich um operative Fakten. Und in einer handlungsorientierten Welt sind operative Fakten die Währung des Vertrauens.

2.2 Warum sich das Versprechen der Integrität von „besseren Schätzungen“ unterscheidet

Das Versprechen der Integrität bedeutet nicht, optimistischere Lieferzeitfenster, umfangreichere Produktdaten oder flüssigere Benutzeroberflächen anzubieten. Es ist vielmehr die Disziplin, das, was zum Zeitpunkt der Entscheidung angeboten wird, mit dem in Einklang zu bringen, was unter den realen Schwankungen in einem komplexen Fulfillment-Netzwerk tatsächlich umgesetzt werden kann.

Zwei Dinge machen dies im agentischen Handel schwieriger (und wichtiger):

1. Durch die Automatisierung steigen die Kosten bei Fehlern:

Im traditionellen E-Commerce führen unzutreffende Versprechen zu Enttäuschungen und einer höheren Belastung des Kundendienstes. Im agentischen Handel können unzutreffende Versprechen hingegen autonome Verpflichtungen in großem Umfang auslösen.

Fehlerhafte Signale enttäuschen nicht nur die Kunden, sondern führen auch zu automatisierten Entscheidungen, die anschließend durch Ausnahmebehandlung, Rückerstattungen, Ersatzlieferungen und die Wiederherstellung des Vertrauens rückgängig gemacht werden müssen.

2. Die Erfahrungen der Vermittler schaffen Vergleichbarkeit:

Da Vermittler mit vielen Händlern interagieren, wird die Zuverlässigkeit sichtbar und vergleichbar. Vermittler können erkennen, welche Händler ihre Zusagen konsequent einhalten und welche regelmäßig versagen.

Im Laufe der Zeit entsteht dadurch eine neue Art von Wettbewerbsdruck: Zuverlässigkeit wird zu einem Leistungsindikator, der Empfehlungen, Auswahl und Konversion beeinflussen kann. Deshalb besteht das Risiko nicht einfach nur in „nicht erfolgten Lieferungen“. Ein tieferes Risiko könnte sich in Form eines algorithmischen Vertrauensrankings ergeben. Händler, die ihre Versprechen nicht einhalten können, werden möglicherweise seltener ausgewählt. Nicht weil ihre Produkte minderwertig sind, sondern weil ihre Zusagen unzuverlässig sind.

2.3 Der versteckte Fehlermodus: Versprechen ohne praktische Umsetzung

Die gemeinsame Ankündigung von Google und Shopify zur UCP auf der diesjährigen NRF 2026 unterstreicht die Bemühungen der Branche, die Kommunikationsebene zu standardisieren. Diese Initiativen machen jedoch auch deutlich, was Protokolle nicht lösen können: die operative Wahrheit.

Protokolle können Agenten dabei helfen, Verbindungen herzustellen, Ressourcen zu ermitteln und Handelsvorgänge zu initiieren, garantieren jedoch keine genaue Verfügbarkeit, keine zuverlässige Berechnung von Lieferversprechen, kein intelligentes Routing und keine konsistente Abwicklung nach dem Kauf.

Dadurch entsteht ein versteckter Fehlermodus: Der agentenbasierte Handel scheitert, wenn die Agenten eine Verbindung zu einer unzuverlässigen betrieblichen Realität herstellen.

In diesem Fall mag der Kundenservice zwar reibungslos erscheinen, doch das Ergebnis ist katastrophal: Bestellungen werden unerwartet aufgeteilt, Liefertermine verschieben sich, Bestandsdaten erweisen sich als ungenau, Ersatzlieferungen werden nicht koordiniert, Rücksendungen geraten durcheinander, und der Kundenservice wird zur letzten Bastion.

Das Erlebnis „funktioniert“ zwar als Gespräch, versagt aber als Geschäft.

2.4OMS Schutzmechanismus für Promises: die aufkommende Trust-Engine

Um die Einhaltung von Lieferversprechen in großem Maßstab zu gewährleisten, benötigen Einzelhändler ein System, das mehr kann, als nur Produktinformationen bereitzustellen. Sie benötigen ein System, das die Machbarkeit bewertet, Lieferverpflichtungen berechnet, die Ausführung koordiniert und Ausnahmen über den gesamten Lebenszyklus hinweg verwaltet.

Hier entwickelt sich das Distributed Order Management von einem transaktionalen Rückgrat zu einem strategischen Vertrauensmotor. In einer agentenbasierten Welt wird das DOM zu der Ebene, die:

BietetEchtzeit-Einblick in den Lagerbestand, damit die Mitarbeiter keine Artikel verkaufen, die nicht geliefert werden können
Berechnet und verwaltet Lieferversprechen die zugesagten Termine eingehalten werden können
Optimiert die Routenplanung und die Aufteilung der Aufträge, damit die Auftragsabwicklung weiterhin durchführbar und rentabel bleibt
Koordiniert verschiedene Fulfillment-Optionen, ohne versteckte Risiken zu verursachen
Verwaltet Ausnahmen und die Transparenz des Lebenszyklus, sodass Änderungen berücksichtigt werden, bevor das Vertrauen verloren geht

Einfach ausgedrückt: Im agentischen Handel dient das DOM nicht nur der Verwaltung von Bestellungen, sondern auch dem Schutz von Zusagen.

KI schafft nur dann einen Mehrwert, wenn sie konkrete Geschäftsergebnisse ermöglicht – nicht, wenn sie als Funktion behandelt wird, die nach einem Anwendungsfall sucht. Ein OMS als zentrale Informationsquelle für Bestandsverfügbarkeit, Kundenversprechen und Auftragsabwicklung dient, bildet die Grundlage für einen wirklich intelligenten, proaktiven Handel. Dies ist die Art von KI-orientierter Grundlage, die es Einzelhändlern ermöglicht, neue Maßstäbe in Sachen Effizienz und Kundenerlebnis zu setzen.

Klarissa Marenitch

CTO für den Einzelhandel, Cognizant

2.5 Externe Vertreter, eigene Vertreter. Gleiche Treuepflicht

Unabhängig davon, ob agentischer Handel über externe Plattformen oder über in die eigenen Kanäle eines Einzelhändlers eingebettete Agenten stattfindet, gelten dieselben Vertrauensanforderungen. Agenten müssen vor und nach dem Kauf auf der operativen Realität basieren.

Bei Interaktionen mit externen Anbietern ermöglichen Protokolle und Feeds zwar eine skalierbare Beteiligung, erhöhen jedoch auch den Bedarf an präzisen und aktuellen Signalen, da die Marke im Vergleich zu vielen Alternativen bewertet wird.

Bei proprietären Agenten haben Einzelhändler zwar mehr Kontrolle über den Kontext und die Steuerung, doch ist der Agent letztlich nur so glaubwürdig wie die dahinterstehenden Betriebssysteme.

In beiden Fällen ist nicht die Komplexität des Gesprächs ausschlaggebend, sondern die Verlässlichkeit des Engagements.

2.6 Von der Überzeugung zum Beweis: die neue Grundlage für Wettbewerbsvorteile

Das seit langem etablierte Modell des digitalen Handels belohnte Überzeugungskraft: das beste Erlebnis bei der Produktsuche, die beste Kommunikation, die beste Personalisierung. Diese Fähigkeiten sind nach wie vor wichtig, doch der agentische Handel verschiebt das Gleichgewicht.

Je mehr Entscheidungen automatisiert werden, desto mehr setzt sich das System durch, das seine Machbarkeit unter Beweis stellen kann. Das ist der strategische Wandel, den „Promise Integrity“ mit sich bringt: Im Handel geht es weniger darum, was eine Marke verspricht, sondern vielmehr darum, was sie garantieren kann. Und da Protokolle die Vernetzung allgegenwärtig machen, wird diese Garantie zu einem zentralen Unterscheidungsmerkmal.

In Kapitel 3 werden wir dies in ein praktisches Reifegradmodell umsetzen, das auf drei Kompetenzbereichen basiert: agentenbasierte Umsatzförderung, Steigerung der betrieblichen Effizienz und vorausschauende Rentabilitätsoptimierung – die Grundlagen, die Einzelhändler benötigen, um in einem agentenvermittelten Markt bestehen zu können.

Kapitel 3: Die drei Säulen der Reife im KI-gesteuerten Einzelhandel

Der allgemeine Trend ist eindeutig: Protokolle verringern die Reibungsverluste bei der Anbindung von Agenten, und die Integrität der Versprechen wird zum entscheidenden Unterscheidungsmerkmal. Die praktische Frage für Führungskräfte im Einzelhandel lautet nun: Wie geht es weiter?

„Die Einführung von KI“ ist keine Strategie, ebenso wenig wie die Einführung eines Chatbots. In einem agentenbasierten Markt definiert sich Reife dadurch, ob ein Einzelhändler Absichten zuverlässig, effizient und gewinnbringend in Ergebnisse umsetzen kann. Es ist daher angebracht, eine Definition von Reife in Betracht zu ziehen, anhand derer eine Strategie gemessen werden kann.

In diesem Kapitel werden drei praktische Säulen vorgestellt, anhand derer sich der Reifegrad des KI-gestützten Einzelhandels bewerten lässt. Zusammen bilden sie einen Rahmen für den Übergang vom Experimentieren zur skalierbaren Umsetzung.

Die drei Säulen sind:

Agentic Revenue Enablement: Absichten durch umsetzbare Versprechen in Conversions verwandeln
Steigerung der betrieblichen Effizienz: Abbau interner Reibungsverluste, die die externe Zuverlässigkeit beeinträchtigen; und,
Vorausschauende Rentabilitätsoptimierung: Weiterentwicklung des Auftragsmanagements von der reaktiven Bearbeitung hin zu Margenintelligenz

Diese Säulen sind voneinander abhängig. Agente-basierte Frontends ohne operative Effizienz werden zu kostspieligen Fehlerquellen. Operative KI ohne Integrität der Prognosen sorgt zwar für interne Einsparungen, erschließt jedoch keine neuen Kanäle. Vorausschauende Optimierung ohne verlässliche Ausführungsdaten bleibt reine Theorie. Reife entsteht durch den Aufbau eines vollständigen Stacks.

Schauen wir uns diese Punkte der Reihe nach an.

Säule 1: Unterstützung der Vertriebstätigkeit

Mit anderen Worten: die Umwandlung von Kaufabsicht in Conversion durch umsetzbare Versprechen. Der „Agentic Commerce“ schafft ein neues Umsatzparadigma: Kunden kommen mit einer starken Kaufabsicht, die sie in natürlicher Sprache zum Ausdruck bringen, und erwarten, dass ein Agent die Aufgabe erledigt.

Die Chance liegt auf der Hand: höhere Konversionsraten, weniger abgebrochene Kaufvorgänge und ein besseres Erlebnis für Kunden, die unter Zeitdruck stehen. Doch dafür gibt es eine unabdingbare Voraussetzung, die wir bereits mehrfach angesprochen haben: Der Mitarbeiter muss in der Lage sein, auf verlässliche Echtzeit-Signale aus dem E-Commerce zu reagieren, nicht auf allgemeine Schätzungen.

Aus Sicht der Reifegradentwicklung bedeutet „Agentic Revenue Enablement“, dass Agenten (ob extern oder unternehmenseigen) in die Lage versetzt werden, auf die Funktionen zuzugreifen und diese auszuführen, die Absichten in Ergebnisse umsetzen:

Ein Versprechen als verbindliche Zusage (kein Marketingversprechen)
Fulfillment-Optionen als ausführbare Auswahlmöglichkeiten (keine statischen Konfigurationen)
Transparenz über den gesamten Lebenszyklus und Änderungsmanagement (damit das Erlebnis auch nach dem Kauf glaubwürdig bleibt)

Der agentische Handel wird sich in zwei parallelen Formen manifestieren – externe Agenten und eigene Agenten –, wobei die Anforderung an die Reife dieselbe ist: Der Einzelhändler muss ein auf der operativen Praxis basierendes Versprechen abgeben.

Beispielhafte agentische Szenarien (wie aus Absicht Handlung wird):

Transaktion mit einem externen Dienstleister: Der Dienstleister prüft die Produktverfügbarkeit und die möglichen Liefertermine im Hinblick auf die Frist des Kunden und wählt dann eine Option aus, die verbindlich zugesagt werden kann.
Eigener Pre-Purchase-Agent: Der Agent nutzt Kundenkontext (Verlauf, Präferenzen, Standort), um eine Nachbestellung mit einem berechneten, garantierten Angebot vorzuschlagen.
Kundenservice nach dem Kauf: Der Mitarbeiter löst ein Problem, indem er eine tatsächlich umsetzbare Alternative vorschlägt (Umleitung, Abholung, Aufteilung der Sendung), anstatt sich nur zu entschuldigen und die Angelegenheit weiterzuleiten.

Der entscheidende Punkt ist, dass agentischer Handel keine neue UX-Ebene darstellt. Man sollte ihn vielmehr als neuen Vertriebskanal betrachten; und Umsatz entsteht nur dann, wenn das Versprechen auch eingehalten wird.

Säule 2: Steigerung der betrieblichen Effizienz

Dies lässt sich so formulieren, dass die interne Reibung verringert wird, die die externe Zuverlässigkeit untergräbt. Tatsächlich lässt sich der schnellste ROI durch KI im Einzelhandel oft intern erzielen. In einer handlungsorientierten Welt geht es bei der betrieblichen Effizienz jedoch nicht nur um Kostensenkung, sondern sie ist auch die Grundlage für Zuverlässigkeit.

Interne Reibungsverluste führen zu externen Ausfällen: Lange Lösungszeiträume, manuelle Umgehungslösungen, uneinheitliche Entscheidungen und eine fehleranfällige Ausnahmebehandlung zeigen sich als gebrochene Versprechen, wenn Agenten in großem Maßstab eingesetzt werden.

Die Steigerung der betrieblichen Effizienz zielt darauf ab, mithilfe von KI die „tägliche Routine“ für wichtige Zielgruppen zu vereinfachen, insbesondere dort, wo fragmentierte Systeme und manuelle Prozesse zu Verzögerungen und Fehlern führen.

Bei Fälligkeit umfasst diese Säule:

Konversationsbasierter Zugriff auf Betriebsdaten: Ermöglicht es Geschäfts- und Serviceteams, komplexe Betriebsdaten abzufragen und über absichtsgesteuerte Schnittstellen Maßnahmen zu ergreifen (z. B. Suche nach Aufträgen in natürlicher Sprache und Massenaktionen).
Systemübergreifende Abfragen und Maßnahmen: Reduzierung des Integrationsaufwands und der Arbeitsbelastung durch die Möglichkeit für Mitarbeiter, eine einheitliche operative Übersicht über DOM, OMS, WMS, Spediteure, CRM und weitere Systeme zu erstellen.
Unterstützung bei der Auftragsabwicklung und Fehlerbehebung: Technische Komplexität in klare, umsetzbare Anweisungen fürFilialmitarbeiterund Fulfillment-Teams übersetzen, um Reibungsverluste bei der Auftragsabwicklung vor Ort zu verringern.
Schnellere Konfiguration und Anpassung: Geschäftsanwender und Integratoren können ohne fundierte Fachkenntnisse Orchestrierungslogik definieren und Konfigurationen validieren, wodurch sich die Amortisationszeit verkürzt und das Betriebsrisiko verringert wird.

Beispielhafte Anwendungsszenarien (in denen KI einen messbaren ROI erzielt):

Kundendienstteams, die Bestellungen anhand von Absichten filtern und bearbeiten, anstatt manuelle Abfragen durchzuführen
Systemübergreifende Statusabfrage, die die durchschnittliche Bearbeitungszeit verkürzt und Eskalationen reduziert
Automatisierte Abwicklungsabläufe, die Stornierungen in Ersatzlieferungen oder alternative Lieferungen umwandeln
Unterstützung für die Konfiguration in natürlicher Sprache die komplexe Einrichtungszyklen verkürzt

Der entscheidende Punkt: Operative Effizienz ist nicht mehr vom Kundenerlebnis zu trennen. Im agentischen Handel ist sie eine Voraussetzung dafür.

Säule 3: Vorausschauende Rentabilitätsoptimierung

Hier wird die Entwicklung des Auftragsmanagements von der reaktiven Bearbeitung hinzur Margenintelligenz beleuchtet. An diesem Punkt wechselt die KI von der Unterstützung des Menschen zur Optimierung von Systemen. Das Auftragsmanagement im Einzelhandel war bisher reaktiv: Es erfasst Ereignisse, wendet Regeln an und leitet Aufträge auf der Grundlage einer festgelegten Logik weiter.

Doch da Versprechen zum Maßstab für den Erfolg werden und der agentische Handel das Tempo der Verpflichtungen erhöht, reicht ein reaktives Modell nicht mehr aus. Das DOM muss sich zu einer vorausschauenden, sich selbst optimierenden Engine entwickeln, die Kundenergebnisse und Rentabilität in Echtzeit in Einklang bringen kann.

Unter vorausschauender Rentabilitätsoptimierung versteht man den Einsatz von KI-Modellen, um Risiken zu antizipieren, die tatsächlichen Kosten zu berechnen und betriebliche Parameter anzupassen, bevor Probleme auftreten. Im ausgereiften Stadium umfasst dies drei zentrale Kontrollmechanismen:

Intelligentere Bestandssicherheit: Dynamische Anpassung von Sicherheitsbeständen und Pufferbeständen auf der Grundlage von Abweichungsmustern und der Erkennung von Anomalien, wodurch das Risiko von Über- und Unterverkäufen verringert wird.
Optimierung der Liefertermintreue: Kontinuierliche Anpassung der Lieferterminslogik anhand historischer und Echtzeit-Leistungsdaten (Beförderungsergebnisse, Lagerdurchsatz, Netzwerkkapazität), um die pünktliche Lieferung zu verbessern und gleichzeitig wettbewerbsfähig zu bleiben.
Gewinnoptimierte Routenplanung: Beschaffungsentscheidungen in Echtzeit auf der Grundlage der tatsächlichen Fulfillment-Kosten (einschließlich Risikokosten), der Auswirkungen auf die Marge und der Serviceergebnisse – und nicht nur anhand von Regeln zur räumlichen Nähe.

In einem agentischen Markt wird dieser Pfeiler zu einem strategischen Unterscheidungsmerkmal, da er es Einzelhändlern ermöglicht, etwas zu tun, was sonst unmöglich wäre: selektiv aggressive, attraktive Versprechen abzugeben, jedoch nur dann, wenn diese gewinnbringend und zuverlässig eingehalten werden können. Das ist der Kern der Versprechensintegrität im großen Maßstab.

Wie die Säulen zusammenwirken: das Reifungs-Flywheel

Diese Säulen verstärken sich gegenseitig: Deshalb sollte der Reifegrad der KI im Einzelhandel nicht anhand der Anzahl der eingesetzten Modelle oder der Komplexität der Benutzeroberfläche gemessen werden.

Dies sollte daran gemessen werden, ob der Einzelhändler Ergebnisse erzielen kann, die:

Einlösbar (wahrhaftige Versprechen)
Wiederholbar (effiziente Vorgänge)
Wirtschaftlich nachhaltig (gewinnoptimierte Auftragsabwicklung)

In Kapitel 4 wenden wir uns der architektonischen Frage zu: Wenn Agenten zur Schnittstelle werden, welche Art von Integrationsschicht ist erforderlich, um E-Commerce-Funktionen sicher und in großem Maßstab bereitzustellen? Und warum stellen absichtsbasierte Funktionsschichten (wie Schnittstellen im MCP-Stil) einen Schritt weg von traditionellen API-zentrierten Mustern dar.

Kapitel 4: Der architektonische Wandel – Von API-Stacks zu Intent-Layern

In den ersten drei Kapiteln wurde beschrieben, was sich im Einzelhandel verändert: Die Entscheidungsfindung wird zunehmend von Agenten gesteuert, Protokolle sorgen für eine standardisierte Konnektivität, und die Einhaltung von Versprechen entwickelt sich zum entscheidenden Wettbewerbsfaktor.

In diesem Kapitel wird erläutert, wie sich die zugrunde liegende Architektur ändern muss, um dieser Realität gerecht zu werden.

Intent-orientierte Integration

Technologiestacks im Einzelhandel wurden für Menschen und Anwendungen entwickelt, nicht für autonome Agenten. Herkömmliche Integrationsmuster gehen davon aus, dass Entwickler die Dokumentation lesen, Felder zuordnen, die Versionsverwaltung übernehmen und die Koordination zwischen mehreren Systemen manuell gestalten.

Agenten funktionieren nicht auf diese Weise. Sie benötigen eine sicherere, strukturiertere Methode, um Funktionen zu ermitteln und mehrstufige Arbeitsabläufe auszuführen, ohne auf instabile oder maßgeschneiderte Infrastrukturen zurückgreifen zu müssen.

Hier kommen absichtsorientierte Integrationsschichten ins Spiel: architektonische Abstraktionen, die eher Funktionen (was ein System leisten kann) als Endpunkte (wie ein Entwickler es aufruft) bereitstellen. In der Praxis liegen diese Schichten über den APIs und kapseln diese ein, wobei sie die Absicht des Agenten in eine zuverlässige Systemausführung umsetzen.

4.1 Warum API-zentrierte Architekturen mit Agenten zu kämpfen haben können

APIs sind seit über einem Jahrzehnt die universelle Sprache des digitalen Handels. Sie sind nach wie vor unverzichtbar. Doch die Art und Weise, wie sie üblicherweise genutzt werden, bringt Herausforderungen mit sich, wenn der „Client“ kein menschlicher Entwickler oder eine feststehende Anwendung ist, sondern ein KI-Agent, der dynamische, mehrstufige Aufgaben ausführt.

Vier Einschränkungen tauchen immer wieder auf:

Endpunkt-Wildwuchs und Fragmentierung:
In Unternehmens-Commerce-Stacks sammeln sich Tausende von Endpunkten ausOMS, WMS, CRM, PIM, Marktplatzplattformen, Versanddienstleistern und Analysesystemen an. Jeder Bereich hat seine eigenen Muster und Annahmen. Diese zu einem kohärenten Agenten-Workflow zusammenzufügen, kann kostspielig und anfällig sein.
Dokumentationsgestützte Erkundung:
Herkömmliche Integrationen sind auf die menschliche Interpretation von Dokumentationen angewiesen: Welchen Endpunkt soll man aufrufen, mit welcher Nutzlast und in welcher Reihenfolge? Agenten benötigen eine maschinenlesbare Möglichkeit, um zu fragen: „Was kannst du tun?“, und eine zuverlässige Antwort zu erhalten.
Handgefertigte Orchestrierung:
Selbst einfache Kundenanliegen erfordern oft eine komplexe Orchestrierung: Verfügbarkeit prüfen, Liefertermin berechnen, Versandart auswählen, Bestellung erstellen, Sendungsverfolgung aktualisieren, Ausnahmen verwalten. In API-zentrierten Architekturen wird diese Orchestrierung in der Regel von Entwicklern programmiert und gewartet, was die Zeit bis zur Umsetzung von Änderungen verlängert und operative Risiken mit sich bringt.
Zunehmende Anfälligkeit im Laufe der Zeit:
Versionsänderungen, Schema-Drift und Änderungen an Abhängigkeiten machen Integrationen zu fortlaufenden Wartungsprojekten. In großem Maßstab ausgeführte Agenten verstärken diese Anfälligkeit noch: Kleine Störungen haben große Auswirkungen auf den Betrieb.

Das Ergebnis ist nicht, dass APIs „nicht funktionieren“, sondern dass sie nicht für die sich abzeichnende Art der Interaktion konzipiert wurden: eine absichtsgesteuerte, werkzeugbasierte, mehrstufige Autonomie.

4.2 Der Wandel in der Abstraktion: von Konnektivität zu Leistungsfähigkeit

Ein nützlicher Ansatz, um die neue architektonische Ausrichtung zu verstehen, ist der Wechsel von der Konnektivität zur Leistungsfähigkeit. Bei der Konnektivität lautet die Frage: „Können diese Systeme miteinander kommunizieren?“ Bei der Leistungsfähigkeit lautet die Frage: „Was kann dieses System leisten, und wie kann ein Akteur es sicher nutzen?“

In einem absichtsorientierten Modell stellen Systeme eine Reihe von Funktionen auf hoher Ebene bereit, wie z. B. Verfügbarkeit abfragen, Liefertermin berechnen, Bestellung erstellen, Auftragsabwicklung umleiten und einheitliche Sendungsverfolgung abrufen. Diese müssen auf vorhersehbare Weise ermittelt und aufgerufen werden können.

Bei der Schnittstelle geht es weniger um Endpunkte als vielmehr um Aktionen und Einschränkungen. Das ist der architektonische Gedanke hinter den Schichten im MCP-Stil: eine standardisierte Methode, um „Werkzeuge“ bereitzustellen, die Agenten erkennen und aufrufen können, wobei gleichzeitig Sicherheit, Governance und betriebliche Einschränkungen gewahrt bleiben.

Zwei Merkmale sind für den agentischen Handel besonders wichtig:

Deklarative Erkennung: Agenten können das System nach einer expliziten Liste der Funktionen abfragen, anstatt sich auf Dokumentation und benutzerdefinierte Zuordnungen zu verlassen.
Orchestrierung von der Absicht bis zur Ausführung: Die Ebene kann ein Ziel („diese verzögerte Bestellung mit der besten Alternative abwickeln“) in eine kontrollierte Abfolge von Aktionen über zugrunde liegende APIs und Systeme hinweg umsetzen, wobei klare Governance-Grenzen gelten.

4.3 Wichtiger Hinweis: Wir leben nicht in einer Welt nach der API

Man ist versucht, diesen Wandel als „Ersetzung von APIs“ darzustellen. In Unternehmenssystemen trifft dies jedoch selten zu. Eine treffendere Formulierung lautet: APIs werden weiterhin die grundlegende Infrastruktur bilden, jedoch zunehmend gekapselt sein. Intent-zentrierte Schichten liegen über den bestehenden APIs und Diensten und fungieren als:

KI-fähige Gateways auf Basis der bestehenden Infrastruktur
Sichere Broker, die mehrere Backends (OMS, ERP, WMS, Spediteure) hinter einheitlichen Funktionen zusammenfassen
Verbundene Koordinatoren, die systemübergreifende Arbeitsabläufe und den Lebenszyklusstatus einheitlich verwalten

Dies entspricht früheren technologischen Entwicklungen. Wenn Systeme komplexer werden, führen erfolgreiche Architekturen Abstraktionen auf höherer Ebene ein, die die kognitive und operative Belastung verringern.

Im agentenbasierten Handel geht es um die Bereitstellung von Funktionen für intelligente Clients.

4.4 Wie sich dies mit Protokollen wie UCP überschneidet

UCP und ähnliche Initiativen befinden sich auf einer anderen Ebene des Stacks. Ihr Ziel ist es, die Interaktionsmuster zwischen Agenten und E-Commerce-Plattformen im gesamten Ökosystem zu standardisieren. Sie verringern die Reibungsverluste bei der Anbindung und Teilnahme.

Wie wir jedoch bereits in Kapitel 1 erläutert haben, gibt es eine Einschränkung: Protokolle allein können nicht garantieren, dass die zurückgegebenen Antworten operativ korrekt sind. Dies führt zu einer mehrschichtigen Architektur, auf die sich führende Marken zubewegen werden:

Protokollschicht (z. B. UCP): Standardisiert die Art und Weise, wie Agenten Verbindungen herstellen und Transaktionen durchführen. Plattformübergreifende Interoperabilität
Absichts-/Fähigkeitsschicht (im MCP-Stil): Stellt maschinenlesbare Werkzeuge und kontrollierte Arbeitsabläufe bereit. Sichere, auffindbare und zuverlässige Ausführungsprimitive
Operative Wahrheitsebene (OMS): Berechnet Verfügbarkeit, Zusagen, Orchestrierung und Lebenszyklus-Wahrheit. Ausführbare und konsistente Verpflichtungen

Mit anderen Worten: Protokolle sorgen für die Skalierbarkeit der Schnittstelle; Intent-Ebenen machen die Ausführung für Agenten nutzbar; die verteilte Auftragsverwaltung sorgt für vertrauenswürdige Ergebnisse.

4.5 Warum Intent-Ebenen in einem agentenbasierten Markt strategisch wichtig werden

Dieser architektonische Wandel ist von Bedeutung, da er die Geschwindigkeit und Sicherheit erhöht, mit der Einzelhändler am agentenbasierten Handel teilnehmen können, ohne eine unkontrollierte Integrationsfläche zu schaffen.

Intent-zentrierte Funktionsschichten bieten vier strategische Vorteile:

Schnellere Bereitstellung neuer Agentenerlebnisse: Sobald Funktionen auf standardisierte Weise bereitgestellt werden, lassen sich neue Agentenerlebnisse entwickeln, ohne dass die Integrationslogik jedes Mal neu erstellt werden muss.
Geplante Steuerung: Funktionen können mit Berechtigungen versehen, überwacht und eingeschränkt werden (was Agenten unter welchen Bedingungen tun dürfen), wodurch sich das Risiko im Vergleich zu einer Ad-hoc-API-Freigabe verringert.
Geringere Anfälligkeit der Integration: Änderungen an den zugrunde liegenden APIs können innerhalb der Funktionsschicht aufgefangen werden, wodurch Fehler in nachgelagerten Bereichen reduziert werden.
Bessere operative Lernzyklen: Wenn Agentenaktionen über eine einheitliche Tool-Ebene ausgeführt werden, lassen sich die Leistung leichter beobachten, Fehlermuster leichter erkennen und die Promise- sowie die Routing-Logik leichter verbessern, was die in Kapitel 3 beschriebene Reife der Vorhersagen unterstützt.

4.6 Der sich abzeichnende architektonische Auftrag

Das architektonische Ziel des agentenbasierten Handels besteht nicht einfach darin, „KI hinzuzufügen“. Vielmehr geht es darum, zentrale Handelssysteme für intelligente Clients nutzbar zu machen und dabei die Datenintegrität, Sicherheit und Kontrolle zu gewährleisten.

Das bedeutet, dass bei der Gestaltung Folgendes zu berücksichtigen ist:

In Kapitel 5 setzen wir diese Ideen in ein praktisches Reifegradmodell für den Einzelhandel um und zeigen, wie Unternehmen den Weg von dialogorientierten Experimenten über operativ verankerte Agenten bis hin zu einem zukunftsorientierten, prädiktiven und autonomen Handel beschreiten.

Kapitel 5: Ein Reifegradmodell für Einzelhändler

Agentischer Handel wird oft als eine Verlagerung im Frontend-Bereich diskutiert: neue dialogorientierte Schnittstellen, neue Suchmuster, neue Einkaufserlebnisse.

Wie in diesem Beitrag jedoch dargelegt wurde, kommt es nicht darauf an, wie überzeugend das Gespräch ist. Entscheidend ist vielmehr, ob der Einzelhändler diese Absichten in Ergebnisse umsetzen kann, die ehrgeizig, realistisch, umsetzbar und nachhaltig sind.

Aus diesem Grund ist ein Reifegradmodell nützlich, da es Führungskräften die Möglichkeit bietet, einzuschätzen, wo sie derzeit stehen, wie ein „gutes“ Ergebnis aussieht und welche Fähigkeiten als Nächstes aufgebaut werden müssen. Wichtig ist, dass der Weg zur Reife nicht linear verläuft, was den Einsatz von „mehr KI“ betrifft.

Es handelt sich um einen Übergang vom Dialog zur Bindung und von der Automatisierung zur gesteuerten Autonomie. Betrachten wir ein vierstufiges Reifegradmodell, das für das Zeitalter der Agenten entwickelt wurde.

Stufe 1: Experimentieren im Gespräch

„Wir haben KI integriert, aber sie funktioniert nicht zuverlässig.“

Derzeit führen Einzelhändler dialogorientierte Funktionen ein, häufig in Form von Chatbots oder Copiloten, doch diese Funktionen sind nach wie vor weitgehend von den operativen Systemen abgekoppelt.

Die KI kann häufig gestellte Fragen beantworten, Richtlinien zusammenfassen und Kunden beraten, aber sie kann keine verlässlichen Zusagen machen oder sinnvolle Maßnahmen ergreifen.

Typische Merkmale: Die KI liefert in erster Linie Informationen und unterstützende Inhalte. Begrenzte operative Integration (bestenfalls: schreibgeschützte, zeitverzögerte Daten). Antworten bestehen häufig aus allgemeinen Schätzungen oder Haftungsausschlüssen. Ausnahmen werden umgehend an menschliche Mitarbeiter weitergeleitet.
Häufige Risiken: In Demos wirkt die Erfahrung beeindruckend, versagt jedoch unter realen Bedingungen. Aufgrund mangelnden Vertrauens zögern Nutzer, der KI echte Aufgaben zu übertragen. Das Vertrauen in die Marke kann leiden, wenn die KI zu viel verspricht oder widersprüchliche Antworten liefert.
Reifegrad-Indikator: KI wird als Kanalmerkmal betrachtet, nicht als neues Ausführungsmodell.

Stufe 2: Vernetzte Agenten

„Wir können eine Verbindung aufbauen, aber wir können uns nicht immer festlegen.“

Hier beginnen Einzelhändler damit, die Funktionen von Agenten über APIs, Feeds und neue Protokolle mit ihren Handelssystemen zu verknüpfen. An dieser Stelle ermöglichen Fortschritte im Ökosystem, wie beispielsweise Standardisierungsbemühungen, eine breitere Beteiligung. Agenten können Produktkataloge abfragen, Warenkörbe anlegen und Transaktionen auf strukturiertere Weise einleiten.

„Vernetzt“ bedeutet jedoch nicht zwangsläufig „zuverlässig“. Der Händler könnte weiterhin Schwierigkeiten haben, genaue Echtzeit-Verfügbarkeitsdaten bereitzustellen, eine verlässliche Lieferzusage zu machen oder Änderungen nach dem Kauf einheitlich zu verwalten.

Typische Merkmale: Die Anbindung der Agenten an den E-Commerce ist hergestellt (Protokolle/Feeds/APIs). Agenten können zentrale Aktionen auslösen (Produktsuche – Warenkorb – Kaufabwicklung). Die Promise-Logik unterliegt jedoch weiterhin Einschränkungen hinsichtlich Datenqualität, Latenz oder statischer Regeln. Die Transparenz nach dem Kauf kann unvollständig oder fragmentiert sein.
Häufige Risiken: Automatisierte Zusagen verstärken bestehende operative Schwachstellen. Fehler treten „nach“ dem Gespräch auf, wodurch das Erlebnis als irreführend empfunden wird. Der Aufwand für den Kundenservice steigt aufgrund von Ausnahmen und Stornierungen.
Reifegrad: Die Organisation betreibt agentischen Handel, doch die Zuverlässigkeit ist uneinheitlich.

Stufe 3: Operativ verankerte Akteure

„Wir können uns festlegen, weil wir eine verlässliche Quelle haben.“

In dieser Phase gewinnt der agentenbasierte Handel an Glaubwürdigkeit, da der Händler über eine operative Faktenebene verfügt, die die Einhaltung von Zusagen gewährleistet. Anstelle von Signalen, die nur eine bestmögliche Annäherung darstellen, können die Agenten auf Echtzeit-Verfügbarkeitsdaten zugreifen, realistische Lieferzusagen berechnen und Fulfillment-Entscheidungen treffen, die auf einer Echtzeit-Auftragsmanagementlogik basieren.

Hier OMS das OMS von der Transaktionsverarbeitung hin zum Schutz von Zusagen: Es stellt sicher, dass das, was versprochen wurde, auch eingehalten werden kann, und verwaltet den Lebenszyklus, wenn sich die tatsächlichen Gegebenheiten ändern.

Typische Merkmale: Die Verfügbarkeits- und Lieferterminberechnung in Echtzeit erfolgt auf operativer Basis. Auftragsorchestrierung die Ausnahmebehandlung sind agentenzugänglich und geregelt. Die Transparenz nach dem Kauf ist einheitlich und umsetzbar. Interne Effizienz-Workflows reduzieren Reibungsverluste (Service, Filialen, Geschäftsbetrieb).
Häufige Risiken: Der Schwerpunkt verlagert sich von der Frage „Können wir das umsetzen?“ hin zu „Können wir die Governance skalieren?“ Die Koordination mehrerer Datensysteme erfordert nach wie vor eine sorgfältige Planung. Das Änderungsmanagement gewinnt ebenso an Bedeutung wie die Modellqualität.
Reifegrad-Signal: Man kann darauf vertrauen, dass Agenten handeln, da Verpflichtungen durchsetzbar sind.

Stufe 4: Vorausschauender autonomer Handel

„Wir setzen nicht nur um, wir optimieren auch.“

Bei der höchsten Reifegradstufe geht es nicht um mehr Automatisierung um der Automatisierung willen. Es geht um vorausschauende Steuerung: Systeme, die Risiken antizipieren, Parameter in Echtzeit anpassen und sowohl die Kundenergebnisse als auch die Rentabilität kontinuierlich optimieren.

Hier fungierenOMS das Fulfillment-Netzwerk als lernendes System. Die Lieferfristen werden dynamisch auf der Grundlage von Leistungssignalen angepasst; die Sicherheitsbestände werden entsprechend der Streuung angepasst; Beschaffungsentscheidungen werden unter Berücksichtigung der tatsächlichen Kosten und des Ausfallrisikos optimiert, nicht nur aufgrund der geografischen Nähe.

Die Agenten können dann mit größerer Autonomie arbeiten, da das System selbst widerstandsfähig ist: Es kann Probleme frühzeitig erkennen, Alternativen vorschlagen und Wiederherstellungsmaßnahmen durchführen, ohne das Vertrauen zu erschüttern.

Typische Merkmale: Dynamische Optimierung von Puffer- und Lagerbeständen. Kontinuierliche Anpassung der Lieferzusagen anhand von Leistungs- und Kapazitätssignalen. Gewinnoptimierte Routenplanung auf Basis der tatsächlichen Kosten (einschließlich Risikokosten). Ausnahmeregelung und automatisierte Wiederherstellung werden zum Standard. Absichts- und Fähigkeitsschichten machen kontrollierte Autonomie skalierbar.
Häufige Risiken: Erfordert eine strenge Datendisziplin und entsprechende operative Instrumente. Erfordert klare Governance-Grenzen für autonomes Handeln. Unternehmen müssen die Anreize in den Bereichen Digital, Operations und Finanzen aufeinander abstimmen.
Reifegrad-Indikator: Der Einzelhändler punktet durch Zuverlässigkeit und Margenoptimierung in großem Maßstab.

Anwendung dieses Modells: ein pragmatischer Bewertungsansatz

Einzelhändler können das Reifegradmodell als Diagnoseinstrument in den drei in Kapitel 3 vorgestellten Dimensionen nutzen:

Umsatzsteigerung durch Mitarbeiter: Können Mitarbeiter Kaufabsichten durch glaubwürdige Zusagen in tatsächliche Käufe umwandeln?
Steigerung der betrieblichen Effizienz: Können Teams Aufgaben zügig umsetzen und sich schnell erholen, ohne dass es zu manuellen Verzögerungen kommt?
Vorausschauende Rentabilitätsoptimierung: Kann sich das Fulfillment-Netzwerk hinsichtlich Risiko und Marge selbst optimieren?

Die wichtigste Erkenntnis ist, dass die Reife nicht daran gemessen wird, wie „KI-gestützt“ die Benutzeroberfläche wirkt. Sie wird vielmehr daran gemessen, ob der Einzelhändler Ergebnisse liefern kann, die:

Ausführbar (Integrität des Versprechens)
Wiederholbar (effiziente Vorgänge)
Wirtschaftlich nachhaltig (gewinnorientierte Steuerung)

In Kapitel 6 leiten wir daraus strategische Implikationen für Führungskräfte aus den Bereichen Markenmanagement und Einzelhandel ab: Was sollte jetzt Priorität haben, was sollte gemessen werden und wie kann man sich auf eine Welt vorbereiten, in der Zuverlässigkeit zu einem maschinell bewerteten Wettbewerbsmerkmal wird?

Kapitel 6: Strategische Implikationen für Führungskräfte im Einzelhandel

Agentengestützter Handel verändert die Wettbewerbsbedingungen. Da Protokolle die Reibungsverluste bei der Verbindung verringern und Agenten zu einer skalierbaren Schnittstelle für den Einkauf werden, verlagert sich die Differenzierung weg von der Frage, wer das überzeugendste Gesprächserlebnis bietet, hin zu der Frage, wer die zuverlässigsten Ergebnisse liefern kann.

In der Praxis müssen Führungskräfte im Einzelhandel den agentischen Handel nicht als bloße Ergänzung der Vertriebskanäle betrachten, sondern als strategischen Test für die operative Glaubwürdigkeit.

In diesem Kapitel werden die Auswirkungen auf CIOs, CTOs, Führungskräfte im Digitalbereich und Führungskräfte im operativen Bereich sowie die daraus resultierenden Maßnahmen dargelegt.

6.1 Betrachten Sie Zuverlässigkeit als Wachstumsstrategie und nicht als Betriebskennzahl

Im traditionellen E-Commerce wird Zuverlässigkeit oft als operativer KPI gemessen: pünktliche Lieferung, Stornierungsrate, Rücklaufquote,Rückstand im Kundenservice. In einer agentenbasierten Welt erhalten diese Kennzahlen eine neue Bedeutung. Sie könnten zu vorgelagerten Signalen werden, die beeinflussen, ob Agenten einen Händler überhaupt erst empfehlen, auswählen und ihm die Treue halten.

Die strategische Konsequenz ist klar: Zuverlässigkeit wird zum entscheidenden Faktor für die Nachfragesteuerung. Einzelhändler, die ihre Versprechen konsequent einhalten, sind bei agentengesteuerten Customer Journeys im Vorteil, da die Agenten lernen können, welche Marken vorhersehbare Ergebnisse liefern.

Umgekehrt riskieren Einzelhändler, die ihre Versprechen nicht konsequent einhalten, in diesem Szenario eine neue Art von Nachteil, der weniger einer Kundenabwanderung als vielmehr einem algorithmischen Ausschluss gleicht: Sie werden seltener ausgewählt, weil sie als weniger zuverlässig gelten.

Maßnahmen der Unternehmensleitung: Die „Versprechensintegrität“ soll neben Konversionsrate und Marge zu einer Kennzahl für die Führungskräfteentwicklung erhoben werden. Erfassen Sie, wo und warum Versprechen nicht eingehalten werden (Verfügbarkeit, Versprechenslogik, Kapazität, Leistung des Netzbetreibers, Ausnahmebehandlung).

6.2 Überprüfung der Integrität der Versprechen vor der Skalierung agentischer Kanäle

Viele Unternehmen werden versucht sein, direkt bei der Benutzeroberfläche anzusetzen: einen Assistenten starten, eine Verbindung zu einem Protokoll herstellen, einen Feed bereitstellen. Doch die Akzeptanzkurve wird jene Einzelhändler belohnen, die zunächst dafür sorgen, dass die Grundlagen vertrauenswürdig sind.

Wenn ein Agent zwar eine Verbindung herstellen kann, das Versprechen jedoch unzuverlässig ist, führt eine Skalierung der Anwendung automatisch zu einer entsprechenden Zunahme von Fehlern.

Maßnahmen der Führungsebene: Führen Sie eine „Prüfung der Einhaltung von Lieferversprechen“ für die wichtigsten Produktkategorien und Lieferwege durch. Ermitteln Sie die Abweichungen zwischen versprochenen und tatsächlich gelieferten Ergebnissen. Ermitteln Sie, an welchen Stellen Unsicherheiten ins System gelangen (Bestandsgenauigkeit, Pufferpolitik, Stichtage, Abweichungen bei den Spediteuren, Umsetzung in den Filialen).

6.3 DOM als strategische Infrastruktur neu positionieren

Beim agentischen Handel steht das Auftragsmanagement im Mittelpunkt des Kundenerlebnisses. Wenn Versprechen zur Grundlage für den Erfolg werden, ist das Auftragsmanagement kein reines Backoffice-System mehr. Es ist die Ebene, die die Machbarkeit prüft, Verpflichtungen berechnet, die Auftragsabwicklung über verschiedene Knoten hinweg koordiniert und Ausnahmen behandelt, bevor das Vertrauen erschüttert wird.

Dies verändert auch die Logik hinter Investitionen. Verbesserungen bei der Bestandsübersicht, der Lieferversprechensberechnung, der Routenplanung und der Lebenszyklussteuerung sind nicht nur betriebliche Optimierungen, sondern Voraussetzungen, um auf agentengesteuerten Märkten bestehen zu können.

Maßnahmen der Führungsebene: Betrachten Sie die DOM-Fähigkeiten als strategischen Faktor für Umsatz, Vertrauen und Margen (nicht nur zur Kostenkontrolle). Stimmen Sie OMS auf die Vertriebskanalpläne ab, damit sich Strategie und Umsetzung gemeinsam weiterentwickeln.

6.4 Entwickeln Sie eine KI-native Ausführungsschicht, statt ein Flickwerk aus Integrationen

Protokolle werden Agenten dabei helfen, sich mit dem Handel zu vernetzen. Doch Einzelhändler benötigen nach wie vor einen sicheren, geregelten Weg, um intelligente Clients nicht nur Endpunkte, sondern auch ihre Funktionen zugänglich zu machen. Hier kommen Intent-/Fähigkeitsschichten (Abstraktionen im MCP-Stil) ins Spiel, die strategisch wertvoll sind: Sie ermöglichen es Systemen, ihre Funktionen bekannt zu geben, eine kontrollierte Orchestrierung zu ermöglichen und zugrunde liegende APIs zur Gewährleistung der Ausfallsicherheit zu kapseln.

Dies ist besonders wichtig in komplexen Einzelhandels-Systemlandschaften, in denen die Ausführung von mehreren Systemen abhängt:OMS, WMS, ERP, CRM, Spediteure, Marktplätze. Ohne eine übergeordnete Funktionsschicht führen agentenbasierte Lösungen häufig zu instabilen Integrationen und Governance-Risiken.

Maßnahmen der Führungsebene: Übergang von der Offenlegung von Endpunkten zur Offenlegung von Funktionen (auffindbare, berechtigungsbasierte „Tools“). Festlegung von Governance-Grenzen für die Autonomie von Agenten (was Agenten tun dürfen, unter welchen Bedingungen und mit welchen Genehmigungen). Konzeption im Hinblick auf die Beobachtbarkeit und Nachvollziehbarkeit von Agentenaktionen.

6.5 Vorbereitung auf Protokollpluralismus und Volatilität des Ökosystems

UCP ist ein wichtiger Standard, wird aber nicht der einzige Schnittstellenstandard sein. Einzelhändler sollten sich auf eine Phase des Protokollpluralismus einstellen – mit vielfältigen Formaten, sich wandelnden Erwartungen und wechselnden Plattformanforderungen.

Das strategische Risiko besteht darin, eng gekoppelte Einzellösungen zu entwickeln, die bei jeder Protokolländerung neu erstellt werden müssen. Der strategische Vorteil liegt darin, eine stabile interne Grundlage für Daten und Funktionen zu schaffen, die sich an externe Veränderungen anpassen kann.

Maßnahmen der Führungsebene: Betrachten Sie externe Protokolle als „Adapter“ und nicht als Fundament. Investieren Sie in interne operative Informations- und Kompetenzebenen, die mehrere externe Ökosysteme bedienen können. Entwerfen Sie Beteiligungsmodelle, die Individualisierungsmöglichkeiten bewahren und gleichzeitig den Anforderungen an die Interoperabilität gerecht werden.

6.6 Datenmanagement mit der dezentralen Entscheidungsfindung in Einklang bringen

Agentenbasierter Handel führt zu einer Zunahme delegierter Entscheidungsprozesse. Dadurch wird die Datenqualität nicht mehr nur zu einem analytischen Problem, sondern zu einem Transaktionsrisiko. Agenten sind auf strukturierte Signale angewiesen – Verfügbarkeit, Lieferfristen, Lieferoptionen, Richtlinien – und Ungenauigkeiten werden dadurch verstärkt.

Dies beschränkt sich nicht nur auf Lagerbestände und Lieferungen. Rückgabebedingungen, Umtauschregeln, Teilnahmebedingungen, Öffnungszeiten, Annahmeschlusszeiten der Transportunternehmen und regionale Ausnahmen werden zu betrieblichen Gegebenheiten, auf die die Mitarbeiter reagieren können.

Maßnahmen der Unternehmensleitung: Ausweitung der Programme zur „Datenqualität“ über den Produktinhalt hinaus auf die betriebliche Realität. Festlegung der Verantwortlichkeiten für die Eingabedaten (Bestandsgenauigkeit, Kapazität, Leistung der Transportunternehmen, Richtlinien). Einführung eines geschlossenen Lernkreislaufs: Wenn die Ausführung fehlschlägt, sollte das System daraus lernen.

6.7 KPIs für einen agentengesteuerten Markt neu überdenken

Traditionelle KPIs behalten zwar ihre Relevanz, doch der agentische Handel erfordert neue Kennzahlen, die Vertrauen und die Glaubwürdigkeit der Umsetzung widerspiegeln. Einzelhändler sollten darauf vorbereitet sein, die Leistung nicht nur am Punkt der Konversion, sondern über den gesamten Lebenszyklus des Versprechens hinweg zu steuern.

Beispiele für neue KPIs:

Einhaltungsquote bei Terminversprechen (Übereinstimmung zwischen versprochenem und tatsächlichem Liefertermin)
Verifizierte Verfügbarkeitsrate (angezeigte Verfügbarkeit im Vergleich zur tatsächlichen Erfüllungsrate)
Quote der vermiedenen Probleme (Probleme, die vor der Kontaktaufnahme durch den Kunden gelöst wurden)
Erfolgsquote der automatisierten Wiederherstellung (Umleitungen, Ersatzlösungen, proaktive Lösungen)
Marge pro Vertrag (Rentabilität, bereinigt um Servicelevel und Risiko)
Maßnahmen der Unternehmensleitung: Einrichtung eines Dashboards zur Überwachung der Versprechen-Integrität als funktionsübergreifendes Instrument (Digital + Betrieb + Finanzen). Die Ausweitung der Agentenkanäle sollte an Zuverlässigkeitsschwellenwerte geknüpft werden und nicht nur an Kennzahlen zur Kundenbindung.

6.8 Die Erkenntnis für Führungskräfte: Der Übergang von der „Einführung von KI“ zur „Agentenbereitschaft“

Der häufigste Fehler, den Führungskräfte begehen, besteht darin, den agentenbasierten Handel als eine Innovation im Frontend zu betrachten und den operativen Bereich als nachgelagertes Anliegen zu behandeln. Das Gegenteil ist der Fall. Da die Agenten zur Schnittstelle werden, wird der operative Bereich zum Erlebnis, und die Fähigkeit des Einzelhändlers, sich zu engagieren, wird zur Marke.

Der strategische Wandel besteht darin, den Fokus von der Schaffung vernetzter Erlebnisse auf die Erzielung glaubwürdiger Ergebnisse zu verlagern:

Von der Überzeugung zum Beweis
Von der Kontaktaufnahme bis zur Bindung
Von der Automatisierung zur kontrollierten Autonomie

Abschließend führen wir diese Aspekte zusammen und fassen die Kernaussage dieses Artikels zusammen: Protokolle werden den agentenbasierten Handel überall ermöglichen, doch erfolgreich sein werden jene Einzelhändler, die in operative Transparenz investieren und Integrität versprechen, denn in einem agentenvermittelten Markt wird Zuverlässigkeit zum wertvollsten Unterscheidungsmerkmal.

Ein Wort von unserem Beratungs- und Integrationspartner CLEVER AGE

„Aus der Sicht von Clever Age als Beratungs- und Systemintegrator ist das Order Management System oder Distributed Order Management) nicht nur eine Komponente, sondern das zentrale operative Rückgrat für die effektive Umsetzung einer ambitionierten Agentic Commerce .

Während KI-Agenten für kundenorientierte Analysen und Entscheidungsfindung (z. B. Personalisierung, Verhandlung, Optimierung vor dem Kauf) von entscheidender Bedeutung sind, OMS das OMS die erforderliche physische und transaktionsbezogene Grundlage für diese Entscheidungen – sowohl hinsichtlich der tatsächlichen Lieferverpflichtungen als auch der zuverlässigen logistischen Abwicklung.

Um die zukünftige Entwicklung von Agentic Commerce für unsere Kunden vorwegzunehmen, betrachten wir das OMS einen der wichtigsten Integrationspunkte, da es die Front-End-Ebene der KI-Entscheidungsfindung mit der physischen Lieferkette verbindet:

Reduzierung der Integrationskomplexität: Das OMS als einheitliche, standardisierte API-Schicht zwischen den unterschiedlichen Quellsystemen (WMS, ERP, POS, Speditionsmanagement) und der neuen KI-/Agenten-Schicht. Dies vereinfacht die Architektur und beschleunigt die Markteinführung neuer agentengesteuerter Kanäle.
Datenhub für Bestands- und Auftragsdaten: Ein OMS alle bestands- und auftragsbezogenen Ereignisse und Daten und erstellt so einen übersichtlichen, strukturierten Datensatz. Wir werden diese Daten gemeinsam mit unseren Kunden nutzen, um die Commerce-Agenten zu trainieren und zu verfeinern, und so einen geschlossenen Feedback-Kreislauf für die autonome Entscheidungsfindung schaffen. Was die Produktdaten betrifft, so steht die Qualität der Entscheidungen der Agenten in direktem Verhältnis zur Qualität der OMS (sowohl Bestandsmengen als auch Status der Auftragsabwicklung).
Zukunftssicherheit durch Modularität: Wir empfehlen einemodulare OMS , die von monolithischen ERP- und E-Commerce-Systemen entkoppelt werden kann. Dieser Ansatz ermöglicht es dem Handelsunternehmen, sich schnell an neue, agentengesteuerte Fulfillment-Modelle anzupassen, ohne die zentralen Unternehmenssysteme komplett austauschen zu müssen. Dies wird auch für omnichannel ,Marktplatzszenarienund letztlich fürB2B-Ansätze von entscheidender Bedeutung sein.

Bei der Implementierung von OMS den agentischen Handel empfehlen wir, folgende Punkte vorrangig zu behandeln:

Entwurf des Logikmodells: Definition der ausgefeilten, regelbasierten Logik innerhalb des OMS Randfälle und betriebliche Einschränkungen berücksichtigt, die KI-Agenten möglicherweise übersehen. Unsere Expertise liegt darin, Geschäftsregeln in eine absolut zuverlässige Abwicklungslogik umzusetzen.
Skalierbarkeit und Ausfallsicherheit: Es muss sichergestellt werden, dass das OMS den potenziellen explosionsartigen Anstieg an Transaktionen bewältigen OMS , der durch eine Flotte autonomer, ständig aktiver Agenten entsteht. Hochverfügbarkeit und Ausfallsicherungsplanung werden zu unverzichtbaren Anforderungen.
Erlebnisübergabe: Gewährleistung eines reibungslosen Übergangs der Verantwortung vom Commerce-Agenten (der für die Produktsuche und den Bezahlvorgang zuständig ist) zum OMS das die Kundenkommunikation nach dem Kauf, Rücksendungen und die Sendungsverfolgung übernimmt). Dies sorgt für ein einheitliches, vertrauensbildendes Erlebnis.

Zusammenfassend lässt sich sagen, dass der KI-Agent das Gehirn ist, das entscheidet, was der Kunde benötigt, während das OMS das zentrale Nervensystem OMS , das bestimmt, wie und wo dieser Bedarf effizient und gewinnbringend erfüllt wird. Ohne ein modernes, intelligent konfiguriertes OMS wird das Versprechen des agentenbasierten Handels ein Front-End-Experiment bleiben, dem ein robuster Weg zur Umsetzung fehlt.

Olivier Martinerie
Leiter Allianzen & Partnerschaften
Clever Age
https://www.clever-age.com/

Fazit: Von der Verbindung über das Engagement zum Vertrauen

Der Einzelhandel steht vor einer Phase des strukturellen Wandels. Da KI-Agenten zu einer skalierbaren Schnittstelle für den Einkauf werden, verlagert sich der Schwerpunkt im Handel vom Stöbern und Navigieren hin zu Kaufabsicht und Kaufabwicklung.

Es handelt sich hierbei nicht einfach um einen neuen Kanal, der dem bestehenden System hinzugefügt wird, sondern um ein neues Entscheidungsmodell, bei dem mehr Entscheidungen delegiert, automatisiert und im Namen des Kunden umgesetzt werden.

Die Signale des Marktes sind mittlerweile eindeutig. Standardisierungsbemühungen wie das „Universal Commerce Protocol“ (UCP) von Google und Shopify spiegeln einen breiteren Branchentrend wider, die Interaktion zwischen Agenten und E-Commerce skalierbar zu machen. Protokolle werden die Kosten für die Teilnahme senken und die Akzeptanz beschleunigen. Sie legen jedoch auch die entscheidende Wahrheit offen, die dem agentischen Handel zugrunde liegt: Verbindung ist nicht dasselbe wie Vertrauen.

Agentischer Handel funktioniert nur, wenn Agenten auf operativen Fakten basieren. Agenten reagieren auf überzeugende Erlebnisse nicht so wie Menschen; sie reagieren auf glaubwürdige Signale.

Wenn die Verfügbarkeit ungenau ist, wenn Lieferversprechen zu optimistisch ausfallen oder wenn die Transparenz nach dem Kauf zusammenbricht, wird das Versagen noch verstärkt, da die Mitarbeiter mit Zuversicht handeln und Entscheidungen in großem Umfang reproduzieren können. In einem solchen Umfeld wird Zuverlässigkeit messbar, vergleichbar und zunehmend entscheidend.

Aus diesem Grund entwickelt sich die Einhaltung von Versprechen zum neuen Wettbewerbsfeld. Erfolgreich sein werden nicht die Marken, die am meisten versprechen, sondern jene, die sich konsequent nur zu dem verpflichten, was sie auch einhalten können – und dies dann auch tatkräftig umsetzen.

Der entscheidende Faktor liegt nicht mehr in der Qualität des Gesprächs, sondern in der Glaubwürdigkeit ehrgeiziger Ziele.

Um diesen Standard zu erfüllen, braucht es mehr als nur eine KI-Schnittstelle. Es bedarf einer Grundlage, die auf agentischer Ausführung basiert:

Ein OMS, das Zusagen durch Echtzeitverfügbarkeit, präzise Zusagenberechnung, intelligente Orchestrierung und Lebenszyklussteuerung sicherstellt
Operative Effizienz, die interne Reibungsverluste verringert und die Erholung beschleunigt, wenn sich die Rahmenbedingungen ändern
Vorausschauende Optimierung, die Puffer, Zusagen und Routing auf der Grundlage von Leistungssignalen und tatsächlichen Kosten anpasst
Funktionsschichten, die sich an den jeweiligen Anwendungszwecken orientieren und es intelligenten Clients ermöglichen, Handelssysteme in großem Maßstab sicher zu nutzen, ohne dass es zu einer unübersichtlichen Zersplitterung der Integration kommt

Zusammen genommen machen diese Fähigkeiten die „Agentic Readiness“ aus. Sie ermöglichen es Einzelhändlern, nicht nur am „Agentic Commerce“ teilzunehmen, sondern darin zuverlässig, wiederholbar und profitabel zu konkurrieren.

Die Kernaussage dieses Whitepapers ist einfach: Protokolle werden den agentischen Handel überall ermöglichen. Die Gewinner werden jedoch diejenigen sein, die in die operative Realität hinter dem Protokoll investieren. Denn im Zeitalter des autonomen Einkaufens geht es nicht mehr darum, ob sich Ihre Systeme miteinander verbinden lassen. Es geht vielmehr darum, ob Ihr Unternehmen sich dazu verpflichten und diese Verpflichtung jedes Mal einhalten kann.

Mit Blick auf die Zukunft dürfte sich jedoch auch der Begriff des „Versprechens“ erweitern. Heute konzentrieren sich die meisten agentenbasierten Eingabeaufforderungen auf eine bekannte Dreiergruppe: Verfügbarkeit, Preis und Geschwindigkeit. Doch da Agenten zur Standard-Schnittstelle für den Handel werden, werden sie sich zunehmend nicht nur darauf optimieren, was der Kunde will, sondern auch darauf, was der Kunde schätzt.

In der Praxis könnte dies neue Aspekte in die Entscheidungsgrundlage einfließen lassen: CO₂-Bilanz, Abfallmengen, Arbeits- und Beschaffungsstandards, Produktlebensdauer, Reparaturfähigkeit sowie die Einhaltung ethischer und nachhaltiger Anforderungen. Genau hier gewinnt die Integrität der Versprechen noch mehr an Bedeutung.

Der nächste Wettstreit wird nicht nur darin bestehen, das zu versprechen, was machbar ist, und es auch zu liefern, sondern darin, unter noch umfassenderen Rahmenbedingungen noch ehrgeizigere Versprechen abzugeben. Die führenden Einzelhändler werden diejenigen sein, die komplexe Werte in umsetzbare Verpflichtungen übersetzen können: nicht nur „Lieferung bis Freitag“, sondern „Lieferung bis Freitag mit der umweltfreundlichsten verfügbaren Option, von einer Quelle, die Ihren Standards entspricht, mit einem klaren Kompromiss, falls Sie eine schnellere Lieferung wünschen“.

Der agentische Handel deutet daher auf einen tiefgreifenden Wandel hin: weg von der Optimierung von Transaktionen hin zur Optimierung von Vertrauen. Die Gewinner werden diejenigen sein, die „Systeme der Wahrheit“ aufbauen, die es Agenten ermöglichen, selbstbewusst Entscheidungen zu treffen – sei es in Bezug auf Geschwindigkeit, Kosten, Service oder die wachsende Zahl ethischer und nachhaltiger Kriterien, die Verbraucher an Maschinen delegieren werden.

In dieser Zukunft wird die wertvollste Fähigkeit nicht darin bestehen, mit Kunden in Kontakt zu treten. Es wird vielmehr die Fähigkeit sein, Verpflichtungen einzugehen, die auch dann noch glaubwürdig sind, wenn sich die Definition des Begriffs „Kundenversprechen“ erweitert.

Wie KI und Agentic Commerce den Einzelhandel neu Agentic Commerce

In diesem Whitepaper