KI-Einkaufsagenten im E-Commerce: Warum über Ihr Produkt entschieden wird, bevor jemand Ihren Shop sieht

Kurz zusammengefasst:

KI-Einkaufsagenten stellen in Deutschland heute Warenkörbe zusammen, den Kauf bestätigt fast immer noch der Mensch. Knuspr ist seit Juli 2026 mit einer eigenen App in ChatGPT vertreten, 31,2 Prozent der Onlinekunden haben laut bevh schon Chatbots nach Produkten gefragt. Der Wettbewerb findet deshalb nicht im Checkout statt, sondern bei der Frage, welches Produkt der Agent überhaupt vorschlägt. Und das entscheidet sich an Ihren Produktdaten. 

Ich habe mir in den letzten Wochen genauer angeschaut, wie Knuspr seinen Online-Supermarkt in ChatGPT gebracht hat. Für mich ist das der spannendste Schritt im deutschen E-Commerce in diesem Jahr. Nicht, weil dort schon alle einkaufen, das tun sie nicht. Sondern weil man zum ersten Mal live sieht, wo die Kaufentscheidung künftig fällt: in einem Gespräch, lange bevor jemand eine Produktseite öffnet. 

Was ist ein KI-Einkaufsagent? 

Ein KI-Einkaufsagent ist eine Software auf Basis eines Sprachmodells, die eine Kaufabsicht in normaler Sprache entgegennimmt und daraus einen Warenkorb macht. Der Kunde sucht nicht mehr nach „Bio-Vollmilch laktosefrei 1 Liter“. Er sagt: „Ich brauche Essen für drei Tage, vier Personen, proteinreich, maximal 90 Euro.“ Den Rest erledigt der Agent. Er sucht, vergleicht, wählt aus. 

Für Hersteller und Händler hat das eine unbequeme Konsequenz. Eine zweite Ergebnisseite gibt es nicht. Wer in den Daten des Agenten nicht auftaucht, kommt in dieser Kaufentscheidung schlicht nicht vor. 

Was kann Knuspr heute schon? 

Knuspr zeigt zwei Stufen, und der Unterschied ist wichtig. Im eigenen Shop kann die KI-Agentin Maia den kompletten Einkauf abwickeln, von der Produktauswahl bis zur Zahlung. In der ChatGPT-App, die über einen eigenen MCP-Server angebunden ist, stellt der Assistent Rezepte, Wochenpläne und Warenkörbe zusammen, sogar aus dem Foto eines handgeschriebenen Einkaufszettels. Bestellung und Zahlung laufen dort aber weiterhin über den Knuspr-Shop. 

Das ist kein Zufall. Der voll agentische Kauf funktioniert bisher nur dort, wo Händler und Agent dieselbe Firma sind. Sobald ein fremdes System dazwischen sitzt, holt sich der Händler den Checkout zurück, und damit die Kundenbeziehung. 

Kaufen KI-Agenten in Deutschland schon selbst ein? 

Nein, jedenfalls nicht in der Breite. OpenAI hat den Kauf direkt in ChatGPT, Instant Checkout, im März 2026 wieder eingestellt. Googles Universal Commerce Protocol bietet einen Checkout in AI Mode und Gemini bisher nur Händlern in den USA an. 

Die Verbraucher sind auch noch nicht so weit. In einer Sonderbefragung des bevh unter 2.500 Onlinekunden haben 31,2 Prozent schon mal Chatbots nach Produktempfehlungen gefragt. Aber nur 12,7 Prozent würden einer Empfehlung direkt folgen, ohne selbst nochmal zu suchen. Für 68,6 Prozent ist es völlig undenkbar, einem KI-Agenten ihre Zahlungsdaten zu geben. 

Ich lese daraus Folgendes: Der Agent macht die Shortlist, der Mensch klickt auf „Kaufen“. Wer nicht auf dieser Shortlist steht, hat verloren, bevor der Kunde überhaupt in einen Shop schaut. Die Frage, ob KI selbst bezahlen darf, ist für Ihren Umsatz deshalb erstmal zweitrangig. 

Warum trifft es Routinekäufe zuerst? 

Weil KI-Assistenten genau die Entscheidungen übernehmen, auf die niemand Lust hat. Das Waschmittel, das Katzenfutter, der Wocheneinkauf. Genau diese Warengruppen wachsen online derzeit am stärksten: 

Quelle: bevh, Q2 2026 

Dazu kommt der Preisdruck. Die Inflation lag im Juli 2026 bei 2,8 Prozent, Kraftstoffe waren im August 27,7 Prozent teurer als ein Jahr zuvor. Wer sparen muss, vergleicht mehr, und ein Assistent, der in Sekunden das günstigste passende Produkt findet, kommt da gerade recht. 

Man sollte die Größenordnung trotzdem ehrlich einordnen. Der Online-Lebensmittelhandel kam 2025 auf 4,12 Milliarden Euro, das sind weniger als 2 Prozent des gesamten LEH-Umsatzes. Laut KPMG Consumer Snapshot nutzen 21 Prozent der Befragten Online-Lieferdienste, als wichtigste Gründe nennen sie Zeitersparnis und Bequemlichkeit. Das ist klein, aber es sind genau die Motive, die ein KI-Agent bedient. Deshalb schaue ich auf die Richtung, nicht auf das heutige Volumen. 

Wie entscheidet ein KI-Agent, welches Produkt er vorschlägt? 

Vereinfacht läuft es in fünf Schritten. Der Agent zerlegt zuerst die Anfrage in Bedingungen, also Budget, Personenzahl, Allergene, Ernährungsweise, Lieferzeit. Dann holt er sich über Feeds und Schnittstellen Preise und Verfügbarkeiten. Im dritten Schritt prüft er, ob die Produkteigenschaften zu den Bedingungen passen. Danach bildet er ein Ranking, und am Ende legt er einen Vorschlag in den Warenkorb. 

Der kritische Moment ist Schritt drei. Wenn bei Ihrem Produkt das Attribut „laktosefrei“ nicht sauber hinterlegt ist, fliegt es raus, auch wenn es perfekt passen würde. Der Agent rät nicht, er filtert. Wer nicht maschinenlesbar ist, ist für ihn unsichtbar. 

Welche Produktdaten braucht Ihr Sortiment? 

Strukturierte Daten, die wirklich stimmen 

Basis ist sauberes Product- und Offer-Markup nach Schema.org. Über die Pflichtfelder hinaus sind für Agenten vor allem Lieferzeit und Versandkosten (shippingDetails), Rückgabebedingungen (hasMerchantReturnPolicy), eindeutige Kennungen wie gtin und brand sowie Zertifikate über hasCertification wichtig. Alternativen und Zubehör lassen sich mit isSimilarTo und isAccessoryOrSparePartFor verknüpfen. 

Ein Detail, das in vielen Anleitungen falsch steht: Die Schema.org-Properties nutrition und suitableForDiet gibt es nur für Rezepte und Menüeinträge, nicht für Produkte. Eigenschaften wie „vegan“, „glutenfrei“ oder Nährwerte gehören bei Produkten in additionalProperty und zusätzlich in den Produktfeed. 

Die Attribute, nach denen Kunden heute fragen 

Schauen Sie sich an, wo der Lebensmittelmarkt wächst, dann wissen Sie, welche Attribute zählen. Der Bio-Markt erreichte 2025 einen Rekord von 18,2 Milliarden Euro, bei einzelnen Online-Lieferdiensten liegt der Bio-Anteil bei bis zu 28 Prozent. Sportler- und Fitnessnahrung legte laut NielsenIQ um 44,7 Prozent zu, Proteinpulver sogar um 63 Prozent. Und wer vegan oder vegetarisch lebt, kauft fast doppelt so oft Lebensmittel online wie andere (25 zu 14 Prozent). 

Das heißt ganz praktisch: Bio-Zertifikat, Proteingehalt pro Portion und „vegan“ müssen als strukturierte Daten vorliegen, nicht nur als Satz irgendwo in der Produktbeschreibung. Sonst fallen Sie genau bei den Kunden durch, die am häufigsten digital einkaufen. 

Gleiche Daten auf allen Kanälen 

Wenn im eigenen Shop 500 ml steht, auf Amazon 0,5 l mit anderer Zutatenliste und bei Open Food Facts noch die alte Rezeptur, dann weiß das Modell nicht mehr, wem es glauben soll. Es wird vorsichtig und empfiehlt im Zweifel ein anderes Produkt. Die Grundlage ist ein bereinigtes PIM-System, aus dem alle Kanäle gespeist werden. Das klingt nach Hausaufgabe, ist aber in unseren Projekten fast immer der größte Hebel. 

Texte, die eine Situation beantworten 

LLMs suchen nach Aussagen, die zu einer konkreten Frage passen. „Günstige vegane Hafermilch kaufen, bester Haferdrink online“ hilft dabei gar nicht. „Bio-Haferdrink aus deutschem Anbau, schäumt stabil bei 65 °C und flockt auch in säurehaltigem Espresso nicht aus“ dagegen schon. Der zweite Satz beantwortet die Frage eines Barista-Fans, der erste beantwortet gar nichts. 

Was unterscheidet GEO von klassischem SEO? 

Generative Engine Optimization, kurz GEO, sorgt dafür, dass KI-Systeme wie ChatGPT, Gemini, Perplexity oder Google AI Mode Ihre Inhalte als Quelle nutzen und Ihre Produkte empfehlen. GEO ersetzt SEO nicht. Viele KI-Systeme greifen für aktuelle Informationen auf Suchindizes zurück, technisches SEO bleibt also das Fundament. 

Was ich Shopbetreibern jetzt rate 

Erstens: Messen Sie, wo Sie stehen. Nehmen Sie 30 bis 50 typische Kundenfragen und prüfen Sie, ob ChatGPT, Gemini, Perplexity und Google AI Mode Ihre Produkte nennen, und wen sie stattdessen nennen. Zweitens: Gehen Sie Ihre Top-Produkte durch und schauen Sie, welche kaufentscheidenden Attribute im Feed fehlen. Drittens: Bringen Sie Shop, Marktplätze und Datenbanken auf einen Stand. Viertens: Schreiben Sie die Texte Ihrer wichtigsten Produkte so um, dass sie konkrete Situationen beantworten. Und fünftens: Wiederholen Sie die Messung monatlich. KI-Antworten ändern sich schneller als Google-Rankings. 

Einen eigenen MCP-Server wie Knuspr brauchen die meisten nicht. Ein vollständiger, täglich aktualisierter Produktfeed ist für 90 Prozent der Shops der richtige Anfang. 

Was sagt unsere GEO-Studie dazu? 

Für unsere GEO-Studie 2026 haben wir 240 Prompts aus zwölf Branchen in Google AI Mode und ChatGPT ausgewertet und 5.317 zitierte URLs analysiert. Das Ergebnis ist für Shopbetreiber eindeutig: Reine Produktdetailseiten reichen nicht aus. Sie machten im Google AI Mode lediglich 3,5 Prozent und bei ChatGPT 4,7 Prozent der zitierten Quellen aus. Am häufigsten griffen beide Systeme auf FAQ-, Hilfe- und How-to-Seiten zurück, gefolgt von Blogartikeln und Vergleichstabellen. Bei konkret kaufbezogenen Prompts steigt der Anteil der Produktdetailseiten zwar auf 5,3 Prozent im Google AI Mode und 7,8 Prozent bei ChatGPT. Trotzdem bevorzugen die Systeme auch hier Inhalte, die erklären, vergleichen und konkrete Entscheidungssituationen beantworten.  

Für Shopbetreiber bedeutet das: Der Produktfeed liefert der KI die Fakten. Die Inhalte rund um das Produkt liefern ihr die Argumente für eine Empfehlung. 

Mein Fazit 

KI-Einkaufsagenten verändern den E-Commerce früher im Kaufprozess, als die meisten denken. Nicht beim Bezahlen, sondern bei der Auswahl. In Deutschland stellen Agenten heute Warenkörbe zusammen, der Kunde bestätigt im Shop. Welche Marke dabei vorgeschlagen wird, hängt an vollständigen, konsistenten und maschinenlesbaren Produktdaten. Wer ein Routinesortiment verkauft, sollte das nicht als Zukunftsthema behandeln, sondern als Aufgabe für dieses Quartal. 

Häufige Fragen 

Kaufen KI-Agenten in Deutschland schon selbstständig ein? 
Nur innerhalb eigener Händler-Apps wie bei Knuspr Maia. Über ChatGPT schlagen Agenten Warenkörbe vor, den Kauf schließt der Kunde im Shop ab. Laut bevh würden nur 9 Prozent der Onlinekunden einem Agenten den autonomen Einkauf erlauben. 

Brauche ich für GEO einen eigenen MCP-Server? 
Für die meisten Shops nicht. Wichtiger sind vollständige Produktfeeds, korrektes Schema.org-Markup und einheitliche Daten auf allen Kanälen. 

Wie messe ich meine Sichtbarkeit in KI-Antworten? 
Mit einem festen Set typischer Kundenfragen, das Sie regelmäßig in mehreren KI-Systemen abfragen. Entscheidend sind Nennungen, Position und die zitierten Quellen im Vergleich zum Wettbewerb. 

Ersetzt GEO die klassische Suchmaschinenoptimierung? 
Nein. Viele KI-Systeme nutzen Suchindizes als Quelle. Technisches SEO bleibt die Grundlage, GEO baut darauf auf. 

Sie wollen wissen, ob ChatGPT und Google AI Mode Ihre Produkte empfehlen? Wir messen Ihre KI-Sichtbarkeit und zeigen Ihnen, welche Daten fehlen. Potenzialanalyse anfragen 

Weiterlesen: Agentic Commerce https://internetwarriors.de/blog/bedeutung-agentic-commerce , Retail Media am POS, Marktplatz oder eigener Shop? 

Quellen: bevh, Pressemitteilung vom 06.07.2026; KPMG Retail Sales Monitor 3/2026 (auf Basis bevh, EHI, NielsenIQ, Arbeitskreis Biomarkt); KPMG Consumer Snapshot 03/2025; Destatis, Verbraucherpreise Juli und August 2026; neuhandeln.de vom 08.07.2026; shoptechblog.com vom 25.03.2026