Der KI-Wandel im Commerce: Was Branchenführer als Erste sehen

Jede Woche bringt eine neue KI-Schlagzeile. Mal ist es ein Durchbruch bei KI-gestützten Shopping-Assistenten, mal eine Debatte darüber, ob sich die gesamte Branche in einer KI-Blase befindet. Doch jenseits der Schlagzeilen vollzieht sich in den Commerce-Plattformen etwas Stilleres und Folgenreicheres.

• Produktkataloge werden neu strukturiert.
• Feed-Systeme entwickeln sich zu Optimierungs-Engines.
• KI bringt Marken dazu, neu zu überdenken, wie Produktinformationen erstellt, verwaltet und aktiviert werden.

Um zu verstehen, was sich abseits der Schlagzeilen wirklich verändert, haben wir Führungskräfte aus dem gesamten Commerce-Ökosystem gefragt – von Produktdatenplattformen bis hin zu Infrastrukturanbietern –, was sie an vorderster Front beobachten. Ihre Perspektiven offenbaren fünf Signale, die die nächste Phase des KI-gestützten Commerce prägen.

1. KI deckt schwache Produktdaten auf

Jahrelang wurden Produktkataloge in erster Linie für Menschen erstellt – für Merchandiser, Marketer und Content-Teams. KI-Systeme bewerten Produktdaten jedoch ganz anders.

Anstatt Beschreibungen so zu lesen wie Menschen, stützen sie sich auf strukturierte Attribute, konsistente Varianten und verlässliche Signale, um Produkte zu vergleichen und zu empfehlen. Und dieser Wandel deckt Datenprobleme auf, von denen viele Unternehmen nicht wussten, dass sie sie hatten.

„KI legt schlechte Produktdaten schonungslos offen. Wenn Ihr Katalog unübersichtlich, unvollständig oder inkonsistent ist, empfehlen KI-Systeme entweder das falsche Produkt – oder sie empfehlen Sie gar nicht erst. Auf Enterprise-Ebene ist eine manuelle Behebung dieser Probleme schlicht nicht realistisch. Ein einziges fehlerhaftes Variant oder ein fehlendes Attribut kann die gesamte Customer Journey unterbrechen. Mit dem Wachstum KI-gestützter Shopping-Erlebnisse werden die Marken erfolgreich sein, deren Produktdaten maschinenvertrauenswürdig sind: strukturiert, konsistent und zuverlässig genug, um automatisierte Entscheidungsprozesse zu unterstützen."

Morten Næss,
Chief Product and Innovation Officer, Bluestone PIM

Für Commerce-Teams bedeutet dies, dass die Qualität der Produktdaten nicht nur eine operative Frage ist – sie wird zunehmend zum Sichtbarkeitsfaktor in der KI-gestützten Produktsuche.

2. Feed-Management wird zum kontinuierlichen Optimierungskreislauf

Früher war Feed-Management weitgehend mechanisch. Teams bereiteten Produktexporte vor, formatierten sie für jeden Kanal und aktualisierten sie regelmäßig.

Der KI-gestützte Commerce verändert dieses Modell.

Da KI-Systeme die Produktsuche und Empfehlungen auf Marktplätzen, Werbeplattformen und Such-Feeds zunehmend beeinflussen, entwickeln sich Feeds von statischen Exporten zu dynamischen Systemen, die sich an Kanal-Algorithmen, Performance-Signale und sich veränderndes Kaufverhalten anpassen.

„In einer KI-gesteuerten Umgebung geht Feed-Management weit über den Export der richtigen Felder im richtigen Format hinaus. Man orchestriert einen lebendigen Produktgraphen, der sich kontinuierlich an Kanal-Algorithmen und Kundensignale anpasst.

Feeds nähern sich eher einer API als einer Datei: häufig aktualisiert, kontextuell personalisiert und durch Echtzeit-Performance geformt.

Das optimale Setup sieht aus wie ein Kreislauf: Daten → Aktivierung → Messung → automatisierte Anpassungen – und nicht wie eine einseitige Übergabe."

Reinhard Mittermaier,
Pre-Sales Consultant, Pimcore

Sobald Feeds als Optimierungskreisläufe funktionieren, entwickelt sich auch die Performance-Messung weiter.

Pimcore stellt fest, dass sich mit zunehmender Automatisierung des Targetings die steuerbaren Hebel auf Produktdaten und kreative Qualität verlagern. Anstatt ausschließlich Gebote zu optimieren, müssen Teams messen, wie sich Aktualisierungen von Titeln, Attributen, Bildern oder Varianten auf die Performance auswirken.

Dieser Wandel definiert auch neu, welche Kennzahlen relevant sind. Commerce-Teams konzentrieren sich zunehmend auf Signale wie:

• Query Coverage (Abdeckung der Suchanfragen)
• Eligible Impressions (berechtigte Impressionen)
• Feed-Gesundheit nach Kategorie
• ROAS auf Varianten-Ebene

trbo stellt außerdem fest, dass sich die Performance-Messung über kurzfristige Klicks hinaus ausweitet. Da KI die Produktsuche früher im Kaufprozess beeinflusst, bewerten Teams zunehmend, wie Verbesserungen der Produktdaten die Qualität der Produktsuche und den langfristigen Kundenwert beeinflussen.

3. Die eigentliche Lücke sind nicht fehlende Attribute – sondern fehlender Kaufkontext

Viele Commerce-Teams konzentrieren sich darauf, ihren Katalogen mehr Attribute hinzuzufügen: mehr Felder, mehr Spezifikationen, mehr Produktdetails. Doch die größere Herausforderung für KI-Systeme liegt nicht in der Datenmenge.

Es ist der Kontext.

KI-Systeme bewerten nicht nur, was ein Produkt ist. Sie bewerten, warum es für einen Käufer in einem bestimmten Moment relevant ist.

„Die größte Lücke liegt heute zwischen statischen Produktattributen und dem Kaufkontext.

Ihre Produktdaten beschreiben möglicherweise, was ein Produkt ist – mit Attributen wie Größe, Material oder Spezifikationen – aber KI-gestützte Empfehlungen hängen davon ab, zu verstehen, warum dieses Produkt für einen bestimmten Käufer in einem bestimmten Moment relevant ist.

Um das zu ermöglichen, müssen Ihre Feeds zu lebendigen Wissensdatenbanken werden, die Nutzersignale und Verhaltenskontext integrieren. Anstelle statischer Produktlisten schaffen Sie so dynamische Produkterlebnisse, die sich an jeden Kunden anpassen."

Felix Schirl,
CEO, trbo

trbo weist außerdem auf eine Skalierungsherausforderung hin, mit der viele Commerce-Teams zunehmend konfrontiert werden. KI-gestützte Personalisierung erstreckt sich mittlerweile über mehrere Umgebungen – wie Onsite-Erlebnisse, Marktplätze, Werbeplattformen und aufkommende KI-Assistenten. Wenn diese Systeme auf fragmentierten Daten oder inkonsistenten Produktsignalen basieren, brechen Empfehlungen und Customer Journeys schnell zusammen.

Für Commerce-Teams liegt die nächste Priorität darin, Produktdaten mit Verhaltenssignalen und realem Nutzerkontext über die gesamte Produktsuche hinweg zu verknüpfen.

4. KI-Agenten werden nicht nur Suchanfragen beantworten – sie werden Nachfrage erzeugen

Die Produktsuche im E-Commerce basierte lange auf einer einfachen Annahme: Der Käufer weiß bereits, wonach er sucht.

Produkt suchen → Ergebnisse vergleichen → Seiten durchklicken.

Agentischer Commerce beginnt, dieses Modell in Frage zu stellen.

Anstatt nach einzelnen Produkten zu suchen, können Käufer zunehmend ein Ziel oder eine Situation beschreiben – und KI-Systeme stellen darauf aufbauend passende Empfehlungen zusammen.

„Agentischer Commerce ermöglicht völlig neue Einkaufsverhalten durch das, was ich als zielbasiertes Einkaufen bezeichne. Anstatt nach einzelnen Produkten zu suchen, beschreibt man ein Ziel, zum Beispiel:

• die Geburtstagsfeier eines 10-jährigen Kindes planen
• (oder) sich auf einen Campingausflug am Wochenende in Berlin vorbereiten

und die KI stellt einen kompletten Warenkorb zusammen. Zielbasiertes Einkaufen erzeugt Nachfrage. Der Agent bringt Produkte ans Licht, von denen man nicht wusste, dass man sie braucht – weil man an ein Lebensereignis gedacht hat, nicht an eine Produktkategorie."

Marcel Hollerbach,
CIO & Co-Founder, Productsup

Wenn Käufer ein Ziel beschreiben, interpretieren KI-Systeme Absicht, Kontext und Rahmenbedingungen – und stellen Lösungen zusammen, die auch Produkte enthalten können, nach denen der Käufer nie explizit gesucht hat. Mit anderen Worten: Commerce-Teams müssen möglicherweise weniger in Keywords und mehr in Themen, Szenarien und Kundenzielen denken.

Was kommt als Nächstes?

Wie diese Signale zeigen, fügt KI nicht einfach einen weiteren Commerce-Kanal hinzu – sie verändert grundlegend, wie Produkte gefunden und empfohlen werden.

Was auch immer als Nächstes kommt, eines ist klar: Die Infrastruktur des Commerce wird neu geschrieben – leise, aber schnell.

Wenn Sie neugierig sind, wie Ihre Produktdaten und Feeds für das Kommende gerüstet bleiben können, nehmen Sie Kontakt mit dem Productsup-Team auf und erfahren Sie, wie Sie sich auf KI-gestützte Produktsuche und agentischen Commerce vorbereiten können.