Agentic Commerce: Produktdaten entscheiden

Online-Händler optimieren ihre Shops seit Jahren für Suchmaschinen, Marktplätze und Preisvergleichsportale. Nun kommt ein weiterer Zugang zum Sortiment hinzu: KI-Assistenten. Sie können Produktsuchen unterstützen, Anforderungen aus natürlicher Sprache ableiten und Angebote für Nutzer vorsortieren. Diese Entwicklung wird häufig als „Agentic Commerce“ bezeichnet.

Für Händler bedeutet das nicht, dass der klassische Onlineshop an Bedeutung verliert. Die Anforderungen an die Datenqualität steigen jedoch. Ein Produkt muss nicht nur auf einer Detailseite gut aussehen. Es sollte auch so beschrieben sein, dass externe Systeme seine Eigenschaften eindeutig erfassen und mit einer konkreten Anfrage abgleichen können.

Von der Suche zur konkreten Aufgabenstellung

Eine klassische Suche besteht oft aus wenigen Begriffen, zum Beispiel: „wasserdichte Sneaker Damen“. Eine Anfrage an einen KI-Assistenten kann deutlich präziser ausfallen: „Finde bequeme, wasserdichte Sneaker für den Arbeitsweg, neutral im Design, unter 120 Euro und innerhalb von vier Tagen lieferbar.“

Damit ein Produkt bei einer solchen Anfrage berücksichtigt werden kann, reichen Kategorie, Produktname und ein kurzer Werbetext nicht aus. Relevant sind unter anderem Material, Zielgruppe, Einsatzbereich, Varianten, Preis, Bestand und Lieferzeit. Je nach Sortiment kommen technische Werte, Kompatibilitäten, Zertifikate oder Pflegehinweise hinzu.

Das ist keine vollständig neue Aufgabe. Viele Händler pflegen diese Daten bereits für Filter, Feeds oder Marktplätze. Agentic Commerce erhöht jedoch den Wert einer konsistenten und strukturierten Datenbasis.

Produktdaten werden zum Wettbewerbsvorteil

Unvollständige Produktinformationen führen nicht nur zu Rückfragen im Kundenservice. Sie können auch verhindern, dass Produkte zuverlässig verglichen werden. Besonders relevant ist das bei Ersatzteilen, technischen Produkten, B2B-Sortimenten und beratungsintensiven Artikeln.

Ein Beispiel: Ein Händler verkauft ein hochwertiges Ersatzteil, hinterlegt aber keine eindeutigen Kompatibilitätsdaten. Dann kann ein externes System nicht sicher bestimmen, ob das Bauteil zu einem bestimmten Gerät passt. Ein Wettbewerber mit sauber gepflegten Daten ist in diesem Fall leichter zu empfehlen, selbst wenn dessen Produkt nicht besser ist.

Händler sollten Produktdaten deshalb in vier Gruppen prüfen:

• Grunddaten: Produktname, Marke, Kategorie, Artikelnummer, GTIN oder MPN, Preis und Verfügbarkeit.
• Eigenschaften: Material, Maße, Farbe, technische Werte, Varianten und Kompatibilitäten.
• Entscheidungsdaten: Zielgruppe, Einsatzbereich, Vorteile, Einschränkungen und typische Kaufkriterien.
• Vertrauensdaten: Bewertungen, Garantie, Retoureninformationen, Zertifikate und nachvollziehbare Herkunftsangaben.

Feeds, Schnittstellen und strukturierte Daten prüfen

Gute Produktdaten entfalten ihren Nutzen nur, wenn sie zuverlässig an den relevanten Stellen ankommen. Händler sollten daher prüfen, ob Shop, Warenwirtschaft und gegebenenfalls PIM-System konsistent arbeiten. Preis, Lagerbestand und Lieferzeit dürfen sich nicht widersprechen.

Auch Produktfeeds und strukturierte Daten auf Produktseiten bleiben wichtig. Sie helfen Suchmaschinen und anderen Systemen dabei, Produkte eindeutig zuzuordnen. Relevante Angaben sind zum Beispiel Preis, Verfügbarkeit, Marke, Produktkennzeichnung und Bewertungen. Zusätzlich sollte geprüft werden, ob Apps, Plugins oder Themes Daten unvollständig oder doppelt ausgeben.

Bei Shopware lassen sich Produktstrukturen, Eigenschaften und individuelle Felder flexibel modellieren. Eine spezialisierte Shopware Agentur kann bei komplexeren Sortimenten prüfen, ob Datenmodell, Feeds und Schnittstellen sauber zusammenspielen. Entscheidend bleibt aber nicht das Shopsystem allein, sondern die konkrete Datenpflege und technische Umsetzung.

Damit wird MCP Readiness wird für Händler relevanter

Neben Produktfeeds und klassischen APIs rückt zunehmend auch das Model Context Protocol, kurz MCP, in den Fokus. MCP ist ein offener Standard, über den KI-Anwendungen auf externe Datenquellen und definierte Funktionen zugreifen können. Vereinfacht gesagt schafft MCP eine standardisierte Verbindung zwischen einem KI-Agenten und den Systemen eines Unternehmens.

Für den E-Commerce ist das interessant, weil KI-Agenten perspektivisch nicht nur öffentlich sichtbare Produktinformationen auswerten könnten. Denkbar sind auch gezielte Abfragen aktueller Daten und klar definierte Aktionen, zum Beispiel:

• Verfügbarkeiten und Lieferzeiten prüfen
• passende Varianten vergleichen
• Kompatibilitäten bei Ersatzteilen validieren
• Produktempfehlungen auf Basis aktueller Daten erstellen
• einen Warenkorb vorbereiten
• den Status einer Bestellung abrufen

Gerade bei beratungsintensiven Sortimenten kann das einen erheblichen Unterschied machen. Ein KI-Agent könnte beispielsweise prüfen, ob ein Ersatzteil zu einem konkreten Gerät, Baujahr oder Anwendungsfall passt. Voraussetzung dafür ist, dass die zugrunde liegenden Daten vollständig, konsistent und technisch zuverlässig abrufbar sind.

Ein Online-Shop benötigt deshalb nicht sofort einen eigenen MCP-Server. Sinnvoll ist aber eine technische Architektur, in der sich standardisierte KI-Schnittstellen später kontrolliert ergänzen lassen. Dazu gehören sauber strukturierte Produktdaten, dokumentierte APIs, klar definierte Datenquellen, zuverlässige Synchronisationen und eindeutige Zugriffsrechte.

Besonders wichtig ist die Trennung zwischen lesenden und schreibenden Zugriffen. Ein KI-Agent, der Lagerbestände ausliest, ist deutlich einfacher zu kontrollieren als ein System, das Bestellungen auslöst oder Kundendaten verarbeitet. Je stärker KI-Agenten in operative Prozesse eingreifen, desto wichtiger werden Rechtekonzepte, Freigabeschritte und eine nachvollziehbare Protokollierung.

MCP Readiness bedeutet daher nicht, kurzfristig möglichst viele KI-Funktionen einzubauen. Es geht darum, die technische Grundlage so aufzubauen, dass neue Zugriffswege später sicher und ohne grundlegenden Umbau ergänzt werden können.

Was Händler jetzt konkret tun sollten

Für den Einstieg ist kein vollständiger Relaunch erforderlich. Sinnvoll ist eine strukturierte Bestandsaufnahme entlang der wichtigsten Produkte und Verkaufskanäle:

• Sind die wichtigsten Produktmerkmale vollständig und eindeutig gepflegt?
• Sind Varianten, Kompatibilitäten und Einsatzbereiche nachvollziehbar beschrieben?
• Stimmen Preis, Bestand und Lieferzeit in Shop, ERP und Feeds überein?
• Enthalten Produktseiten strukturierte Daten in plausibler Qualität?
• Beantworten Produkttexte und FAQ die typischen Fragen vor dem Kauf?
• Liefert die interne Suche gute Ergebnisse für konkrete Anwendungsfälle?
• Sind APIs und Datenmodelle so dokumentiert, dass später auch standardisierte KI-Schnittstellen wie MCP ergänzt werden können?

Gerade bei individuellen Shopware-Setups kann zusätzlich eine technische Prüfung durch einen professionellen Shopware Partner sinnvoll sein. Dabei geht es nicht um möglichst viele neue Funktionen, sondern zunächst um saubere Datenflüsse und belastbare Grundlagen.

Fazit

Agentic Commerce ist vor allem ein Anlass, die eigene Datenqualität kritisch zu prüfen. Händler, die Produkte klar beschreiben, Systeme konsistent verbinden und Feeds kontrollieren, verbessern nicht nur ihre Ausgangslage für KI-gestützte Produktsuchen. Sie stärken gleichzeitig klassische Suchmaschinenoptimierung, Marktplatzanbindungen, interne Suche und Kundenberatung.

Artikelbild: https://www.depositphotos.com

Über den Autor

Yuri Struszczynski ist Geschäftsführer der EXWE GmbH. Das Dortmunder Unternehmen entwickelt und betreut individuelle Softwarelösungen sowie E-Commerce-Systeme mit Shopware und Shopify.