Agentic Commerce: Welche Produktdaten KI-Agenten brauchen und wo sie entstehen

Für Agentic Commerce zählen Produktdaten, die ein KI-Agent ohne Rückfrage lesen kann. Dazu gehören Merkmale als strukturierte Werte, getrennte Einheiten und Varianten, aktuelle Preise und Texte in jeder Verkaufssprache.

KI-Werkzeuge, die Produktdaten im Feed anreichern, zeigen schnell, wo Angaben fehlen. Damit die Lücken dauerhaft geschlossen bleiben, übernimmt die Produktdatenpflege die ergänzten Werte ins PIM-System. Kundenpreise, Bestände und Lieferzeiten entstehen im ERP und ändern sich laufend. Ein Agent, der für einen Kunden bestellt, braucht deshalb eine Verbindung ins ERP und nicht nur einen Katalog.

In Deutschland suchen und vergleichen KI-Assistenten bisher vor allem, gekauft wird in der Regel weiter im Shop des Anbieters (Stand Oktober 2026). Doch die Zukunft wird eine andere sein.

Am Anfang steht die Frage, welches System welche Angabe führt, denn Feeds und Schnittstellen für die Assistenten bauen darauf auf.

Ende September 2026 hat Commerce, das Unternehmen hinter BigCommerce und Feedonomics, zwei KI-Werkzeuge vorgestellt, die fehlende Angaben in Shop und Produktfeed ergänzen. Laut Hersteller sollen Assistenten wie ChatGPT, Gemini und Copilot die Produkte so besser finden und empfehlen. Die Ankündigung zeigt, wie wichtig der Feed als Weg zu den Assistenten wird, und auch im Rückblick auf die BigCommerce Commerce Live 2026 in London war Agentic Commerce bereits eines der wichtigsten Themen.

Werkzeuge wie diese decken auf, wo Angaben fehlen, und füllen die Lücken für Empfehlungen schnell. Damit sie dauerhaft geschlossen bleiben, gehören die ergänzten Werte dorthin, wo die Produktdaten gepflegt werden. Der Feed, also die regelmäßig erzeugte Datei, über die Produktdaten Marktplätze, Preisportale und Assistenten erreichen, gibt schließlich nur weiter, was in den Systemen dahinter steht.

Merkmale, Varianten und Sprachen führt in der Regel das PIM-System. Kundenpreise, Bestände und Lieferzeiten entstehen dagegen im ERP und ändern sich dort laufend, deshalb liest der Feed sie aktuell von dort. Agentic Commerce ist für Unternehmen deshalb zuerst eine Frage, welches System welche Angabe verantwortet.

Ein KI-Agent zerlegt einen Auftrag in Bedingungen, sucht passende Artikel, vergleicht sie und prüft Preis und Lieferbarkeit, bevor er etwas empfiehlt oder bestellt. Für jeden dieser Schritte braucht er Werte, die er ohne Rückfrage zuordnen kann.

Wer selbst im Shop bestellt, liest aus „passend für alle gängigen Rohrgrößen“ heraus, dass sich eine Nachfrage lohnt. Der Agent sucht dagegen ein Merkmal Nennweite mit einem Wert wie „DN 25“, und fehlt es, lässt er den Artikel aus oder rät. Lesbar sind Produktdaten für ihn deshalb erst, wenn fünf Dinge stimmen:

• Merkmale als strukturierte Werte statt im Fließtext
• eindeutige Kennungen wie GTIN und Herstellerartikelnummer, damit er denselben Artikel bei mehreren Anbietern wiedererkennt
• Einheiten und Varianten sauber voneinander getrennt
• Preis und Verfügbarkeit aktuell aus dem ERP
• Texte und Medien in jeder Sprache, in der verkauft wird

Keiner dieser Punkte lässt sich im Feed allein lösen, denn jeder hat seine Herkunft in einem der Systeme dahinter.

Den größten Teil dessen, was ein Agent lesen muss, legt die Produktdatenpflege im PIM-System fest. Dort steht, welche Merkmale eine Warengruppe hat, welchen Datentyp und welche Einheit jedes Merkmal trägt und welche Werte zulässig sind.

Dieses Datenmodell entscheidet, ob ein Agent Einheiten und Varianten auseinanderhalten kann. Steht „25 mm“ in einem Textfeld, bleibt offen, ob Länge, Durchmesser oder Nennweite gemeint ist. Als Merkmal mit Zahlenwert und eigener Einheit ist dieselbe Angabe eindeutig. Bei Varianten ist es ähnlich, denn ein Artikel „in drei Größen“ lässt sich erst bestellen, wenn jede Größe eine eigene Artikelnummer hat.

Auch Übersetzungen laufen im PIM mit Freigabe, sodass jede Sprache denselben Stand hat. Fehlt eine Sprache, übersetzt der Assistent im Zweifel selbst, und seine Fachbegriffe passen dann nicht mehr zum Datenblatt.

Aus demselben Grund gehören Werte, die ein KI-Werkzeug im Feed ergänzt, an diese Stelle zurück. Angereicherte Werte übernimmt die Produktdatenpflege ins PIM-System, prüft sie dort und gibt sie frei, bevor Feed und Shop sie an die Assistenten ausspielen. Bleiben sie nur im Feed, liegen sie außerhalb der Produktdatenpflege, und der Assistent liest „Edelstahl“ als Material, während das Feld im PIM leer ist. Wie dieselben Daten Suche, Empfehlungen und Kategorisierung im eigenen Shop tragen, beschreibt der Beitrag KI braucht saubere Produktdaten.

Preise, Bestände, Lieferzeiten und Konditionen entstehen im ERP und ändern sich dort laufend. Liest ein Agent einen veralteten Bestand aus dem Feed, empfiehlt er einen Artikel, der nicht lieferbar ist, und im Einkauf fällt das erst mit der Auftragsbestätigung auf. Feed und Shop lesen diese Werte deshalb aktuell aus dem ERP, statt eigene Stände zu pflegen.

Im B2B kommt hinzu, dass Preise oft kundenspezifisch sind. In MS Dynamics 365 Business Central legen zum Beispiel Preislisten, Rabattgruppen und Vereinbarungen fest, was ein bestimmter Kunde zahlt, während ein Feed bestenfalls den Listenpreis zeigt. Soll ein Agent zukünftig für einen Kunden bestellen, braucht er deshalb Zugang zu dessen Kundenkonto oder zu einer Schnittstelle, die Preis und Verfügbarkeit für genau diesen Kunden liefert. Die Bestellung käme dann im ERP als Auftrag dieses Kunden an, genau wie eine Bestellung aus dem Shop. Ein gängiges Verfahren, mit dem sich Agenten dafür anmelden, gibt es aktuell zwar noch nicht, aber es wird sicher kommen.

Am ehesten zeichnet sich das beim Nachbestellen von Verbrauchsmaterial ab, etwa von Dichtungen oder Reinigungsmitteln. Ein Agent würde dort Bestand und Rahmenvertrag prüfen, den Warenkorb anlegen und die Freigabe einholen, bevor er bestellt.

Es gäbe aber auch noch organisatorische Entscheidungen. Zu klären wäre, welche Agenten im Namen welcher Kunden bestellen dürfen, bis zu welchem Auftragswert und wer freigibt, wenn der Agent einen Ersatzartikel vorschlägt. Viele B2B-Shops kennen solche Regeln schon von Kundenkonten, in denen mehrere Mitarbeitende mit unterschiedlichen Berechtigungen bestellen. Hier ist der Grundstein also oft schon gelegt.

Wie weit die eigenen Daten schon tragen, zeigt ein Test an einer Handvoll typischer Artikel, darunter einer mit Varianten und einer, nach dem im Vertrieb oft gefragt wird. Ein KI-Assistent wie ChatGPT, Gemini oder Copilot bekommt zu jedem Artikel die Fragen, die auch Kund*innen stellen, etwa nach Material, Maß oder Lieferzeit. Er liest dabei dieselben Daten, die später auch ein Agent für eine Bestellung braucht. Wo eine Antwort falsch ist oder fehlt, führen vier Kriterien zur Ursache:

• Die wichtigsten technischen Angaben sind als Merkmal mit Einheit gepflegt und stehen nicht nur im Beschreibungstext.
• Jede Größe oder Ausführung hat eine eigene Artikelnummer.
• Preis und Lieferzeit im Feed entsprechen dem Stand im ERP.
• Der Artikel liegt in jeder Verkaufssprache vollständig vor.

Zu jeder Lücke wird notiert, in welchem System der richtige Wert stehen müsste. Daraus ergibt sich, welche Lücken die Produktdatenpflege im PIM schließt und welche eine Anbindung an das ERP brauchen.

Keine der Anforderungen in diesem Beitrag ist neu. Ein gutes Händlerportal braucht heute schon dasselbe, also Merkmale für Filter, Kundenpreise nach der Anmeldung, aktuelle Verfügbarkeit und Inhalte in jeder Vertriebssprache.

Machen Sie den Test mit einer Handvoll typischer Artikel und notieren Sie die Lücken. Im Gespräch ordnen wir die Ergebnisse gemeinsam ein und klären, welche Systeme betroffen sind und was der nächste Schritt ist.