Agentic Commerce und KI-Kanäle

Agentic Commerce und KI-Kanäle

0:00 Die Kundschaft sieht Ihre Produktseite nicht mehr zwingend. Ein Agent liest Ihre Produktdaten und entscheidet daraus — gut oder falsch, je nachdem, was er vorfindet. Das ist keine ferne Zukunft: Für geeignete Shops läuft dieser Kanal bereits, und zwar ab Werk. In diesem Modul klären wir, was Agentic Commerce von KI im Admin unterscheidet, welche Produktdaten ein Agent braucht, wo der Kauf tatsächlich abgeschlossen wird — und welche Kontrolle Ihnen bleibt.

Agentic Commerce und KI-Kanäle

0:27 Vier Kapitel. Zuerst die Unterscheidung: KI, die Ihnen hilft, gegenüber KI, die Ihre Kundschaft vermittelt. Dann die Produktdaten — und da schließt sich der Kreis zu Modul drei, denn es sind dieselben Attribute. Danach der Checkout außerhalb des eigenen Shops, mit dem Universal Commerce Protocol und drei MCP-Servern. Und zum Schluss die nüchterne Frage nach Verfügbarkeit, Kontrolle und Risiko. In der Übung prüfen Sie, ob die Daten von Steglicht einem Agenten standhalten.

Was Agentic Commerce bedeutet

0:57 Beginnen wir mit der Abgrenzung. Zwei Dinge, die beide KI heißen und im Betrieb völlig verschieden sind. KI-gestützte Administration hilft beim Betreiben des Shops — das war Modul zwanzig. Agentic Commerce verlagert dagegen den Kaufweg: Produkte werden in KI-Kanälen gefunden und dort gekauft. Shopify Agentic Storefronts machen Produkte in Kanälen wie ChatGPT, Google AI Mode und Gemini, Microsoft Copilot und Meta auffindbar.

1:24 Der Unterschied ist grundlegend: Im einen Fall sind Sie der Nutzer der KI, im anderen ist es Ihre Kundschaft. Und im zweiten Fall haben Sie keine Gelegenheit mehr, einen Vorschlag zu prüfen, bevor er ankommt. Diese Gegenüberstellung macht die Konsequenzen sichtbar. Links KI im Admin: Sie unterstützt Ihre Arbeit, Fehler fallen intern auf, Sie geben den Auftrag, und es gibt eine Prüfung vor der Veröffentlichung.

1:50 Rechts KI als Kanal: Sie vermittelt die Kundschaft, Fehler wirken sofort nach außen, der Agent stellt die Frage — und die Prüfung sind Ihre Produktdaten. Diese letzte Zeile ist der Kern des Moduls. Es gibt keinen Review-Schritt mehr. Was Sie an Daten hinterlegt haben, ist die Antwort, die gegeben wird. Vier Punkte, und der erste überrascht regelmäßig. Der Kanal ist ab Werk aktiv — für geeignete Shops standardmäßig eingeschaltet.

2:16 Das heißt: Es ist gut möglich, dass Ihre Produkte bereits in KI-Kanälen auftauchen, ohne dass jemand eine Entscheidung dazu getroffen hat. Verwaltet wird er im Admin unter Verkaufskanäle im Bereich Agentic — dort sollten Sie nachsehen, nicht raten. Die Teilnahme setzt die Zustimmung zu ergänzenden Nutzungsbedingungen voraus. Und die Kundenbeziehung sowie alles nach dem Kauf bleiben ausdrücklich beim Händler.

2:41 Der erste Punkt folgt direkt aus dem Vorhergehenden: Der Kanal läuft, ohne dass jemand die Produktdaten darauf geprüft hat. Der zweite ist eine Frage von fünf Minuten: Die Teilnahme wird angenommen, statt im Admin nachgesehen zu werden. Der dritte ist eine Überreaktion, die auch Geld kostet: Der Kanal wird abgeschaltet, ohne die verlorene Sichtbarkeit zu beziffern.

3:02 Und der vierte ist der, den man bei jedem neuen Kanal machen kann: Die ergänzenden Bedingungen liest niemand — dabei regeln genau sie, was hier eigentlich vereinbart wird.

Produktdaten für KI-Kanäle

3:12 Weiter mit den Daten. Und mit der Erkenntnis, dass hier nichts Neues verlangt wird — nur konsequenter. In KI-Kanäle gelangen Produkte über zwei Wege: über den Shopify Catalog oder über den Verkaufskanal Google & YouTube beziehungsweise das Google Merchant Center. Der Catalog macht den Produktbestand strukturiert abfragbar — mit standardisierten Daten und aktuellen Beständen. Das Wort standardisiert trägt hier die ganze Last.

3:39 Es ist dieselbe Taxonomie, dieselben Attribute, dieselben Metafelder wie in Modul drei. Wer diese Arbeit gemacht hat, ist hier fertig. Wer sie aufgeschoben hat, merkt es jetzt — nur öffentlich. Vier Fehlerbilder, die alle dieselbe Ursache haben. Maße stehen im Fließtext statt in einem Attribut — ein Mensch liest sie, ein Agent filtert danach nicht.

4:01 Die Produktkategorie fehlt, und damit fehlen die standardisierten Attribute komplett. Verfügbarkeit und Lieferzeit sind ungenau oder veraltet, und der Agent empfiehlt etwas Nichtlieferbares. Und Varianten sind als Einzelprodukte angelegt und wirken wie konkurrierende Alternativen — das ist der Modellierungsfehler aus Modul drei, hier mit direkter Außenwirkung.

4:23 Vier Eigenschaften, und die rechte Spalte erklärt jeweils warum. Die Kategorie der Taxonomie gesetzt — sie schaltet die standardisierten Attribute frei. Attribute gefüllt statt beschrieben — nur gefüllte Attribute sind als Kriterium auswertbar. Verfügbarkeit in Echtzeit — sonst empfiehlt ein Agent Ausverkauftes, und die Enttäuschung trifft Ihre Marke.

4:45 Und eine eindeutige Variantenstruktur, damit Größen und Farben ein Produkt bleiben. Nichts davon ist neu. Alles davon war schon in Modul drei richtig — hier wird es nur unnachsichtig geprüft. Der erste Punkt ist der grundsätzliche: Produkttexte werden für Menschen geschrieben, die Attribute bleiben leer. Beides zu tun ist die Antwort, nicht eines von beiden.

5:08 Der zweite ist ein Taktproblem mit direkter Folge: Der Bestand wird nur nachts abgeglichen, und der Agent empfiehlt Ausverkauftes. Der dritte ist ein Benennungsfehler: Marketingnamen ersetzen die sachliche Bezeichnung — Komfortwelle Pro sagt einem Agenten nichts. Und der vierte ist ein Widerspruch im Datensatz: Dieselbe Information steht in Text und Attribut, und beide widersprechen sich.

Checkout außerhalb des eigenen Shops

5:31 Jetzt der technische Unterbau. Und die Frage, wo der Kauf eigentlich stattfindet. Das Universal Commerce Protocol ist der Standard, den Shopify gemeinsam mit Google entwickelt hat — für den Weg vom Finden über den Warenkorb bis zum Checkout. Umgesetzt wird er über MCP-Server: Catalog MCP für die Suche, Cart MCP für den Warenkorb, Checkout MCP für den Abschluss.

5:54 Dass hier ein offener Standard entsteht und nicht eine geschlossene Schnittstelle, ist bemerkenswert — es deutet darauf hin, dass alle Beteiligten damit rechnen, dass dieser Kaufweg bleibt. Drei Server, drei Aufgaben. Catalog MCP fragt Produkte ab — entweder über alle Shops hinweg oder auf einen Shop beschränkt. Cart MCP baut den Warenkorb auf, bevor die Kaufentscheidung fällt. Checkout MCP überführt den Warenkorb in einen Checkout.

6:22 Die Fußzeile nennt einen Unterschied, der die Architektur verrät: Cart-Anfragen sind ohne Anmeldung möglich, Checkout-Anfragen brauchen Authentifizierung oder Signatur. Stöbern ist also offen, Kaufen nicht — genau wie in einem Laden, in dem man erst an der Kasse seinen Namen sagt. Das unterscheidet sich je Kanal, und das sollte man wissen.

6:44 In ChatGPT läuft der Abschluss über Ihren eigenen Checkout, im eingebauten Browser oder in einem neuen Tab — Sie behalten also die Kaufstrecke. In anderen Kanälen ist ein direkter Checkout im Kanal möglich, wenn er aktiviert ist; dann verlässt die Kundschaft den Kanal nicht. Dazu die Unterscheidung beim Catalog: Der Global Catalog fragt über alle Shops hinweg, der Storefront Catalog nur den eigenen.

7:07 Und beim Agentic-Plan ist der direkte Checkout standardmäßig ausgeschaltet. Der erste Punkt ist eine Aktivierung ohne Vorbereitung: Der direkte Checkout wird eingeschaltet, ohne den Retourenweg zu klären. Wo kommt die Ware zurück, wer bearbeitet die Anfrage? Der zweite ist ein technischer Bruch mit Preiswirkung: Rabattlogik im Theme greift nicht, wenn der Kauf im Kanal endet — Ihre Aktion findet dort schlicht nicht statt.

7:32 Der dritte betrifft die Auswertung: Tracking endet an der Kanalgrenze, die Herkunft bleibt unklar. Und der vierte ist ein Detail mit Wirkung: Die Bestellbestätigung wirkt fremd, weil sie für diesen Weg nie jemand angesehen hat.

Verfügbarkeit, Kontrolle und Risiko

7:46 Zum Abschluss die nüchterne Betrachtung. Was ist heute verfügbar, was bleibt Ihnen — und was kann schiefgehen? Agentic Commerce ist kein einzelnes Feature, sondern eine Menge von Funktionen mit unterschiedlichem Reifegrad. Manche sind allgemein verfügbar, andere im Developer Preview, wieder andere werden schrittweise ausgerollt.

8:06 Das ist normal für ein Feld, das sich gerade formt — es heißt aber, dass ein Stand von heute in drei Monaten überholt sein kann. Deshalb gehört vor jede Planung ein Blick in die aktuelle Dokumentation. Nicht aus Vorsicht, sondern weil hier schlicht schneller etwas dazukommt als anderswo. Vier Dinge bleiben bei Ihnen, und sie sind mehr, als die Diskussion oft nahelegt. Die Produktdaten bestimmen, womit der Agent arbeitet — das ist der größte Hebel.

8:33 Preise und Verfügbarkeit kommen aus Ihrem eigenen System. Die Teilnahme je Kanal lässt sich im Admin steuern. Und Kundenbeziehung sowie Nachkaufphase bleiben beim Händler. Zusammengenommen heißt das: Sie verlieren die Kontrolle über die Oberfläche, nicht über die Substanz. Wer gute Daten und einen guten Betrieb hat, ist hier in einer besseren Lage als jemand mit einer schönen Website.

8:56 Fünf Schritte. Prüfen Sie zuerst, welche Kanäle aktiv sind und welche aktiv sein sollen — in dieser Reihenfolge, denn das erste wissen Sie vielleicht noch nicht. Gehen Sie die Produktdaten gegen die Anforderungen des Kanals durch. Bringen Sie den Verfügbarkeitsabgleich auf einen tragfähigen Takt. Durchlaufen Sie den Kaufweg im Kanal einmal selbst — das ist der Schritt, den niemand macht und der am meisten zeigt.

9:20 Und legen Sie fest, wer Rückfragen und Retouren aus diesem Weg bearbeitet. Ein Kanal ohne Verantwortlichen ist ein Kanal ohne Qualitätssicherung. Der erste Punkt ist ein Planungsrisiko: Preview-Funktionen werden für ein Release eingeplant. Preview heißt, dass sich etwas noch ändern kann. Der zweite ist der teuerste Rückkopplungsweg, den es gibt: Fehlerhafte Produktdaten werden erst über Retouren sichtbar.

9:45 Der dritte ist eine falsche Erwartung: Der Kanal wird gemessen, als wäre er eine Kampagne — er ist aber eher ein Regal. Und der vierte ist die einfachste Übung, die kaum jemand macht: Niemand prüft, was der Agent über die eigenen Produkte sagt. Fragen Sie ihn einfach.

Übung

10:02 Jetzt prüfen Sie den Datenbestand von Steglicht — aus der Perspektive eines Lesers, der keine Rückfragen stellt. Steglicht hat zwanzig Artikel mit Varianten, gepflegte Kategorien und teilweise gefüllte Attribute. Die Bestände werden aus dem ERP übernommen, aber nur einmal täglich. Und die Produkttexte stammen aus der Überarbeitung in Modul sechs — sie sind also gut, für Menschen.

10:25 Diese Ausgangslage ist bewusst realistisch: nichts ist kaputt, vieles ist ordentlich, und trotzdem gibt es Lücken, die erst auffallen, wenn eine Maschine liest. Genau solche Lücken sollen Sie finden. Das Lernziel: Produktdaten aus der Perspektive eines maschinellen Lesers beurteilen und Lücken benennen, die Menschen nicht auffallen.

10:45 Erfolgreich sind Sie, wenn für alle Produktgruppen eine Prüfung auf Kategorie, Attribute, Verfügbarkeit und Variantenstruktur vorliegt und drei Produkte benannt sind, deren Daten einen Agenten in die Irre führen — samt Folge für Marke und Preisbild. Und wer früh fertig ist, formuliert drei Fragen, die Kundschaft einem Assistenten stellen würde, und prüft, ob die Daten sie beantworten. Das ist die ehrlichste Prüfung von allen.

11:09 Prüfen Sie je Produktgruppe, ob Kategorie und Attribute vollständig sind. Suchen Sie dann gezielt nach Angaben, die nur im Fließtext stehen — Maße, Gewichte, Materialien; die stehen erstaunlich oft nur dort. Halten Sie den Takt des Bestandsabgleichs gegen Ihre Lieferversprechen: Passt einmal täglich zu einer Lieferzusage in Stunden?

11:29 Benennen Sie drei kritische Produkte und beschreiben Sie die Folge. Und leiten Sie Maßnahmen ab, die Sie der Pflege zuordnen — mit Namen, wie in Modul drei. Der erste Punkt ist der grundlegende Perspektivfehler dieser Übung: Geprüft wird die Produktseite, nicht die Datengrundlage. Die Seite sieht gut aus; das Attribut ist trotzdem leer.

11:49 Der zweite ist eine unbelegte Annahme: Der tägliche Bestandsabgleich gilt als ausreichend, ohne dass jemand es an einer Lieferzusage geprüft hat. Der dritte ist der Abschluss, der fehlt: Lücken werden gefunden, aber niemandem zur Pflege übergeben. Und der vierte ist Bequemlichkeit: Die Prüfung endet bei den Bestsellern — und die sind fast immer die am besten gepflegten Artikel.