14 % der US-Händler nutzen KI. Kunden sind schneller.

Der Handel hat ein Tempoproblem, und es läuft in die falsche Richtung. Im Unternehmen ist KI noch selten: Rund 14 % der US-Handelsunternehmen nutzen KI, weniger als der Landesdurchschnitt von 19,8 % und weit weniger als die Informationsbranche mit 39,7 % (US Census Bureau, Mai 2026). Etwa 17 % planen den Einsatz binnen sechs Monaten. Außerhalb des Unternehmens ist die Kundschaft längst weiter. 30 bis 45 % der US-Verbraucher recherchieren und vergleichen Produkte mit generativer KI, so Bain & Company im November 2025. Die Kundschaft nutzt KI schneller als der Handel, bei dem sie kauft.

14 % der US-Handelsunternehmen nutzen KI, gegenüber 19,8 % aller Unternehmen (US Census Bureau, Mai 2026)

Die Suche wandert in den Assistenten

Die Verkehrszahlen sind noch klein, aber sie steigen. Bei manchen Händlern stammen bis zu 25 % des Referral-Traffics aus KI, am Gesamtverkehr aber weniger als 1 % (Bain). Damit verschiebt sich der Startpunkt des Kaufs. Wer einen Assistenten nach dem besten Laufschuh im Budget fragt, sieht womöglich nie eine Kategorieseite, ein Banner oder eine gesponserte Platzierung. Retail Media, gebaut für Suchbegriffe, muss für Fragen in natürlicher Sprache neu gedacht werden.

Agenten sind der nächste Schritt. Gartner erwartet weltweite KI-Ausgaben von 2,67 Billionen US-Dollar im Jahr 2026 und für KI-Agenten und Assistenten ein Wachstum von 29,2 Milliarden US-Dollar 2026 auf 65,5 Milliarden 2027. Doch die Hälfte der Verbraucher will einen Kauf nicht allein einer KI überlassen (Bain). Und Gartner rechnet damit, dass mehr als 40 % der Agenten-Projekte eingestellt werden, bis Ende 2027. Agentischer Handel kommt, aber langsamer und vorsichtiger, als die Demos nahelegen.

Vertrauen ist das Kapital des Händlers

Eine Zahl sticht heraus. Verbraucher vertrauen dem eigenen Shop-Agenten eines Händlers dreimal mehr als einem fremden Agenten (Bain), auch wenn Bain erwartet, dass sich der Abstand verringern könnte. Vertrauen ist damit das Kapital, das ein Händler noch selbst besitzt. Bain rät, den „Burggraben um die Kundschaft“ zu vertiefen, mit exklusiven Produkten und Treuevorteilen, und die eigenen Kundendaten sowie den Checkout möglichst in der Hand zu behalten.

3× mehr Vertrauen in den eigenen Shop-Agenten eines Händlers als in fremde Agenten (Bain & Company, Nov. 2025)

Die praktische Frage für 2027 lautet: Welche KI-Kanäle betreiben wir selbst, welche bedienen wir? Shop-Assistent, Treue-App und Checkout sind eigene Kanäle. Fremde Agenten sind Kanäle zu fremden Bedingungen. Jeder braucht eine Entscheidung über Produkt-, Preis- und Kundendaten.

13 Angebote richten sich an Kunden, 6 arbeiten an Bestand und Filiale

Das Good AI Prisma kartiert 27 KI-Angebote und zwei Anbieterdatensätze (Bloomreach, Blue Yonder) im Themenfeld Handel & Konsum, jeweils mit datierter Quelle des Anbieters. Sie decken den ganzen Laden ab. Shopping-Assistenten kommen von Constructor, epoq, Retresco und Zoovu, neben Assistenten, die Händler und Plattformen selbst betreiben, etwa Rufus von Amazon, der Klarna-Assistent, Shopify Sidekick und der Zalando-Assistent. Produktsuche liefern Algolia, Doofinder, FactFinder und Syte, Preisoptimierung 7Learnings, Competera und Quicklizard, Absatzprognose und Disposition Delicious Data, paretos und RELEX. Produktdaten pflegen Salsify und Lily AI, Personalisierung bieten Hello Retail und Nosto. Im Laden erkennen Everseen und Trax mit Computer Vision Kassenverluste und Regalbilder, Heuritech prognostiziert Modetrends.

Neun der 29 Einträge stammen von Anbietern mit Hauptsitz in Deutschland, darunter epoq, FactFinder, paretos, Delicious Data, Retresco, Shopware und Spryker; 16 von Anbietern mit Hauptsitz in Europa. Die globale Marktstudie des Prisma stellt den Handel neben zehn weitere Branchen.

Hinter dem Regal: Prognose und Disposition

Nicht jede Handels-KI steht vor der Kundschaft. Einige der am besten messbaren Anwendungen arbeiten hinter dem Regal. Prognose- und Dispositionswerkzeuge sagen Abverkäufe je Artikel und Filiale voraus, setzen Bestellmengen und planen Abschriften für Frischware. Sie nutzen Daten, die ein Händler ohnehin besitzt: Abverkaufshistorie, Bestände, Aktionen, Wetter und lokale Ereignisse. Die Ergebnisse zeigen sich in Kennzahlen, die das Category Management jede Woche verfolgt: Prognosegüte, Fehlbestände, Abschriften und gebundenes Kapital. Produktdaten-Werkzeuge gehören in dieselbe stille Zone. Sie reichern Attribute und Beschreibungen an, damit die eigene Suche und die Antworten externer Assistenten den richtigen Artikel finden. Wer KI-vermittelten Traffic will, braucht saubere Produktdaten.

Sieben Fragen vor dem Kauf

Vor jeder Demo gehören sieben Fragen schriftlich geklärt. Welche Kennzahl soll sich bewegen: Conversion, Marge, Prognosegüte oder Servicekosten? Wo liegt der Ausgangswert? Wo liegen Kunden- und Produktdaten, und trainiert der Anbieter damit? Wie wird abgerechnet: je Nutzer, je gelöster Anfrage, je Bestellung oder auf Angebot? Welche Anbindungen an Shopsystem, ERP und Kundenbindungsprogramm braucht es? Wer stoppt einen Agenten, der Preise ändert oder Zahlungen auslöst? Und welches Ergebnis beendet den Pilot? Ein Anbieter, der das schriftlich beantwortet, verdient einen Test.

Die Regeln: Transparenz jetzt, Kredit später

Handels-KI liegt meist im Bereich minimalen Risikos der KI-Verordnung, mit drei datierten Ausnahmen nach dem geänderten Zeitplan der Omnibus-Verordnung (EU) 2026/1744:

• Seit dem 2. August 2026 müssen Menschen erfahren, wenn sie mit einem KI-System interagieren, etwa einem Shop-Assistenten (Art. 50).
• Ab dem 2. Dezember 2026 müssen generative Systeme, die bereits auf dem Markt sind, synthetische Inhalte maschinenlesbar kennzeichnen, auch Produktbilder.
• Ab dem 2. Dezember 2027 gelten für die Kreditwürdigkeitsprüfung natürlicher Personen, etwa beim Ratenkauf am Checkout, Hochrisiko-Pflichten nach Anhang III.

Personalisierte Preise sind zudem in mehreren Märkten ein Thema des Verbraucherschutzes; prüfen Sie die Informationspflichten in jedem Absatzmarkt vor dem Start. Der Artikel zu synthetischen Gesichtern und Stimmen erläutert die Kennzeichnungsregeln.

Marge messen, nicht nur Umsatz

Messbare Effekte gibt es dort, wo KI Menschen unterstützt. Im Kundenservice steigerte ein generativer KI-Assistent die gelösten Anfragen pro Stunde um durchschnittlich 14 %, bei weniger erfahrenen Kräften um 34 % (NBER Working Paper 31161). Preise und Personalisierung brauchen dieselbe Disziplin. KI-Preise oder Personalisierung gegen eine Kontrollgruppe aus Filialen, Artikeln oder Kunden testen, damit Saison und Aktionen das Ergebnis nicht aufblähen. Conversion, Rohertrag, Abschriften und Retourenquote gemeinsam verfolgen. KI-vermittelten Traffic und seine Conversion getrennt messen. Beschwerden, preisbezogene Servicekontakte und Abmeldungen als Vertrauenssignale beobachten. Und vorab festlegen, welches Ergebnis den Pilot ausrollt und welches ihn beendet. Der Artikel zu Preisen und Personalisierung beschreibt die Methode Schritt für Schritt.

In der Praxis

Anwendungsfall: eigene Assistenten. Amazons Rufus, der KI-Assistent von Klarna, Shopify Sidekick und der Zalando-Assistent werden von Händlern und Plattformen selbst betrieben, und alle vier stehen auf der Karte des Good AI Prisma. Sie halten Produktdaten, Kundenkontext und Kasse beim Betreiber, im Kanal, dem Verbraucher laut Bain dreimal mehr vertrauen als einem fremden Agenten.

Szenario: ein Preispilot mit Kontrollgruppe. Ein Modehändler testet KI-gestützte Abschriften in einem Teil seiner Filialen und lässt eine vergleichbare Gruppe bei den alten Regeln. Nach einer Saison vergleicht er Rohertrag, Abschriftenquote, Retourenquote und preisbezogene Beschwerden beider Gruppen. Nur ein Margengewinn ohne mehr Beschwerden skaliert den Pilot.

Was Sie am Montag tun

1. Einen Anwendungsfall mit Kontrollgruppe wählen. Preis oder Personalisierung, gemessen an Marge und Beschwerdequote, nicht nur am Umsatz.
2. Die Kanalkarte festlegen. Welche KI-Kanäle Sie selbst betreiben, welche fremden Agenten Sie bedienen, und zu welchen Datenbedingungen.
3. Jedes kundennahe KI-System seiner Pflicht zuordnen: Art. 50 heute, maschinenlesbare Kennzeichnung ab 2. Dezember 2026, Ratenkauf am Checkout ab 2. Dezember 2027.
4. Agenten eng führen. Alles, was Preise ändert oder Zahlungen auslöst, braucht Grenze und Protokoll; ein AI Governance Setup legt beides fest.
5. Datenstandort, Training und Abrechnungseinheit schriftlich anfragen, vor jeder Demo.

Dieser Artikel beschreibt Markt und Regulierung. Er ist keine Rechtsberatung.