So kann sich der Handel auf die KI-Wende vorbereiten
KI-Agenten könnten den Einkauf grundlegend verändern: Nicht Menschen suchen und klicken, sondern eine Software recherchiert, vergleicht und verhandelt. Dr. Frank Becker vom IT-Infrastrukturdienstleister Kyndryl beschreibt, warum Retailer sich mit Multi-Agenten-Systemen auseinandersetzen sollten, welche Hürden dabei im Weg stehen und wo die Branche aus seiner Sicht ansetzen kann.
FBFrank BeckerPractice Leader Data & AI bei Kyndryl Deutschland
5 Min.· Aktualisiert am
Digitale Preisschilder, Einkaufsapps und Versuche mit Assistenzrobotern: Die Digitalisierung des Einkaufserlebnisses im Handel ist bislang in kleinen Schritten vorangegangen. Mit dem Aufkommen von generativer KI könnte sich das ändern. Der Auslöser: sogenannte Agentic AI – also KI-Systeme, die eigenständig Aufgaben ausführen und Entscheidungen treffen. Aus meiner Sicht wird es für den Handel zunehmend wichtig, sich mit den KI-Agenten der Konsumenten auseinanderzusetzen.
Wie Agentic AI das Konsumentenverhalten verändern könnte
Der Umbruch beginnt nicht im Store, sondern beim Konsumenten. Vieles deutet darauf hin, dass sich Kunden künftig mit mehreren persönlichen KI-Agenten umgeben werden, die Alltag, Gesundheit, Termine und auch das Einkaufen organisieren. Dieses Szenario hätte weitreichende Folgen: Nicht mehr der Mensch allein trifft die Kaufentscheidung, sondern zunehmend seine Agenten. Die verhalten sich rational, konsistent und verhandeln auf Basis klarer Kriterien wie Preis, Qualität, Nachhaltigkeit, Verfügbarkeit und Lieferbedingungen. Emotionale Impulskäufe würden an Bedeutung verlieren, Entscheidungslogiken systematisiert.
Für den Handel entsteht damit eine neue Interaktionsebene. In einer Multi-Agenten-Welt findet Kommunikation zunehmend zwischen Agenten statt: Der persönliche Einkaufsagent verhandelt mit Retail-Agenten, die Sortiment, Promotion, Logistik und Service koordinieren. Nach meiner Einschätzung riskieren Händler, die diese Ebene nicht bedienen, einen zentralen Zugang zu ihren Kunden zu verlieren.
Was sich in der Praxis bereits abzeichnet
Das Thema Agentic Commerce ist noch jung, aber erste Anwendungsfälle zeigen, in welche Richtung sich die Entwicklung bewegt.
Walmart arbeitet an sogenannten „AI Super Agents“, die personalisierte Produktsuche, Nachbestellungen und interne Prozesse automatisieren sollen. Kunden interagieren dabei zunehmend mit einem KI-Agenten statt mit einer klassischen Shop-Oberfläche – parallel koordinieren weitere Agenten Sortiment, Lieferanten und operative Abläufe im Hintergrund.
Noch einen Schritt weiter geht OpenAI mit der Funktion „Instant Checkout” in ChatGPT: Nutzer können Produkte direkt im Dialog recherchieren und den Kauf abschließen, ohne die Plattform zu verlassen. Möglich wird das durch Partnerschaften mit Shopify, Target und weiteren Händlern sowie durch ein Agentic-Commerce-Protokoll, das KI-Agent, Händler und Zahlungsabwicklung verbindet. Der Shop wird zur Infrastruktur im Hintergrund – der Agent zur eigentlichen Schnittstelle zum Kunden.
Wie Agentic AI das Konsumentenverhalten verändern könnte
Der Umbruch beginnt nicht im Store, sondern beim Konsumenten. Vieles deutet darauf hin, dass sich Kunden künftig mit mehreren persönlichen KI-Agenten umgeben werden, die Alltag, Gesundheit, Termine und auch das Einkaufen organisieren. Dieses Szenario hätte weitreichende Folgen: Nicht mehr der Mensch allein trifft die Kaufentscheidung, sondern zunehmend seine Agenten. Die verhalten sich rational, konsistent und verhandeln auf Basis klarer Kriterien wie Preis, Qualität, Nachhaltigkeit, Verfügbarkeit und Lieferbedingungen. Emotionale Impulskäufe würden an Bedeutung verlieren, Entscheidungslogiken systematisiert.
Für den Handel entsteht damit eine neue Interaktionsebene. In einer Multi-Agenten-Welt findet Kommunikation zunehmend zwischen Agenten statt: Der persönliche Einkaufsagent verhandelt mit Retail-Agenten, die Sortiment, Promotion, Logistik und Service koordinieren. Nach meiner Einschätzung riskieren Händler, die diese Ebene nicht bedienen, einen zentralen Zugang zu ihren Kunden zu verlieren.
Was sich in der Praxis bereits abzeichnet
Das Thema Agentic Commerce ist noch jung, aber erste Anwendungsfälle zeigen, in welche Richtung sich die Entwicklung bewegt.
Walmart arbeitet an sogenannten „AI Super Agents“, die personalisierte Produktsuche, Nachbestellungen und interne Prozesse automatisieren sollen. Kunden interagieren dabei zunehmend mit einem KI-Agenten statt mit einer klassischen Shop-Oberfläche – parallel koordinieren weitere Agenten Sortiment, Lieferanten und operative Abläufe im Hintergrund.
Noch einen Schritt weiter geht OpenAI mit der Funktion „Instant Checkout” in ChatGPT: Nutzer können Produkte direkt im Dialog recherchieren und den Kauf abschließen, ohne die Plattform zu verlassen. Möglich wird das durch Partnerschaften mit Shopify, Target und weiteren Händlern sowie durch ein Agentic-Commerce-Protokoll, das KI-Agent, Händler und Zahlungsabwicklung verbindet. Der Shop wird zur Infrastruktur im Hintergrund – der Agent zur eigentlichen Schnittstelle zum Kunden.
Allerdings ist die Adoptionsrate noch in Bewegung: Laut einer Omnisend-Erhebung unter 1.224 US-Konsumenten vom Sommer 2025 nutzen bereits 59 Prozent GenAI-Tools beim Einkaufen – die Zurückhaltung gegenüber KI-gestützten Transaktionen sank innerhalb weniger Monate von 66 auf 32 Prozent. Gleichzeitig äußern 85 Prozent weiterhin Bedenken zu Datenschutz und Personalisierung.
Der Weg dorthin: von Prozessen zu Agenten
Retailer können sich auf dieses Szenario vorbereiten, wenn sie strukturiert vorgehen. In der Praxis beobachten wir ein dreistufiges Vorgehen:
Zunächst die vollständige Erfassung und Digitalisierung von Prozessen, Rollen, Datenflüssen und Regeln. Daraus entsteht ein digitaler Zwilling der Organisation, der Transparenz schafft und als Grundlage für Automatisierung dient.
Im zweiten Schritt folgt die Agentisierung geeigneter Abläufe: Wiederkehrende Entscheidungen und Prüfungen werden von KI-Agenten übernommen, ergänzt durch gezielte menschliche Kontrolle an definierten Stellen.
Der dritte Schritt betrifft den produktiven Betrieb der Multi-Agenten-Systeme. Kontinuierliche Optimierung, Überwachung und Skalierung sollen sicherstellen, dass Kosten, Qualität, Sicherheit und Performance beherrschbar bleiben.
KI-Agenten helfen, bekannte Hürden zu überwinden
Was in der Theorie schlüssig klingt, trifft in der Praxis auf die bekannten Hürden der Branche. Laut dem Kyndryl Retail Readiness Report 2025, für den 114 Retail-Entscheider weltweit befragt wurden, nutzen nur 15 Prozent der Retailer ihre Omnichannel-Systeme heute integriert. 56 Prozent berichten von nicht zugänglichen Daten in nicht sauber dekommissionierten Systemen, gleichzeitig überprüfen 46 Prozent ihre Data-Governance-Modelle neu.
Aus meiner Sicht kann Agentic AI dazu beitragen, einige dieser Probleme zu adressieren.
Beim Thema Compliance etwa lassen sich über den Ansatz „Policy as Code” Regeln, Zuständigkeiten und Freigaben in maschinenlesbare Vorgaben übersetzen. Änderungen können zentral eingespielt und automatisiert geprüft werden. Der manuelle Aufwand sinkt, Transparenz und Nachvollziehbarkeit steigen.
Bei Datensilos in gewachsenen IT-Landschaften ermöglichen Konnektoren einen kontrollierten Zugriff auf bestehende Systeme, statt perfekte Zielarchitekturen vorauszusetzen. Agenten nutzen Daten dort, wo sie liegen, unter klar definierten Berechtigungen. Silos müssen nicht zwingend in Data Lakes oder ähnliche Strukturen überführt werden.
Warum Frameworks wichtig sind
Die zentrale Frage lautet, wie sich eine Multi-Agenten-Welt in gewachsenen Retail-Landschaften skalierbar aufbauen lässt. Nach unserer Erfahrung liegt ein Teil der Antwort in belastbaren Enterprise-Frameworks. Solche Frameworks können Leitplanken für Sicherheit, Compliance und Betrieb schaffen und gleichzeitig den Aufbau wiederverwendbarer Agenten, Werkzeuge und Kontrollmechanismen beschleunigen. Für Retailer kann das geringeres Risiko, niedrigere Kosten und schnellere Lernkurven bedeuten.
Darüber hinaus spielen aus meiner Beobachtung drei organisatorische Faktoren eine wichtige Rolle:
Erstens: Branchenweite Zusammenarbeit. Nicht differenzierende Grundlagen wie Governance-Modelle oder Standard-Schnittstellen sollten gemeinsam entwickelt werden, um ein funktionierendes Multi-Agenten-Ökosystem zu ermöglichen.
Zweitens: Eine starke interne Führungsfigur. Gefragt ist ein glaubwürdiger KI-Verantwortlicher mit tiefem Geschäftsverständnis und technischer Kompetenz – kein kurzfristiger Hype-Treiber.
Drittens: Ein klares Mandat auf Top-Ebene, das die nötige Verbindlichkeit für den Transformationsprozess sicherstellt.
Fazit: Lernen statt isoliert bauen
Aus unserer Beobachtung lohnt sich für Retailer der Blick darauf, was Vorreiter in anderen Regionen und Märkten bereits umsetzen, um daraus zu lernen und bewährte Ansätze zu adaptieren. Ob sich die Multi-Agenten-Welt so schnell entwickelt, wie manche Prognosen nahelegen, bleibt abzuwarten. Dass sich der Handel darauf vorbereiten sollte, steht aus meiner Sicht außer Frage.
Der Weg dorthin: von Prozessen zu Agenten
Retailer können sich auf dieses Szenario vorbereiten, wenn sie strukturiert vorgehen. In der Praxis beobachten wir ein dreistufiges Vorgehen:
Zunächst die vollständige Erfassung und Digitalisierung von Prozessen, Rollen, Datenflüssen und Regeln. Daraus entsteht ein digitaler Zwilling der Organisation, der Transparenz schafft und als Grundlage für Automatisierung dient.
Im zweiten Schritt folgt die Agentisierung geeigneter Abläufe: Wiederkehrende Entscheidungen und Prüfungen werden von KI-Agenten übernommen, ergänzt durch gezielte menschliche Kontrolle an definierten Stellen.
Der dritte Schritt betrifft den produktiven Betrieb der Multi-Agenten-Systeme. Kontinuierliche Optimierung, Überwachung und Skalierung sollen sicherstellen, dass Kosten, Qualität, Sicherheit und Performance beherrschbar bleiben.
KI-Agenten helfen, bekannte Hürden zu überwinden
Was in der Theorie schlüssig klingt, trifft in der Praxis auf die bekannten Hürden der Branche. Laut dem Kyndryl Retail Readiness Report 2025, für den 114 Retail-Entscheider weltweit befragt wurden, nutzen nur 15 Prozent der Retailer ihre Omnichannel-Systeme heute integriert. 56 Prozent berichten von nicht zugänglichen Daten in nicht sauber dekommissionierten Systemen, gleichzeitig überprüfen 46 Prozent ihre Data-Governance-Modelle neu.
Aus meiner Sicht kann Agentic AI dazu beitragen, einige dieser Probleme zu adressieren.
Beim Thema Compliance etwa lassen sich über den Ansatz „Policy as Code” Regeln, Zuständigkeiten und Freigaben in maschinenlesbare Vorgaben übersetzen. Änderungen können zentral eingespielt und automatisiert geprüft werden. Der manuelle Aufwand sinkt, Transparenz und Nachvollziehbarkeit steigen.
Bei Datensilos in gewachsenen IT-Landschaften ermöglichen Konnektoren einen kontrollierten Zugriff auf bestehende Systeme, statt perfekte Zielarchitekturen vorauszusetzen. Agenten nutzen Daten dort, wo sie liegen, unter klar definierten Berechtigungen. Silos müssen nicht zwingend in Data Lakes oder ähnliche Strukturen überführt werden.
Warum Frameworks wichtig sind
Die zentrale Frage lautet, wie sich eine Multi-Agenten-Welt in gewachsenen Retail-Landschaften skalierbar aufbauen lässt. Nach unserer Erfahrung liegt ein Teil der Antwort in belastbaren Enterprise-Frameworks. Solche Frameworks können Leitplanken für Sicherheit, Compliance und Betrieb schaffen und gleichzeitig den Aufbau wiederverwendbarer Agenten, Werkzeuge und Kontrollmechanismen beschleunigen. Für Retailer kann das geringeres Risiko, niedrigere Kosten und schnellere Lernkurven bedeuten.
Darüber hinaus spielen aus meiner Beobachtung drei organisatorische Faktoren eine wichtige Rolle:
Erstens: Branchenweite Zusammenarbeit. Nicht differenzierende Grundlagen wie Governance-Modelle oder Standard-Schnittstellen sollten gemeinsam entwickelt werden, um ein funktionierendes Multi-Agenten-Ökosystem zu ermöglichen.
Zweitens: Eine starke interne Führungsfigur. Gefragt ist ein glaubwürdiger KI-Verantwortlicher mit tiefem Geschäftsverständnis und technischer Kompetenz – kein kurzfristiger Hype-Treiber.
Drittens: Ein klares Mandat auf Top-Ebene, das die nötige Verbindlichkeit für den Transformationsprozess sicherstellt.
Fazit: Lernen statt isoliert bauen
Aus unserer Beobachtung lohnt sich für Retailer der Blick darauf, was Vorreiter in anderen Regionen und Märkten bereits umsetzen, um daraus zu lernen und bewährte Ansätze zu adaptieren. Ob sich die Multi-Agenten-Welt so schnell entwickelt, wie manche Prognosen nahelegen, bleibt abzuwarten. Dass sich der Handel darauf vorbereiten sollte, steht aus meiner Sicht außer Frage.
FB
Geschrieben vonFrank Becker
Practice Leader Data & AI bei Kyndryl Deutschland
Dr. Frank Becker ist Complexity Scientist und Practice Leader Data & AI bei Kyndryl Deutschland. Als Transformationsberater leitet er Teams, die KI-basierte Plattformen entwerfen, modernisieren und skalieren – insbesondere in stark regulierten Branchen. Zuvor war er mehrere Jahre in Führungsrollen bei Deloitte tätig.
Alle Beiträge