Agentic Commerce ist kein AI-Feature – sondern eine neue Architektur- und Managementaufgabe

Agentic Commerce braucht mehr als AI – es braucht ein neues Betriebsmodell

Noch vor kurzer Zeit drehte sich die Diskussion über KI im E-Commerce vor allem um einzelne Use Cases: bessere Produktempfehlungen, automatisierte Produkttexte, intelligente Suche oder Chatbots im Kundenservice.

Mit Agentic Commerce verändert sich diese Perspektive grundlegend.

KI-Systeme beantworten nicht mehr nur Fragen. Sie können Aufgaben übernehmen, Entscheidungen vorbereiten, Systeme nutzen und zunehmend selbstständig Prozesse ausführen. Ein AI Agent kann Produkte recherchieren, Angebote zusammenstellen, Preise prüfen, Produktinformationen aufbereiten oder Servicefälle bearbeiten.

Damit stellt sich für Unternehmen nicht mehr nur die Frage:

„Welchen AI Use Case sollten wir umsetzen?“

Die wichtigere Frage lautet:

„Wie müssen unsere Commerce-Systeme aufgebaut sein, damit AI Agents sicher, wirtschaftlich und skalierbar darin arbeiten können?“

Genau deshalb entwickelt sich Agentic Commerce zunehmend von einem reinen Technologie-Thema zu einer strategischen Aufgabe – von der Agentic-Commerce-Strategie über Architektur und AI-Agent-Entwicklung bis zum laufenden Betrieb.

Vom AI Use Case zur Agentic-Commerce-Strategie

Viele Unternehmen starten heute mit einem einzelnen Anwendungsfall.

Ein Product Data Agent optimiert Produktbeschreibungen. Ein Sales Copilot unterstützt den Vertrieb. Ein Service Agent beantwortet Kundenanfragen. Ein Pricing Assistant hilft bei Preisentscheidungen.

Das ist ein sinnvoller Einstieg.

Problematisch wird es, wenn für jeden neuen Use Case eine eigene AI-Lösung, eine eigene Datenintegration und eine eigene Logik entsteht.

Dann entsteht genau das, was Unternehmen aus früheren Digitalisierungswellen bereits kennen: eine neue technologische Insellandschaft.

Eine nachhaltige Agentic-Commerce-Strategie muss deshalb weiterdenken.

Es geht nicht darum, möglichst viele Agents einzuführen. Es geht darum, eine Architektur zu schaffen, auf der unterschiedliche AI Agents auf gemeinsame Daten, Systeme, Regeln und Business Services zugreifen können.

Vier Ebenen einer Agentic-Commerce-Architektur

Aus unserer Sicht sollten Unternehmen dabei vier Ebenen betrachten.

1. AI-ready Commerce Data

AI Agents sind nur so gut wie die Informationen, auf die sie zugreifen können.

Produktdaten, Preise, Verfügbarkeiten, Kundendaten, Auftragsinformationen, Servicewissen oder technische Dokumentationen müssen strukturiert, aktuell und maschinenlesbar verfügbar sein.

Gerade im B2B Commerce ist das entscheidend.

Ein Agent muss nicht nur wissen, welches Produkt existiert. Er muss beispielsweise verstehen, welche Variante zu einer Maschine passt, welcher kundenspezifische Preis gilt oder welche Lieferzeit realistisch ist.

Damit werden PIM, ERP, CRM und Commerce-Daten zu einem zentralen Bestandteil der AI-Strategie.

2. Agent & Integration Layer

Der zweite Baustein ist der kontrollierte Zugriff auf bestehende Systeme.

Ein AI Agent sollte nicht für jeden Use Case eine neue Punkt-zu-Punkt-Integration benötigen.

Stattdessen braucht es eine standardisierte Ebene, über die Agents auf definierte Commerce-Fähigkeiten zugreifen können – beispielsweise:

• Produkte suchen
• Preise berechnen
• Verfügbarkeiten prüfen
• Kundendaten abrufen
• Angebote erstellen
• Bestellungen vorbereiten
• Servicewissen recherchieren

APIs, Microservices und zunehmend auch Standards wie MCP (Model Context Protocol) können dafür eine gemeinsame Integrationsschicht bilden.

Damit entsteht eine wichtige Trennung:

Der Agent entscheidet, was getan werden soll. Die Commerce-Plattform definiert, was getan werden darf.

3. Governance, Security & Evaluation

Sobald AI Agents nicht nur Informationen liefern, sondern Aktionen ausführen, werden Governance und Sicherheit entscheidend.

Welche Systeme darf ein Agent nutzen? Welche Daten darf er sehen? Bis zu welchem Betrag darf er Entscheidungen treffen? Wann muss ein Mensch freigeben? Und wie können Entscheidungen später nachvollzogen werden?

Produktionsreife Agentic-AI-Systeme benötigen deshalb unter anderem Rollen und Berechtigungen, Audit Logs, definierte Business Rules, Human Approval für kritische Aktionen und eine kontinuierliche Qualitätsmessung.

Ein erfolgreicher Demo-Use-Case ist noch lange kein produktionsreifes AI-System.

4. Monitoring, FinOps & Agentic Operations

Mit zunehmender Zahl von AI Agents entsteht eine weitere Herausforderung: der laufende Betrieb.

Unternehmen müssen nachvollziehen können:

Welche Agents laufen gerade? Welche Aufgaben erledigen sie? Welche Modelle und Tools verwenden sie? Wie entwickeln sich Token- und Modellkosten? Wie hoch sind Fehler- oder Halluzinationsraten? Wie häufig müssen Menschen eingreifen?

Und vor allem:

Welchen Business Value erzeugen die Agents?

Agentic Commerce braucht deshalb langfristig ein eigenes Operations-Modell. Monitoring, Qualität, Kosten und Business Impact müssen kontinuierlich gemessen und optimiert werden.

Damit wird aus einem AI-Projekt ein dauerhaft steuerbares digitales System.

Der Commerce Stack bekommt eine neue Ebene

Agentic Commerce verändert damit auch die klassische Commerce-Architektur.

Bisher bestand ein moderner Composable-Commerce-Stack beispielsweise aus Commerce Engine, CMS, PIM, Search, ERP, CRM und verschiedenen Microservices.

Jetzt kommt eine weitere Ebene hinzu:

die Agentic Layer.

Sie verbindet AI Agents kontrolliert mit den bestehenden Daten, Systemen und Commerce Capabilities eines Unternehmens.

Damit wird die Commerce-Plattform nicht ersetzt. Im Gegenteil: Ihre APIs, Daten und Business Capabilities werden noch wichtiger.

Composable Commerce wird zur Grundlage für Agentic Commerce

Genau hier zeigt sich, warum Composable Commerce im Zeitalter von Agentic AI eine neue strategische Bedeutung bekommt.

Was bisher vor allem Flexibilität, schnellere Weiterentwicklung und geringere Abhängigkeiten ermöglichen sollte, schafft heute gleichzeitig die technologische Grundlage dafür, Business Capabilities auch AI Agents zur Verfügung zu stellen.

Ein Pricing Service kann dann nicht nur vom Onlineshop genutzt werden, sondern auch von einem Sales Agent.

Eine Produktsuche nicht nur von der Website, sondern auch von einem Einkaufsagenten.

Eine Angebotslogik nicht nur von einem Kundenportal, sondern auch von einem AI Copilot.

So entstehen wiederverwendbare Commerce Capabilities, die Menschen, Anwendungen und AI Agents gleichermaßen nutzen können.

Die zentrale Architekturfrage lautet künftig deshalb nicht mehr nur:

„Welche Systeme brauchen wir für unseren Onlineshop?“

Sondern:

„Welche Commerce Capabilities müssen wir Menschen, Anwendungen und AI Agents zur Verfügung stellen?“

AI Agents werden zu einer neuen Art von Kunden

Hinzu kommt eine zweite Entwicklung, die insbesondere für Hersteller und B2B-Unternehmen relevant wird.

Unternehmen werden nicht nur eigene Agents einsetzen. Auch ihre Kunden werden zunehmend AI Agents verwenden.

Ein Einkaufsagent könnte künftig Produkte vergleichen, technische Anforderungen prüfen, Preise recherchieren, Verfügbarkeiten abfragen und eine Bestellung vorbereiten.

Damit bekommt ein Unternehmen neben dem menschlichen Kunden zunehmend einen zweiten Adressaten:

den maschinellen Kunden.

Produktinformationen müssen deshalb künftig nicht nur gut aussehen und für Suchmaschinen optimiert sein. Sie müssen so strukturiert und zugänglich sein, dass AI-Systeme sie zuverlässig verstehen, bewerten und verwenden können.

Gerade für Hersteller und technischen Handel könnte diese AI Readiness der Produkt- und Commerce-Daten zu einer entscheidenden Voraussetzung für digitale Sichtbarkeit werden.

Agentic Commerce beginnt deshalb nicht mit einem Agenten

Die Versuchung ist groß, Agentic Commerce mit einem möglichst spektakulären AI Use Case zu starten.

Wir empfehlen einen anderen Ansatz.

Zuerst sollte geklärt werden, wo tatsächlich Business Value entsteht.

Danach werden Daten, Prozesse, Systeme, Architektur und Governance betrachtet. Erst daraus ergibt sich, welche AI Agents sinnvoll sind und welche gemeinsame technologische Basis dafür benötigt wird.

So entsteht Schritt für Schritt eine Agentic-Commerce-Roadmap – statt einer Sammlung isolierter AI-Projekte.

Vom ersten AI Agent zur Agentic-Commerce-Plattform

Genau diesen Ansatz verfolgen wir bei mediawave.

Als Agentic-Commerce- und AI-Beratung unterstützen wir Unternehmen dabei, eine Agentic-Commerce-Strategie zu entwickeln, relevante AI-Agent-Use-Cases zu priorisieren und die dafür notwendige Commerce- und AI-Architektur aufzubauen.

Dabei betrachten wir Agentic Commerce nicht isoliert als AI-Thema. Wir verbinden Commerce-Strategie, Composable Architecture, Daten, Integration und Agentic AI zu einer gemeinsamen Plattformstrategie.

Für die technische Umsetzung haben wir mit dem mediawave Value Booster eine modulare Plattform für Composable Commerce und Agentic AI entwickelt.

Unternehmen können damit klein beginnen – beispielsweise mit einem Product Data Agent, Knowledge Assistant, Sales Copilot oder Service Agent – und die Plattform anschließend schrittweise um weitere Agents, Integrationen und AI Services erweitern.

Dabei entsteht nicht für jeden neuen Use Case eine neue technische Insel. Datenzugriffe, Integrationen, Commerce Capabilities, Governance und AI-Komponenten können wiederverwendet und kontinuierlich erweitert werden.

AI Commerce braucht Transparenz und messbaren Business Value

Mit zunehmender Nutzung von AI Agents reicht es allerdings nicht, die technologische Plattform bereitzustellen.

Unternehmen benötigen Transparenz darüber, was ihre Agents tatsächlich leisten.

Deshalb gehören Monitoring und FinOps für uns zur Agentic-Commerce-Plattform: von Agent-Aktivitäten und Erfolgsquoten über Fehler- und Halluzinationsraten bis zu Token-Kosten und Business-KPIs.

Ein zentrales AI Commerce Cockpit kann diese Informationen zusammenführen und beispielsweise zeigen, welche Agents aktiv sind, welche Aufgaben sie erledigen, welche Kosten entstehen und welchen messbaren Business Impact sie erzeugen.

Damit verändert sich auch die Perspektive auf AI:

Nicht die Anzahl der Agents entscheidet über den Erfolg, sondern ihr messbarer Beitrag zum Business.

Ist Ihre Commerce-Architektur bereit für Agentic Commerce?

Die entscheidende Frage ist deshalb nicht, ob Unternehmen künftig AI Agents einsetzen werden.

Die entscheidende Frage ist:

Wie gut ist Ihre heutige Commerce-Architektur darauf vorbereitet?

mediawave unterstützt Unternehmen von der Agentic-Commerce-Beratung und Strategie über Use-Case-Priorisierung, Architektur und AI-Agent-Entwicklung bis zur Implementierung und zum laufenden Betrieb.

Mit dem Value Booster stellen wir gleichzeitig die technologische Basis bereit, um Composable Commerce und Agentic AI schrittweise zu einer skalierbaren Plattform zu verbinden.

Sie möchten wissen, wie agent-ready Ihre Commerce-Architektur bereits ist?

Lassen Sie uns darüber sprechen →

‍