Agentic Commerce im Industriebedarf: die Realität 2026

Was heute funktioniert – und was nicht

Agentic Commerce ist 2026 zwei Märkte unter einem Namen, und sie bewegen sich in entgegengesetzte Richtungen.

Die Produktrecherche funktioniert. Adobe hat für das erste Quartal 2026 einen Anstieg des KI-vermittelten Traffics auf Websites von US-Einzelhändlern um 393 % gegenüber dem Vorjahr gemessen; im März konvertierte dieser Traffic 42 % besser als nicht KI-vermittelter Traffic und erzielte einen um 37 % höheren Umsatz pro Besuch. Was immer man vom Hype hält: Das ist ein Kanal, der sich wie ein Kanal verhält.

Die autonome Transaktion funktioniert nicht. Das lehrreichste Ereignis des Jahres war kein Launch, sondern ein Rückzug.

Was hat der Instant-Checkout-Rückzug tatsächlich bewiesen?

OpenAI hat Instant Checkout am 29. September 2025 gestartet und am 4. März 2026 zurückgezogen; die Änderung wurde später im selben Monat in einem Blogbeitrag offiziell gemacht. Die eigene Begründung: Die erste Version habe „nicht das Maß an Flexibilität geboten, das wir bieten wollen“ – Händler sollten deshalb ihren eigenen Checkout nutzen, während sich OpenAI auf die Produktrecherche konzentriert.

Die Lehre steckt in den Details unter diesem Satz.

Emily Pfeiffer und Sucharita Kodali von Forrester haben den strukturellen Punkt im März 2026 unmissverständlich formuliert: Die Bestandsführung habe „katastrophalerweise im Plan gefehlt“. Die Agenten haben nicht im interessanten Sinne halluziniert. Sie haben getreu einen Katalog wiedergegeben, der per Crawler abgegriffen statt ausgeliefert wurde – und deshalb veraltet war.

Das ist die gesamte Lehre, und sie lässt sich verallgemeinern: Ein Agent erbt die Genauigkeit der Daten, die er bekommt, und handelt dann in Maschinengeschwindigkeit danach. Eine falsche Spezifikation in einem PDF liegt untätig herum, bis ein Mensch sie falsch liest. Eine falsche Spezifikation in der Antwort eines Agenten wandert in eine Auswahlliste, ein Angebot und eine Stückliste, bevor es irgendjemand bemerkt.

Wo verläuft in der Industrie die Grenze zwischen Recherche und Transaktion?

Agenten im Einzelhandel funktionieren, weil drei Dinge öffentlich und eindeutig sind: der Preis, die Bestandszahl und die SKU. Der Industriebedarf verletzt alle drei – und zwar bewusst.

Deloitte berichtet, dass weniger als ein Viertel der B2B-Lieferanten überhaupt agentische KI-Technologien einsetzt. Das ist kein Konservatismus um seiner selbst willen – die Grundbausteine fehlen schlicht.

Deshalb lautet die nützliche industrielle Frage im Jahr 2026 nicht „Wird ein Agent bei mir kaufen?“, sondern „Kann ein Agent meine Spezifikation korrekt wiedergeben?“ Die erste Frage ist spekulativ. Die zweite passiert bereits – ob Sie mitmachen oder nicht.

Was funktioniert also tatsächlich im Industriebedarf?

Lässt man die Demos beiseite, haben vier Muster echte Zugkraft – und alle teilen eine Eigenschaft: Der Agent erzeugt einen Vorschlag, den ein Mensch verbindlich macht.

1. 01Vertragsbewusste Suche. Ein Assistent, der den ausgehandelten Katalog und die Preisliste eines bestimmten Kunden sehen kann und ohne Telefonat beantwortet: „Was zahlen wir dafür, und bekommen wir es?“ Das ist die kurzfristig wertvollste Anwendung – und diejenige, die weniger an der KI als an der Autorisierung scheitert.
2. 02Alternativen bei Engpässen. Wenn ein Teil kontingentiert wird, ist die Suche nach konformen, qualifizierten Substituten über Herstellergrenzen hinweg genau die hochdimensionale Filterarbeit, in der Maschinen gut und Menschen langsam sind. Sie funktioniert genau in dem Maß, in dem Äquivalenzbeziehungen veröffentlicht und nicht abgeleitet werden.
3. 03Erstellung von Angeboten und Nachweisunterlagen. Aus einer Spezifikation, einer Zeichnung oder einer Stückliste eine bepreiste, dokumentierte Antwort machen. Die Arbeit ist Dokumentensynthese, keine Urteilsbildung – und hier werden derzeit die meisten messbaren Zeitgewinne verbucht.
4. 04Vorschläge für Nachbestellung und Wiederbeschaffung. Verbrauchsgesteuerte Empfehlungen, die in einem bestehenden Freigabeprozess landen, statt ihn zu umgehen.

Keines dieser Muster verlangt, dass ein Agent Zahlungsdaten hält, und alle vier verlangen genaue, strukturierte Produktdaten. Das ist der tatsächliche Abhängigkeitsgraph dieses Marktes – und er ist nahezu das Gegenteil dessen, wie der Markt vermarktet wird.

Ein nützlicher Test, wenn ein Anbieter einem Industrieunternehmen „Agentic Commerce“ verkaufen will: Fragen Sie, welches der vier Muster er bedient, und fragen Sie dann, woher die Daten kommen. Lautet die Antwort „aus einem Crawler“, verkauft man Ihnen genau das, was im März gescheitert ist.

Das Gegenargument, sauber formuliert

Gartner prognostiziert, dass bis Ende 2027 mehr als 40 % der Projekte rund um agentische KI abgebrochen werden – begründet mit steigenden Kosten, unklarem Geschäftsnutzen und unzureichenden Risikokontrollen. Das ist die nützlichste Zahl in diesem Feld, und sie verdient es, ernst genommen statt weggewischt zu werden.

Aber man muss lesen, was sie prognostiziert. Sie prognostiziert das Scheitern von Projekten, Agenten zu bauen, nicht das Verschwinden von Nachfrage, die über Agenten vermittelt wird. Beides lässt sich trennen, und die strategische Konsequenz ist fast das Gegenteil der intuitiven:

• Wer 2026 einen autonomen Einkaufsagenten baut, wird vermutlich zur Gartner-Statistik.
• Wer 2026 seinen Katalog nicht maschinenlesbar macht, verbucht 2028 den Verlust von Spezifikationen.

Das zweite Risiko lässt sich günstiger abstellen und schwerer rückgängig machen.

Was müsste wahr werden, damit agentische Beschaffung vollständig funktioniert?

Sechs Voraussetzungen, grob in ihrer Abhängigkeitsreihenfolge. Keine davon ist exotisch, keine ist fertig.

1. 01Ein kanonischer, geprüfter Produktdatensatz. Parametrik, Lifecycle-Status und Konformitätsnachweise an einem Ort, versioniert und mit Herkunftsnachweis. Alles andere hängt davon ab – und genau daran ist Instant Checkout schon im ersten Schritt gescheitert.
2. 02Authentifizierter Zugriff mit Berechtigungslogik. Ein Agent, der für einen namentlich bekannten Kunden handelt, muss dessen Vertragspreis und Kontingent sehen können – und sonst niemandes. Das ist ein Autorisierungsproblem und das am schwersten zu lösende Teilstück.
3. 03Überprüfbare Agentenidentität. Serverbetreiber müssen wissen, welcher Agent anfragt und in wessen Auftrag. Web Bot Auth und die derzeit in der IETF laufende Arbeit an signierten Agenten sind der glaubwürdige Weg dorthin.
4. 04Eine Mandats- und Absichtsebene. Die signierten Intent-, Cart- und Payment-Mandate von AP2 – im April 2026 an die FIDO Alliance übergeben, mit einem Release v0.2, das Transaktionen ohne anwesenden Menschen („human not present“) ergänzt – existieren, um einen manipulationssicheren Nachweis darüber zu erzeugen, was der Mensch tatsächlich autorisiert hat.
5. 05Eine bewusst zugeschnittene Handelspolitik für den Kanal. Forresters Punkt zur Sortimentsplanung trifft hier exakt: Sie müssen entscheiden, welche Teile, welche Preise und welche Bestände für Agenten verfügbar sind – statt das einem Crawler zu überlassen.
6. 06Ein Haftungsmodell. Wenn ein Agent ein Teil spezifiziert, das die Qualifizierung nicht besteht: Wer trägt das – der Hersteller, dessen Daten falsch waren, der Distributor, der sie ausgeliefert hat, oder der Modellanbieter, der sie paraphrasiert hat? Kein Standard beantwortet das heute, und Einkaufsabteilungen automatisieren nicht über eine offene Haftungsfrage hinaus.

Die Schritte 1 und 5 liegen vollständig in der Hand des Lieferanten. Die Schritte 3, 4 und 6 sind Branchenarbeit. Bei Schritt 2 wird sich die kommerzielle Kreativität entfalten.

Was in der Zwischenzeit zu tun ist

Die vertretbare Position im Jahr 2026 lautet maschinenlesbar für Agenten, verbindlich nur über Menschen: Lassen Sie Maschinen Ihre Teile korrekt finden, vergleichen und prüfen – und behalten Sie den verbindlichen Abschluss auf Ihren eigenen Schienen.

Das heißt: eine lesbare Katalogseite auch an Clients ausliefern, die keine Browser sind – als Partsgraph im August 2026 weltweit 984 Distributoren- und Herstellerdomains geprüft hat, taten das 38 % nicht, und der Median der KI-Sichtbarkeit lag bei 50 von 100 Punkten. Es heißt: Lifecycle und Konformität als strukturierte Felder veröffentlichen statt als PDF. Es heißt: beobachten, was Assistenten tatsächlich über Ihre Teile sagen, denn eine selbstbewusst falsche Antwort ist schlimmer als gar keine. Und es heißt: einen abfragbaren Endpunkt für die Agenten bereitstellen, die direkt fragen werden – MCP kam bis März 2026 auf rund 97 Millionen SDK-Downloads pro Monat und steht heute unter der neutralen Governance der Linux Foundation, die Schnittstellenfrage ist damit praktisch entschieden.

Die unbequeme Zusammenfassung: Die Branche hat 2025 und Anfang 2026 darüber gestritten, ob Agenten einkaufen werden – und die folgenreichere Auseinandersetzung kampflos verloren. Agenten beantworten längst Spezifikationsfragen zu Industrieteilen. Die meisten Antworten werden aus per Crawler abgegriffenen, unvollständigen, veralteten Daten zusammengesetzt – genau das Versagen, das Instant Checkout erledigt hat, und es läuft still in jedem Katalog weiter, der nicht in Ordnung gebracht wurde.

Der kostenlose Grader unter [/audit](/audit) zeigt, was eine Maschine derzeit aus Ihrem Katalog liest – und wo sie Ihre Teile falsch versteht.