Was bedeuten KI-Shopping-Agenten für die Websites und Produktfeeds von Modemarken?

KI-Shopping-Agenten verlagern einen Teil der Customer Journey von den Websites der Marken in Assistenten wie ChatGPT und den AI Mode von Google, wo Kundinnen und Kunden nach Produkten fragen, sie vergleichen und zunehmend auch bezahlen, ohne die Website der Marke zu besuchen. Für Modemarken bedeutet das: Strukturierte Produktdaten, Preise und Bestände, die über Feeds und Protokolle geliefert werden, werden ebenso wichtig wie die Website selbst. Die eigenen Kanäle der Marke konkurrieren dann mit dem, was Agenten nicht ohne Weiteres bieten können: Service, Passformberatung und Beziehungen.

Was ist Agentic Shopping?

Agentic Shopping beschreibt KI-Assistenten, die im Auftrag von Kundinnen und Kunden handeln: Sie interpretieren eine Anfrage wie ein Outfit für eine Sommerhochzeit innerhalb eines bestimmten Budgets, suchen bei verschiedenen Händlern, vergleichen Optionen und geben mit Zustimmung der Kundin oder des Kunden die Bestellung auf. Bis 2025 verlinkten die meisten Assistenten nur auf die Websites der Händler. Seither haben Plattformen den Checkout direkt im Gespräch ergänzt, und das verändert, wem der Moment des Kaufs gehört.

Welche Protokolle und Plattformen zählen 2026?

Zum Start machte OpenAI Instant Checkout für Etsy-Verkäuferinnen und -Verkäufer in den USA verfügbar und kündigte an, dass mehr als eine Million Shopify-Händler folgen würden, darunter Marken wie Glossier, SKIMS, Spanx und Vuori. OpenAI erklärte, die Produktergebnisse seien organisch und nicht gesponsert, Händler zahlten eine Gebühr auf abgeschlossene Käufe, und die Verfügbarkeit von Instant Checkout verbessere das Ranking eines Artikels nicht. Verkaufen mehrere Händler denselben Artikel, berücksichtigt ChatGPT unter anderem Verfügbarkeit, Preis, Qualität und ob der Händler der Hauptverkäufer ist.

Das Universal Commerce Protocol von Google wurde laut PYMNTS gemeinsam mit Shopify, Etsy, Wayfair, Target und Walmart entwickelt und von Unternehmen wie Zalando und Macy's unterstützt. Google führte zudem einen Business Agent ein, mit dem Kundinnen und Kunden direkt in der Google-Suche mit einer Marke chatten können; zu den genannten frühen Anwendern gehören Reebok und Poshmark.

Lesen Sie auch

Wie findet KI die Ursachen von Retouren in der Mode?

Wie viel Traffic schicken KI-Assistenten auf Retail-Websites?

Die Volumen wachsen schnell, ausgehend von einer kleinen Basis. Adobe meldete im Januar 2026, dass der Traffic aus generativen KI-Quellen auf US-Retail-Websites in der Weihnachtssaison 2025 gegenüber dem Vorjahr um 693 Prozent stieg und dass dieser Traffic um 31 Prozent besser konvertierte als andere Quellen, wobei die Besucherinnen und Besucher mehr Zeit auf der Website verbrachten. Diese Zahlen betreffen den US-Handel insgesamt, nicht speziell die Mode, und KI-Verweise machen für die meisten Marken nach wie vor einen kleinen Anteil des gesamten Traffics aus, doch die Richtung ist klar.

Eigene Assistenten der Marken zeigen die andere Seite dieses Trends. Ralph Lauren zum Beispiel lancierte im September 2025 Ask Ralph in seiner App, einen konversationellen Assistenten auf Basis der Azure-OpenAI-Technologie von Microsoft, der verfügbare Produkte von Polo Ralph Lauren vorschlägt und das Erlebnis einer Beratung durch eine Stylistin im Geschäft online nachbilden soll. Solche Assistenten halten das Gespräch und die Daten im eigenen Kanal der Marke, hängen aber von denselben strukturierten Produkt- und Bestandsdaten ab wie Agenten von Drittanbietern.

Was brauchen Agenten von Produktdaten und Feeds?

Die Dokumentation von OpenAI zum Agentic Commerce Protocol beschreibt regelmässig aktualisierte Produktfeeds in CSV oder JSON mit Kennungen, Beschreibungen, Preisen, Beständen, Medien und Lieferoptionen, wobei optionale Attribute wie Bewertungen Ranking und Vertrauen verbessern. Für Modemarken ergibt sich daraus eine konkrete Datenagenda:

• Vollständige Attribute pro Variante: Grösse, Farbe, Materialzusammensetzung, Passform, Pflege, Anlass und Stilbeschreibungen in verständlicher Sprache.
• Genaue Angaben zu Grösse und Passform, idealerweise mit Massangaben, weil Agenten die Kundschaft Artikel nicht anprobieren lassen können.
• Live-Preise und Live-Bestände, denn ein Agent, der eine nicht verfügbare Grösse empfiehlt, beschädigt das Vertrauen in den Agenten und in die Marke.
• Hochwertige Bilder mit einheitlichen Ansichten und klar gekennzeichneten KI-generierten Bildern, wo solche verwendet werden.
• Klare Liefer- und Rückgabebedingungen als strukturierte Daten, weil Agenten diese über Händler hinweg vergleichen.

Generative KI kann helfen, beschreibende Texte aus strukturierten Attributen in grossem Umfang zu erstellen, doch erfundene Aussagen zu Materialien oder Passform sind ein Risiko, wenn Agenten sie an die Kundschaft weitergeben. Verantwortliche für Produktdaten sollten von KI geschriebene Texte als Entwurf behandeln, der an den Quelldaten zu prüfen ist.

Was geschieht mit der eigenen Website der Marke und dem Clienteling?

Wandern Entdeckung und Checkout in Assistenten ab, verlieren Marken einen Teil des direkten Kontakts zur Kundschaft und einen Teil ihrer First-Party-Daten. Beim Agentic Commerce Protocol bleibt der Händler Merchant of Record und erhält die Bestellung; die Kundenbeziehung geht also nicht ganz verloren, aber das Stöbern findet anderswo statt. Marken reagieren, indem sie eigene konversationelle Assistenten aufbauen, Loyalität und Clienteling stärken, damit geschätzte Kundinnen und Kunden direkt zu ihnen kommen, und sicherstellen, dass ihre Daten überall korrekt sind, wo Agenten sie lesen. Für viele Modemarken ist die realistischste Antwort ein Mix: dort teilnehmen, wo Agenten zusätzliche Nachfrage bringen, und loyaler Kundschaft gleichzeitig Gründe geben, direkt zu kaufen, etwa persönliche Beratung, frühen Zugang, Änderungsservice und einfache Rückgaben im Geschäft. Wholesale-Partner erleben dieselbe Verschiebung, da Agenten das eigene Listing einer Marke mit denen ihrer Händler und Marktplätze für denselben Artikel vergleichen können.

Lesen Sie auch

KI-Qualitätsprüfungen für PIM-Daten: fehlende, falsche und widersprüchliche Attribute erkennen

Was sollten Modemarken jetzt tun?

1. Prüfen Sie Ihre Produktdaten auf Vollständigkeit von Attributen, Grössen und Bildern pro Variante.
2. Stellen Sie sicher, dass Feeds Preise und Bestände häufig genug aktualisieren, um Überverkäufe zu vermeiden.
3. Entscheiden Sie, ob Sie an Checkout-Programmen von Agenten teilnehmen, und wägen Sie dabei Gebühren, Datenzugang und Kontrolle ab.
4. Verfolgen Sie Traffic und Bestellungen aus KI-Assistenten in der Analyse als eigenen Kanal.
5. Stärken Sie direkte Beziehungen über Clienteling und Loyalität, die Agenten nicht ohne Weiteres nachbilden können.