Eine Bestellung, die mehr ist als ein Klick auf „Kaufen“: Individuelle Preise, Freigabegrenzen, Vertragskonditionen und komplexe Systemlandschaften machen B2B-Commerce anspruchsvoll – und stellen auch KI-Agenten vor besondere Herausforderungen. Warum Agentic Commerce im B2B nur funktionieren kann, wenn Daten, Systeme und Geschäftsregeln eng zusammenspielen und wo Unternehmen heute ansetzen sollten erklärt Stefan Hamann, Geschäftsführer bei unserem ECC CLUB Mitglied Shopware, im Interview.
Was macht den B2B-Commerce heute besonders komplex?
B2B-Commerce digitalisiert nicht nur einen Kaufvorgang, sondern ein ganzes Geflecht aus Geschäftsregeln. Hinter einem Geschäftskunden stehen häufig mehrere Nutzer mit unterschiedlichen Rollen, Budgets, Berechtigungen und Freigabegrenzen. Hinzu kommen kundenspezifische Sortimente und Preise, Mengenstaffeln, individuelle Vertragskonditionen, verschiedene Lieferadressen sowie komplexe Angebots-, Bestell- und Genehmigungsprozesse.
Eine weitere Herausforderung ist die Systemlandschaft. Die Commerce-Plattform muss zuverlässig mit ERP, PIM, CRM, Logistik und Finanzsystemen zusammenarbeiten. Produkt-, Preis-, Bestands- und Kundendaten müssen dabei konsistent und möglichst aktuell sein. Internationale Strukturen, mehrere Marken, große Sortimente und historisch gewachsene Integrationen erhöhen die Komplexität zusätzlich.
Die entscheidende Aufgabe besteht darin, diese Komplexität im Hintergrund zu beherrschen, ohne sie vollständig auf die Nutzer zu übertragen. Ein guter B2B-Shop muss einfach zu bedienen sein, obwohl die Prozesse dahinter häufig sehr komplex sind.
Welche Rolle spielt Agentic Commerce im B2B?
Agentic Commerce hat im B2B besonders großes Potenzial, weil viele Prozesse wiederkehrend, regelbasiert und datenintensiv sind. KI-Agenten können beispielsweise bei Wiederholungsbestellungen, der Produktauswahl, der Angebotserstellung oder der Vorbereitung von Bestellungen unterstützen. Innerhalb klar definierter Grenzen können sie perspektivisch auch einzelne Prozessschritte selbstständig ausführen.
Dabei geht es um weit mehr als einen Chatbot im Onlineshop. Ein Agent muss auf korrekte Produktdaten, kundenspezifische Preise, Bestände, Vertragsbedingungen und Berechtigungen zugreifen können. Er muss erkennen, für welches Unternehmen er handelt, welches Budget gilt und wann eine Freigabe erforderlich ist.
Agentic Commerce kann im B2B deshalb nur funktionieren, wenn die beteiligten Systeme eng zusammenspielen. KI-Agenten müssen innerhalb bestehender Geschäftsregeln handeln, und ihre Aktionen müssen kontrollierbar, nachvollziehbar und bei Bedarf korrigierbar bleiben.
Was wird bei Agentic Commerce derzeit überschätzt – und was unterschätzt?
Überschätzt wird, wie schnell vollständig autonome KI-Agenten beliebige Einkaufsprozesse übernehmen können. Viele Demonstrationen erwecken den Eindruck, ein leistungsfähiges Sprachmodell reiche dafür bereits aus. In der Praxis ersetzt es jedoch weder saubere Stammdaten noch stabile Schnittstellen, eindeutige Berechtigungen oder belastbare Geschäftsregeln. Die sichtbare Konversation ist nur die Oberfläche. Der entscheidende Teil liegt in der Infrastruktur dahinter.
Unterschätzt wird dagegen der kurzfristige Nutzen klar abgegrenzter Anwendungsfälle. Ein Agent muss nicht sofort einen vollständigen Beschaffungsprozess autonom abwickeln. Bereits das Finden eines passenden Ersatzteils, das Vorbereiten einer Wiederholungsbestellung, das Prüfen von Konditionen oder die Weiterleitung eines Vorgangs zur Freigabe kann Mitarbeitende spürbar entlasten. Ebenfalls unterschätzt wird die Bedeutung maschinenlesbarer Daten. Wenn Produkte, Preise oder Verfügbarkeiten nicht strukturiert und zuverlässig bereitgestellt werden, können KI-Agenten sie nicht korrekt berücksichtigen. Die Vorbereitung auf Agentic Commerce beginnt daher nicht beim autonomen Checkout, sondern bei Datenqualität, Schnittstellen und einer klaren Systemarchitektur.
Zugleich dürfte das menschliche Einkaufserlebnis wichtiger werden. Je mehr standardisierbare Entscheidungen automatisiert werden, desto stärker gewinnen die Momente an Bedeutung, in denen Menschen bewusst mit einem Anbieter oder einer Marke interagieren.
Wo liegen aktuell die größten Hürden?
Die größte Hürde ist derzeit weniger das KI-Modell als die Verlässlichkeit der Datengrundlage. In vielen Unternehmen liegen Produkt-, Kunden-, Preis- und Bestandsdaten in unterschiedlichen Systemen. Sie sind nicht immer konsistent, aktuell oder über standardisierte Schnittstellen erreichbar. Ein KI-Agent kann jedoch nur so zuverlässig handeln wie die Informationen, auf die er zugreift.
Eine zweite Hürde ist die Governance. Es muss eindeutig geklärt sein, in wessen Auftrag ein Agent handelt, welche Daten er sehen darf und welche Aktionen er ausführen kann. Budgets, Rollen, Freigabegrenzen und vertragliche Konditionen müssen auch für maschinelle Akteure gelten. Außerdem müssen Entscheidungen dokumentiert und überprüfbar sein.
Hinzu kommt eine organisatorische Herausforderung: Unternehmen müssen zunächst festlegen, welche Prozesse sie automatisieren wollen und an welchen Stellen ein Mensch eingebunden bleiben soll. Sinnvoll ist deshalb ein schrittweiser Einstieg mit klar begrenzten, häufig wiederkehrenden und messbaren Anwendungsfällen. Der Fortschritt wird voraussichtlich nicht durch einen Agenten entstehen, der sofort alles übernimmt. Entscheidend ist eine kontrollierte Automatisierung, die im Tagesgeschäft zuverlässig funktioniert und einen konkreten Nutzen schafft.