Auf den ersten Blick scheint die Sache klar. Wenn Kaufentscheidungen zunehmend durch KI-Systeme vorbereitet werden, gewinnen die Großen. Die mit den meisten Daten, den größten Budgets, den besten Entwicklerteams. Amazon, Zalando, die üblichen Verdächtigen. Der Rest, so die naheliegende Annahme, wird überrollt. Diese Annahme ist nicht falsch, aber an unerwarteten Stellen unvollständig.
Die dreiteilige Serie basiert auf meinem Buch „Agentic Commerce” und behandelt die Frage, was KI für den Handel bedeutet. In Teil 1 beschreibe ich, wie sich die Suche verändert und warum jede Marke, jeder Anbieter eine maschinelle Identität braucht. Die große Preisfrage lautet: Wenn KI-Systeme hart vorfiltern, nach welchen Kriterien filtern sie dann eigentlich? Wen bevorzugen sie?
Die Antwort ist für viele ein Problem, denn KI-Systeme bevorzugen nicht die mit dem größten Marketingbudget, sondern die mit den verlässlichsten Signalen. Das klingt gut, aber was heißt das konkret? Ein KI-System, das eine Kaufempfehlung gibt, stützt sich auf das, was es über einen Anbieter verifizieren kann. Nicht auf das, was der Anbieter über sich selbst behauptet. Konsistente Bewertungen über Jahre hinweg. Wiederkehrende Kunden. Dokumentierte Liefertreue. Korrekte Produktattribute. Niedrige Retourenquoten. Das sind keine Marketingsignale, das sind operative Signale. Und sie lassen sich nicht kaufen.
Eine Marke, die seit Jahren zuverlässig liefert, deren Kunden wiederkommen und deren Produktdaten stimmen, baut algorithmisches Vertrauen auf. Nicht durch eine Kampagne, sondern durch jede einzelne Transaktion. Das ist der neue Burggraben differenzierter Marken und leistungsstarker Anbieter. Ihre Qualität wird erstmals von einem System bewertet, das sich nicht von Mediabudgets blenden lässt.
In einer Welt, in der ein KI-System die Vorauswahl trifft, lässt sich Sichtbarkeit nicht mehr wie bisher kaufen – oder es wird noch teurer.
Die Kehrseite ist ebenso klar und für einen nicht unerheblichen Teil des Einzelhandels unangenehm. Wer seine Marktposition bislang vor allem durch eingekaufte Sichtbarkeit gesichert hat, steht vor einem strukturellen Problem. Denn in einer Welt, in der ein KI-System die Vorauswahl trifft, lässt sich Sichtbarkeit nicht mehr wie bisher kaufen – oder es wird noch teurer. Das KI-Modell sucht nicht in gesponserten Linklisten auf Google oder nach gesponserten Ergebnissen auf Marktplätzen. Es vergleicht Daten. Wenn die Daten keinen Grund liefern, einen bestimmten Anbieter zu bevorzugen, wird der günstigere oder der verlässlichere gewählt.
Für Händler im klassischen Sinne – also Unternehmen, die Produkte anderer einkaufen und mit Aufschlag weiterverkaufen – ist diese Arithmetik besonders unbequem. Warum sollte ein KI-System ein Produkt beim Zwischenhändler empfehlen, wenn es direkt beim Hersteller zum gleichen Preis mit gleicher Lieferdauer und besseren Daten verfügbar ist? Der Mehrwert des Händlers in der bisherigen Welt lag in der Sortimentsbündelung, Beratung, Verfügbarkeit und dem Vertrauen. Von diesen vier Werttreibern lassen sich nur zwei direkt in die Logik eines KI-Systems übersetzen: Verfügbarkeit und Vertrauen. Und auch das nur, wenn sie in maschinenlesbarer Form vorliegen.
Es ist nicht „das Internet“, das den Modefachhandel schrumpfen lässt, sondern in aller Regel die fehlende Differenzierung.
Dass sich die undifferenzierte Mitte grundsätzlich schwertut, ist keine neue Erkenntnis, und die Entwicklung des Modefachhandels ist ein Indikator dafür. Die BTE-Zahlen dokumentieren seit Jahren das Schrumpfen: 2025 wird es nur noch 12.050 Modehändler geben, 2010 waren es noch 22.900. In anderthalb Jahrzehnten ist fast die Hälfte verschwunden.
Die Ursache wird jedoch oft falsch zugeordnet. Es ist nicht „das Internet“, das den Modefachhandel schrumpfen lässt, sondern in aller Regel die fehlende Differenzierung. Ein Händler, der weder günstiger als Zalando noch persönlicher als die Lieblingsboutique um die Ecke ist, hat kein überzeugendes Wertversprechen. Das galt schon vor KI und wird jetzt lediglich weiter beschleunigt.
Den größten Druck dürfte das gehobene mittlere Preissegment spüren: Marken und Händler, die weder über Premium-Magnetismus verfügen noch preiskompetitiv sind. Ihre Preise sind zu hoch für einen rationalen Vergleich und ihre Differenzierung zu gering, um im emotionalen Relevant-Set der Kunden zu verankern. Genau dieses Segment wird mutmaßlich am härtesten von KI-Systemen getroffen, weil es den am wenigsten überzeugenden Datensatz liefert.
Wenn die KI Produktdaten direkt über Schnittstellen vergleicht, finden Marktplätze in der Customer Journey als POS nicht mehr statt.
In den letzten 20 Jahren waren die großen Plattformen als Inventar-Aggregatoren die klaren Gewinner und Disruptoren im Handel. Die zunehmende Türsteher-Funktion von KI-Modellen mit dem Weltkatalog aller Produkte und ihrer harten, intransparenten Kuration droht jedoch, die Machtverhältnisse zu verschieben.
Amazon, Zalando und Co. kontrollieren heute die Kaufentscheidungen ihrer Nutzer über das Ranking der Artikel auf ihren Plattformen. Wer oben steht, verkauft, und wer oben stehen will, zahlt. Das ist die Basis des Retail-Media-Booms, einer Umsatzprovision zweiter Ordnung, die den Plattformen Milliardenumsätze beschert. Händler und Marken zahlen ohnehin Umsatz-Zölle, für die notwendige Sichtbarkeit werden sie immer öfter zusätzlich an das Kassenhäuschen der Plattformen gebeten.
Ein KI-System durchbricht diese Logik. Wenn die KI oder der Agent des Nutzers nämlich nicht auf dem Marktplatz sucht, sondern Produktdaten direkt über Schnittstellen vergleicht, findet der Marktplatz in der Customer Journey als POS nicht mehr statt. Für den Anteil am Geschäft spielt auch das Produkt-Ranking auf den Marktplätzen keine Rolle mehr und Retail Media muss sich neu erfinden.
Die Plattformen haben das erkannt und reagieren im „Fight-Flight-or-Freeze“-Spektrum. Zunächst setzte Amazon auf Abschottung und schützte seine Plattform gerichtlich vor KI-Agenten. Inzwischen hat sich das Unternehmen jedoch zu ersten Kooperationen mit OpenAI und Googles UCP Tech Council durchgerungen – nach dem Motto: „If you can’t beat them, join them”. Zalando positioniert sich zunehmend auch als Infrastruktur-Anbieter und Betriebssystem für KI- und Agentic Commerce. Damit erschließt sich das Unternehmen Erlösmodelle jenseits von Marktplatz-Provisionen und Retail Media der bisherigen Art. Ob das gelingt, ist offen. Dass es nötig ist, ist hingegen klar.
In den Nutzerpräferenzen zu sein, ist ein Vorteil gegenüber objektiven Daten.
Während die meisten über die offensichtlichen Gewinner sprechen – starke Marken mit sauberen Daten –, gibt es einen angeschlagenen Auswechselkandidaten auf dem Spielfeld, der ein Comeback erleben könnte: der inhabergeführte stationäre Händler mit echten Stammkundenbeziehungen.
Ausgerechnet der Laden um die Ecke soll im Vorteil sein, wenn Algorithmen die Kaufentscheidung vorbereiten? Warum das weniger paradox ist, als es klingt: Ein KI-System kann keine menschlichen Beziehungen replizieren und dient in maximaler Konsequenz seinen individuellen Nutzern. Es kann Produkte, Preise und Verfügbarkeiten möglichst objektiv vergleichen und Bewertungen aggregieren. Vor allem aber wird es immer versuchen, die persönlichen Präferenzen seiner Nutzer bestmöglich zu berücksichtigen. Und genau das ist der Punkt. Explizite Kundenpräferenzen sind der einzige subjektive Override in einer ansonsten auf Objektivität optimierten Blackbox.
Alle Modelle priorisieren den Kontext ihrer Nutzer. Das ist die USP der KI-Modelle, ihre raison d'être. In den Nutzerpräferenzen zu sein, ist nichts weniger als ein unfairer Vorteil gegenüber objektiven Daten.
Die Inhaberin begeistert ihre Kundin seit Jahren. Sie kennt sie. Sie weiß, welche Farben sie mag, welche Größe bei welcher Marke passt und welche Anlässe anstehen. So kreiert sie etwas, das in der Sprache der Datenökonomie einen eigenen Namen hat: Zero-Party-Daten. Das sind Informationen, die eine Kundin teilt. Diese Daten hat kein außenstehender Algorithmus der Welt. Sie sind der stärkste Schutz gegen algorithmische Austauschbarkeit. Voraussetzung ist allerdings, dass diese Beziehung wirklich besteht. Wer diese Beziehung nicht hat, sollte sich nicht einreden, eine stationäre Präsenz sei ein Schutzschild vor irgendetwas.
Es ist Zeit für eine ehrliche Bestandsaufnahme
Was daraus für die eigene Strategie folgt, lässt sich anhand von drei Fragen für eine ehrliche Selbsteinschätzung erarbeiten.
Erstens: Gibt es einen maschinenlesbaren Grund, warum ein KI-System mein Unternehmen empfehlen sollte? Nicht einen emotionalen Grund. Einen datenbasierten. Verifizierbare Qualität, konsistente Bewertungen, vollständige Produktdaten und eine verlässliche Lieferhistorie sind Beispiele hierfür.
Zweitens: Habe ich direkte Kundenbeziehungen, die so stark sind, dass Kundinnen mich gegenüber einem Algorithmus bevorzugen? Es geht nicht um Footfall und Frequenz oder um Einträge in einer E‑Mail-Datenbank. Sondern um echte Bindung.
Drittens: Investiere ich in die richtige Richtung? Fließt mein Budget in Sichtbarkeit zum Kaufzeitpunkt (Performance-Marketing, Retail Media, Conversion-Optimierung)? Oder in die Voraussetzungen dafür, dass ich überhaupt noch Teil der Auswahl bin?
Die Antworten auf diese Fragen entscheiden darüber, auf welcher Seite der Verschiebung man steht. Nicht die Technologie entscheidet darüber, sondern die Ehrlichkeit der eigenen Analyse.
Stefan Wenzel ist seit mehr als 25 Jahren im digitalen Handel und einer der profiliertesten Köpfe der Branche. Seine Vita beinhaltet unter anderem Stationen als Geschäftsführer für Unternehmen wie Ebay, brands4friends, Otto, Mexx und Tom Tailor Digital. Heute unterstützt Stefan Wenzel Firmen als Fractional Executive, Beirat und Advisor, er ist zudem Keynote Speaker, Autor und Podcast-Host. Mehr Informationen unter stefanwenzel.com
Dieser Text ist der erste von drei Teilen, in denen Stefan Kernthesen aus seinem neuen Buch „Agentic Commerce – Wie KI-Agenten den Handel neu strukturieren und wer künftig entscheidet" für profashionals aufbereitet. Mehr zum Buch inkl. kostenlosem KI-Companion zu den Inhalten gibt es hier.
Beiträge von Stefan Wenzel