Agentic Commerce 7/10: Personalisierung neu gedacht – Mensch und Maschine im Zusammenspiel

Personalisierung im Handel bedeutete lange: passende Produkte auf der Website, passende E-Mails im Postfach und bekannte Gesichter im Laden, die Stammkundschaft wiedererkennen.

KI hat diese Logik verstärkt, aber nicht grundsätzlich verändert. Algorithmen sortieren Sortimente, passen Startseiten an und schlagen Produkte vor, die zu bisherigen Käufen passen.

Mit Agentic Commerce verschiebt sich der Mittelpunkt. Auf der Konsumentenseite entstehen persönliche Agenten, die Auswahl und Kaufprozesse übernehmen. Auf Händlerseite entstehen Agenten, die Empfehlungen, Preise und Journeys steuern. Personalisierung ist damit nicht mehr nur eine Frage der richtigen Anzeige im richtigen Kanal, sondern eine Frage des Zusammenspiels zweier Maschinen, die beide im Namen eines Menschen oder einer Organisation handeln.

1. Customer Experience – Personalisierung aus Sicht der Kaufenden

Vom personalisierten Shop zur personalisierten Agenten-Journey

Heute erwarten viele Kund*innen, dass ein Shop sie wiedererkennt und passende Vorschläge macht. Empfehlungskacheln, „Das könnte Ihnen auch gefallen“ und personalisierte Startseiten gehören in vielen Branchen zum Standard.

Mit Agenten beginnt die Reise oft an anderer Stelle. Viele Kaufentscheidungen starten nicht mehr im Schaufenster oder auf der Startseite, sondern in einem Agenten-Interface. Die Person beschreibt ein Ziel oder ein Problem. Der Agent übersetzt das in Anforderungen und sucht passende Angebote.

Das kann zu einem vollständigen Online-Kauf führen. Es kann aber ebenso in einem Besuch im stationären Handel enden, bei dem der Warenkorb gedanklich schon halb gefüllt ist. Kundschaft kommt mit einer klareren Vorstellung zu Marke, Budget und Produktmerkmalen in den Laden.

Für Händler heißt das: Personalisierung beginnt häufig außerhalb der eigenen Flächen und Websites. Sie liefern Sortiment, Daten und Regeln, die erste Auswahl passiert jedoch in Systemen, die ihnen nicht gehören.

Mensch im Loop: Kontrolle im Alltag

Im Alltag zeigt sich ein wiederkehrendes Muster. Menschen nutzen personalisierte Empfehlungen, erwarten aber, dass sie eingreifen können, wenn etwas nicht passt. Sie:

• sortieren Vorschläge aus,
• passen Kriterien an,
• wechseln den Kanal oder holen sich eine zweite Meinung.

Im digitalen Umfeld braucht es dafür vor allem verständliche Einstellmöglichkeiten. Präferenzen lassen sich anpassen, Filter ein- oder ausschalten, Erklärungen zu Empfehlungen sind zugänglich, Abmeldungen nicht versteckt.

Im stationären Handel kommt die Vorbereitung dazu. Viele Menschen nutzen bereits KI-Tools, um sich vor einem Kauf zu informieren, Produkte zu vergleichen oder Einkaufslisten zu erstellen. Ein Teil dieser Vorarbeit wird künftig in Form von konkreten Vorschlägen oder Listen mit in den Laden gebracht, etwa als gespeicherte Chat-Verläufe, Notizen oder Agenten-Shortlists.

Für die Beratung vor Ort eröffnet das eine Chance. Mitarbeitende können nachfragen, welche Informationen die Person bereits eingeholt hat, welche Produkte oder Marken in der engeren Auswahl sind und welche Kriterien besonders wichtig sind. Sie können diese Vorarbeit auf die reale Warenlage beziehen, Alternativen zeigen und gemeinsam mit der Kundschaft Kriterien anpassen. So bleibt die Entscheidung bei den Kaufenden, auch wenn Agenten einen Teil der Vorbereitung übernehmen.

Realistisch ist dieses Bild nur, wenn Händler ihr Personal gezielt darauf vorbereiten. Viele Teams sind schon heute mit Produktvielfalt, Systemen und Kennzahlen ausgelastet. Zusätzliche Anforderungen wie der Umgang mit KI-Empfehlungen, Agenten-Listen und neuen Fragen zur Datennutzung lassen sich ohne bessere Werkzeuge und Training schwer schultern.

Mensch im Loop bedeutet in der Praxis daher nicht, dass Mitarbeitende einfach „noch etwas mehr“ leisten sollen. Es bedeutet, dass sie selbst Unterstützung durch interne Assistenten, verständliche Prozesse und klare Leitplanken benötigen.

2. Marketing-Personalisierung – von Kampagnen zu laufenden Dialogen

E-Mails, Kampagnen und dynamische Inhalte

Im Marketing ist Personalisierung längst Alltag. Viele Händler – stationär und online – arbeiten mit Newslettern, segmentierten Verteilerlisten und Kampagnen, die auf Zielgruppen zugeschnitten sind. Größere Player setzen zusätzlich KI ein, um Inhalte, Betreffzeilen oder Versandzeitpunkte zu testen und zu optimieren.

Mit Agenten verändert sich die Taktung. Statt Kampagnen in festen Wellen zu planen, entstehen laufende Dialoge. Ein Kundenprofil wird fortlaufend aktualisiert, und Kommunikationsanlässe ergeben sich aus konkreten Ereignissen: einem Kauf, einem abgebrochenen Warenkorb, einer Nachfrage im Laden, einer Interaktion mit einem Agenten.

Für viele stationäre Händler ist das heute noch eher ein Zielbild als gelebte Praxis. Sie arbeiten mit Newsletter-Tools, Kassensystemen und einfachen CRM-Lösungen, die nur teilweise miteinander verbunden sind. Der Weg zu „laufenden Dialogen“ führt deshalb nicht über noch mehr Automation, sondern zuerst über eine bessere Verknüpfung der bestehenden Systeme.

Lokale Personalisierung für stationäre Händler

Der stationäre Handel hat eine Stärke, die reine Online-Anbieter nicht ohne Weiteres nachbilden: Nähe zu konkreten Orten und Menschen. Viele Kundenbeziehungen sind an Filialen, Stadtteile oder sogar einzelne Mitarbeitende gebunden.

Personalisierte Kommunikation kann diese Nähe nutzen. Beispiele:

• Ein Newsletter verweist nicht auf den generischen Online-Shop, sondern auf einen Themenabend in der Filiale.
• Eine SMS erinnert an einen Service-Termin oder informiert über die Verfügbarkeit eines reservierten Produkts.
• Eine App zeigt Angebote für genau die Filiale, die eine Person üblicherweise besucht.

Damit so etwas systematisch funktioniert, müssen Offline-Muster überhaupt erst in Daten übersetzt werden. Dazu gehören:

• einfache Loyalty-Programme oder digitale Kundenkarten,
• Kassensysteme, die Käufe optional einem Profil zuordnen können,
• Systeme, die Filialinformationen mit Kundendaten verbinden.

Ein Kundenprofil könnte dann abbilden, welche Filiale üblicherweise besucht wird, welche Warengruppen dort relevant sind und welche Services genutzt werden. Für viele kleine und mittlere Händler ist das ein Entwicklungsziel. Der realistische erste Schritt besteht darin, diese Grundlagen zu schaffen, nicht in hochautomatisierten Kampagnen.

Grenzen der Automatisierung

Die Versuchung ist groß, mit KI möglichst viel zu automatisieren. Studien zeigen jedoch, dass reine Automatisierung Vertrauen untergräbt, wenn Menschen das Gefühl haben, beobachtet oder gedrängt zu werden.

Das gilt besonders im stationären Umfeld. Wer Kundschaft zuerst über Loyalty-Programme und digitale Kanäle „gläsern“ macht, ohne klar zu erklären, was mit den Daten passiert, riskiert, das Vertrauen zu beschädigen, das über Jahre vor Ort aufgebaut wurde.

Human in the loop bedeutet hier: Menschen setzen die Leitplanken. Sie entscheiden, welche Daten wofür verwendet werden dürfen, welche Arten von Ansprachen passen und welche Angebote vertretbar sind. KI kann Muster erkennen, Segmentvorschläge machen und Texte entwerfen. Die Freigabe, die Prioritäten und die Feinabstimmung bleiben Aufgaben von Menschen.

3. Wenn Agenten auf beiden Seiten handeln

Konsumenten- und Händler-Agenten treffen aufeinander

Agentic Commerce beschreibt ein Szenario, in dem auf beiden Seiten Agenten aktiv sind:

• Auf der Konsumentenseite Agenten, die Ziele, Budget und Präferenzen einer Person kennen.
• Auf der Händlerseite Agenten, die Sortiment, Margen, Verfügbarkeiten, Lieferketten und Marketingziele kennen.

Treffen diese Systeme aufeinander, verhandeln sie Auswahl, Reihenfolge und teilweise auch Preise von Angeboten. Personalisierung entsteht hier aus Aushandlungsprozessen zwischen zwei technischen Systemen, die beide im Auftrag von Menschen und Organisationen handeln.

Für Online-Händler ist dieses Bild naheliegend. Für stationäre Händler ist es ungewohnt, aber relevant, etwa in folgenden Szenarien:

• Eine Person lässt sich zu Hause von einem Agenten eine Shortlist für bestimmte Produkte erstellen und besucht dann eine Filiale, um dort zu kaufen.
• Ein Händler-Agent prüft in Echtzeit, welche Filiale bestimmte Produkte vorrätig hat, und steuert die Angebotskommunikation entsprechend.
• Ein stationärer Händler nutzt einen eigenen Agenten in einer App, um Kundschaft vor dem Besuch vorzubereiten, etwa mit Vorschlägen oder Checklisten.

Kooperative Personalisierung

Statt Agenten als Gegenspieler zu denken, lässt sich Personalisierung als kooperative Aufgabe verstehen. Ein Konsumenten-Agent und ein Händler-Agent optimieren nicht zwangsläufig gegeneinander, sondern können Lösungen suchen, die beiden Seiten nutzen. Beispiele:

• Vorschläge, die sowohl den Bedarf der Person decken als auch Retourenwahrscheinlichkeiten reduzieren.
• Empfehlungen, die Budgetgrenzen respektieren und trotzdem sinnvolle Alternativen anbieten, wenn Wunschprodukte nicht verfügbar sind.
• Warenkörbe, die Wegwerfartikel vermeiden und langlebigere oder reparierbare Produkte vorschlagen, wenn die Person entsprechende Präferenzen hinterlegt hat.

Händler können ihre Agenten so konfigurieren, dass sie nicht nur kurzfristige Conversion optimieren, sondern auch Kundenzufriedenheit, Retourenquoten, Serviceaufwände und Nachhaltigkeitsziele berücksichtigen.

4. Vertrauen, Transparenz und Fairness

Erwartungen an KI-gestützte Personalisierung

Studien zu KI-gestützter Personalisierung kommen zu übereinstimmenden Ergebnissen: Ob Menschen Angebote akzeptieren, hängt stark von Transparenz, Kontrolle und Fairness ab.

Transparenz bedeutet, dass klar wird, welche Daten genutzt werden und wie Empfehlungen zustande kommen. Das reicht von verständlichen Datenschutzhinweisen bis zu kurzen Erklärungen im Kontext, etwa „Sie sehen dieses Angebot, weil Sie zuvor nach X gefragt haben“. Solche Micro-Erklärungen erhöhen laut Experimenten die Bereitschaft, KI-Empfehlungen zu nutzen.

Kontrolle heißt, dass Menschen Einstellungen einfach finden und anpassen können: Einwilligungen geben oder zurückziehen, bestimmte Datennutzungen ausschließen, Profile korrigieren. Viele Beispiele aus Praxisstudien zeigen, dass technische Opt-out-Möglichkeiten allein nicht genügen. Sie müssen so gestaltet sein, dass sie ohne Fachwissen nutzbar sind.

Fairness betrifft sowohl Daten als auch Modelle. Personalisierung wird kritischer gesehen, wenn sie den Eindruck erweckt, bestimmte Gruppen systematisch zu benachteiligen oder Preise und Angebote stark zu variieren, ohne dass Gründe nachvollziehbar sind. Unternehmen müssen deshalb regelmäßig prüfen, wie ihre Systeme in der Praxis wirken und ob bestimmte Muster unerwünschte Nebenwirkungen haben.

Regulierung als Rahmen

Mit dem EU AI Act entstehen klare rechtliche Leitplanken für den Einsatz von KI in Europa. Emotionserkennung in Arbeits- und Bildungskontexten ist weitgehend verboten, Hochrisiko-Systeme unterliegen strengen Dokumentations- und Aufsichtspflichten. Systeme mit begrenztem Risiko, etwa viele Marketing- und Personalisierungsanwendungen, müssen mindestens bestimmte Transparenzanforderungen erfüllen.

Für den Handel heißt das: KI-gestützte Personalisierung darf nicht als rein technische Frage behandelt werden. Unternehmen müssen erfassen, welche KI-Systeme sie einsetzen, wie diese klassifiziert sind und welche Pflichten sich daraus ergeben. Dazu gehören:

• Inventar der eingesetzten KI-Systeme und ihrer Zwecke.
• Bewertung, ob bestimmte Anwendungen in riskante Kategorien fallen.
• Dokumentation von Datenquellen, Entscheidungen und Kontrollmechanismen.
• Festlegung, wer im Unternehmen fachlich und rechtlich die Verantwortung trägt.

Mensch im Loop bekommt damit eine zweite Bedeutungsebene. Es geht nicht nur um Eingriffsmöglichkeiten für die Kundschaft im Alltag, sondern auch um menschliche Aufsicht über KI-Systeme insgesamt. Unternehmen brauchen Menschen, die KI-gestützte Personalisierung mit Blick auf Kundenerwartungen, Unternehmenswerte und rechtliche Vorgaben regelmäßig prüfen, anpassen und gegebenenfalls begrenzen.

5. Was Händler jetzt konkret tun sollten

1. Ausgangslage ehrlich prüfen

Bevor neue KI-Projekte starten, lohnt sich ein nüchterner Blick auf die Basis:

• Welche Daten zu Kund*innen sind heute online und im Laden tatsächlich vorhanden?
• Welche Systeme gibt es bereits (Newsletter-Tool, Kassensystem, CRM, Loyalty-Programm) und sprechen sie miteinander?
• Wo entsteht Personalisierung heute schon, wo bleibt sie Wunschdenken?

Viele stationäre Händler arbeiten mit Insel-Lösungen: Kasse, Newsletter, eventuell eine Kundenkarte, dazu einzelne Excel-Listen. Bevor Agenten ins Spiel kommen, muss klar sein, welche Daten wo liegen und wie verlässlich sie sind.

2. Grundlagen für Daten und Profile schaffen

Personalisierung benötigt keine perfekten Daten, aber sie benötigt eine Mindestbasis. Sinnvolle erste Schritte:

• Kundenkarten oder einfache Loyalty-Programme einführen, um wiederkehrende Käufe zu erkennen.
• Kassensysteme so nutzen, dass Käufe optional einem Profil zugeordnet werden können.
• Newsletter- oder CRM-Systeme mit Filialdaten verbinden, damit klar ist, welche Filiale für welche Person relevant ist.

Ziel ist nicht sofort eine vollausgebaute Customer Data Platform, sondern ein stabiler Kern an First-Party-Daten, der sowohl online als auch stationär nutzbar ist.

3. Produkt- und Serviceinformationen agententauglich machen

Parallel zu Kundendaten sollten Produkt- und Serviceinformationen so aufbereitet werden, dass Agenten und Personalisierungssysteme damit arbeiten können:

• Zentrale Pflege von Produktdaten in einem PIM oder einer vergleichbaren Lösung.
• Klare, konsistente Attribute wie Größen, Materialien, Zertifizierungen, Einsatzbereiche.
• Ergänzende Informationen zu Services im Laden, etwa Beratung, Anpassung, Reparatur.

Diese Informationen sind nicht nur für Webshops relevant. Sie helfen auch internen Assistenten, Mitarbeitenden im Laden Vorschläge zu machen, wenn Kundschaft mit vorbereiteten Fragen oder Listen kommt.

4. Mitarbeitende vorbereiten und entlasten

Die Rolle der Mitarbeitenden verändert sich. Sie sollen:

• mit vorbereiteten Kund*innen umgehen,
• Empfehlungen aus digitalen Systemen einordnen,
• Fragen zu Daten, Profilen und KI-Empfehlungen beantworten.

Das ist ohne Unterstützung kaum zu leisten. Sinnvolle Maßnahmen:

• Interne Assistenten oder Wissenssysteme bereitstellen, die Produktinformationen, Verfügbarkeiten und häufige Fragen schnell zugänglich machen.
• Schulungen, in denen typische Situationen mit KI-unterstützten Kund*innen durchgespielt werden.
• Klare Leitlinien, was Mitarbeitende zusagen dürfen und wo sie auf Datenschutz- oder IT-Verantwortliche verweisen sollten.

Ziel ist, die Last nicht einfach auf die Fläche abzuwälzen, sondern Mitarbeitende in die Gestaltung der neuen Prozesse einzubinden.

5. Personalisierung schrittweise ausbauen

Statt „Personalisierung überall“ empfiehlt sich ein schrittweises Vorgehen:

• Einen klar definierten Use Case wählen, etwa Empfehlungen für Bestandskundschaft in einem bestimmten Segment oder einen Service für Stammkund*innen einer Filiale.
• Datenbasis und Prozesse für diesen Anwendungsfall stabil aufsetzen.
• Messen, wie Kundschaft reagiert, und daraus lernen.

Auf dieser Grundlage lassen sich weitere Bausteine hinzufügen, etwa:

• personalisierte Hinweise auf Services im Laden,
• gezielte Einladungen zu Events,
• spezifische Empfehlungen für Folgekäufe.

Wichtig ist, dass jede Erweiterung für Kundschaft, Mitarbeitende und das Unternehmen selbst nachvollziehbar bleibt.

Fazit

Personalisierung war lange ein Randthema. Ein wenig Segmentierung hier, eine personalisierte Anrede im Newsletter dort. Wer so weitermacht, wird im Agentic Commerce unsichtbar. KI-Agenten filtern nach Datenqualität, Profilen und Regeln. Sie entscheiden mit, welche Angebote Menschen überhaupt noch zu sehen bekommen.

Für Händler heißt das: Personalisierung muss vom Dekoelement zur Kernaufgabe werden. Es reicht nicht, Namen in Mails einzubauen oder „ähnliche Produkte“ anzuzeigen. Gefragt ist ein Verständnis dafür, wie Ziele, Budgets und Präferenzen von Kund*innen in Profile übersetzt werden, wie Agenten darauf zugreifen und wie Menschen diese Prozesse steuern können.

Gleichzeitig wächst die Bedeutung des persönlichen Kontakts. Studien zu Loyalität und Community-Building zeigen, dass Menschen in einer stärker automatisierten Welt bewusster nach Orten und Marken suchen, mit denen sie sich verbunden fühlen. Viele Unternehmen reagieren darauf mit Communitys, Events und Formaten, in denen Kund*innen sich untereinander und mit Marken austauschen. KI liefert hier den Rahmen, persönliche Begegnungen füllen ihn mit Inhalt.

Die eigentliche Entscheidung für Händler lautet daher nicht, ob sie KI einsetzen wollen. Die Frage ist, ob sie Personalisierung und persönlichen Kontakt so zusammendenken, dass beide sich verstärken. Wer Personalisierung nur als technischen Hebel versteht, verschenkt die Chance, Beziehungen zu vertiefen. Wer KI ignoriert, überlässt Agenten und Plattformen die Regie über Kundenzugänge. Beides ist kein gutes Szenario für den Handel.

Die Serie im Überblick

1. Die unsichtbare Disruption: Warum Amazon gegen Perplexity klagt
2. Maschinen als Käufer im digitalen Handel
3. Wenn KI die Beratung übernimmt
4. Verändertes Konsumverhalten durch KI-Agenten
5. Buyer Personas 2.0: Strategische Schlüsselressource
6. Sichtbarkeit im Agentic Commerce: Datenqualität als Wettbewerbsvorteil
7. Personalisierung neu gedacht: Mensch und Maschine im Zusammenspiel
8. Geschäftsmodelle im KI-Zeitalter: Wer überlebt?
9. Überlebensstrategien: lokal, nischig, community-getrieben
10. Werbung ohne Menschen: KI-Agenten gestalten den Markt neu