KI im E-Commerce: was 2026 wirklich angekommen ist

Vor zwei Jahren war die Frage, ob KI im E-Commerce ankommt. Heute ist die Frage, wo genau. Diese Bestandsaufnahme stammt nicht aus Studien, sondern aus Shops, die wir betreuen — und sie fällt nüchterner aus, als Ankündigungen vermuten lassen.

Das Muster ist dabei über alle Fälle hinweg dasselbe, und es ist nicht das erwartete: Die Trennlinie verläuft nicht zwischen einfachen und komplexen Aufgaben, sondern zwischen prüfbaren und nicht prüfbaren.

Angekommen

Übersetzung und Textarbeit. Der deutlichste Fall. Produktdaten in weitere Sprachen zu bringen war früher ein Projekt mit Budget und Zeitplan; heute ist es ein Lauf mit Nachkontrolle. Wichtig bleibt die Trennung nach Risiko: Was rechtlich bindet, gehört weiterhin zum Fachübersetzer.

Produktdatenanreicherung. Fehlende Attribute aus Lieferantentexten ziehen, Beschreibungen vereinheitlichen, Kategorien vorschlagen. Das spart messbar Zeit — vorausgesetzt, jemand prüft Stichproben. Ohne Kontrolle entstehen plausible Angaben, die falsch sind.

Kundenservice, erste Stufe. Standardfragen nach Lieferzeit, Retoure und Bestellstatus. Der Nutzen hängt weniger am Modell als an der Anbindung: Ein Assistent, der den Bestellstatus nicht sehen kann, wiederholt nur die FAQ.

Entwicklungsunterstützung. In der eigenen Arbeit der größte Hebel — mit derselben Bedingung: Was produktiv geht, wird geprüft.

Auswertung von Freitext. Retourengründe, Bewertungen, Kontaktanfragen gruppieren. Eine Aufgabe, die vorher niemand gemacht hat, weil sie zu teuer war.

Wo die Anwendungen konkret stehen

Damit die Bestandsaufnahme nicht abstrakt bleibt — so sieht der Alltag in den Shops aus, die wir betreuen:

Übersetzung. Produktdaten in weitere Sprachen zu bringen war früher ein Projekt mit Budget und Zeitplan. Heute ist es ein Lauf mit Nachkontrolle. Was gleich geblieben ist: Rechtstexte gehören weiterhin zum Fachübersetzer, und Fachbegriffe brauchen ein Glossar, damit dieselbe Dichtung nicht dreimal anders heißt. Welche Felder Shopware dabei überhaupt übersetzbar hält, steht in Was Shopware übersetzbar macht.

Kundenservice, erste Stufe. Standardfragen nach Lieferzeit, Retoure und Bestellstatus. Der Nutzen hängt weniger am Modell als an der Anbindung: Ein Assistent, der den Bestellstatus nicht sehen kann, wiederholt nur die Hilfeseite — und ärgert damit mehr Kunden, als er entlastet. Welche Voraussetzungen ein solcher Zugriff hat, steht in MCP: was das Protokoll bedeutet.

Auswertung von Freitext. Retourengründe, Bewertungen, Kontaktanfragen gruppieren. Das ist die Anwendung mit dem besten Verhältnis aus Aufwand und Erkenntnis — weil es eine Aufgabe ist, die vorher schlicht niemand gemacht hat. Die Ergebnisse sind selten überraschend, aber sie sind zum ersten Mal belegt statt vermutet.

Nicht angekommen

Autonomer Einkauf. Assistenten empfehlen, Menschen kaufen. Die Technik dafür entsteht gerade, die kaufmännischen Fragen sind offen.

Preisentscheidungen. Dynamische Preise gibt es seit Jahren, sie folgen Regeln. Ein Modell, das frei über Preise entscheidet, ist in keinem Shop, den wir kennen, produktiv — zu Recht.

Bestandsdisposition. Prognosen ja, Bestellungen auslösen nein. Die Fehlerkosten sind zu hoch und die Datenlage in den meisten Mittelstandsshops zu dünn.

Rechtsverbindliche Auskunft. Widerrufsfristen, Gewährleistung, Zollfragen. Wer das an ein Modell abgibt, verlagert Haftung auf einen Text, den niemand geprüft hat.

Kampagnen ohne Kontrolle. Erzeugen ja, versenden ohne Freigabe nein. Der Unterschied kostet zehn Minuten je Kampagne und verhindert den einen Fall, über den man sonst lange redet.

Was in der Rechnung fehlt

Bei allen fünf angekommenen Anwendungen taucht derselbe Posten auf, den kaum ein Vorhaben einplant: die Prüfung.

Eine Produktdatenanreicherung über 3.000 Artikel ist in einer Stunde gerechnet und braucht danach jemanden, der Stichproben liest. Bei fünf Prozent Stichprobe sind das 150 Datensätze — ein bis zwei Tage. Wer diesen Posten streicht, bekommt keine schnellere Anreicherung, sondern eine ungeprüfte.

Die dritte Zeile ist der Grund, warum ungeprüfte Läufe teurer sind als geprüfte: Ein falscher Wert, der in den Shop gelangt, wird von dort in Feeds, Preisvergleiche und KI-Antworten weitergetragen. Ihn wieder einzufangen kostet mehr, als ihn vorher zu finden.

Das Muster dahinter

Die Trennlinie verläuft nicht zwischen „einfach" und „komplex", sondern zwischen prüfbar und nicht prüfbar.

Wo ein Mensch das Ergebnis vor der Wirkung sieht, trägt KI heute zuverlässig. Wo sie unbeobachtet entscheidet, ist sie ein Risiko, dessen Preis erst später sichtbar wird.

Daraus folgt eine praktische Regel für jedes Vorhaben: Bauen Sie die Prüfstelle mit ein, bevor Sie den ersten Lauf starten. Ein Freigabeschritt, ein Protokoll, eine Stichprobe — das ist der Unterschied zwischen einer Hilfe und einem Problem mit Anlauf.

Was das für Automatisierung bedeutet

Viele Vorhaben, die als KI-Projekt starten, sind in Wahrheit Automatisierungsprojekte mit einem unscharfen Schritt in der Mitte. Der Ablauf ist festgelegt, nur eine Entscheidung braucht Urteilsvermögen.

Diese Bauweise ist billiger, schneller nachvollziehbar und im Fehlerfall reparierbar. Den Unterschied zwischen einem festen Ablauf und einem frei entscheidenden Agenten haben wir in AI Agent oder Workflow auseinandergenommen — er zeigt sich vor allem in der Rechnung: Ein Ablauf mit zehn Schritten kostet zehn Schritte. Ein Agent, der selbst entscheidet, wie viele er braucht, kostet so viele, wie er sich nimmt — und das ist von Durchlauf zu Durchlauf verschieden.

Welche Prozesse sich überhaupt lohnen und in welcher Reihenfolge, steht in Automatisierung im Mittelstand; was dabei an Datenqualität vorausgesetzt wird, in Datenqualität als Voraussetzung.

Was wir Händlern für die nächsten Monate raten

1. Eine Anwendung auswählen, die täglich Arbeit spart. Nicht die, die am meisten beeindruckt.
2. Die Prüfstelle vorher definieren. Wer sieht das Ergebnis, bevor es wirkt?
3. Messen, was sie einspart. Stunden je Woche, nicht Gefühl.
4. Erst danach erweitern.

Das klingt unspektakulär. Es ist der Grund, warum in manchen Shops KI heute Geld spart und in anderen ein Budgetposten ohne Ergebnis ist.

Wenn Sie wissen wollen, welcher Prozess bei Ihnen zuerst infrage kommt: Das prüfen wir in unserer Strategie- und Beratungsarbeit anhand Ihrer tatsächlichen Abläufe, nicht anhand einer Featureliste.