KI beeinflusst die Auswahl schon vor dem Kaufknopf

„Finde mir einen leisen Akkustaubsauger unter 300 Euro, der mit Tierhaaren zurechtkommt und keine teuren Spezialbeutel braucht.“ Ein Satz, mehr nicht. Sekunden später erscheinen drei Modelle auf dem Bildschirm: Eines ist besonders hervorgehoben, ein anderes günstiger, das dritte angeblich am besten für Teppiche geeignet. Noch ein Blick auf die Bewertungen, dann wandert das Gerät in den Warenkorb. Bezahlt wird erst nach ausdrücklicher Zustimmung.

Das fühlt sich nach Kontrolle an. Der Käufer hat schließlich den Auftrag formuliert, die Auswahl geprüft und den Kauf bestätigt. Nur eine Frage bleibt im Schatten: Warum standen ausgerechnet diese drei Staubsauger zur Wahl?

Beim Einkauf mit künstlicher Intelligenz werden die entscheidenden Weichen nicht unbedingt an der Kasse gestellt. Das geschieht früher, während die Maschine den Markt auf ein handliches Format zusammenschiebt. Aus Hunderten von Produkten werden zehn, aus zehn werden drei. Was dabei verschwindet, fällt kaum auf. Man kann nichts vermissen, das man nie gesehen hat.

Der Wunsch nach Hilfe – aber nicht nach Entmündigung

Bislang ziehen viele Verbraucher eine klare Grenze. Sie möchten sich von einer KI unterstützen lassen, den letzten Schritt aber selbst gehen. Wie ausgeprägt dieser Wunsch ist, zeigt ein im Oktober 2026 veröffentlichter Consumer Snapshot von KPMG und dem EHI Retail Institute: 73 Prozent der Befragten können sich vorstellen, einen KI-Agenten Produkte, Preise oder Angebote vergleichen zu lassen. 79 Prozent wollen jedoch jederzeit eingreifen und Entscheidungen wieder selbst übernehmen können. Für fast ebenso viele ist es wichtig, Budgets, Regeln und Ausschlusskriterien festzulegen. Recherchequelle: kpmg.com→

Gesucht wird offenbar kein Vormund, sondern ein kundiger Begleiter: einer, der das Dickicht des Onlinehandels lichtet, technische Daten übersetzt und schlechte Angebote aussortiert. Genau darin liegt der Reiz. Die Maschine wird nicht müde, verliert auch nach dem zwölften Produktvergleich nicht die Geduld und behält selbst eine lange Liste persönlicher Vorgaben im Blick.

Diese Art des Einkaufens hält rasch Einzug in den Alltag. Nach einer Erhebung von NielsenIQ hatte im September 2026 erstmals eine Mehrheit der befragten US-Verbraucher im vorangegangenen Monat mindestens ein KI-Werkzeug beim Einkaufen verwendet. Am häufigsten kamen Produktempfehlungen zum Einsatz, gefolgt von persönlichen Einkaufsassistenten. Die Erhebung beruht auf einer monatlichen Stichprobe von rund 500 Verbrauchern in den USA. Einen weltweiten Zustand beschreibt sie nicht, wohl aber einen bemerkenswerten Übergang: KI beeinflusst Kaufentscheidungen nicht mehr nur in Technikvorführungen, sondern mitten im Einkaufsalltag. Recherchequelle: nielseniq.com→

Mit Blick auf das Weihnachtsgeschäft dürfte die Technik ebenfalls eine größere Rolle spielen. Im August 2026 erklärten bereits 34 Prozent von 1.004 befragten US-Verbrauchern, sie seien sehr oder äußerst bereit, generative KI für Geschenkempfehlungen einzusetzen. Andere Informationswege ersetzte sie allerdings nicht. Im Gegenteil: Nutzer von KI konsultierten sogar mehr Quellen als andere Käufer. Zumindest vorläufig führt der digitale Einkaufsberater also nicht automatisch in eine stille Abhängigkeit. Oft ist er schlicht eine zusätzliche Stimme im Chor. Recherchequelle: gartner.com→

Das Regal wird unsichtbar

Und doch verändert sich etwas Grundsätzliches. In einem Geschäft sieht der Kunde das Regal. Er erkennt, dass neben der empfohlenen Kaffeemaschine noch sieben weitere stehen. Auf einer klassischen Ergebnisseite kann er zumindest scrollen, sortieren und die Suche verändern. Eine KI-Antwort hingegen wirkt abgeschlossen. Drei Vorschläge erscheinen nicht wie der Anfang einer Liste, sondern wie deren Ergebnis.

Was in dieser kleinen Auslage landet, hängt zunächst von den Produktdaten ab, die dem System zur Verfügung stehen. OpenAI beschreibt für seine Einkaufssuche ein Verfahren, bei dem Händler strukturierte Produktkataloge und Angebote bereitstellen. Angaben wie Preise, Verfügbarkeit, Bilder, Bewertungen und weitere Leistungsmerkmale sollen beeinflussen, wie relevant und vertrauenswürdig ein Angebot erscheint und wo es platziert wird. Händler mit Shopify-Katalogen sowie mehrere große Handelsketten sind bereits angeschlossen. Recherchequelle: openai.com→

Technisch ist das nachvollziehbar: Eine KI kann nur zuverlässig mit aktuellen, strukturierten und eindeutigen Daten arbeiten. Doch gerade daraus entsteht eine neue Form der Sichtbarkeit. Ein gutes Produkt mit unvollständigem Datenfeed kann hinter einem mittelmäßigen Angebot verschwinden, dessen Hersteller sämtliche Eigenschaften maschinenlesbar aufbereitet hat. Dann entscheidet nicht mehr allein die Qualität der Ware, sondern auch die Sorgfalt ihres digitalen Steckbriefs. Ob ein Produkt tatsächlich gut oder nur besonders gut beschrieben ist, lässt sich dadurch immer schwerer erkennen.

Google bietet Händlern inzwischen eigene Auswertungen darüber an, wie häufig ihre Marken und Produkte in AI Mode, AI Overviews und Gemini auftauchen. Gemessen werden unter anderem der Anteil an der Sichtbarkeit, häufige Suchabsichten und Produktmerkmale, nach denen Verbraucher fragen. Zugleich erhalten Händler Hinweise, wie sie ihre Daten verbessern können, damit ihre Angebote in diesen KI-Oberflächen leichter entdeckt werden. Recherchequelle: support.google.com→

Damit bildet sich eine neue Disziplin heraus. Nicht mehr allein der Kunde muss lernen, richtig zu suchen; auch Händler müssen lernen, für Maschinen auffindbar zu werden. Wer die Sprache des Agenten beherrscht, gelangt eher in dessen digitales Regal.

Wenn Empfehlung und Verkauf zusammenrücken

Dazu kommt das Geschäft mit der Aufmerksamkeit. Google erprobt in AI Mode Werbeformen, bei denen Gemini erklärt, warum ein beworbenes Produkt zur jeweiligen Anfrage passen könnte. Solche Inhalte sollen als gesponsert gekennzeichnet werden. Über „Direct Offers“ können Händler außerdem Rabatte, Produktpakete oder andere Angebote bereitstellen, die die KI je nach Einkaufssituation anzeigt. Zwischen neutral wirkender Beratung und Verkaufsimpuls liegen damit nur noch wenige Bildschirmzeilen. Recherchequelle: blog.google→

Für den Käufer muss das kein Nachteil sein. Ein passender Rabatt spart Geld, ein sinnvoll zusammengestelltes Paket verkürzt die Suche. Heikel wird die Verbindung von Empfehlung und Verkauf erst, wenn der Nutzer nicht mehr erkennen kann, weshalb ihm ein bestimmtes Angebot begegnet. Passt es objektiv am besten zu seinen Vorgaben? Ist der Anbieter technisch besonders gut angebunden? Oder hat ein Händler für zusätzliche Sichtbarkeit bezahlt?

An diesem Punkt öffnet sich eine merkwürdige Vertrauenslücke. Laut KPMG halten 64 Prozent der Befragten allgemeine Systeme mit generativer KI für objektiver und unabhängiger von kommerziellen Interessen. Der KI eines Händlers oder Herstellers bringen dagegen nur 7 Prozent dasselbe Vertrauen entgegen. Dabei sind auch allgemeine Systeme zunehmend mit Produktfeeds, Handelspartnern, Werbeformaten und integrierten Bezahlmöglichkeiten verknüpft. Die Oberfläche mag neutral aussehen. Für ihren wirtschaftlichen Unterbau muss das nicht gelten.

Die Bestätigung löst nur das halbe Problem

Technisch wird erheblicher Aufwand betrieben, damit ein Agent nicht heimlich mit dem Warenkorb zur Kasse geht. Das Universal Commerce Protocol von Google und seinen Partnern sieht beispielsweise vor, dass ein KI-Agent den Einkauf vorbereiten darf, die Bestellung aber an eine verlässliche Benutzeroberfläche übergeben werden soll. Dort kann der Kunde Artikel, Lieferadresse und Kosten prüfen, bevor er den Auftrag auslöst. Recherchequelle: ucp.dev→

Damit soll ein Kauf ohne ausdrückliche Zustimmung verhindert werden. Es bleibt jedoch unklar, ob die Auswahl im Vorfeld richtig war.

Es geht also um zwei Arten der Kontrolle. Die erste ist die Transaktionskontrolle: Der Verbraucher sieht den Warenkorb und drückt selbst auf „Kaufen“. Die zweite ist die Entscheidungskontrolle: Er versteht, welche Angebote geprüft wurden, nach welchen Maßstäben die Auswahl entstand und welche Alternativen herausfielen. Moderne Einkaufssysteme konzentrieren sich bislang stark auf die erste. Für die zweite gibt es noch kein ebenso klares und etabliertes Instrument.

Denkbar wäre eine Art Entscheidungsbeleg. Er könnte ausweisen, welche Händler und Kataloge durchsucht wurden, welche Kriterien besonders schwer wogen und ob kommerzielle Interessen in die Empfehlung eingeflossen sind. Auch ausgeschlossene Alternativen wären aufschlussreich: günstiger, aber schlechter reparierbar; leistungsfähiger, aber über dem Budget; passend, jedoch mit langer Lieferzeit. Eine solche Erklärung müsste kurz bleiben. Niemand möchte vor dem Staubsaugerkauf einen Prüfbericht studieren. Aufrufbar sollte sie dennoch sein.

In einer internationalen Befragung von Commerce und PayPal nannten Verbraucher vor allem die Möglichkeit zur Bestätigung, Zahlungssicherheit und Einblick in den Kaufprozess als wichtige Voraussetzungen. Rund zwei Drittel der 3.000 Befragten aus den USA, Großbritannien und Australien wollten das Einkaufen mithilfe selbstständig handelnder KI-Agenten, das sogenannte agentische Einkaufen, ausprobieren. Vollständig autonomen Käufen standen sie jedoch zurückhaltend gegenüber. Recherchequelle: commerce.com→

Die größere Gefahr besteht deshalb vorerst nicht darin, dass eine KI nachts eigenmächtig einen Kühlschrank bestellt. Wahrscheinlicher ist ein leiserer Kontrollverlust: Der Verbraucher bestätigt den Kauf, kennt aber den Weg zur Empfehlung nicht mehr. Er hält das Lenkrad in der Hand, während die Route längst berechnet wurde.

Bequemlichkeit ist dabei kein Gegner. Sie gehört zu den großen Versprechen dieser Technik. Ein guter Einkaufsagent kann Zeit sparen, Überforderung mindern und dem Nutzer helfen, seine Wünsche genauer auszudrücken. Doch ein Kaufknopf allein schafft noch keine wirkliche Souveränität. Sie beginnt dort, wo der Nutzer sehen und verändern kann, wie die Maschine zu ihrer Auswahl gelangt.

Weiterführende Informationen

Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.

OpenAI – Einkaufen mit ChatGPT Suche
OpenAI erläutert, wie strukturierte Produkt- und Händlerdaten, Preise, Verfügbarkeit, Bewertungen und Qualitätsmerkmale die Auswahl und Rangfolge von Einkaufsergebnissen beeinflussen.
https://help.openai.com/de-de/articles/11128490-shopping-with-chatgpt-search

Google – Eine neue Generation von Anzeigen für die KI-Ära der Google Suche
Google stellt gesponserte Produktempfehlungen mit Gemini-Erklärungen sowie Direct Offers mit Rabatten, Gutscheinen und situationsabhängigen Produktpaketen vor.
https://blog.google/intl/de-de/produkte/google-fuer-unternehmen/google-marketing-live-search-ads/

Google Codelabs – Agent Commerce mit AP2 und UCP sichern
Das technische Codelab demonstriert einen UCP-Kaufablauf, bei dem eine Weboberfläche die Kaufdetails anzeigt und vor dem Abschluss eine ausdrückliche Bestätigung verlangt.
https://codelabs.developers.google.com/next26/adk-agent-commerce?hl=de