Zuletzt aktualisiert am 28. August 2026 um 10:20
Amazon bleibt die Nummer 1 im E-Commerce-Umsatzranking von Digital Commerce 360, belegt in den AI Commerce Rankings des Herausgebers jedoch nur Platz 158. Diese Lücke ist nicht zwingend eine Schwäche. Sie spiegelt eine bewusste Strategie wider, Shopping-Agenten von Drittanbietern einzuschränken und Produktentdeckung, Empfehlungen, Daten und Transaktionen im eigenen KI-Ökosystem von Amazon zu halten. Google AI Mode baut das Gegenmodell auf: Ein Assistent kontrolliert einen größeren Teil der Entdeckungsoberfläche, während Händler und Buchungspartner die Transaktion abschließen. Für Händler wird die strategische Frage unausweichlich: Sollten sie die Sichtbarkeit in externen KI-Systemen maximieren oder einen größeren Teil der Kundenbeziehung in der eigenen Umgebung schützen?
| Der tägliche Newsletter von Beecommercer |
| Datum: Freitag, 28. August 2026 |
| Präsentiert von: beecommercer.com |
Das Thema des Tages ist klar: Agentischer Handel schafft für jeden Händler eine neue Vertriebsentscheidung.
Amazon wettet darauf, dass seine Größe, die Gewohnheiten der Kunden, sein Logistiknetzwerk, sein Werbegeschäft und seine First-Party-Handelsdaten stark genug sind, um KI-Shopping innerhalb der eigenen Grenzen zu halten. Andere Händler gehen den entgegengesetzten Weg und öffnen Kataloge und Bestände für Assistenten von Drittanbietern, um im Gegenzug besser gefunden zu werden.
Keine der beiden Strategien ist automatisch richtig. Die Antwort hängt davon ab, wie viel Nachfrage der Händler bereits selbst besitzt, wie differenziert sein Katalog ist, wie übertragbar die Kundenbeziehung sein muss und ob das Unternehmen zuverlässige Transaktionen unterstützen kann, wenn ein externes KI-System einen qualifizierten Käufer direkt zum Produkt oder Checkout schickt.
Steigen wir ein.
DIE GROSSE GESCHICHTE
Amazon baut bewusst ein abgeschottetes KI-Commerce-Ökosystem auf
Die neueste Analyse der AI Commerce Rankings von Digital Commerce 360 zeigt, wie stark sich Amazons Strategie von Händlern unterscheidet, die ihre Präsenz über KI-Systeme von Drittanbietern maximieren wollen.
Amazon bleibt die Nummer 1 im E-Commerce-Umsatzranking von Digital Commerce 360, liegt in den AI Commerce Rankings jedoch auf Platz 158. Das KI-Ranking bewertet Faktoren wie die Zugänglichkeit des Katalogs für Drittanbieter-Agenten, Traffic aus KI-Quellen, Quellenvielfalt und die Dynamik über 90 Tage.
Der niedrige Rang im KI-Commerce ist nicht zwangsläufig ein Beleg für Misserfolg. Er spiegelt eine bewusste Geschäftsentscheidung wider. Amazon hat externe Bots eingeschränkt und starke Anreize, die Produktentdeckung im eigenen Ökosystem zu halten, wo Alexa for Shopping, Buy for Me, AWS und Amazons Handelsdaten die eigene agentische Strategie unterstützen können.
Walmart liegt im Vergleich auf Platz 37 der AI Commerce Rankings und ist wesentlich offener für KI-Entdeckung durch Drittanbieter. Kleinere Händler wie Nixon, Online Labels und Everlane erreichten Spitzenplätze, obwohl sie im traditionellen Umsatzranking deutlich weiter unten stehen.
Damit entsteht für Händler eine echte strategische Wahl. Offene Kataloge können die Auffindbarkeit über ChatGPT, Gemini und andere externe Assistenten erhöhen. Ein stärker geschlossenes Modell kann die Kontrolle über Produktdarstellung, First-Party-Daten, Empfehlungen, Werbeökonomie und die Transaktion selbst bewahren.
Amazon kann sich den geschlossenen Weg leisten, weil das Unternehmen bereits enorme Kundennachfrage besitzt und über die Infrastruktur verfügt, um eigene KI-Shopping-Produkte nützlich zu machen. Die meisten kleineren Händler haben diesen Vorteil nicht. Wer externen KI-Zugriff verweigert, schützt womöglich die Kontrolle, schließt aber zugleich eine wachsende Entdeckungsquelle aus. Die richtige Strategie hängt daher davon ab, ob die Marke bereits selbst ein Ziel ist oder weiterhin andere Plattformen braucht, um neue Kunden zu gewinnen.
| Operative Empfehlung: Entscheidet ausdrücklich, auf welche Teile der Customer Journey externe KI-Systeme zugreifen dürfen. Wenn Auffindbarkeit der Engpass ist, sollten vertrauenswürdige Agenten Produktdaten, Preis, Verfügbarkeit, Bewertungen, Versand- und Rückgabeinformationen leicht abrufen können. Wenn die eigene Kundenbeziehung der Schutzgraben ist, investiert in einen eigenen Assistenten, Loyalität, First-Party-Daten und ein Transaktionserlebnis, das Käufern einen Grund gibt, in eurem Ökosystem zu beginnen. Rutscht nicht versehentlich in ein offenes oder geschlossenes Modell. |
DER WANDEL
Google baut das Gegenmodell: offenen agentischen Handel
Google hat AI Mode in Search um drei neue Reisefunktionen erweitert: Flugpreisverfolgung, Vergleiche von Punkten und Meilen sowie direkte Hotelbuchungen.
Die Reisekategorie bietet einen nützlichen Vorgeschmack auf agentischen Handel, denn die Entscheidung kombiniert strukturierte Daten, persönliche Präferenzen, dynamische Preise, Treueprogramme, Bewertungen, Stornierungen und Zahlungen.
Die Flugpreisverfolgung ist jetzt in mehr als 180 Ländern und Gebieten verfügbar. Nutzer können Route und Daten in natürlicher Sprache beschreiben, AI Mode mit der Preisbeobachtung beauftragen und bei einer Änderung eine E-Mail erhalten. Laut Google basieren die Optionen auf aktuellen Daten von mehr als 300 Partnern aus der Luftfahrt- und Reisebranche.
AI Mode kann außerdem die Kosten von Flügen und Hotels in Punkten oder Meilen anzeigen. Zum anfänglichen Support für Treueprogramme gehören Alaska Airlines / Hawaiian Airlines, American Airlines, Choice Hotels, Hilton und Wyndham; weitere Programme sollen folgen.
Die wichtigste Änderung betrifft Hotelbuchungen. In den Vereinigten Staaten können Nutzer nun von einer dialogorientierten Hotelsuche zur Zimmerauswahl, Prüfung der Stornierungsbedingungen und Zahlung über Google Pay wechseln, sofern ein integrierter Partner die Transaktion unterstützt.
Google wird dabei nicht zum Vertragshändler. Die Hotelkette oder Buchungsplattform wickelt weiterhin die Geschäftsbeziehung und den Kundenservice ab. Zu den ersten Partnern zählen Booking.com, Expedia, Hilton, Hotels.com, IHG, Marriott, Priceline, Trip.com, Wyndham und weitere.
Diese Trennung ist strategisch wichtig. AI Mode kontrolliert einen größeren Teil der Entscheidungsoberfläche, während der Handelspartner für Bestand, Preis, Zahlungsannahme, Stornierungen, Erstattungen und Support nach dem Kauf verantwortlich bleibt.
Dies könnte sich über Reisen hinaus zu einem verbreiteten Modell des agentischen Handels entwickeln. Die KI besitzt die Gesprächs- und Empfehlungsebene; der Händler liefert kommerzielle Echtzeitdaten und schließt die Transaktion ab.
| Operative Empfehlung: Prüft in eurer Kategorie die Schritte zwischen Empfehlung und Transaktion. Könnte ein externer Assistent aktuelle Preise, Bestände, Varianten, Versand, Rückgabebedingungen, Treuevorteile und Verfügbarkeit zuverlässig abrufen? Wenn Kunden zunehmend erst ankommen, nachdem ein KI-System die Auswahl bereits eingegrenzt hat, müssen Produktseite und Checkout die Empfehlung sofort bestätigen, statt den Kunden zur erneuten Recherche zu zwingen. |
DIE OPERATIVE EBENE
Agentischer Handel endet weiterhin im Kundenservice
Shopifys neuer Leitfaden zur Contact-Center-Technologie zeigt, was geschehen muss, nachdem ein KI-gestützter Entdeckungskanal erfolgreich war: Kundenkommunikation, Bestelldaten, Self-Service, Automatisierung, Personalplanung und Analysen müssen miteinander verbunden bleiben.
Shopify gliedert den Support-Stack in sechs Ebenen: Kommunikationskanäle, Helpdesk und CRM, Wissensdatenbank und Self-Service, Automatisierung und KI, Workforce-Management sowie Analysen und Qualitätssicherung.
Die stärksten Beispiele entstehen durch die Verknüpfung des Supports mit echten Handelsdaten. Backyard Butchers meldete eine um 70% höhere Geschwindigkeit bei Änderungen von Kundenbestellungen und eine Verringerung der Ticketlösungszeit um rund 50%, nachdem der Support enger mit Shopify verbunden worden war. Tella & Stella meldete ein Umsatzwachstum von 23% gegenüber dem Vorjahr, nachdem DTC, B2B, POS, Kundenservice, Lifecycle-Marketing und KI-gestützter Support in einem stärker vernetzten Stack zusammengeführt wurden.
Die Konsequenz für den agentischen Handel ist wichtig. Selbst wenn KI mehr von Entdeckung und Checkout übernimmt, bleibt der Händler für den komplizierten Teil zuständig: den Kunden mit einer Lieferausnahme, Erstattungsanfrage, falschen Variante, beschädigten Ware oder Frage zu Richtlinien.
| Operative Empfehlung: Behandelt Kundenservice als Teil der Architektur des agentischen Handels. Verknüpft den Support mit Live-Daten zu Bestellungen, Produkten, Kunden und Richtlinien, damit eine KI-generierte Transaktion weiterhin korrekt geändert, erstattet, erklärt oder berichtigt werden kann. Je stärker Entdeckung und Checkout automatisiert werden, desto wertvoller wird ein zuverlässiges System zur Ausnahmebehandlung. |
3 THEMEN AUS WERBUNG, KREATION UND PLATTFORMBETRIEB
1. Demand Gen rückt das offene Modell näher an die Transaktion
Googles August Demand Gen Drop ergänzt drei bemerkenswerte Funktionen: direkte Messaging-Einstiege aus YouTube-Anzeigen, mehr reisespezifische Inventare und Angebote sowie die allgemein verfügbare multimodale Videoerstellung in Asset Studio.
Laut Google sorgten die Hunderte Demand Gen-Verbesserungen aus der zweiten Hälfte des Jahres 2025 bei Werbetreibenden im Durchschnitt für 30% mehr Conversions oder Conversion-Wert. Das sind von der Plattform gemeldete experimentelle Daten und keine Garantie für jedes Konto, erklären aber, warum Google diesen Kampagnentyp weiter in Richtung Lower-Funnel-Anwendungen drängt.
Der Messaging-Test ist relevant, weil die nächste Aktion nun ein Gespräch statt eines Websitebesuchs sein kann. Ein Kunde, der eine YouTube-Anzeige sieht, könnte eine Messaging-App öffnen und mit der Marke sprechen, solange die Kaufabsicht noch hoch ist.
Reisewerbetreibende werden außerdem lokale Aktivitäten, Veranstaltungen, Echtzeitangebote und stärker personalisierte Hotelwerbung ausspielen können. Das Thema ist dasselbe wie bei AI Mode: Empfehlungen werden kontextbezogener und rücken näher an die Transaktion.
Gleichzeitig verändert sich die kreative Ebene. Multimodal Video Creation in Asset Studio ist nun allgemein verfügbar und ermöglicht es Werbetreibenden, Storyboards sowie horizontale und vertikale Assets in einem einzigen Workflow zu erstellen.
Googles Fallstudie zu WAAW by Alok zeigt, welches Maß an Governance erforderlich ist, wenn Personalisierung nicht mehr vorlagenbasiert, sondern generativ erfolgt.
Das Projekt begann mit einem vollständig von Menschen erstellten offiziellen Musikvideo und nutzte anschließend Gemini Omni, Maps, Weather, YouTube & Trends, Vertex AI und Veo, um freigegebene Teile des Erlebnisses an Standort, Wetter, Stil und Stimmung eines Fans anzupassen.
Die interessante Zahl ist nicht, wie viele Versionen das System erzeugen konnte, sondern wie viele das Team ablehnte. Von 23.234 möglichen Ergebnissen bestanden nur 4.320 —18,6%— das Artistic DNA Gate des Projekts. Der Rest wurde verworfen oder zur Überarbeitung zurückgeschickt.
Die Lehre lautet: Skalierbare Personalisierung benötigt mehr Prüflogik, nicht weniger. Das Team legte fest, was sich ändern durfte, was unverändert bleiben musste und welche visuellen und emotionalen Kriterien jedes Ergebnis erfüllen musste.
| Operative Empfehlung: Definiert vor dem Einsatz weiterer generativer Kreation die unverhandelbaren Elemente: Produktform, Verpackung, Aussagen, Markenfarben, Tonalität, Creator-Rechte und alle Szenenelemente, die unverändert bleiben müssen. Nutzt KI, um freigegebene Ideen zu vervielfachen, baut aber Prüfung und Ablehnung in den Workflow ein. Bei Messaging-Anzeigen muss der Kunde ein Team oder Automatisierungssystem erreichen, das genau die Frage beantworten kann, die die Anzeige wahrscheinlich auslöst. |
2. Gesponserte Ergebnisse könnten interaktiver werden
Google testet erneut wischbare Kategorien innerhalb gesponserter Ergebnisse. Nutzer können zwischen Kategoriebezeichnungen wischen, die die darunter angezeigten gesponserten Ergebnisse verändern, beispielsweise zwischen einer hervorgehobenen Kategorie und einer günstigeren Preiskategorie.
Das Experiment ähnelt einer kleinen Ebene geführten Einkaufens innerhalb der Anzeige. Statt jede kommerzielle Suchanfrage als eine feste Ergebnisliste zu behandeln, kann Google Nutzer ihre Absicht innerhalb des gesponserten Erlebnisses verfeinern lassen.
Für E-Commerce-Werbetreibende werden Produktklassifizierung, Preispositionierung und Feed-Qualität dadurch wichtiger, weil die Plattform gesponserte Bestände zunehmend nach kategoriebezogener Absicht neu ordnen könnte.
| Operative Empfehlung: Optimiert nicht für einen unbestätigten Test, überwacht aber die tatsächlichen Shopping- und Search-Ergebnisse in euren wertvollsten Kategorien. Haltet Produkttaxonomie, Titel, Preise und Aktionsdaten so sauber, dass Google das richtige SKU platzieren kann, wenn Nutzer ihre Absicht innerhalb des Anzeigenerlebnisses verfeinern. |
3. Google veröffentlicht strukturiertere Hinweise zu Leistungsschwankungen
Search Engine Roundtable berichtet, dass Google spezielle Dokumentationen zur Fehlerbehebung für Google Ads, Performance Max, Search, Display, Video, Shopping, App, Smart und Demand Gen-Kampagnen veröffentlicht oder aktualisiert hat.
Die genaue Publikationshistorie jeder Hilfeseite lässt sich schwer überprüfen, doch die Richtung ist hilfreich: Google versucht, Werbetreibenden kampagnentypspezifische Rahmen für die Diagnose von Veränderungen bereitzustellen, statt sofort auf eine einzelne Kennzahl zu reagieren.
Das ist relevant, weil Gebote, Kreation, Targeting und Platzierungen stärker automatisiert werden. Ein Leistungsrückgang kann durch Budgetänderungen, Conversion-Tracking, Wettbewerb, Saisonalität, Assets, Feeds, Richtlinien, Lernphasen oder Auktionsdynamik entstehen.
| Operative Empfehlung: Nutzt eine einheitliche Diagnosereihenfolge, bevor ihr Gebote oder Budgets ändert. Prüft Conversion-Tracking, Änderungshistorie, Budgetstatus, Auktionsbedingungen, Zustand des Produktfeeds, kreative Änderungen, Saisonalität und Leistung der Landingpage. Automatisierung erhöht den Bedarf an disziplinierter Fehlersuche, weil sich mehr Variablen außerhalb der manuellen Einstellungen verändern können, die ihr angepasst habt. |
NACH FEIERABEND
Wer die Oberfläche besitzt, übernimmt auch die Verantwortung
Meta macht aus einem Rechtsvergleich eine Kampagne für Plattformsicherheit
Business Insider berichtet, dass Meta bezahlte Anzeigen schaltete, in denen TikTok und YouTube zur Einführung ähnlicher Jugendschutzmaßnahmen aufgefordert werden, nachdem Meta einem Vergleich von bis zu 18 Milliarden US-Dollar in einer Klage wegen Abhängigkeit von Jugendlichen zugestimmt hatte.
Metas Anzeigen fordern konkurrierende Plattformen auf, sich „uns bei der Unterstützung von Jugendlichen anzuschließen“, und verlinken auf die Erklärung des Unternehmens zu den Schutzmaßnahmen des Vergleichs.
Business Insider beschreibt die Strategie als Reputations-Jiu-Jitsu: Meta versucht, einen großen Rechtsvergleich in eine branchenweite Debatte über gemeinsame Standards zu verwandeln, statt zuzulassen, dass die Geschichte ausschließlich auf Meta fokussiert bleibt.
Für Werbetreibende ist der wichtige Punkt umfassender als die PR-Taktik. Sicherheit, Altersprüfung, Produktdesign, Moderation und Regeln für das Targeting junger Menschen können beeinflussen, wie soziale Plattformen arbeiten und auf welche Weise Marken jüngere Zielgruppen erreichen dürfen.
| Operative Empfehlung: Behandelt Plattformsicherheit und regulatorischen Wandel als Teil der Mediaplanung und nicht als separates Rechtsthema. Dokumentiert bei Kampagnen für jüngere Zielgruppen Alters-Targeting, kreative Eignung, Creator-Beziehungen, Datennutzung und plattformspezifische Einschränkungen. Eine große Zielgruppe ist nur so lange wertvoll, wie die Plattform sie unter akzeptablen rechtlichen und vertrauensbezogenen Bedingungen anbieten kann. |
Googles jüngstes Update für Workspace with Gemini richtet sich an Studierende, spiegelt aber dieselbe Produktentwicklung wider, die bei Reisen, Werbung und Handel sichtbar ist: KI zieht in die Tools ein, in denen die Aufgabe bereits erledigt wird.
Statt ein separates KI-Produkt zu öffnen, können Nutzer Aufgaben organisieren, Notizen in Lernhilfen umwandeln, Präsentationen entwerfen, Informationen zusammenfassen und Arbeit innerhalb von Workspace verwalten.
Dieses Produktmuster wird immer häufiger. Search wird zum Buchungsworkflow. Demand Gen kann zum Gesprächsworkflow werden. Contact Center werden zu KI-gestützten Lösungsworkflows. Amazon baut Shopping-Agenten im eigenen Ökosystem auf.
Darin liegt der strategische Zielkonflikt von Amazons Ansatz. Das Unternehmen blockiert nicht einfach Bots; es schützt die Oberfläche, auf der Kundenabsicht, Produktentdeckung, Werbung, Transaktionsdaten und Loyalität einander verstärken können.
Ein geschlossenes Ökosystem kann eine stärkere First-Party-Ökonomie schaffen, verlangt vom Händler jedoch auch ausreichend gute Entdeckung, Empfehlungsqualität, Service und Vertrauen, damit Kunden darin bleiben wollen.
Ein offenes Ökosystem kann über externe Assistenten und Suchplattformen Reichweite gewinnen, doch ein größerer Teil der Entscheidung kann sich der direkten Kontrolle der Marke entziehen. Produktdaten müssen korrekt, Partnerberechtigungen bewusst gesetzt sein, und Attribution wird schwieriger.
Das Erfolgsmodell wird weder das offenste noch das geschlossenste sein. Es wird zu dem tatsächlichen Vorteil des Händlers passen: eigene Nachfrage, einzigartiger Bestand, Logistik, Service, Loyalität oder die Fähigkeit, überall dort zur nützlichsten Quelle zu werden, wo der Kunde beginnt.
Das Beecommercer-Team