Stratosphäre · 04
Der Artikelstamm bekommt einen neuen Leser
Über einen Einkaufsagenten mit zwei Türen, sieben Prozent, die bei der Objektivität die Händler-KI vorziehen, fünf Fonds statt sieben — und warum Sichtbarkeit im Handel an der Lesbarkeit des Datensatzes hängt, nicht an der Marke.
dm hat zwei Türen aufgemacht, und sie führen in verschiedene Jahre. Die eine ist angekündigt: Der Dienst „dm-mitgedacht“ soll nach Informationen der „Lebensmittel Zeitung“ Anfang nächsten Jahres zunächst als intelligente Einkaufsliste starten; die automatisierte Kaufabwicklung soll greifen, wenn die Kundschaft das ausdrücklich wünscht.1 Die andere ist bereits offen: Unter mcp.dm.de bietet der Drogeriemarkt KI-Agenten per Model Context Protocol Zugriff auf Produktdaten, Suche und Filialverfügbarkeit.
Der Server wurde am 17. Oktober lesend abgefragt. Er kennt genau fünf Werkzeuge: Produktsuche, Produktdetails, Filialsuche, Verfügbarkeit und eine Funktion für Produktkacheln. Alle fünf lesen. Keines legt etwas in einen Warenkorb, keines löst eine Bestellung oder Zahlung aus.2 Das ist ein Befund über das Angebot, keine ausgesprochene Regel. Er zeigt, was der Agent heute von dm bekommt: einen Datensatz, kein Regal. Der Zeitung zufolge warnt der für das Online-Geschäft zuständige Einkäufer Marcel Rieser, wer schon jetzt Probleme mit der Pflege seiner Stammdaten habe, drohe durch Agentic Commerce in den Hintergrund zu geraten; wörtlich zitiert wird er nicht.
Das ist der Kern dieses Stücks. Sichtbarkeit im Handel koppelt sich von der Markenkommunikation ab und hängt sich an die Lesbarkeit des Datensatzes: Was die Maschine nicht lesen kann, schlägt sie nicht vor. Die folgenden Abschnitte prüfen die These an dem, was öffentlich belegt ist, und enden bei dem, was ein Betrieb am Montag prüfen kann.
Sichtbarkeit im Handel koppelt sich von der Markenkommunikation ab und hängt sich an die Lesbarkeit des Datensatzes: Was die Maschine nicht lesen kann, schlägt sie nicht vor.
Was der Agent liest
Peter Kenning, Professor an der Heinrich-Heine-Universität Düsseldorf, beschreibt unter dem Begriff „Agentic Commerce“ eine Handelsform, in der Konsumierende Einkaufsentscheidungen an Künstliche Intelligenz delegieren. Marketing müsse deshalb „zweisprachig“ werden, sagte er laut der Mitteilung, über die ein Fachbericht berichtet: Unternehmen müssten nicht nur Menschen ansprechen, sondern auch Maschinen. Sichtbarkeit entstehe dann weniger durch emotionale Markenkommunikation als durch technische Lesbarkeit und Datenqualität.3 Das ist eine Aussage, kein Messwert, und sie kommt aus zweiter Hand; das Original der Mitteilung wurde nicht gefunden.
Konkreter wird die Retail-Expertin Marilyn Repp. Agentic Commerce beginne für sie „nicht beim autonomen Kauf“, sondern „in dem Moment, in dem eine KI entscheidet, welche drei Produkte der Mensch überhaupt noch zu sehen bekommt“. Deshalb: „Produktdaten werden zum neuen Regalplatz.“4 Im selben Interview bremst sie sich: Der von KI-Systemen vermittelte Traffic auf Händlerseiten sei noch relativ klein. Ein Regalplatz ist knapp, weil er physisch ist. Dieser ist knapp, weil ein Assistent womöglich nur noch zwei oder drei Lösungen zeigt, und weil er nur zeigen kann, was er verstanden hat.
Der Kunde, der keiner ist
Wer liest, ist nicht automatisch, wer kauft. Am 4. August 2026 entschied der Ninth Circuit in Amazon.com Services LLC gegen Perplexity AI Inc. (No. 26-1444) eine Version dieser Frage. Es ging um den Vorwurf unbefugten Zugriffs, ausgelöst durch einen Einkaufsassistenten, der im Auftrag von Nutzenden auf Amazon.com handelte. Das Gericht hob die einstweilige Verfügung auf und verwies zurück; ein Sachurteil ist das nicht. Der tragende Satz: „It is the user who ‚accesses‘ Amazon’s computers, with the help of the Assistant to carry out specific acts on Amazon.com.“ Zugreifende Partei ist danach, wer den Assistenten beauftragt, nicht der Assistent.5
Zwei Grenzen gehören in diesen Satz. Das Gericht urteilt „on the facts before us“ und lässt offen, ob Perplexity auf anderer Faktenlage die Kontrolle über den Assistenten haben könnte. Und Fußnote 5 hält fest, dass Amazon den Zugang weiterhin über private Nutzungsbedingungen regeln kann; dass Nutzungsbedingungen und Bot-Erkennung ihre Rechtsgrundlage verlören, steht dort nicht. Die Quelle ist die Kopie der Entscheidung bei Courthouse News, nicht der Server des Gerichts.
Daraus folgt, ohne dass das Gericht es sagt, eine Lesart: Der Agent ist kein Kunde, aber er steht dort, wo einer stand, und handelt für ihn. Wie viele so einkaufen, beantwortet am ehesten ein Herstellerbericht, mit allem Vorbehalt. Salesforce, Anbieter von Commerce-Software, schreibt in seinem State-of-Commerce-Bericht, die Nutzung von Agentic Search als erstem Schritt der Einkaufsreise sei im Jahresvergleich um 200 Prozent gewachsen; Basis sind 3.450 befragte Commerce-Verantwortliche, 4.690 Konsumierende und Verhaltensdaten von mehr als 1,5 Milliarden Kaufenden. Die klassische Suche sei zwischen August 2025 und Mai 2026 um 15 Prozent zurückgegangen, neue Kanäle wie KI-Assistenten um 38 Prozent gewachsen.6 Eine Wachstumsrate ist kein Marktanteil. Näher an unserem Thema liegt eine andere Zahl desselben Berichts: Nur 27 Prozent der Organisationen sagen, ihre Kundendaten seien vollständig vereinheitlicht.
Was kein Datensatz meldet
Am 20. Juli 2026 stellte The Coca-Cola Company ein neues visuelles System vor. Die globale Mitteilung nennt die „bold red and white palette“ als Kern der Marke; Zero Sugar bekomme „its own distinct visual cues“, darunter ein schwarzes Dynamic Ribbon auf Dosen und einen schwarzen Deckel bei PET-Flaschen. Der Rollout läuft in mehr als 200 Märkten.7 Ein gemeinsames Rot für Original und Zero steht erst auf der Seite von Coca-Cola Schweiz vom 24. Juli: eine „gemeinsame Designsprache“, verbunden durch das kräftige Rot. „Das neue Erscheinungsbild verändert nur das Äussere“; Rezepturen und Packungsgrössen blieben unverändert.8 Für andere Märkte ist das nicht belegt.
Beide Quellen sprechen von Verpackung, nicht von Datensätzen; ob irgendwo EAN oder Packshots angepasst werden, belegt keine. Das Folgende ist deshalb ein Schluss von 44up, keine Quellenaussage: Bleiben Rezeptur und Packungsgröße gleich, gibt es keinen Anlass, die EAN zu ändern, und ein Datensatz, der über die EAN geführt wird, hat keinen Anlass, die Umstellung zu melden. Das Produkt sieht anders aus, der Datensatz sagt dasselbe wie gestern. Für Menschen vor dem Regal ist das eine Randnotiz. Für einen Leser, der nur den Katalog kennt, ist es ein Produkt, das er mit voller Überzeugung falsch beschreiben kann.
Datensatz Katalog Agent Vorschlag
● ───────────── ● ───────────── ● ○
fehlt
Sieben Prozent
Welcher KI die Befragten bei Objektivität den Vorzug geben, hat KPMG gemessen, erhoben vom EHI Retail Institute GmbH. Am Beispiel Smartphone würden sich 72 Prozent bei der Informationssuche von einem Agenten helfen lassen; bei einem verbindlichen Schritt wie der Bezahlung sinkt die Bereitschaft auf 45 Prozent. 79 Prozent wollen jederzeit selbst eingreifen können. Und 64 Prozent bevorzugen bei Objektivität und Unabhängigkeit von kommerziellen Interessen eine allgemeine generative KI; nur 7 Prozent bevorzugen eine KI von Händlern oder Herstellern.9 Die Pressemitteilung nennt keine Fallzahl; 500 Befragte stehen nur in einem Fachbericht der Lebensmittel Praxis.
Dasselbe Muster zeigt YouGov am 15. Oktober. Zwei Drittel derjenigen, die zu Black Friday und Cyber Monday einkaufen wollen (66 Prozent), trauen KI-Tools zu, die besten Angebote zu finden, mehr als Kundenbewertungen und Online-Communitys (63 Prozent). Die Suche wird gern delegiert, der Abschluss nicht: Lediglich 10 Prozent würden KI einen Kauf nach ihrer Freigabe abschließen lassen, 8 Prozent einen Einkauf vollständig automatisiert durchführen lassen. Die Teilgruppe umfasst über 300 Personen einer Stichprobe von über 1.000 Erwachsenen in Deutschland.10
Die Serie fragt seit dem ersten Stück, wem Behauptungen geglaubt werden. Diese Umfragen beantworten das nicht, sie messen zwei andere Dinge, die sich leicht verwechseln lassen: KPMG eine Präferenz bei einem Kriterium, YouGov Zutrauen in eine Fähigkeit. Keine misst Vertrauen in die Aussage eines Händlers über sein eigenes Produkt. Beide zeigen aber in dieselbe Richtung, und das ist unsere Lesart: Die Instanz, der zugehört wird, rückt von der Marke zu einem Zwischenleser. Der weiß über ein Produkt, was im Datensatz steht. Wer behauptet, hat damit zum ersten Mal ein Gegenüber, das nachliest.
Der eigene Leser
Rossmann beschrieb am 14. Oktober in einer Pressemitteilung, wie das Unternehmen Daten per Chat in natürlicher Sprache nutzbar macht. Die Lösung sei Teil der Datenstrategie, die vor zwei Jahren startete; zuerst kommt die Logistik, für die „qualitätsgesicherte Datenprodukte“ aufgebaut wurden. Christian Metzner, Geschäftsführer IT & HR: „Der größte Engpass bei der Datennutzung ist heute oft nicht die Verfügbarkeit von Daten, sondern der Zugang zu ihnen.“ Und die Logistik habe sich „bewusst entschieden in die Grundlagen und verlässliche Datenprodukte zu investieren“.11 Das ist eine Selbstbeschreibung ohne Wirkungszahlen, und sie handelt von einem internen Leser. Der Punkt ist die Reihenfolge: erst die Datenprodukte, dann der Chat. Ob der Leser eine Kollegin in der Logistik ist oder ein Agent im Auftrag einer Kundin, er liest einen Datensatz und scheitert an dessen Lücken.
Auch die Regeln bewegen sich um diesen Leser. § 5b Abs. 3a UWG, in Kraft seit 27. September 2026, sieht vor, dass bei einem Dienst, der Produkte vergleicht und dabei Informationen über ökologische oder soziale Merkmale oder Zirkularitätsaspekte bereitstellt, die Vergleichsmethode als wesentliche Information gilt.12 Das betrifft Vergleichsdienste dieser Art, nicht Agenten allgemein; sie als solche zu lesen, ist Interpretation.
Was ein Datensatz jetzt leisten muss
Für den Montag bleiben drei Prüfungen, keine davon ein Projekt.
- Den Assistenten die Fragen der eigenen Kundschaft zu den eigenen Produkten stellen. Bei MIT Sloan Management Review beschreiben Forschende, die 15 Führungskräfte interviewt haben, einen Fall: Das Team einer neuseeländischen Anlageplattform (Pseudonym Stakewise) sah ChatGPT zu einem Kanal mit rund 700 Verweis-Sitzungen pro Monat werden. Die Antworten fanden sie „confident, fluent, and frequently wrong“; eine oft wiederholte Falschaussage nannte fünf statt der tatsächlich sieben Fonds.13 Das ist ein Methodenbeispiel, kein Marktbefund.
- Prüfen, nach welchen Attributen ein Agent filtert, und ob es sie als gepflegte Felder im eigenen Artikelstamm gibt. Die Produktsuche von dm liefert bis zu 15 Treffer, mit GTIN, Preis und Attributen wie vegan, glutenfrei und kaufbar. Ein Filter, der auf ein Feld trifft, das niemand pflegt, schlägt nichts vor.
- Jede Änderung, die die EAN unverändert lässt, als eine behandeln, die kein Datensatz von selbst meldet. Wenn die Kennung bleibt, bleibt auch der Eintrag stumm, bis jemand ihn nachzieht.
Datensatz Katalog Agent Vorschlag
● ───────────── ● ───────────── ● ───────────── ●
gelesen
Der Agent ist kein Angreifer, den man abwehrt. Er ist ein Kunde, den man bedient — oder nicht bedienen kann.
Die Serie hat vier Stücke lang denselben Gegenstand betrachtet. Das erste beschrieb eine Datenschicht, die nicht zusammenhängt, das zweite ein Siegel, das Daten ersetzt, das dritte die Arten, auf die ein Nachweis versagen kann. Dieses vierte beschreibt, was geschieht, wenn der Leser des Datensatzes eine Maschine wird: Der Agent ist kein Angreifer, den man abwehrt. Er ist ein Kunde, den man bedient — oder nicht bedienen kann. Wer ihn nicht bedienen kann, steht nicht auf der Liste, die der Mensch am Ende sieht.