In meinem ersten Future Retail Briefing geht es darum, was Generative AI, KI-Systeme und Large Language Models mit den Konsument:innen macht. Wie ändert sich ihr Verhalten? Es geht hier ausdrücklich nicht darum, was KI technologisch kann, sondern was die Nutzung von KI für Geschäftsmodelle im Handel bedeutet. 

Was ist das Future Retail Briefing? Hier fasse ich Wissen und Neues rund um Innovationen, Technologien und Trends im Handel zusammen und gebe meine Einschätzung und Einordnung. Die Briefings enthalten immer viele gute Beispiele. Thesen, Daten, Studien, Beispiele – all das findet ihr in den Future Retail Briefings.

Executive Summary

• KI wird zur neuen Startseite des Handels. Immer mehr Menschen nutzen ChatGPT, Perplexity, Gemini oder Claude für Produktsuche, Beratung und Kaufvorbereitung. Die Customer Journey verschiebt sich zunehmend von Google und klassischen Suchmaschinen hin zu KI-Assistenten.
• Agentic Commerce beginnt früher als viele denken – aber anders. KI ersetzt den Menschen nicht bei emotionalen Kaufentscheidungen. Sie übernimmt jedoch bereits heute die Recherche, Vorauswahl und Beratung und wird damit zum neuen Gatekeeper zwischen Kund:innen und Händlern.
• Vertrauen wird zum wichtigsten Wettbewerbsvorteil. Markenversprechen allein reichen nicht mehr. Bewertungen, Communities, Creator und authentische Empfehlungen gewinnen an Bedeutung, während Konsument:innen immer stärker zwischen glaubwürdigen und KI-generierten Informationen unterscheiden müssen.
• Produktdaten werden zum neuen Regalplatz. Wer in den Empfehlungen der KI erscheinen möchte, braucht exzellente Produktdaten, nachvollziehbare Informationen und starke Vertrauenssignale. Sichtbarkeit entsteht künftig nicht mehr nur über SEO, sondern zunehmend über LLMs.
• Der direkte Kundenzugang wird zur Königsdisziplin. Händler müssen ihre Abhängigkeit von Plattformen reduzieren und eigene Communities aufbauen – etwa über Apps, Newsletter, WhatsApp oder lokale Netzwerke. Wer den direkten Draht zur Kundschaft besitzt, bleibt auch in einer KI-dominierten Welt relevant.

Status Quo: KI-Shopping und Verschiebung der Customer Journey

Die verfügbaren Studien zur Nutzung von Large Language Models wie Chatgpt, Claude, Gemini oder Perplexity unterscheiden sich zwar deutlich in ihrer Methodik und ihren Ergebnissen. Dennoch weisen sie alle in dieselbe Richtung: Konsument:innen nutzen KI-Tools immer häufiger für Produktrecherche- und suche. Hier einige Quellen:

• 59 % der deutschen Verbraucher nutzen laut Capgemini bereits GenAI-Chatbots für die Produktsuche
• 30 % fragen laut einer Cellum-Studie Chatbots gezielt nach Produktinformationen.
• 38 % der KI-Nutzerinnen und KI-Nutzer haben laut ibi research bereits ein Produkt auf Empfehlung einer KI gekauft. Zum Vergleich: In der Vorgängerstudie aus dem Jahr 2025 lag dieser Wert noch bei 28 %

Und noch eine Zahl: ARK Invest erwartet, dass KI-Agenten bis 2030 rund ein Viertel des weltweiten E-Commerce abwickeln könnten.

Ein Blick in die derzeitige Praxis ernüchtert allerdings diese Aufbruchs-Euphorie. Bei Otto komme derzeit weniger als ein Prozent des Plattform-Traffics über KI-Plattformen, berichtet CEO Boris Ewenstein im Juli 2026 auf der E-Commerce Konferenz K5. Er fasst die unternehmerische Entscheidung wie bei jeder neuen Technologie wie folgt zusammen: “entweder zu früh investieren und Geld verbrennen oder zu spät reagieren und den Anschluss verlieren”.

Trotzdem ist die Verschiebung ist bereits messbar: OpenAI zufolge nutzen Hunderte Millionen Menschen ChatGPT, um Produkte zu finden, zu verstehen und zu vergleichen. Gleichzeitig ist der Traffic, den KI-Systeme an Händler weiterleiten, noch klein – und offenbar besonders wertvoll: 

Adobe Analytics zufolge waren KI-vermittelte Besuche auf US-Retail-Websites im Mai 2026 besonders wertvoll: Sie konvertierten 54 Prozent besser und generierten 53 Prozent mehr Umsatz pro Besuch als Traffic aus Nicht-KI-Quellen.

Dieser klaren Vorteil in der Conversion bestätigen auch die Tests von Walmart und Amazon. Deren Erfahrung der letzten Jahre zeigt auch vor allem eins:

These 1: KI wird zukünftig zur Startseite des Handels

Was bedeutet das für Händler, die keine Milliardenbudgets haben und deren Geschäftsmodell nicht ausschließlich online stattfindet? 

Dazu schauen wir uns an, was die die ganz Großen in den vergangenen Jahren getestet und entwickelt haben und welche Learnings daraus gezogen werden können.

Walmart etwa zeigt mit seinem KI-Assistenten Sparky in den USA, wie Agentic Commerce in der Praxis aussehen könnte. Seit dem Start im Juni 2025 unterstützt Sparky Kundinnen und Kunden in der Walmart-App nicht nur bei der Produktsuche, sondern plant beispielsweise Grillabende, erstellt Einkaufslisten, vergleicht Produkte und schlägt komplette Warenkörbe vor. 

Der Einkauf beginnt damit nicht mehr über einzelne Suchbegriffe oder Kategorien, sondern über eine natürliche Unterhaltung – ein grundlegender Wandel der Customer Journey. 

Nach Angaben von Walmart geben Nutzerinnen und Nutzer von Sparky durchschnittlich rund 35 Prozent mehr pro Bestellung aus als vergleichbare Kunden ohne KI-Unterstützung. Für Walmart ist Sparky deshalb nicht nur ein neuer Service, sondern der erste Schritt hin zu einer Zukunft, in der KI-Agenten Kaufentscheidungen vorbereiten und zunehmend eigenständig Einkäufe erledigen. 

Seit 2026 erweitert Walmart den KI-Assistenten schrittweise auch auf Walmart.com und bereitet darüber hinaus Integrationen mit externen KI-Plattformen wie ChatGPT und Gemini vor. Das zeigt, dass Walmart sich auf eine Welt vorbereitet, in der der erste Kontakt zum Händler nicht mehr zwingend über dessen eigene Website oder App erfolgt. 

Amazon: KI wird zum persönlichen Einkaufsassistenten

Auch Amazon entwickelt seine KI-Strategie konsequent in Richtung eines persönlichen Einkaufsassistenten. Mit Rufus, der inzwischen in „Alexa for Shopping“ aufgegangen ist, verlagert sich die Customer Journey zunehmend von der klassischen Produktsuche ebenfalls – wie bei Walmart- hin zu einer dialogbasierten Beratung – weg von der Produktsuche. Kundinnen und Kunden stellen keine Stichwort-Suchen mehr, sondern beschreiben ihr Bedürfnis – die KI vergleicht Produkte, fasst Bewertungen zusammen, empfiehlt Alternativen und unterstützt bis zum Kaufabschluss. 

Die Nutzung wächst rasant: In den vergangenen zwölf Monaten haben mehr als 350 Millionen Shopper Alexa for Shopping genutzt, die Zahl der aktiven Nutzer:innen hat sich innerhalb eines Jahres nahezu verdoppelt und die Interaktionen sogar verfünffacht. Besonders bemerkenswert ist der Einfluss auf das Kaufverhalten: US-Kunden, die sich von Alexa beraten lassen, geben durchschnittlich 40 Prozent mehr pro Bestellung aus. Amazon zeigt damit, dass KI nicht nur die Produktsuche vereinfacht, sondern die Customer Journey grundlegend verändert – weg von der Navigation durch Kategorien und Filter, hin zu einer persönlichen Einkaufsberatung, die Orientierung gibt und Kaufentscheidungen aktiv begleitet.

Amazon blockierte von Anfang an ChatGPT den Zugriff auf das eigene Ökosystem. Der US-Riese möchte möglichst den gesamten KI-Shopping-Prozess selbst kontrollieren und erlaubt auch Perplexity, Gemini und Claude nicht den Zugriff auf das Amazon-Marktplatz-System. Amazon investierte zwar selbst Milliarden in Anthropic, trennt aber hier ihre Rollen zwischen Investor und Marktplatz. 

Beide Beispiele und auch viele andere zeigen deutlich: Es zeichnet sich ein grundlegender Wandel im Such- und Kaufverhalten ab. KI-Tools werden vom gelegentlichen Helfer zum Gatekeeper zwischen Bedürfnis und Produkt. Statt sich durch Kategorien, Filter und Trefferlisten zu arbeiten, formulieren Kund:innen zunehmend ein Problem oder einen Wunsch und erwarten eine konkrete Empfehlung. Was Google für die vergangenen zwei Jahrzehnte war, könnten LLMs damit für die nächste Phase des digitalen Handels werden: der Ausgangspunkt einer neuen Customer Journey.

Was heißt das jetzt für kleinere Händler?

Je häufiger Menschen ChatGPT, Gemini oder andere KI-Assistenten im Alltag nutzen, desto selbstverständlicher übertragen sie dieses Verhalten auf Kaufentscheidungen. Die entscheidende Veränderung ist dabei nicht allein, wo gesucht wird, sondern wie: Statt „Laufschuh Damen Größe 39“ lautet die Anfrage künftig eher: „Ich trainiere für meinen ersten Halbmarathon, laufe dreimal pro Woche überwiegend auf Asphalt und bekomme nach längeren Läufen Schmerzen an der Ferse. Welcher Schuh passt zu mir?“

Damit verschiebt sich die Customer Journey von der produktzentrierten Suche zur problemorientierten Beratung. Für Händler bedeutet das: Sie konkurrieren nicht mehr nur um den besten Platz in einer Trefferliste, sondern darum, von einer KI überhaupt als passende Lösung verstanden und empfohlen zu werden.

Kund:innen kommen besser informiert – auch in den stationären Handel

KI verändert damit auch die Rolle der Beratung. Kund:innen können Produkte schon vor dem Besuch eines Geschäfts detailliert vergleichen, Bewertungen zusammenfassen lassen und herausfinden, welches Produkt zu ihren individuellen Anforderungen passt. Das Informationsgefälle zwischen Verkäufer:in und Kund:in wird kleiner.

Für den stationären Handel ist das keine neue, aber sich verstärkende und unbequeme Entwicklung. Persönliche Beratung galt lange als einer seiner wichtigsten Vorteile gegenüber dem E-Commerce. Wenn eine KI jedoch bereits eine hochindividuelle Vorauswahl treffen und erklären kann, warum Produkt A besser zu meinen Bedürfnissen passt als Produkt B, reicht reine Produktkenntnis als Differenzierungsmerkmal nicht mehr aus.

Der stationäre Handel muss deshalb eine Ebene weitergehen: ausprobieren lassen, einordnen, Vertrauen schaffen, Erfahrungen ermöglichen und Expertise bieten, die über das hinausgeht, was ein Modell aus Produktdaten und Bewertungen ableiten kann.

Preis, Produktdaten und Verfügbarkeit werden zu Hygienefaktoren

Gleichzeitig steigt der Druck auf die Qualität der zugrunde liegenden Daten. Ein KI-Assistent kann nur Produkte berücksichtigen, deren Eigenschaften, Preise, Varianten und Verfügbarkeiten er verstehen und zuverlässig einordnen kann.

Saubere Produktdaten werden damit vom technischen Backend-Thema zur Voraussetzung für Sichtbarkeit. Für Händlerinnen stellt sich künftig nicht mehr nur die Frage: „Kann Google meine Produkte finden?“, sondern zunehmend: „Versteht eine KI, für wen mein Produkt die beste Lösung ist?“

Das ist ein entscheidender Unterschied. Denn in einer dialogbasierten Customer Journey gewinnt nicht zwangsläufig der Händler mit dem größten Sortiment oder dem höchsten Werbebudget – sondern derjenige, dessen Angebot für Maschinen ebenso verständlich ist wie für Menschen.

These 2: KI sortiert vor – die Entscheidung bleibt mein Menschen

In Studien, in Business Netzwerken und auf Konferenzen heißt es derzeit: E-Commerce muss zukünftig Maschinen überzeugen. Denn die Agenten werden autonom Kaufentscheidungen treffen, ohne dass der Mensch noch im Spiel ist. 

Vorab: daran glaube ich nicht. 

Der Mensch ist ein Augentier – schreibt Stefan Wenzel korrekt in seinem Buch zu Agentic Commerce. Das bedeutet, dass der Mensch die letzte Entscheidung trifft, schließlich geht es auch um seine eigene Brieftasche. Bei schnell drehenden Konsumgütern oder auch Lebensmitteln kann das vermutlich irgendwann anders sein. Man stelle sich folgendes Szenario vor: Kundin xy bestellt wöchentlich dieselben Lebensmittel und Kosmetika, völlig automatisiert. Der geneigte technisch-affine Leser stellt sich allerdings die Frage, ob das überhaupt ein KI-Case ist, denn so ein Prozess lässt sich schon lange algorithmisch automatisiert abbilden. Die eigenständige Anpassung und Aktualisierung der wöchentlichen Einkaufsliste durch den KI-Agenten halte ich für einen denkbaren zukünftigen Case.

Bei emotionalen, höherpreisigen oder auch Luxusgütern wird diese Auslagerung von Entscheidung nicht greifen. Die Entscheidung wird beim Konsumenten verbleiben – soweit meine Einschätzung. 

Händler:innen sind also gut beraten, sich darauf zu konzentrieren, was faktisch heute schon in der KI stattfindet: die Discovery, Beratung und Vorauswahl. 

Das Problem vieler Marken und Shops lautet aber derzeit: sie erscheinen hier nicht. Der Kampf um die wenigen Empfehlungen ist hart. Die beiden Türsteher heißen: Produktdatenqualität und Vertrauenssignale, die das LLM im Internet findet. 

Zwei Faktoren werden dabei besonders wichtig: Produktdatenqualität und Vertrauenssignale.

Produktdatenqualität – am Beispiel eines Sportfachhändlers

Vorab: LLMs sind zu großen Teilen eine Blackbox. Wir wissen nicht zu 100 Prozent, warum ein bestimmtes Produkt empfohlen wird und ein anderes nicht. Die Grundlagen dafür, überhaupt als relevante Option erkannt zu werden, lassen sich aber beeinflussen.

Nehmen wir einen Sportfachhändler. Eine Kundin sucht nicht mehr nach „Laufschuh Damen Größe 39“, sondern fragt ihre KI: „Ich trainiere für meinen ersten Marathon, laufe überwiegend auf Asphalt, brauche relativ viel Dämpfung und habe Probleme mit der Achillessehne. Welcher Schuh eignet sich für mich?“

Damit die KI darauf eine gute Empfehlung geben kann, reicht es nicht, dass im Shop Produktname, Größe, Farbe und Preis hinterlegt sind. Sie muss verstehen können, was das Produkt kann und für wen es geeignet ist: Wie stark ist die Dämpfung? Für welchen Untergrund eignet sich der Schuh? Für welche Distanzen? Wie schwer ist er? Welche Passform hat er? Welche Materialien werden verwendet? Gibt es Besonderheiten bei Pflege oder Nutzung?

Hinzu kommen ganz banale Informationen wie Preis und aktuelle Verfügbarkeit. Sie werden zu Hygienefaktoren. Denn das beste Produkt nützt in der Empfehlung wenig, wenn das System nicht zuverlässig erkennen kann, ob es in der gewünschten Größe verfügbar ist und was es aktuell kostet.

Dabei geht es nicht nur um Datenvollständigkeit, sondern auch um Datenlesbarkeit. Informationen müssen so strukturiert und eindeutig vorliegen, dass nicht nur Menschen, sondern auch Maschinen sie verstehen und miteinander in Beziehung setzen können.

Der zweite Türsteher: Vertrauen

Doch selbst perfekte Produktdaten reichen nicht. Ein LLM muss auch einschätzen, welchen Informationen und Anbietern es vertrauen kann.

Dafür zieht es Signale aus unterschiedlichen Quellen heran: Bewertungen bei Google, Produktbewertungen im eigenen Shop und auf Marktplätzen, Erwähnungen und Empfehlungen auf anderen Webseiten, Testberichte, Medienberichte oder Diskussionen in Communities wie Reddit oder bei Youtube.

Genau hier wird das Thema Community für Händler strategisch interessant. Wenn Läufer:innen in Foren, in Laufgruppen oder auf spezialisierten Webseiten immer wieder ein bestimmtes Produkt für einen bestimmten Anwendungsfall empfehlen, entsteht ein Vertrauenssignal außerhalb der eigenen Markenkommunikation.

Die Konsequenz ist weitreichend: Sichtbarkeit lässt sich künftig weniger ausschließlich über Media-Budgets einkaufen. Händlerinnen müssen dafür sorgen, dass ihre Produkte im Netz verständlich beschrieben, verfügbar, bewertet und von anderen als relevant eingeordnet werden.

Die entscheidende Frage lautet deshalb nicht erst: „Kann ein KI-Agent bei mir einkaufen?“ Sie beginnt viel früher: „Komme ich überhaupt in die engere Auswahl, wenn eine KI für meine Kund:innen entscheidet, welche drei Produkte sie sich ansehen sollten?“

These 3: Eigene Kundenbeziehungen werden zum größten Wettbewerbsvorteil

Mit der zunehmenden Verlagerung von Produktsuchen in ChatGPT, Perplexity, Google AI Overviews und andere KI-Assistenten verändert sich die Rolle des Handels grundlegend. Händlerinnen laufen Gefahr, den direkten Kontakt zu ihren Kundinnen und Kunden zu verlieren und immer stärker zu reinen Erfüllungs- und Logistikpartnern der KI-Plattformen zu werden. Wer künftig relevant bleiben möchte, muss deshalb den direkten Kundenzugang zu einer strategischen Kernkompetenz machen.

Auch die bisherigen digitalen Kanäle werden schwieriger. Auf klassischen Social-Media-Plattformen entscheiden heute Algorithmen darüber, wer Inhalte überhaupt zu sehen bekommt. Die organische Reichweite sinkt seit Jahren, während die Kosten für bezahlte Reichweite kontinuierlich steigen. Gleichzeitig verlagern sich viele private Interaktionen zunehmend von Instagram oder TikTok in Messenger-Dienste wie WhatsApp, Telegram oder Signal.

Gerade WhatsApp bietet deshalb derzeit eine interessante Chance. Besonders die WhatsApp-Kanäle werden bislang von vielen Händlern unterschätzt. Sie ermöglichen einen direkten Kommunikationskanal ohne algorithmische Einschränkungen und erreichen Nutzerinnen und Nutzer in ihrem persönlichen digitalen Umfeld. Zwar entsteht auch hier eine Abhängigkeit von Meta, dennoch bieten Kanäle aktuell eine vergleichsweise einfache Möglichkeit, sich eine eigene Community aufzubauen. Ein Vorreiter ist Thalia: Der Buchhändler erreicht über seinen WhatsApp-Kanal inzwischen mehr als 200.000 Follower und nutzt ihn für Empfehlungen, Aktionen und redaktionelle Inhalte.

Ebenso wichtig bleibt der Aufbau eigener Newsletter. Sie gehören zu den wenigen Kanälen, die Händler selbst kontrollieren. Entscheidend ist jedoch die richtige Balance zwischen Inspiration, Wissen und Produktkommunikation. Wer ausschließlich Angebote versendet, riskiert sinkende Öffnungsraten und verliert langfristig die Aufmerksamkeit seiner Community.

Am wertvollsten ist jedoch ein vollständig eigener digitaler Touchpoint – etwa eine App oder Plattform. Auch hier gehört Thalia zu den spannendsten Beispielen. Mit Formaten wie dem Thalia Book Circle experimentiert das Unternehmen seit Jahren damit, Leserinnen und Leser über den eigentlichen Kauf hinaus miteinander zu vernetzen. Veranstaltungen, Buchempfehlungen, exklusive Inhalte und Community-Elemente stärken die Bindung an die Marke und schaffen einen direkten Dialog mit den Kundinnen und Kunden. Dabei nutzt Thalia konsequent einen Vorteil, den reine Onlinehändler nicht haben: die Verbindung von digitaler Community und regionalen Buchhandlungen als physischem Treffpunkt. Anfang 2026 startete Thalia den Book Circle, nachdem der Buchhändler bereits in den vergangenen Jahren mit dem owned Community-Gedaken experimentiert und einiges getestet hatte.

Literaturbegeisterte können nun beim Book Circle Teil von Leserunden sein, online diskutieren und bei Abschluss-Events teilweise Autor:innen und Gleichgesinnte aus der Community treffen. 

Im Mai 2026 konnte ich den Verantwortlichen für die Thalia-Community in meinem Podcast interviewen. Hier geht es zum Podcast mit Dr. Tobias Wolf, Head of CRM und Marketing Channels.

Ein weiteres gutes Beispiel für direkten Kundenzugang ist Miss Pompadour, das Farben und Lacke herstellt und vertreibt. Doch das bayerische Unternehmen positioniert sich längst nicht mehr nur als Hersteller und Marke, sondern als Begleiter für DIY-Projekte und kreatives Gestalten. Mit der eigenen App verfolgt MissPompadour das Ziel, Kundinnen und Kunden in eine eigene digitale Umgebung zu holen. Dort stehen nicht nur Produkte im Mittelpunkt, sondern Inspiration, Beratung, Austausch und gegenseitige Unterstützung innerhalb der Community. Der Signature-Call-to-Action ist das Hochladen von Vorher/Nachher-Bildern der Kundschaft. Wer das macht, erhält sogenannte Pompcoins – ein eigenes Punktesystem innerhalb der App. 

Die Anwendung wird damit zu einem zentralen Instrument, um die Kundenbeziehung unabhängig von externen Plattformen langfristig auszubauen.

Auch andere Unternehmen versuchen deshalb, aus punktuellen Käufen dauerhafte Kundenbeziehungen zu entwickeln. Blackroll ist dafür ein interessantes Beispiel aus dem Mittelstand. Weil Produkte wie die Faszienrolle erklärungsbedürftig sind, setzte das Unternehmen schon früh auf Wissen, Training und Community statt ausschließlich auf klassische Werbung. Für die Ära der KI-Agenten geht Blackroll nun einen Schritt weiter: Die eigene Daten- und Content-Infrastruktur soll so strukturiert werden, dass künftig auch KI-Systeme verstehen können, welches Problem Kundinnen und Kunden lösen möchten und welche Übungen oder Produkte dazu passen. Trainingspläne, ein KI-Coach, Erinnerungen an persönliche Ziele und Community-Angebote sollen aus dem gelegentlichen Produktkauf eine möglichst regelmäßige Interaktion mit der Marke machen.

Wie weit sich ein solches Modell entwickeln kann, zeigt Peloton. Das Trainingsgerät ist hier längst nur noch der Eintrittspunkt in ein eigenes Ökosystem aus digitalen Kursen, Trainerinnen und Trainern, Events und Community. Die Beziehung entsteht nicht primär zum Fahrrad, sondern zu Routinen, Persönlichkeiten und anderen Mitgliedern. Inzwischen erweitert Peloton dieses Prinzip sogar über den Sport hinaus, beispielsweise mit eigenen Buchclubs, die nicht von Peloton selbst ins Leben gerufen wurden, sondern von Mitgliedern der Community.

Damit schaffen diese Unternehmen etwas, das in einer zunehmend durch KI-Assistenten vermittelten Customer Journey besonders wertvoll wird: einen Grund für Kundinnen und Kunden, immer wieder direkt zur Marke zurückzukehren.

These 4: Vertrauen wird zur neuen Währung im Handel

Je stärker KI-generierte Inhalte und KI-Suche zunehmen, desto größer werden die Sorgen der Menschen, zwischen echten und falschen Informationen unterscheiden zu können. 62 % der Menschen weltweit sorgen sich inzwischen darüber, echte von falschen Informationen im Internet unterscheiden zu können (2026). 2022 waren es noch 54 %. 

Gleichzeitig nutzen bereits 70 Prozent der 18- bis 64-Jährigen KI für ihre Produktrecherche. Vertrauen verschwindet also nicht, sondern verlagert sich: weg von Markenversprechen, hin zu Empfehlungen von Menschen, Communities und KI-Systemen.

Für Händler bedeutet das: Ein Markenversprechen allein reicht nicht mehr. Laut Roland Berger zählt die Markenreputation nur noch für 21 Prozent zu den wichtigsten Kaufkriterien. Die ständige umfängliche Verfügbarkeit von Informationen verlangt für jedes Versprechen einen Nachweis. 

Laut einem aktuellen Report von Roland Berger ist der Preis (71 %) und ein überzeugendes Preis-Leistungs-Verhältnis (62 %) wichtiger. Wer Vertrauen gewinnen möchte, muss seine Versprechen belegen – durch authentische Bewertungen, nachvollziehbare Produktinformationen, Expert:innen, Creator oder zufriedene Kund:innen. 

Neuartige Empfehlungssysteme

Jede Marke sollte deshalb ihr eigenes Empfehlungssystem aufbauen. Google-Bewertungen, Reddit, Trustpilot, YouTube, Social Media oder Weiterempfehlungen im Freundeskreis werden zu entscheidenden Bausteinen der Customer Journey. Denn 40 Prozent der Konsument:innen entdecken Produkte inzwischen über Freunde und Familie, weitere 21 Prozent über Mundpropaganda. Vertrauen entsteht heute immer häufiger innerhalb der eigenen Peer Group. 

Gleichzeitig sollten Retailer den Creepy-Effekt von KI nicht unterschätzen. Personalisierung wird dann geschätzt, wenn sie Orientierung bietet – nicht, wenn sie Überwachung vermittelt. 44 Prozent der Befragten sorgen sich um Datenschutz und Datensicherheit bei KI-Anwendungen. Die Herausforderung besteht deshalb darin, die richtige Balance zwischen relevanter Unterstützung und aufdringlicher Personalisierung zu finden. Wer die Grenze zwischen nützlicher Unterstützung und dem sogenannten „Creepy-Effekt“ versteht, stärkt Vertrauen, Kundenbindung und letztlich auch den Geschäftserfolg. 

Wer gewinnt also in Zukunft?

Aus meiner Sicht drei Arten von Unternehmen:

1. Händler und Marken mit hervorragenden Produktdaten und KI-Verständnis
2. Händler und Marken mit Community und Empfehlungssystem.
3. Händler und Marken mit Vertrauen.

Am besten ist es natürlich, alles gleichzeitig zu haben.

Was bedeutet das für einen Händler mit 20 Filialen?

Die gute Nachricht für mittelständische Händler: Sie müssen jetzt weder einen eigenen KI-Agenten entwickeln noch Millionen in eine neue technologische Infrastruktur investieren. Viel wichtiger ist es, die Grundlagen für eine KI-geprägte Customer Journey zu schaffen. Das beginnt bei den Produktdaten: Sind Sortiment, Eigenschaften, Preise und Verfügbarkeiten so gepflegt und strukturiert, dass nicht nur Google, sondern auch KI-Systeme verstehen, was der Händler anbietet und für wen ein Produkt relevant ist? Statt darauf zu warten, dass Agenten irgendwann autonom bestellen, sollten Händler heute ganz praktisch testen, ob Claude, Gemini oder andere KI-Assistenten ihre Produkte und ihr Unternehmen bei relevanten Fragen überhaupt empfehlen – und welche Wettbewerber stattdessen auftauchen.

Auch im stationären Geschäft geht es nicht darum, Beratung gegen KI zu verteidigen. Wenn Kund:innen bereits gut informiert und mit einer Vorauswahl ins Geschäft kommen, muss Beratung eine Ebene weitergehen: ausprobieren lassen, Expertise bieten, einordnen, Vertrauen schaffen und Erlebnisse ermöglichen, die digital nicht reproduzierbar sind. Hierbei geht es etwa um regelmäßige Events und eine regionale Community.

Und schließlich sollten Händler nicht ihre gesamte Kundenbeziehung an Google, Meta oder künftig KI-Plattformen auslagern. Newsletter, WhatsApp, Events, Loyalty-Programme, Communities oder eine eigene App schaffen Gründe, direkt mit dem Händler in Kontakt zu bleiben. 

Die zentrale Aufgabe für den Mittelstand lautet deshalb, dafür zu sorgen, dass KI den Händler versteht und Kund:innen einen Grund haben, trotzdem direkt zu ihm zu kommen.