72 Prozent der deutschen Handelsunternehmen stufen KI-Agenten im Kundenservice für die nächsten 18 Monate als “sehr” oder “eher relevant” ein, rund 49 Prozent investieren bereits gezielt oder im üblichen Rahmen in Agentic AI (bevh-Studie “Trending Topics 2026”, Bundesverband E-Commerce und Versandhandel mit dem Zahlungsdienstleister Nexi, veröffentlicht 04.05.2026). KI im E-Commerce ist für die meisten Onlinehändler damit längst über das Experimentierstadium hinaus. Die Frage ist nicht mehr, ob KI zum Einsatz kommt, sondern wo sie im eigenen Shop den größten Hebel hat.
Dieser Leitfaden zeigt, welche drei Anwendungsfelder im eigenen Onlineshop den schnellsten Effekt liefern, was der EU AI Act bei Produktempfehlungen, Dynamic Pricing und Chatbots verlangt, und warum Produktdaten inzwischen nicht mehr nur für menschliche Kundschaft, sondern auch für KI-Einkaufsagenten aufbereitet werden müssen.
Kurzfassung
KI liefert im Online-Shop den schnellsten Nutzen bei Produktdaten- und Content-Automatisierung, Personalisierung und Dynamic Pricing. Produktempfehlungen und dynamische Preisfindung sind unter dem EU AI Act kein Hochrisiko-System, personalisierte Preise müssen aber seit 2022 nach Verbraucherschutzrecht offengelegt werden. Weil immer mehr Kundschaft Produkte über KI-Chatbots recherchiert, werden strukturierte Produktdaten zu einem eigenständigen Wettbewerbsfaktor.
Wo der deutsche Online-Handel beim KI-Einsatz steht
Die bevh-Studie zeichnet ein klares Prioritätenbild für reine Online-Händler. KI-gestützter Kundenservice hat für die befragten bevh-Mitgliedsunternehmen die höchste Investitionspriorität, mit 72 Prozent, die das Thema in den nächsten 18 Monaten als relevant einstufen. An zweiter Stelle steht mit knapp 60 Prozent die Retouren-Optimierung, wobei jeder fünfte Händler hier bereits einen Schwerpunkt setzt oder zusätzlich investieren will.
Das unterscheidet sich spürbar vom stationären und omnichannel-geprägten Einzelhandel, wo laut HDE-KI-Index vor allem Nachfrageprognose und Bestandsplanung im Vordergrund stehen, wie der Beitrag KI im Einzelhandel im Detail zeigt. Reine Online-Händler haben weder Filialpersonal noch Ladenfläche zu koordinieren, dafür aber ein direktes, messbares Interesse an weniger Retouren und einem KI-Kundenservice, der rund um die Uhr ohne Wartezeit reagiert. Die Studie beschreibt diese Entwicklung ausdrücklich als Wechsel von experimentellen Pilotprojekten zu strategischen, budgetierten Investitionen.
Für kleinere und mittlere Online-Shops ist das eine gute Nachricht, keine schlechte. Die Prioritäten der Branche, Kundenservice und Retourenabwicklung, sind operative Prozesse, die sich unabhängig von der Unternehmensgröße einzeln automatisieren lassen. Anders als eine unternehmensweite KI-Strategie großer Handelskonzerne braucht ein einzelner Chatbot-Workflow oder ein Retouren-Vorsortierungsmodul weder ein eigenes Data-Science-Team noch ein mehrjähriges Budget.
Drei Anwendungsfelder mit dem schnellsten Hebel im eigenen Shop
Produktdaten- und Content-Automatisierung. Produktbeschreibungen, Attributpflege und Kategorisierung binden in vielen Shops überproportional viel Zeit, gerade bei großen oder häufig wechselnden Sortimenten. KI-Modelle erzeugen aus Rohdaten wie Herstellerangaben, technischen Datenblättern oder Produktbildern konsistente Beschreibungstexte und befüllen Attributfelder automatisch. Der Effekt ist doppelt: schnellere Time-to-Market für neue Artikel und eine einheitlichere Datenqualität, die wiederum jede nachgelagerte KI-Anwendung im Shop verbessert, von der Suche bis zur Empfehlung.
Personalisierung und Produktempfehlungen. Empfehlungssysteme auf Basis von Kaufhistorie, Browsing-Verhalten und kollaborativer Filterung gehören zu den am längsten etablierten KI-Anwendungen im E-Commerce, liefern aber weiterhin einen der zuverlässigsten Effekte auf Warenkorbgröße und Konversionsrate. Wie sich personalisierte Kundenansprache über den Onlineshop hinaus in Marketingkampagnen fortsetzen lässt, beschreibt der Beitrag KI im Marketing.
Dynamic Pricing. KI-Modelle passen Preise in Echtzeit an Nachfrage, Lagerbestand, Wettbewerberpreise oder Kundensegmente an. Der wirtschaftliche Hebel ist real, aber Dynamic Pricing ist der Anwendungsfall mit den meisten regulatorischen Fallstricken im gesamten Katalog, dazu mehr im Abschnitt zu Datenschutz und EU AI Act weiter unten.
Retourenbetrug KI-gestützt erkennen, ohne die Kundenbeziehung zu belasten
Retouren sind für Online-Händler ein struktureller Kostenfaktor, den der stationäre Handel in dieser Form nicht kennt. Laut bevh-Studie stufen knapp 60 Prozent der Händler Retouren-Optimierung als relevantes Investitionsthema ein. KI-Modelle bewerten dabei Rückgabemuster, etwa auffällig hohe Rückgabequoten bei bestimmten Kundenkonten oder Produktkategorien, und markieren Auffälligkeiten für eine gezielte Prüfung.
Entscheidend ist die Ausgestaltung: Retourenbetrugserkennung gilt unter dem EU AI Act als unproblematisch, solange das Ergebnis in einen menschlich überprüften Entscheidungsprozess einfließt, statt automatisiert über Kontosperrungen oder Rückerstattungsverweigerungen zu entscheiden. Wer stattdessen vollautomatisiert ablehnt, riskiert nicht nur regulatorische Fragen, sondern vor allem echte Kundinnen und Kunden mit ungewöhnlichem, aber legitimem Kaufverhalten zu verlieren.
Automatisierte Ablehnung vermeiden
Eine KI, die Rückgabeanträge bewertet, sollte immer nur einen Prüfhinweis liefern, keine automatisierte Endentscheidung. Der Unterschied entscheidet sowohl über die regulatorische Einordnung als auch über die Kundenerfahrung.
Wenn der Kunde ein KI-Agent ist: Produktdaten für Agentic Commerce
Ein wachsender Teil der Kaufentscheidungen entsteht inzwischen, bevor überhaupt ein Shop besucht wird. Laut der ECC-Club-Studie “Social, Assisted, Agentic” (Erhebungszeitraum September 2025, 1.000 quantitativ befragte Personen, veröffentlicht 13.10.2025) nutzen 31 Prozent der Befragten KI-Chatbots wie ChatGPT oder Gemini zur Produktrecherche, 35 Prozent davon sogar häufiger als klassische Suchmaschinen. 68 Prozent nutzen KI-Tools gezielt für technische Produktdetails, 61 Prozent, um eigene Website-Recherche zu vermeiden.
Von KI-Shoppingagenten, die eigenständig Produkte vergleichen und Bestellungen vorbereiten, haben bereits 43 Prozent gehört, 61 Prozent können sich deren Nutzung grundsätzlich vorstellen. Einen vollständig autonomen Kaufabschluss durch KI trauen sich aktuell nur 9 Prozent zu, Vertrauen bleibt also der limitierende Faktor, nicht die Technik. Für Onlinehändler heißt das: Es braucht keine Sofortreaktion, aber eine bewusste Vorbereitung. Produktdaten, die vollständig, konsistent und in strukturierter Form vorliegen, werden von KI-Systemen zuverlässiger erfasst und zitiert als lückenhafte oder ausschließlich visuell aufbereitete Produktseiten. Wer die eigene Produktdaten-Automatisierung aus dem ersten Abschnitt sauber aufsetzt, legt damit gleichzeitig die Grundlage dafür, in Antworten von KI-Assistenten überhaupt aufzutauchen.
EU AI Act und Datenschutz im Online-Shop: Transparenz statt Verbot
Der EU AI Act verbietet die zentralen E-Commerce-Anwendungen nicht, verlangt aber an einzelnen Stellen Transparenz, und daneben bestehen eigenständige Pflichten aus dem Verbraucherschutzrecht.
Produktempfehlungen sind kein Hochrisiko-System. KI, die Produktvorschläge auf Basis von Kaufhistorie oder kollaborativer Filterung personalisiert, ist nicht in Annex III gelistet und braucht keine gesonderte Konformitätsbewertung. Datenschutzrechtliche Anforderungen an individuelle Profilbildung gelten unabhängig davon weiter, siehe Datenschutzkonforme KI für Unternehmen.
Dynamic Pricing ist unter dem EU AI Act ebenfalls kein Hochrisiko-Fall, unterliegt aber einer eigenständigen, deutlich älteren Offenlegungspflicht: Seit dem 28. Mai 2022 müssen Online-Händler nach europäischem Verbraucherschutzrecht eindeutig darauf hinweisen, wenn ein angezeigter Preis mittels automatisierter Entscheidungsfindung oder Profiling personalisiert wurde, etwa wenn Kundinnen und Kunden aufgrund ihres Surfverhaltens, eines hochpreisigen Endgeräts oder eines gespeicherten Kundenprofils einen individuellen Preis sehen. Diese Pflicht gilt unabhängig davon, ob die Preislogik überhaupt KI einsetzt, betrifft aber jedes KI-gestützte Pricing-System direkt.
Chatbots brauchen eine klare Kennzeichnung. Kundinnen und Kunden müssen erkennen können, dass sie mit einem KI-System sprechen. Details zur Umsetzung und zum Eskalationspfad zu einem Menschen beschreibt der Beitrag KI im Kundenservice.
SaaS-Tool oder eigene KI-Infrastruktur im Shop
Wann ein SaaS-Tool reicht. Für Produktbeschreibungen, ein einzelnes Empfehlungsmodul oder eine Chatbot-Integration ohne dauerhaften Zugriff auf die vollständige Kundendatenbank ist ein Cloud-Tool mit EU-Hosting und Auftragsverarbeitungsvertrag der schnellste und meist ausreichende Einstieg.
Wann eigene Infrastruktur sinnvoll wird. Sobald ein KI-System dauerhaft auf die komplette Kundendatenbank, Zahlungs- und Betrugsdaten oder den gesamten Produktdatenbestand zugreift, wiegt eine private Infrastruktur die Investition auf. Das betrifft insbesondere Retourenbetrugserkennung, die zwangsläufig mit Zahlungshistorie und Kontodaten arbeitet, und Dynamic-Pricing-Systeme, die mit vollständigen Umsatz- und Margendaten trainiert werden. Modell, Daten und Zugriffsprotokolle bleiben dann vollständig unter eigener Kontrolle, ohne Weitergabe sensibler Geschäftsdaten an einen externen Anbieter. Die Deploymentoptionen dafür erklärt die Seite Eigene KI-Infrastruktur.
Der Einstieg für Onlinehändler: Drei Schritte
Schritt 1: Einen Anwendungsfall auswählen, nicht die ganze Plattform. Produktbeschreibungen für eine Kategorie, ein Empfehlungsmodul für den Bestseller-Bereich oder eine Vorsortierung von Retourenanträgen liefern in wenigen Wochen belastbare Ergebnisse.
Schritt 2: Produktdaten als Grundlage prüfen. Liegen Attribute, Kategorien und Bildmaterial strukturiert im PIM- oder Shopsystem vor, oder verteilen sie sich über mehrere isolierte Quellen wie Lieferanten-Feeds, Excel-Listen und einzelne Marktplatz-Exporte? Fehlerhafte oder uneinheitliche Grunddaten wirken sich auf jede nachgelagerte KI-Anwendung aus, von der internen Suche über die Empfehlung bis zur Sichtbarkeit gegenüber KI-Einkaufsagenten, die auf konsistente Attribute angewiesen sind.
Schritt 3: Offenlegungspflichten vor dem Go-Live klären. Bei Dynamic Pricing die Verbraucherschutz-Kennzeichnung einplanen, bei Chatbots die KI-Kennzeichnung, bei jedem externen Tool den Auftragsverarbeitungsvertrag prüfen. Nachträgliche Korrekturen im laufenden Betrieb sind aufwendiger als eine saubere Abstimmung vorab.
72 %
Relevanz KI-Kundenservice nächste 18 Monate (bevh)
49 %
Investition in Agentic AI als Schwerpunkt (bevh)
60 %
Relevanz Retouren-Optimierung (bevh)
31 %
Produktrecherche über KI-Chatbots (ECC Club)
Was jetzt zu tun ist
KI im E-Commerce ist kein einzelnes Projekt, sondern eine Reihe klar abgegrenzter Anwendungsfälle mit unterschiedlichem regulatorischem Gewicht. Wer mit Produktdaten als Grundlage beginnt, profitiert doppelt: schnellere interne Prozesse und bessere Sichtbarkeit gegenüber einer wachsenden Zahl KI-gestützter Kundinnen und Kunden.
Im KI-Prozess-Audit werden in 30 Minuten die relevantesten Prozesse deines Online-Shops priorisiert und Aufwand sowie Nutzen realistisch eingeschätzt. Wie sich einzelne Workflows über den Shop hinaus durchgängig automatisieren lassen, zeigt der Beitrag KI-Prozessautomatisierung.
