Von Agentic Commerce zum Autonomous Commerce

Digital Commerce bekommt eine operative AI-Ebene

Composable Commerce hat Shopsysteme in den letzten Jahren deutlich modularer und anschlussfähiger gemacht. Daraus ergibt sich jetzt die nächste Entwicklungsstufe: commercetools sieht Autonomous Commerce als nächste Entwicklungsstufe im digitalen Handel. Anlass ist der Launch von commercetools Sphere, einer Plattform, die Headless Commerce, AI-native Infrastruktur und Agent Governance in einer gemeinsamen Architektur verbinden soll. Die Idee dahinter ist klar: Commerce-Systeme sollen künftig nicht nur auf menschliche Eingaben warten, sondern Signale erkennen, Entscheidungen ableiten und innerhalb definierter Grenzen selbst Aktionen ausführen können.

Der Unterschied zur bisherigen Nutzung von AI im E-Commerce ist strukturell. Während Chatbots, Suchoptimierung und Content-Assistenz vor allem an der Schnittstelle zur Kundschaft ansetzen, betrifft Autonomous Commerce operative Prozesse wie Preise, Bestände, Promotions und Fulfillment. Damit rückt die Frage in den Mittelpunkt, wie Commerce-Systeme im Hintergrund schneller, datenbasierter und zugleich kontrolliert entscheiden können. Der Begriff selbst ist nicht neu, aber ob sich Autonomous Commerce aberdauerhaft als eigenständige Kategorie etabliert, bleibt derzeit noch offen. Die Entwicklung ist jedoch bereits erkennbar: AI wird zunehmend mit operativen Commerce-Funktionen, Echtzeitdaten und automatisierten Entscheidungsprozessen verbunden.

Diese grundsätzliche Trennlinie zeigt sich auch in der kernpunkt-Studie "AI im E-Commerce": 65,8 Prozent der Befragten können sich AI für die Produktsuche vorstellen, aber nur 36,7 Prozent den direkten Kauf per KI. Das spricht für einen Markt, in dem AI bei Orientierung, Vergleich und Vorbereitung bereits anschlussfähig ist, während vollständige Delegation und autonome Transaktion deutlich sensibler bleiben.

Wie unterscheiden sich Agentic Commerce und Autonomous Commerce?

Agentic Commerce beschreibt vor allem Szenarien, in denen AI-Agenten Aufgaben für Nutzerinnen und Nutzer übernehmen. Ein Agent kann Produkte suchen, Anforderungen abfragen, Varianten vergleichen, Empfehlungen erklären oder einen Kauf vorbereiten. In manchen Szenarien kann er auch eine Transaktion auslösen, wenn Kundinnen und Kunden ihm diesen Handlungsspielraum geben.

Autonomous Commerce geht aber weiter, weil hier nicht nur die Kundenschnittstelle betrachtet wird. Der Fokus liegt stärker auf operativen Commerce-Entscheidungen innerhalb des Unternehmens. AI-Systeme können dabei Signale aus verschiedenen Quellen auswerten, die passende Maßnahme bestimmen und diese über Commerce-APIs ausführen. Das kann eine Preisänderung sein, eine Promotion, eine Nachbestellung, eine Anpassung der Produktsortierung oder eine Entscheidung im Fulfillment.

Ein einfaches Beispiel: Ein AI-Agent im Agentic Commerce hilft einem Kunden dabei, das passende Ersatzteil zu finden. Ein autonomes Commerce-System erkennt parallel, dass die Nachfrage nach genau diesem Ersatzteil steigt, der Bestand knapp wird und ein bestimmter Lieferant vertraglich freigegeben ist. Es kann daraufhin eine Nachbestellung vorbereiten oder innerhalb definierter Regeln direkt auslösen. Hier entsteht der eigentliche Wert, denn AI wird nicht nur im Dialog sichtbar, sondern in der Prozesslogik wirksam.

Wo wird Autonomous Commerce konkret relevant?

Die von commercetools genannten Anwendungsfelder machen deutlich, wo Autonomous Commerce heute schon greifbar wird - nämlich überall dort, wo operative Entscheidungen noch manuell, langsam oder über starre Regeln laufen:

• Dynamisches Pricing, das Wettbewerbsdaten, Nachfrage und Marge in Echtzeit verbindet
• Bestandsmanagement, das Engpässe erkennt und Nachbestellungen innerhalb definierter Regeln selbst auslöst
• Kampagnen, die auf Basis eines Geschäftsziels starten und sich während der Laufzeit selbst optimieren
• Personalisierung, die nicht auf vordefinierten Segmenten basiert, sondern auf Live-Signalen
• Fulfillment Routing, das bei Störungen automatisch umplant, statt eine Fehlermeldung zu produzieren

Die Szenarien haben gemeinsam, dass sie heute in den meisten Unternehmen zu langsam, zu abhängig von manuellen Eingriffen oder zu stark auf Erfahrungswerte statt auf aktuelle Daten gestützt sind. Genau da setzt Autonomous Commerce an.

"Als wir commercetools ins Leben riefen, waren wir davon überzeugt, dass E-Commerce flexibel, headless und auf ständigen Wandel ausgelegt sein sollte. Diese Philosophie gewinnt in einer Welt, in der KI-Agenten zu aktiven Akteuren im E-Commerce selbst werden, noch mehr an Bedeutung. Autonomous Commerce ist keine Funktion. Es ist die nächste Kategorie des E-Commerce. Erfolgreich sein werden jene Unternehmen, deren Systeme autonom agieren und innerhalb von Sekunden auf Marktveränderungen reagieren können", sagt Dirk Hoerig, Gründer und Chief Innovation Officer von commercetools.

Der Einstieg beginnt mit konkreten Use Cases

Unternehmen müssen Autonomous Commerce nicht unmittelbar als vollständige Zielarchitektur umsetzen. Ein pragmatischer Einstieg beginnt bei konkreten Prozessen, in denen Geschwindigkeit, Datenqualität und Automatisierung bereits heute relevante Hebel sind. Am Anfang steht eine Bestandsaufnahme: Welche Entscheidungen laufen heute noch manuell oder über starre Regeln? Wo entstehen Verzögerungen durch verteilte Datenhaltung? Welche Prozesse sind häufig genug, klar genug begrenzt und gut genug dokumentiert, um Automatisierung zu rechtfertigen? Und wo kann ein System zunächst Empfehlungen geben, bevor es selbst handelt?

Diese Fragen sind wichtiger als die schnelle Einführung eines neuen AI-Tools - und sollten im Rahmen der Digital Strategie definiert werden. Autonomous Commerce entsteht nicht durch eine einzelne Funktion, sondern durch das Zusammenspiel aus Strategie, Architektur, Datenmodell, Prozessverständnis und Governance. Ein guter Startpunkt kann zum Beispiel ein abgegrenzter Pricing-Use-Case sein. Ebenso denkbar sind automatisierte Nachbestellungen in einer B2B-Kategorie, AI-gestützte Promotion-Optimierung oder intelligentes Fulfillment Routing für bestimmte Produktgruppen. Wichtig ist, dass der Use Case messbar ist und nicht nur technisch interessant wirkt.

Welche Systemgrundlage braucht Autonomous Commerce?

Autonomous Commerce klingt nach AI, ist aber zunächst eine Architekturfrage. Ein AI-System kann nur dann sinnvoll handeln, wenn die relevanten Funktionen und Daten zugänglich, aktuell und steuerbar sind. Dazu gehören strukturierte Produktdaten, verlässliche Preise, aktuelle Bestände, klare Kundengruppen, saubere Promotion-Logiken, Bestellinformationen, Fulfillment-Daten und belastbare Schnittstellen. Wenn diese Informationen in Silos liegen oder nur manuell gepflegt werden, entsteht keine autonome Commerce-Logik. Dann bleibt AI ein Assistent auf einer unsauberen Datenbasis.

Headless und API-first sind deshalb mehr als technische Architekturbegriffe. Sie schaffen die Voraussetzung dafür, dass Commerce-Funktionen maschinell nutzbar werden. Ein Agent kann nur dann handeln, wenn Warenkorb, Checkout, Produktkatalog, Suche, Promotions, Kundendaten und Bestellungen über stabile Schnittstellen erreichbar sind. Mit dieser technischen Offenheit wächst allerdings auch der Bedarf an Kontrolle. Jeder Agent braucht eine eindeutige Identität, einen klaren Aufgabenbereich und definierte Berechtigungen. Es muss festgelegt werden, welche Aktionen erlaubt sind, welche Grenzen gelten und wann eine Freigabe erforderlich ist. Ohne dieses Regelwerk wird Autonomie zum Risiko.

Besonders sensibel sind Preisentscheidungen, Margenwirkung, Kundensegmentierung, personenbezogene Daten, Compliance, Vertragsbedingungen und B2B-spezifische Freigaben. In diesen Bereichen sollte ein autonomes System nicht einfach frei agieren. Sinnvoller ist ein stufenweises Modell: erst beobachten, dann empfehlen, danach mit Freigabe handeln und später in klar begrenzten Bereichen autonom ausführen.

Wie bereitest Du Dein Unternehmen auf Autonomous Commerce vor?

Autonomous Commerce wird nicht überall gleichzeitig relevant. Trotzdem sollten Unternehmen heute prüfen, ob ihre Commerce-Landschaft grundsätzlich darauf vorbereitet ist. Diese Vorbereitung beginnt nicht mit Technologie, sondern mit drei Grundlagen: einer konsistenten Datenbasis über alle Commerce-Systeme hinweg, einer API-fähigen Architektur, die Commerce-Funktionen maschinell zugänglich macht, und klaren Governance-Regeln, die festlegen, was AI-Systeme entscheiden dürfen und was nicht.

Eine aktuelle Gartner-Studie ergab, dass 80 % der Geschäftsführer davon ausgehen, dass KI tiefgreifende operative Umstellungen in ihren Unternehmen erzwingen wird – von der Digitalisierung hin zur Autonomie. Oft wird dabei ein weiterer Punkt übersehen: Autonomous Commerce ist kein reines IT-Projekt. Pricing, Marketing, Einkauf, Fulfillment und Datenschutz müssen gemeinsam definieren, welche Entscheidungen automatisiert werden sollen und welche Konsequenzen das hat. Wer das organisatorisch nicht klärt, wird technisch nicht weit kommen.

Autonomous Commerce ist eine strategische Commerce-Frage

Die Ankündigung von commercetools zeigt, wohin sich der Markt bewegt. Nach Headless Commerce, MACH, Composable Commerce und Agentic Commerce rückt jetzt die operative Handlungsfähigkeit von AI-Systemen stärker in den Vordergrund. Das ist eine logische Entwicklung, weil AI nur dann echten geschäftlichen Wert erzeugt, wenn sie nicht an der Oberfläche stehen bleibt.

Für Unternehmen bedeutet das: Die nächste Commerce-Generation wird nicht allein über bessere Storefronts entschieden. Entscheidend wird, wie gut Systeme Daten nutzen, Entscheidungen vorbereiten und Aktionen kontrolliert ausführen können. Dafür braucht es moderne Plattformen, aber auch klare Prozesse und belastbare Verantwortlichkeiten.

Das Team von kernpunkt begleitet Unternehmen dabei, Commerce-Systeme so aufzustellen, dass sie AI-Prozesse nicht nur abbilden, sondern kontrolliert steuern können. Wir arbeiten bereits AI-native und betrachten Architektur, Datenmodell, Integration und Governance von Beginn an gemeinsam. Autonomous Commerce ist damit keine isolierte Produktentscheidung. Es ist ein Reifegradthema für Unternehmen, die ihre digitalen Vertriebsprozesse effizient gestalten wollen.

‍