Die meisten Beispiele für Agentic Commerce beginnen beim Endkunden: Jemand bittet einen KI-Assistenten, passende Laufschuhe zu finden, mehrere Modelle zu vergleichen und die beste Option zu kaufen. Die Produktsuche wird zum Gespräch, der Assistent kann zunehmend mit echten Commerce-Systemen interagieren, und der Kaufprozess muss nicht mehr ausschließlich im Onlineshop stattfinden.
Im B2B-Einkauf gelten andere Anforderungen.
Wer für ein Unternehmen einkauft, entscheidet selten allein auf Basis eines einfachen Produktvergleichs. Bestellt wird vielleicht für einen bestimmten Standort, aus einem individuell vereinbarten Sortiment, zu kundenspezifischen Preisen und mit Zahlungsbedingungen, die bereits Monate zuvor ausgehandelt wurden. Bestimmte Produkte benötigen eine Freigabe, manche Alternativen sind ausgeschlossen, und bei größeren Bestellungen müssen häufig weitere Personen zustimmen.
Sobald KI Teil dieses Prozesses wird, rücken Themen in den Mittelpunkt, die Enterprise-Commerce-Teams gut kennen: Identität, Berechtigungen, Preislogik, Geschäftsregeln und die Zuständigkeit der beteiligten Systeme.
Ein Produkt zu finden und eine Bestellung vorzubereiten, dürfte einem Agenten vergleichsweise leichtfallen. Die eigentliche Herausforderung liegt darin, zu erkennen, ob er für dieses Unternehmen überhaupt handeln darf, welche Konditionen gelten und wie weit die Bestellbefugnis des Einkäufers reicht.
B2B-Commerce braucht seit jeher mehr Kontext
Im Endkundengeschäft ist die Identität meist überschaubar: Eine Person hat ein Konto, vielleicht eine gespeicherte Adresse und ein Zahlungsmittel. Auf dieser Grundlage kann der Händler das Einkaufserlebnis personalisieren.
Im B2B kommen mehrere Ebenen hinzu.
Das B2B-Modell von Shopify bildet dies bereits ab. Ein Kunde kann im Namen eines Unternehmens und eines bestimmten Unternehmensstandorts handeln. Dieser Kontext legt unter anderem fest, welche Produkte und Preise verfügbar sind, welche Zahlungsbedingungen, Adressen und Steuereinstellungen gelten und wie der Checkout abläuft.
Sobald ein KI-Agent mitarbeitet, wird dieser Kontext noch wichtiger.
Angenommen, jemand gibt seinem internen Assistenten folgenden Auftrag:
Bestell das Verpackungsmaterial nach, das wir normalerweise für unser Kölner Lager kaufen. Die Menge soll für die nächsten sechs Wochen reichen.
Die Anfrage klingt einfach, weil die Person dahinter die betrieblichen Zusammenhänge bereits kennt. Ein ausführendes System muss sie zunächst erschließen.
Welche Gesellschaft bestellt? Welcher Standort soll die Ware erhalten? Welcher Lieferantenkatalog gilt? Gibt es eine vereinbarte Artikelnummer, die immer verwendet werden soll? Darf bei Nichtverfügbarkeit ein Ersatzprodukt bestellt werden? Welcher Preis gilt für diesen Kunden? Darf der Einkäufer 2.000, 20.000 oder 200.000 Euro ausgeben? Ist eine Freigabe erforderlich?
Diese Fragen beschäftigen Unternehmen schon heute in B2B-E-Commerce-Projekten. Agentic Commerce macht sie sichtbarer, weil ein größerer Teil dieses Kontexts für Software verständlich werden muss.
Die Produktsuche ist vermutlich der einfachere Teil
Viele aktuelle Entwicklungen im Agentic Commerce konzentrieren sich darauf, Produkte für Maschinen auffindbar und verständlich zu machen.
Shopify investiert stark in diese Richtung. Zur Infrastruktur gehören inzwischen Shopify Catalog für die strukturierte Produktsuche, das Universal Commerce Protocol für die Interaktion zwischen Agenten und Händlern sowie MCP-basierte Funktionen rund um Katalog, Warenkorb und Checkout.
Für Händler werden strukturierte und verlässliche Produktdaten dadurch immer wichtiger.
Im B2B-Commerce sind diese Daten allerdings erst dann wirklich nützlich, wenn sie im Kontext des jeweiligen Kunden stehen.
Ein Produkt kann zum Gesamtsortiment gehören, ohne für ein bestimmtes Unternehmen bestellbar zu sein. Sein Listenpreis ist möglicherweise irrelevant, weil der Kunde andere Konditionen ausgehandelt hat. Ein Unternehmen kauft einzelne Stücke, ein anderes ganze Paletten. Die Verfügbarkeit kann vom Markt, vom Lager oder vom Unternehmensstandort abhängen.
Ein Agent muss deshalb mehr verstehen als das Produkt selbst. Er braucht denselben kaufmännischen Kontext, den ein angemeldeter Einkäufer im B2B-Shop erhält.
Daraus ergibt sich eine konkrete Architekturfrage: Woher kommt dieser Kontext, und welches System ist dafür zuständig?
In vielen Enterprise-Umgebungen stammen Produktattribute aus einem PIM, Vertragspreise aus einem ERP und Kundendaten aus einem CRM, während Shopify die Commerce-Transaktion abwickelt. Für einen Menschen im Storefront können diese Zusammenhänge bereits ausreichend gut funktionieren, auch wenn manche davon nur implizit geregelt sind.
Mit Agenten wächst der Druck, diese Zusammenhänge ausdrücklich abzubilden.
Preise hängen noch stärker vom jeweiligen Kontext ab
Bei der Preisfindung wird das besonders deutlich.
Ein Endkunde könnte einen Assistenten bitten, den günstigsten passenden Laptop zu finden. Aktuelle Verkaufspreise miteinander zu vergleichen, ist relativ unkompliziert.
Im B2B könnte die Frage dagegen lauten:
Was kostet uns dieser Laptop tatsächlich, wenn wir unter unserem aktuellen Vertrag 80 Stück für die deutsche Gesellschaft bestellen?
Je nach Kunde, Unternehmensstandort, Menge, Markt, Währung und Vertrag kann es darauf mehrere richtige Antworten geben.
Shopify B2B unterstützt Teile davon bereits über Kataloge, Unternehmensstandorte, Mengenregeln und B2B-spezifische Zahlungsbedingungen. Komplex wird es meist dort, wo Shopify nur eines von mehreren Systemen ist, die gemeinsam die endgültigen Konditionen bestimmen.
Ein Unternehmen könnte Vertragspreise in SAP, Produktinformationen im PIM, Account-Daten in Salesforce und Verfügbarkeiten in einem weiteren operativen System verwalten. Ein menschlicher Einkäufer muss normalerweise nicht wissen, woher all diese Informationen kommen. Er meldet sich an und erwartet, dass der Shop das richtige Ergebnis anzeigt.
Ein KI-Agent benötigt dasselbe Ergebnis. Zusätzlich braucht er genügend strukturierten Kontext, um zu erkennen, dass es für das Unternehmen gilt, in dessen Namen er gerade handelt.
Deshalb gehe ich davon aus, dass klare Systemzuständigkeiten durch Agentic Commerce noch wichtiger werden. Wenn nicht eindeutig ist, welches System den verbindlichen Preis, die Katalogzuordnung oder die Kundenberechtigungen vorgibt, macht eine zusätzliche Einkaufsschnittstelle diese Unklarheiten nur schwerer beherrschbar.
Auch ein KI-Agent braucht klar definierte Befugnisse
Der Zugriff auf die richtigen Daten ist nur ein Teil des Prozesses.
Ein Einkaufsassistent kann mit vergleichsweise geringem Risiko Produkte suchen, Vertragspreise vergleichen, Verfügbarkeiten prüfen und eine Bestellung vorbereiten. Soll dasselbe System eine Bestellung über 150.000 Euro verbindlich auslösen, muss die Verantwortung deutlich klarer geregelt sein.
Die meisten Unternehmen werden voraussichtlich mehrere Stufen delegierter Befugnisse benötigen.
Ein Agent darf beispielsweise bekannte Produkte bis zu einem Wert von 5.000 Euro automatisch nachbestellen. Größere Einkäufe bereitet er vor und legt sie dem Einkäufer zur Bestätigung vor. Oberhalb einer weiteren Grenze ist die Freigabe der Einkaufsleitung erforderlich. Bei Ersatzprodukten könnte unabhängig vom Bestellwert immer eine Zustimmung nötig sein.
Solche Abläufe gibt es in vielen B2B-Unternehmen längst. KI verändert vor allem, wie häufig Software eine Transaktion vorbereitet oder anstößt. Dadurch werden die Grenzen wichtiger.
Shopify unterstützt bereits B2B-Konfigurationen, in denen Bestellungen entweder direkt aufgegeben oder zunächst als Entwurf zur Prüfung angelegt werden. Sobald der Bestellprozess außerhalb des Storefronts beginnt, lassen sich solche Muster deutlich weiterentwickeln.
Die zentrale Architekturfrage lautet dann: Wie bildet das System delegierte Befugnisse zuverlässig ab?
Freigabeprozesse könnten an Bedeutung gewinnen
Bei KI geht es häufig darum, Menschen aus Prozessen herauszunehmen. Im B2B-Einkauf ist ein realistischeres Ziel, wiederkehrende Arbeit zu reduzieren und menschliche Entscheidungen dort zu erhalten, wo sie einen Mehrwert haben.
Denken wir an eine regelmäßige Bestellung: Heute muss vielleicht jemand bemerken, dass der Bestand knapp wird, frühere Bestellungen prüfen, das Lieferantenportal durchsuchen, Produkte vergleichen, Mengen berechnen, einen Warenkorb anlegen und anschließend eine Führungskraft um Freigabe bitten.
Ein Agent könnte einen großen Teil dieser Vorbereitung übernehmen.
Er könnte den Verbrauch beobachten, Nachbestellbedarf erkennen, die vertraglich vereinbarten Produkte finden, eine sinnvolle Menge berechnen, die Verfügbarkeit prüfen und die Bestellung vorbereiten. Die verantwortliche Person erhält dann etwa folgende Nachricht:
Auf Basis des Verbrauchs der letzten sechs Monate sollten wir 240 Stück nachbestellen. Der vereinbarte Preis beträgt 18,40 Euro pro Stück. Alle Produkte sind verfügbar, der Gesamtwert liegt bei 4.416 Euro. Das entspricht den letzten drei Bestellungen. Freigeben?
Das spart bereits spürbar Zeit, ohne dass ein Unternehmen seine gesamte Einkaufsbefugnis an ein System abgeben muss.
Für viele B2B-Anwendungsfälle dürfte ein solcher Ablauf wertvoller sein als vollständige Autonomie. Die Routine läuft automatisch, während die finanzielle Verantwortung bei den Menschen bleibt, die sie heute schon tragen.
Wichtige Geschäftsregeln müssen technisch durchsetzbar bleiben
Wenn Unternehmen mit internen Agenten experimentieren, liegt es nahe, immer mehr Geschäftslogik in Prompts oder Agentenanweisungen unterzubringen.
Eine Vorgabe wie:
Löse niemals eine Bestellung über 10.000 Euro aus, ohne vorher die Einkaufsleitung um Freigabe zu bitten.
ist als Orientierung durchaus hilfreich. Sie darf aber nicht der einzige Ort sein, an dem diese Regel hinterlegt ist.
Hat ein Einkäufer ein Bestelllimit von 10.000 Euro, muss das zugrunde liegende System dieses Limit durchsetzen. Dabei darf es keine Rolle spielen, ob die Anfrage von einer Website, einer internen Anwendung, einer API oder einem KI-Assistenten kommt. Dasselbe gilt für bestellbare Produkte, Katalogzugriffe, kundenspezifische Preise, Freigabegrenzen und andere kaufmännische Regeln.
Das ist wichtig, weil sich Enterprise-Commerce-Umgebungen laufend verändern. Teams führen neue Kanäle ein, ersetzen ERP-Systeme, erschließen weitere Märkte und binden zusätzliche Anwendungen an. Geschäftsregeln lassen sich wesentlich leichter pflegen, wenn sie in klar definierten Systemen verankert sind und nicht im Verhalten einer einzelnen Oberfläche.
Agenten können den Umgang mit diesen Regeln erleichtern. Dafür sollten sie jedoch auf Funktionen zugreifen, die bereits vorhanden sind und deren Regeln an anderer Stelle zuverlässig durchgesetzt werden.
Andernfalls droht die KI-Schicht zu einem weiteren Ort zu werden, an dem sich nach und nach Geschäftslogik ansammelt. Damit entstünde genau das Wartungsproblem, das viele Commerce-Teams eigentlich reduzieren wollen.
Der Storefront wird zu einer von mehreren Schnittstellen
E-Commerce-Architekturen basierten jahrelang auf der Annahme, dass Kunden irgendwann im Storefront ankommen.
Vielleicht entdecken sie eine Marke über Google, Social Media, einen Marktplatz oder eine E-Mail-Kampagne. Irgendwann besuchen sie aber in der Regel die Website des Händlers und setzen ihren Kaufprozess dort fort.
Mit Agentic Commerce wird diese Annahme weniger verlässlich.
Shopify baut bereits eine Infrastruktur auf, die mehr Commerce-Interaktionen über KI-Oberflächen ermöglicht. Catalog, UCP, Agentic Storefronts und MCP weisen alle in diese Richtung.
Für B2B-Unternehmen könnte die Bandbreite solcher Schnittstellen besonders groß werden.
Ein Einkäufer nutzt vielleicht einen KI-Assistenten auf der Website des Lieferanten. Ein anderes Unternehmen setzt einen internen Einkaufsagenten ein, der mit mehreren Lieferanten verbunden ist. Bestellungen könnten in Microsoft Teams, einer ERP-Oberfläche, einer Beschaffungsplattform oder einer branchenspezifischen Anwendung beginnen.
Der Shopify-Storefront bleibt trotzdem wichtig. Menschen benötigen weiterhin Produktseiten, Kontoverwaltung, Bestellhistorien, Serviceprozesse und viele andere Funktionen, die sich visuell besser bedienen lassen.
Gleichzeitig könnte der Storefront schrittweise zu einem von mehreren Clients der Commerce-Plattform werden.
Das verändert den Blick auf die Architektur. Produktdaten, Preisregeln, Identitäten, Berechtigungen und Transaktionsfunktionen müssen auch jenseits des Frontends nutzbar sein, über das sie heute bereitgestellt werden.
So könnte ein realistischer B2B-Agentenprozess aussehen
Am greifbarsten wird das an einem normalen Einkaufsablauf.
Ein Nutzer bittet einen Agenten, ein regelmäßig gekauftes Produkt nachzubestellen.
Zunächst muss das System feststellen, wer der Nutzer ist, welches Unternehmen er vertritt und für welchen Unternehmensstandort er handelt. Daraus ergeben sich der passende Katalog, die kaufmännischen Konditionen, der Versandkontext und gegebenenfalls die Zahlungsbedingungen.
Anschließend kann der Agent die Anfrage interpretieren, die erforderlichen Produkt- und Commerce-Daten abrufen und die Bestellung vorbereiten.
Bevor etwas verbindlich ausgelöst wird, prüft das System, ob die gewünschte Aktion innerhalb der Befugnisse des Nutzers liegt. Ist das der Fall, kann die Bestellung fortgesetzt werden. Wird eine zusätzliche Freigabe benötigt, entsteht stattdessen eine Freigabeanfrage oder ein Bestellentwurf.
Die daraus entstehende Bestellung sollte außerdem genügend Kontext enthalten, damit das Unternehmen den Ablauf später nachvollziehen kann. Wer hat sie angestoßen? Welcher Agent hat den Auftrag bearbeitet? Welche Regeln wurden geprüft? Wer hat die Transaktion freigegeben? Was wurde letztlich an das ERP übergeben?
Zerlegt man den Prozess auf diese Weise, ist das KI-Modell nur ein Teil der Architektur.
Identität, Preisfindung, Kataloge, Berechtigungen, die Steuerung der Abläufe, die Ausführung der Transaktion und ihre Nachvollziehbarkeit sind mindestens ebenso wichtig.
Das entspricht ziemlich genau dem, was wir schon heute in komplexen Shopify-Plus-Projekten sehen. Die Qualität des Storefronts ist wichtig. Ein großer Teil der eigentlichen Arbeit findet jedoch dahinter statt: in den Systemen und Prozessen, die bestimmen, wie das Geschäft tatsächlich funktioniert.
Agentic Commerce macht Schwächen der B2B-Architektur schnell sichtbar
Viele B2B-Commerce-Plattformen funktionieren heute auch deshalb, weil erfahrene Menschen Unstimmigkeiten ausgleichen.
Ein Vertriebsmitarbeiter weiß, dass ein bestimmter Kunde immer einen zusätzlichen Rabatt bekommt. Jemand aus dem operativen Team weiß, welches Lager einen Artikel tatsächlich ausliefern soll. Ein Einkäufer weiß, dass eine bestimmte Artikelnummer niemals für die österreichische Tochtergesellschaft bestellt werden darf, obwohl das System es technisch zulässt.
Dieses Wissen steckt oft in Köpfen, Tabellen, E-Mail-Verläufen und ungeschriebenen Abläufen.
Solange Menschen eng in jede Transaktion eingebunden bleiben, lässt sich damit arbeiten. Schwieriger wird es, wenn Software mehr Aufgaben übernehmen soll.
Existiert eine wichtige Regel nur im Kopf einer Person, kann ein Agent sie nicht zuverlässig anwenden. Ist unklar, welches System den verbindlichen Preis liefert, löst auch ein KI-Zugriff auf fünf Systeme das Problem nicht. Widersprechen sich ERP- und PIM-Daten bei der Verfügbarkeit, braucht der Agent weiterhin eine eindeutige Regel dafür, welchem System er vertrauen soll.
Agentic Commerce liefert damit einen hilfreichen Prüfstein für die B2B-Architektur:
Könnte ein anderes System Ihre kaufmännischen Regeln so weit verstehen, dass es eine korrekte Bestellung vorbereitet, ohne dass ein erfahrener Mitarbeiter die Daten vorher einordnen muss?
In vielen Unternehmen wäre die Antwort heute vermutlich nein.
Das ist nicht zwangsläufig ein Problem. Vollständig autonomer Einkauf steckt noch in der Entwicklung. Die Arbeit, die eine Commerce-Architektur für Agenten verständlicher macht, verbessert aber meist auch Integrationen, operative Abläufe und die langfristige Wartbarkeit.
Was Enterprise-Teams heute vorbereiten können
Es gibt keinen Grund, eine komplette B2B-Plattform auf autonome Einkäufer auszurichten, solange ein konkreter Anwendungsfall fehlt.
Einige Vorbereitungen lohnen sich trotzdem, unabhängig davon, wie schnell sich agentengestützter Einkauf entwickelt.
Für Produktdaten und kaufmännische Daten sollten klare Zuständigkeiten gelten. Wenn Shopify, ERP, PIM und CRM unterschiedliche Antworten liefern, übernimmt jeder zusätzliche Kanal dasselbe Problem.
Berechtigungen sollten außerdem klar zwischen Informationszugriff und Transaktionsbefugnis unterscheiden. Ein Nutzer oder Agent darf möglicherweise Preise abrufen und Bestellungen vorbereiten, ohne sie verbindlich auslösen zu dürfen.
Freigabeprozesse sollten ein selbstverständlicher Bestandteil der digitalen Commerce-Architektur sein. Manche Transaktionen lassen sich durchgängig automatisieren, andere sollten bewusst zur Prüfung angehalten werden.
Ebenso sinnvoll ist es, Geschäftsregeln möglichst außerhalb der KI-Schicht zu halten. Agenten funktionieren am besten, wenn sie klar definierte Commerce-Funktionen nutzen können, statt Dutzende versteckte Regeln in ihren eigenen Anweisungen mitzuführen.
Das sind im Grunde klassische Architekturprinzipien. Agentic Commerce liefert Unternehmen lediglich einen weiteren Grund, sie ernst zu nehmen.
Bei Agentic Commerce im B2B geht es um Delegation
Shopifys Investitionen in Catalog, UCP, Agentic Storefronts und MCP zeigen die Richtung: Mehr Kaufprozesse werden in KI-Oberflächen beginnen, und einige werden auch dort abgeschlossen.
Im B2C liegt der Schwerpunkt derzeit verständlicherweise auf Produktsuche, Empfehlungen und Conversion.
Im B2B kommt eine weitere Ebene hinzu: Die Person, die etwas anfragt, das Unternehmen, das dafür bezahlt, und das System, das die Transaktion ausführt, können unterschiedliche Akteure sein.
Ein Agent braucht genügend Kontext, um zu verstehen, welche Organisation er vertritt, welcher Katalog gilt, welcher Preis vereinbart wurde, welche Zahlungs- und Lieferbedingungen maßgeblich sind und wie weit die Bestellbefugnis des Nutzers reicht.
Manchmal wird er die Bestellung selbst abschließen können. In anderen Fällen bereitet er sie vor und bittet um Freigabe. Und gelegentlich muss er stoppen, weil die vorhandenen Informationen oder Berechtigungen nicht ausreichen.
Diese Grenzen werden entscheidend dafür sein, wie nützlich und vertrauenswürdig agentengestützter B2B-Commerce wird.
Für Enterprise-Teams beginnt die Arbeit deshalb auf vertrautem Terrain: saubere Daten, klare Zuständigkeiten, verlässliche Berechtigungen, ausdrücklich definierte Geschäftsregeln und Systeme, die diese Funktionen konsistent über mehrere Schnittstellen bereitstellen.
