Interview mit Aldo Gnocchi: KI-Agenten im E-Commerce

KI-Agenten sind mehr als nur ein Buzzword. Seit August 2025 können Nutzerinnen und Nutzer direkt in ChatGPT den «Agentenmodus» nutzen. Ein klares Zeichen, dass diese Technologie im Mainstream ankommt. Doch was bedeutet das konkret für den Schweizer E-Commerce?

Yannick Küffer, Digital Commerce Consultant bei der Post, hat mit Aldo Gnocchi gesprochen. Dieser ist Dozent für digitales Marketing und künstliche Intelligenz an der FHNW und Inhaber der Beratungsagentur Gnocchi & Friends. Im Interview erklärt er, was Onlinehändler jetzt wissen müssen.

1. Grundlagen und Einordnung: Was ist ein KI-Agent?

Aldo, wie würdest du einem Onlinehändler erklären, was ein KI-Agent ist und was er heute schon kann und nicht kann?

Stell dir einen KI-Agenten wie einen hyperintelligenten, proaktiven digitalen Assistenten vor. Anders als ein einfacher Chatbot, der nur auf direkte Anfragen reagiert, kann ein Agent selbstständig Ziele verfolgen, Aufgaben planen und Aktionen in verschiedenen Systemen ausführen. Für einen Onlinehändler ist das wie ein digitaler Mitarbeiter, der rund um die Uhr arbeitet.

Ein KI-Agent besteht typischerweise aus vier Kernkomponenten: Einem Sprachmodell (LLM) als «Gehirn», einem Gedächtnis für Kontext, einer Planungsfähigkeit zur Zerlegung von Zielen und dem Zugriff auf Werkzeuge (Tools) wie APIs, um Aktionen auszuführen. (Wang et al., 2023)

Was er heute schon kann:

• Automatisierte Recherche: Lieferantenpreise vergleichen und zusammenfassen.
• Personalisierter Kundenservice: proaktiv Lösungen anbieten, z. B. bei einer Lieferverzögerung automatisch den Status prüfen und dem Kunden einen Gutschein anbieten.
• Content-Erstellung: basierend auf neuen Produkten automatisch ansprechende Social-Media-Posts oder Newsletter-Entwürfe erstellen.

Was er heute noch nicht (zuverlässig) kann:

• Komplexe, strategische Verhandlungen: Ein Agent kann zwar Preise vergleichen, aber keine nuancierten Verhandlungen mit einem Lieferanten führen.
• Vollautonome Geschäftsentscheidungen: Die endgültige, risikobehaftete Entscheidung über die Preisgestaltung eines gesamten Sortiments sollte menschlich bleiben.
• Fehlerfreie Ausführung über lange Zeiträume: Bei sehr langen, komplexen Aufgaben können Agenten noch «den Faden verlieren». Die Zuverlässigkeit für kritische, unbeaufsichtigte Prozesse ist noch nicht zu 100 Prozent gegeben.

Wo siehst du die grössten Missverständnisse?

Das grösste Missverständnis ist die Vorstellung einer «magischen Blackbox». In der Realität erfordern Agenten klare Ziele, präzise Anweisungen und vor allem gut definierte Schnittstellen. Sie sind keine Alleskönner, sondern Werkzeuge zur Augmentation: Sie nehmen Mitarbeitenden repetitive Aufgaben ab, damit diese sich auf strategische und kreative Tätigkeiten konzentrieren können.

Gibt es grundlegende technische Voraussetzungen?

Ja, die wichtigste Voraussetzung ist der API-Zugang. Ein Agent ist nur so mächtig wie die Systeme, auf die er zugreifen kann. Ein Onlinehändler sollte sicherstellen, dass sein Shopsystem, CRM oder ERP über saubere, gut dokumentierte APIs verfügt. Ohne diese «Türen» zur Aussenwelt bleibt der Agent zahnlos.

2. Praxisbeispiel: der Retouren-Präventions-Agent

Kannst du ein konkretes Beispiel nennen, das echten Mehrwert bringt?

Ein hervorragendes Beispiel ist ein «Retouren-Präventions-Agent» für einen Modeshop. Sobald ein Kunde einen Artikel mit hoher Retourenquote in den Warenkorb legt, analysiert der Agent die häufigsten Retourengründe aus den Bewertungen (z. B. «fällt klein aus»). Daraufhin spielt er proaktiv einen Hinweis aus. Ein prominentes Beispiel hierfür ist Zalando. Die App nutzt bereits KI-gestützte Systeme, die dem Kunden basierend auf früheren Käufen einen konkreten Grössenvorschlag machen. Das ist eine Vorstufe eines Agenten, der eine spezifische, datengestützte Aktion zur Problemlösung durchführt. Der Mehrwert ist klar: Die Retourenquote sinkt, was Kosten spart, und die Kundenzufriedenheit steigt.

Welche Branchen oder Unternehmensgrössen profitieren besonders?

Aktuell profitieren vor allem Unternehmen mit stark standardisierten, digitalen Prozessen: etwa im E-Commerce, in der Reisebranche oder im Bereich Software-as-a-Service (SaaS). Interessanterweise sind es nicht nur Grosskonzerne. Gerade KMU können durch Agenten teure manuelle Prozesse automatisieren und ihre Wettbewerbsfähigkeit massiv steigern.

3. Werkzeuge und Plattformen: mehr als nur ChatGPT

Welche Tools würdest du neben ChatGPT empfehlen?

Für professionelle Anwendungen gibt es spezialisierte Frameworks:

1. LangChain und LlamaIndex: Open-Source-Frameworks für Entwickler, die maximale Flexibilität bieten, aber Programmierkenntnisse erfordern (Chase, 2022).
2. Microsoft Copilot Studio: stark in das Microsoft-Ökosystem integriert und auf Geschäftsanwender mit einer Low-Code-Oberfläche ausgerichtet.
3. Spezialisierte Plattformen (z. B. CustomGPT.ai, Voiceflow): einfacher zu bedienen und oft auf Kundenservice-Anwendungen fokussiert.

Worauf sollte man bei der Auswahl achten?

Achtet auf drei Dinge: Konnektivität (lassen sich deine Systeme anbinden?), Skalierbarkeit (was passiert bei hohem Anfragevolumen?) und Datenhoheit. Gerade für Schweizer Händler ist die Einhaltung des Datenschutzgesetzes (DSG) ein zentraler Punkt.

4. Sichtbarkeit in KI-Suchsystemen: die Ära der «Search Everywhere Optimization»

Was bedeutet die Suche direkt in KI-Tools für Onlineshops?

Das ist eine der grössten Umwälzungen. Wir bewegen uns von der klassischen Suchmaschinenoptimierung (SEO) zu dem, was man als «Search Everywhere Optimization» bezeichnen könnte. Es geht nicht mehr nur darum, für den Google-Bot zu optimieren, sondern für jede Plattform und jede Schnittstelle, wo ein Kunde suchen könnte. Das Ziel verschiebt sich: Statt nur in einer Linkliste aufzutauchen, muss man zur vertrauenswürdigen, zitierten Quelle für direkte, von der KI generierte Antworten werden.

Wie verändert sich die SEO-Strategie dadurch konkret?

Die Strategie wird vielschichtiger. Man kann sie als eine Pyramide mit mehreren Ebenen betrachten:

• Level 1: Traditionelles SEO bleibt die Basis. Keywords, Backlinks und eine technisch saubere Website sind weiterhin fundamental.
• Level 2: AI Search Optimization zielt darauf ab, in den KI-Zusammenfassungen von Google (AI Overviews) aufzutauchen. Hierfür sind strukturierte Inhalte wie FAQs, Listen und Tabellen entscheidend.
• Level 4 und 5: LLM Answer und Brand Authority SEO sind entscheidend für Tools wie ChatGPT oder Perplexity. Hier geht es darum, in vertrauenswürdigen Quellen wie Fachartikeln oder Foren (z. B. Reddit) erwähnt zu werden, da die KI ihre Antworten auf Basis dieser externen Signale validiert.
• Level 6−9: Community, Parasite und Platform SEO runden das Bild ab. Man muss dort präsent sein, wo echte Menschen Fragen stellen (Foren, Social Media), und die Algorithmen der jeweiligen Plattformen (Amazon, TikTok, YouTube) gezielt bedienen. Das Ziel ist die «Topic Domination»: die Autorität für ein Thema über alle Kanäle hinweg zu sein.

Gibt es neue Frameworks, um diese veränderte SEO-Landschaft zu strukturieren?

Ja, die Infografik «SEO Landscape for 2025» fasst das sehr gut zusammen.

Wir müssen in vier Dimensionen denken:

1. AEO (Answer Engine Optimization): Gefunden werden. Hier geht es um strukturierte Daten (schema.org), Snippet-Targeting und klare, präzise Antworten auf wahrscheinliche Fragen.
2. GEO (Generative Engine Optimization): Zitiert werden. Hier optimiert man Inhalte so, dass KI-Systeme wie Gemini oder ChatGPT sie als Grundlage für ihre generierten Antworten verwenden. Das erfordert zitierbare Formate, klare Argumentationsketten und thematische Cluster.
3. AIO (AI Integration Optimization): Prozesse skalieren. Hier nutzt man KI selbst, um die Content-Erstellung und -Wiederverwertung zu automatisieren und effizienter zu gestalten.
4. SXO (Search Experience Optimization): Ausgewählt werden. Am Ende muss die Nutzererfahrung auf der Seite stimmen, damit ein Klick auch zur Konversion führt. Schnelle Ladezeiten und eine intuitive mobile Bedienung sind hier entscheidend.

Verändern sich auch die Kennzahlen (KPIs), die man messen muss?

Absolut. Klassische Rankings und Traffic bleiben wichtig, aber neue KPIs kommen hinzu. Die Infografik zu den «New LLM-SEO KPIs» zeigt das deutlich.

Wir müssen anfangen, Dinge zu messen wie:

• Brand Mentions in AI Responses: Wie oft wird unsere Marke in KI-Antworten genannt?
• AI Citation Count: Wie oft werden wir als Quelle zitiert?
• Sentiment in LLM Outputs: In welchem Tonfall (positiv, negativ, neutral) wird über uns gesprochen?
• Attribution Rate in AI Outputs: Wie oft verlinkt die KI korrekt auf unsere Seite, wenn sie unsere Inhalte nutzt?

Tools wie Semrush oder Otter.ai bieten hier bereits erste Analysefunktionen an.

5. Standards und Schnittstellen: die Sprache der Agenten

Gibt es bereits technische Standards, an denen sich Händler orientieren können?

Einen universellen Standard gibt es noch nicht, aber zwei Dinge sind entscheidend: Schema.org für das semantische Verständnis von Inhalten und die OpenAPI Specification (früher Swagger) für die Ausführung von Aktionen. Eine gut dokumentierte API nach OpenAPI-Standard ist der Goldstandard, damit Agenten externe Werkzeuge sicher ansteuern können. (The OpenAPI Initiative, 2021)

Welche Rolle spielen offene Schnittstellen (APIs)?

Sie sind das Rückgrat der Agenten-Ökonomie. Ohne offene APIs können Agenten nicht mit Unternehmenssystemen kommunizieren. Ein Shop ohne API ist für einen Agenten wie ein Geschäft mit verschlossener Tür.

6. Geschäftsmodelle: Wie verdienen die Plattformen Geld?

Welche Geschäftsmodelle erwartest du im Bereich der KI-Agenten?

Wir werden eine Mischung sehen: klassische Abonnement-Modelle (SaaS), verbrauchsabhängige Pay-per-Use-Modelle und im E-Commerce auch erfolgsbasierte Modelle, bei denen der Agent eine prozentuale Beteiligung am Mehrumsatz erhält.

Könnte es eine Art «Bezahl-Positionierung» geben, ähnlich wie bei Google Ads?

Ja, ich halte das für unvermeidlich. Es wird wahrscheinlich eine Form von «Promoted Answers» oder «Sponsored Actions» geben. Die Herausforderung für die Plattformen wird sein, dies transparent zu kennzeichnen, um das Vertrauen der Nutzerinnen und Nutzer nicht zu verlieren.

Wie verhindert man die Abhängigkeit von einer Plattform?

Durch eine Multikanal-Strategie: auf offene Standards setzen, die Datenhoheit im eigenen Unternehmen bewahren und auf mehreren relevanten Plattformen präsent sein.

7. Blick in die Zukunft: proaktive und vernetzte Agenten

Welche Entwicklungen erwartest du in den nächsten zwei bis drei Jahren?

Technisch erwarte ich drei grosse Sprünge: verbesserte Zuverlässigkeit, multimodale Fähigkeiten (Verarbeitung von Bildern und Videos) und proaktive Agenten, die von sich aus Vorschläge machen. In der Nutzung werden wir eine Demokratisierung erleben. Es wird so einfach werden, einen Agenten zu erstellen, wie heute eine Website mit KI zu bauen.

Werden KI-Agenten künftig selbstständig miteinander verhandeln?

Ja, das ist die logische Konsequenz. In der Forschung wird dies als «Multi-Agent Systems» bezeichnet. (Xi et al., 2023) Stell dir vor, dein Einkaufs-Agent verhandelt automatisch mit den Verkaufs-Agenten von zehn Lieferanten. Das wird ganze Lieferketten revolutionieren.

8. Auswirkungen auf die Customer Journey: der delegierte Einkauf

Wie verändert sich die E-Commerce Customer Journey?

Sie wird radikal effizienter, personalisierter und stärker delegiert. Der Mensch definiert das Ziel («Was»), der Agent kümmert sich um den Prozess («Wie»). Die zeitaufwändige Recherche- und Vergleichsphase wird fast vollständig an den Agenten ausgelagert.

Werden klassische Shop-Besuche seltener?

Ja, für Standardkäufe wahrscheinlich schon. Der «Point of Sale» verlagert sich von der Website des Händlers in die KI-Umgebung des Nutzers. Das bedeutet, dass die Markenbildung und die Datenbereitstellung (via API und AEO/GEO) wichtiger werden als das Design der Shop-Homepage. Der Shop wird von einem «Verkaufsort» zu einer «Datenquelle». Für emotionale oder beratungsintensive Käufe wird die Website als Markenerlebnisort jedoch weiterhin eine wichtige Rolle spielen.