Olli’s neuer OMR-Artikel über AI Shopping Assistants ist live
- Chatbot, Product Advisor oder Shopping Agent, wo steht dein Shop heute?
- Was muss deine Architektur können, wenn KI-Agenten nicht nur beraten, sondern handeln?
- Warum tauchen deine Produkte in ChatGPT, Amazon Rufus und Google auf, oder eben nicht?
Erfahre, warum AI Shopping Assistants 2026 vom Chatbot zum handelnden Agenten werden und warum saubere Produktdaten und eine flexible Architektur darüber entscheiden, ob das funktioniert.
"Der KI-Assistent verstärkt jede Lücke in deinem Katalog. Er ist am Ende nur so gut wie die Daten und Schnittstellen dahinter."
Oliver Goerke
CEO & Geschäftsführer, piazza blu² GmbH
Unser Geschäftsführer Oliver Goerke hat auf OMR Reviews einen neuen Fachbeitrag veröffentlicht, diesmal zu AI Shopping Assistants. Der Artikel ordnet ein, wie sich der Einkauf mit KI gerade verschiebt, und was Händler jetzt an Systemen und Daten brauchen. Bei Amazon schließen Kundinnen und Kunden, die den Assistenten Rufus nutzen, deutlich häufiger einen Kauf ab, und ein wachsender Teil des Shop-Traffics kommt nicht mehr über Google, sondern über ChatGPT und ähnliche Systeme
Der Beitrag zeichnet drei Reifegrade nach, vom Q&A-Chatbot über den Product Advisor bis zum Shopping Agent, der nicht nur berät, sondern handelt.
Es ist bereits der zweite OMR-Fachbeitrag von Olli in dieser Reihe, nach dem Artikel zu Conversational Commerce. Beide zeigen dieselbe Linie: Der Unterschied entsteht nicht am Chatfenster, sondern in der Architektur und den Daten dahinter.
Die zentrale These:
Ein KI-Assistent ist nur so gut wie die Daten und Schnittstellen dahinter. Sobald ein Agent im Shop handeln soll, entscheidet die Qualität von Produktdaten und Commerce-APIs über Erfolg oder Misserfolg.
Ein Shopping Agent kann dann zum Beispiel:
- Produkte empfehlen und miteinander vergleichen,
- Warenkörbe befüllen und Bestellungen auslösen,
- Verfügbarkeiten in PIM, ERP und OMS in Echtzeit prüfen.
Technisch läuft das über Grounding: Der Assistent generiert Antworten nicht frei, sondern holt die Fakten per RAG aus den echten Systemen. Als Datenbasis nennt der Artikel ausdrücklich ein sauberes PIM wie novomind iPIM oder Akeneo, das Produktdaten bündelt und den Assistenten über Schnittstellen in Echtzeit versorgt.
Der Artikel behandelt außerdem:
die Architektur eines Assistenten in Schichten, von Channel und Conversational Layer über den Knowledge- und RAG-Layer bis zu Commerce-APIs, Observability und Human Handoff
sechs Schritte zur Einführung, von der Konzeption über Datenanbindung und Guardrails bis zu Testing und Betrieb
die zwei Fronten: den eigenen Assistenten im Shop und die Auffindbarkeit der eigenen Produkte in fremden Assistenten wie ChatGPT, Amazon Rufus und Google
Agentic Commerce und die konkurrierenden Standards ACP, AP2 und UCP, dazu Pflichten aus DSGVO und EU AI Act
Praxisbeispiele von Amazon Rufus über Walmart Sparky bis Zalando und OTTO
