Agentic AI für eCommerce: Was es wirklich bedeutet, warum es wichtig ist und wie du es auf Rails und Solidus baust

Was "agentic" tatsächlich bedeutet (in einfacher Sprache)

Lass mich mit einer Analogie anfangen, die das sofort klarmacht.

Ein Chatbot ist wie ein Kellner. Er nimmt deine Bestellung auf, bringt sie in die Küche und kommt mit dem zurück, was du bestellt hast. Er entscheidet nicht, was du essen solltest. Er bemerkt nicht, dass der Küche der Lachs ausgeht, und schlägt stattdessen das Huhn vor. Er tut einfach genau das, was du ihm sagst, eine Interaktion nach der anderen.

Eine Automatisierungsregel ist wie ein Timer an deinem Ofen. Er schaltet jeden Tag um 18 Uhr ab, egal ob gerade etwas kocht. Er folgt einer festen Regel ohne Kontextbewusstsein.

Ein KI-Agent ist wie ein Restaurantmanager. Er bemerkt, wenn der Vorrat zur Neige geht, und bestellt bei Lieferanten nach. Er sieht, dass Tisch 5 zu lange wartet, und weist einen Kellner um. Er erkennt, dass der Lachs heute Abend nicht läuft, und passt die Tafel mit den Tagesempfehlungen an. Er trifft Dutzende Entscheidungen im Laufe des Abends, jede einzelne informiert durch das, was tatsächlich passiert, nicht nur einem Skript folgend.

Die technische Definition ist, dass ein Agent in einer Wahrnehmungs/Aktions-Schleife operiert:

Wahrnehmen: Der Agent beobachtet seine Umgebung (neue Bestellungen kommen rein, Lagerbestände ändern sich, Kundennachrichten treffen ein, Preise verschieben sich)
Schlussfolgern: Er analysiert, was er sieht, gegen seine Ziele und entscheidet, was zu tun ist
Handeln: Er ergreift Maßnahmen (bestellt Lager nach, antwortet einem Kunden, leitet eine Bestellung um, passt einen Preis an)
Beobachten: Er prüft die Ergebnisse seiner Aktion und speist das in seine nächste Entscheidung ein

Diese Schleife läuft kontinuierlich. Der Agent wartet nicht darauf, gefragt zu werden. Er braucht keinen Prompt. Er beobachtet immer, entscheidet immer, handelt immer. Das macht ihn agentisch.

Vergleiche das mit einem traditionellen Chatbot. Ein Chatbot wartet auf Eingabe, verarbeitet sie, gibt Ausgabe zurück und stoppt. Keine Schleife. Keine Initiative. Keine Autonomie. Ein Chatbot ist reaktiv. Ein Agent ist proaktiv.

Warum das gerade jetzt für eCommerce wichtig ist

Die Zahlen erzählen die Geschichte. McKinsey schätzte im Oktober 2025, dass Agentic Commerce bis 2030 weltweit zwischen 3 und 5 Billionen Dollar generieren könnte. Eine IBM-Studie von 2026 ergab, dass 45 % der Verbraucher bereits KI für Teile des Kaufprozesses nutzen. Gartner prognostiziert, dass 40 % der Unternehmensanwendungen bis Ende 2026 KI-Agenten einbetten werden, gegenüber weniger als 5 % im Jahr 2025.

Das ist keine Zukunftsspekulation. Das passiert jetzt. Und die Unternehmen, die sich nicht anpassen, werden gegen Unternehmen konkurrieren, bei denen KI-Agenten die mühsame operative Arbeit erledigen, während Menschen sich auf Strategie und kreative Entscheidungen konzentrieren.

Agentisches Inventarmanagement

Traditionelles Inventarmanagement ist reaktiv. Du prüfst Lagerbestände, bemerkst, dass etwas zur Neige geht, gibst eine Nachbestellung auf und hoffst, dass sie rechtzeitig ankommt. Wenn du ausgefeilter bist, hast du Nachbestellpunkte eingerichtet, im Grunde eine "wenn Bestand unter X fällt, bestelle Y"-Regel. Aber diese Regeln sind statisch. Sie berücksichtigen keine saisonalen Nachfragespitzen, bevorstehende Marketingkampagnen, Lagerausfälle bei Wettbewerbern oder aufkommende Trends.

Ein agentisches Inventarsystem funktioniert komplett anders. Es überwacht Lagerbestände in Echtzeit, analysiert die Verkaufsgeschwindigkeit, berücksichtigt bevorstehende Aktionen und saisonale Muster, beobachtet Lieferanten-Lieferzeiten und trifft autonome Nachbestellungsentscheidungen.

Beachte die gestufte Autonomie: Bei kritischer Nachbestellung (du bist kurz davor auszuverkaufen) erstellt und sendet der Agent die Bestellung automatisch und benachrichtigt dann das Team. Bei Standard-Nachbestellungen erstellt er einen Entwurf zur menschlichen Prüfung. Der Agent hat Handlungsfähigkeit, aber innerhalb klar definierter Grenzen.

Agentischer Kundensupport

Der meiste eCommerce "KI-Kundensupport" heute ist nur ein schickerer Chatbot. Er versteht natürliche Sprache besser als die alten Keyword-Matching-Bots, aber er ist im Grunde immer noch reaktiv: Kunde stellt Frage, Bot liefert Antwort.

Ein agentisches Kundensupport-System ist anders. Es überwacht die gesamte Customer Journey und greift proaktiv ein.

Stell dir vor, ein Kunde gibt eine Bestellung auf. Der Agent überwacht die Erfüllungspipeline und bemerkt, dass die Lieferung sich um zwei Tage verzögern wird, weil das Lager im Rückstand ist. Bevor der Kunde es überhaupt merkt, sendet der Agent eine proaktive Nachricht: "Hallo, deine Bestellung wird vorbereitet, aber wir rechnen mit Lieferung am Donnerstag statt Dienstag. Wir haben 10 % Rabatt auf deine nächste Bestellung als Entschuldigung angewendet. Möchtest du, dass wir kostenlos auf Expressversand upgraden?"

Der Kunde hat sich nicht beschwert. Der Kunde wusste nicht mal, dass es ein Problem gab. Der Agent hat eine Situation wahrgenommen, über die beste Reaktion nachgedacht und gehandelt. Das ist agentischer Support.

Agentisches Order-Routing

Wenn du über mehrere Kanäle verkaufst, mehrere Lager verwaltest oder mit Dropshipping-Lieferanten arbeitest, ist Order-Routing einer der wirkungsvollsten Bereiche für agentische KI.

Traditionelles Order-Routing nutzt feste Regeln: Bestellungen aus Region A gehen an Lager A. Aber was passiert, wenn Lager A überlastet ist? Oder wenn der Artikel dort ausverkauft ist, aber bei Lager C verfügbar? Ein agentisches Routing-System bewertet jede Bestellung gegen den aktuellen Zustand des gesamten Erfüllungsnetzwerks.

Für einen Solidus-Store baust du das als Custom Stock Allocator, der jede Quelle nach Geschwindigkeit, Kosten, Zuverlässigkeit und Kapazität bewertet und die optimale Zuordnung trifft, mit Eskalation an das Ops-Team wenn Kosten einen Schwellenwert überschreiten.

Agentische dynamische Preisgestaltung

Dynamische Preisgestaltung ist, wo agentische KI besonders mächtig wird, und besonders gefährlich, wenn du keine ordentlichen Leitplanken einbaust.

Ein agentisches Preissystem überwacht Wettbewerberpreise, Nachfragemuster, Lagerbestände, Margenziele und saisonale Faktoren, und passt dann deine Preise in Echtzeit an, um für deine Geschäftsziele zu optimieren.

Aber hier sind die Leitplanken entscheidend. Ohne Grenzen könnte ein Pricing-Agent theoretisch einen Preiskampf nach unten mit dem Pricing-Agenten eines Wettbewerbers starten und die Margen für beide zerstören. Das ist genau die Art von Multi-Agent-Konflikt, an dem ich mit GrowCentric.ai arbeite.

Die Lösung: klare Grenzen. Mindestmarge, maximale Preisänderung pro Tag, Preisobergrenze relativ zur UVP, und menschliche Genehmigung ab einem bestimmten Änderungsprozentsatz. Der Agent schlägt Preise vor. Die Leitplanken begrenzen sie. Große Änderungen brauchen menschliche Genehmigung. Jede Entscheidung wird mit Begründung protokolliert.

Wie das auf die Rails- und Solidus-Architektur passt

Wenn du bereits auf Ruby on Rails und Solidus baust, bist du in einer überraschend guten Position, um agentische Muster zu implementieren.

Eventgesteuerte Architektur. Rails hat ActiveSupport::Notifications eingebaut, und Solidus feuert Events über den gesamten Bestelllebenszyklus. Diese Events sind die Wahrnehmungsschicht für deine Agenten.

Background-Job-Infrastruktur. Agenten müssen kontinuierlich oder nach Zeitplan laufen, ohne die Hauptanwendung zu blockieren. Rails hat exzellente Background-Job-Unterstützung durch Sidekiq, Solid Queue (neu in Rails 8) oder GoodJob.

Solidus' offene Architektur. Anders als geschlossene Plattformen (Shopify, BigCommerce) gibt dir Solidus vollen Zugriff auf jedes Model, jeden Service und jeden Workflow. Du kannst den Stock Allocator überschreiben, die Order State Machine erweitern und dich in jeden Teil des Checkout-Flows einklinken. Diese Offenheit ist essentiell für agentische Systeme.

API-Bereitschaft. Solidus liefert eine umfassende API (REST und GraphQL). Das ist wichtig, weil agentische Systeme zunehmend Multi-Service-Architekturen sind, in denen spezialisierte Agenten über APIs kommunizieren.

Agentische Systeme in ein SaaS einbauen: Der GrowCentric.ai-Ansatz

Die Arbeit, die ich mit GrowCentric.ai mache (öffentlicher Launch im Juni 2026), ist direkt von diesen agentischen Mustern geprägt. GrowCentric ist eine SaaS-Plattform, die maschinelles Lernen nutzt, um eCommerce-Marketingkampagnen automatisch zu optimieren. Im Kern ist es ein Multi-Agent-System.

Die Plattform nutzt spezialisierte Agenten für verschiedene Funktionen: den Analytics-Agenten (überwacht Kampagnenperformance, erkennt Anomalien), den Budget-Allocation-Agenten (verteilt Marketingausgaben basierend auf Performance-Signalen), den Audience-Agenten (analysiert Kundenverhaltensmuster, baut Zielgruppensegmente) und den Conflict-Resolution-Agenten (adressiert das Multi-Agent-Konfliktproblem, wo konkurrierende Shops mit denselben Optimierungsalgorithmen destruktive Bieterwettbewerbe erzeugen).

Alle diese Agenten sind auf Rails gebaut, mit den gleichen eventgesteuerten, Background-Job, API-First-Mustern, die ich oben beschrieben habe.

Die ehrlichen Einschränkungen (und warum Leitplanken wichtig sind)

Ich würde dir einen Bärendienst erweisen, wenn ich nicht darüber sprechen würde, was schiefgehen kann.

Kaskadierende Fehler. Wenn ein Agent eine schlechte Entscheidung trifft, können die Konsequenzen sich schnell ausbreiten. Die Lösung: gestufte Autonomie. Niedriges Risiko, reversible Entscheidungen werden voll automatisiert. Mittleres Risiko wird mit Monitoring automatisiert. Hohes Risiko braucht menschliche Genehmigung.

Mangel an gesundem Menschenverstand. KI-Agenten können innerhalb ihrer Parameter optimieren, aber sie haben nicht das kontextuelle Verständnis von Menschen. Die Lösung: Kontextanreicherung und Blocklist-Mechanismen.

Übermäßige Abhängigkeit und Kompetenzverfall. Wenn Agenten alles machen, verliert dein Team die Fähigkeiten, das Geschäft zu führen, wenn die KI nicht verfügbar ist. Die Lösung: Graceful Degradation. Jedes agentische System sollte einen manuellen Fallback haben.

Regulatorische Überlegungen. Wie ich in meinen Posts zum Cyber Resilience Act und zur NIS2-Richtlinie behandelt habe, stehen europäische Unternehmen vor wachsenden Pflichten rund um Cybersicherheit, Datenschutz und algorithmische Transparenz. Die Lösung: umfassendes Audit-Logging, menschliche Override-Fähigkeiten und klare Dokumentation.

Loslegen: Ein praktischer Fahrplan

Wenn du ein eCommerce-Business auf Rails und Solidus betreibst und agentische Fähigkeiten aufbauen willst, hier ist der Weg, den ich empfehlen würde.

Starte mit Beobachtung, nicht mit Aktion. Baue einen Agenten, der überwacht und alarmiert, aber noch nicht handelt. Lass ihn deine Lagerbestände, deine Bestellabwicklungszeiten, deine Kundenstimmung beobachten. Sieh, was er bemerkt. Baue Vertrauen in seine Wahrnehmung auf, bevor du ihm die Fähigkeit zum Handeln gibst.

Wähle einen Bereich mit niedrigem Risiko und hohem Impact. Warenkorbwiederherstellung ist ein großartiger Startpunkt. Der Nachteil einer schlechten Wiederherstellungs-E-Mail ist minimal. Der Vorteil, auch nur 5 % der abgebrochenen Warenkörbe wiederherzustellen, ist erheblich.

Implementiere gestufte Autonomie von Tag eins. Bau keinen Agenten, der alles autonom macht, und versuche dann, Leitplanken nachzurüsten. Starte mit den Leitplanken.

Logge alles. Jede Wahrnehmung, jeder Überlegungsschritt, jede Aktion, jedes Ergebnis. Du brauchst das fürs Debugging, für die Compliance und zur Verbesserung der Agenten über die Zeit.

Miss den Impact gnadenlos. Bevor du einen Agenten einsetzt, definiere, wie du seinen Erfolg messen wirst. Umsatzwirkung, Kosteneinsparungen, Kundenzufriedenheit, operative Effizienz. Wenn ein Agent innerhalb eines angemessenen Zeitrahmens keinen messbaren Wert nachweisen kann, schalte ihn ab.

Der Wandel vom traditionellen eCommerce zum agentischen Commerce wird nicht über Nacht passieren. Aber er passiert. Die Unternehmen, die jetzt anfangen, diese Fähigkeiten aufzubauen, selbst in einfacher Form, werden einen erheblichen Vorsprung haben, wenn autonomer Commerce zur Erwartung wird statt zur Ausnahme.

Und wenn du Hilfe beim Einbau agentischer Systeme in deine Rails- und Solidus-eCommerce-Plattform brauchst, oder sehen willst, wie der Multi-Agent-Ansatz von GrowCentric.ai deine Marketingoperationen optimieren kann, genau das ist mein Job. Lass uns reden.