KI Agenten und Chatbots: was sich 2026 wirklich geändert hat

Ein Chatbot antwortet, ein Agent erledigt die Arbeit

Wenn 2023 das Jahr war, in dem alle "generative KI" sagten, ohne genau zu wissen, was das heißt, und 2024 das Jahr des "Copilot", dann ist 2026 das Jahr von "agentic". Die Wörter klingen ähnlich, bei beiden geht es um KI, und beide können ein Gespräch führen. Hier also der Unterschied in einem Satz: Ein Chatbot beantwortet deine Fragen, ein Agent erledigt deine Arbeit.

Das klingt nach wenig. Es ist der Unterschied zwischen einem Rezept lesen und jemandem, der das Abendessen kocht, zwischen einer Wegbeschreibung und einer Fahrt, bei der du hinten sitzt.

Ein Vergleich, der hängen bleibt. Du kommst in ein Hotel und tippst an der Rezeption in einen Bildschirm: "Wann gibt es Frühstück?" Er antwortet: "Von 7 bis 10 Uhr." Das ist ein Chatbot. Er hat geantwortet und wartet jetzt auf die nächste Frage.

In einem anderen Hotel hat dich jemand schon eingecheckt, bevor du an der Rezeption bist, über die Buchungsnummer aus deiner Mail. Du bekommst ein ruhiges Zimmer, weil deine früheren Aufenthalte zeigen, dass dir das lieber ist, ein frühes Frühstück, weil dein Zug um 6 Uhr fährt, und einen Zettel mit der Nummer des Taxis. Um nichts davon hast du gebeten. Das ist ein Agent.

Der technische Unterschied läuft auf vier Dinge hinaus.

Autonomie. Ein Chatbot wartet auf dich. Ein Agent handelt auf Ziele hin, die du gesetzt hast. Er beobachtet, entscheidet und führt aus, ohne für jeden Schritt eine Aufforderung zu brauchen.

Werkzeuge. Ein Chatbot erzeugt Text. Ein Agent verbindet sich mit echten Systemen (APIs, Datenbanken, Zahlungsdienstleistern, Buchungssystemen, Warenwirtschaft) und verändert dort etwas.

Ausdauer. Ein Gespräch mit einem Chatbot beginnt und endet. Ein Agent kann dauerhaft laufen und handeln, wenn sich die Lage ändert, auch während du schläfst.

Planung. Ein Chatbot bearbeitet eine Anfrage nach der anderen. Ein Agent zerlegt ein Ziel in Schritte, arbeitet sie ab, geht mit Fehlern um und passt den Plan an, während er dazulernt.

Wenn dir das Vokabular darunter neu ist: KI und Machine Learning erklärt die Schichten, und KI im Unternehmen zeigt, wohin deine Daten gehen, wenn du solche Werkzeuge nutzt.

Rechenbeispiel: eine Reklamation, zwei Systeme

Die Rösterei Bohnenkamp ist eine erfundene Kaffeerösterei in Köln unter bohnenkamp.example. Ein Kunde schreibt: "Meine Tüte Bohnen kam aufgerissen an."

Der Chatbot antwortet mit den Rückgabebedingungen und einem Link zum Rücksendeformular. Der Kunde muss das Formular immer noch ausfüllen, bei Bohnenkamp muss es immer noch jemand lesen, die Bestellung prüfen, eine Erstattung freigeben und eine neue Tüte losschicken. Fünf Schritte, vier davon von Menschen.

Der Agent schlägt die Bestellung nach, sieht, dass sie gestern zugestellt wurde, prüft, dass der Kunde dieses Jahr noch keine andere Reklamation hatte, schickt innerhalb eines Limits von 20 €, das Bohnenkamp festgelegt hat, Ersatz los, bucht den Paketdienst und antwortet mit der Sendungsnummer. Ein Schritt von einem Menschen: von dem, der das Limit von 20 € festgelegt hat. Eine Reklamation über 20 € ginge an eine Mitarbeiterin, genau dafür gibt es das Limit.

Was sich zwischen 2024 und 2026 wirklich geändert hat

Der Wandel kam nicht mit einer einzigen Ankündigung. Er kam mit einer Reihe von Veröffentlichungen, die jeweils auf der letzten aufbauten und autonome KI praxistauglich machten. Das sind die, auf die es ankommt, aus den Primärquellen.

Oktober 2024: Computer Use. Anthropic veröffentlichte eine öffentliche Beta, in der Claude 3.5 Sonnet einen Computer bedienen konnte, indem es auf den Bildschirm schaut, den Mauszeiger bewegt, klickt und tippt. Anthropic nannte das experimentell und zeitweise fehleranfällig. Im Benchmark OSWorld erreichte es in der Kategorie nur mit Screenshots 14,9 %, gegen 7,8 % für das damals nächstbeste System.¹

November 2024: das Model Context Protocol (MCP). Anthropic veröffentlichte MCP als offenen Standard, um KI Assistenten mit den Systemen zu verbinden, in denen die Daten liegen.² Vorher war jede Verbindung zwischen einem Modell und einem Werkzeug eine eigene Integration. MCP machte daraus ein Protokoll.

Januar 2025: Operator. OpenAI startete Operator als Forschungsvorschau für Nutzer in den USA im Pro Tarif für 200 US Dollar im Monat. Operator nutzte einen eigenen Browser und arbeitete über die Oberfläche von Websites (Schaltflächen, Menüs, Formulare) statt über APIs. OpenAI nannte als Partner DoorDash, eBay, Instacart, Priceline, StubHub und Uber.³ Im Juli 2025 ließ OpenAI Operator und sein Werkzeug für tiefe Recherche in ChatGPT agent aufgehen, mit Rückfragen vor Aktionen wie dem Absenden von Formularen.⁴

April 2025: Agent2Agent (A2A) und Agent Pay. Google kündigte A2A an, ein offenes Protokoll, über das Agenten verschiedener Anbieter miteinander sprechen, mit mehr als 50 Technologiepartnern, darunter Salesforce, PayPal, SAP und ServiceNow, und beschrieb es als Ergänzung zu MCP.⁵ Im Juni 2025 übergab Google A2A an die Linux Foundation, die von mehr als 100 unterstützenden Unternehmen sprach.⁶ Ebenfalls im April 2025 startete Mastercard Agent Pay mit seinen Agentic Tokens, aufgebaut auf der Tokenisierung, die Mastercard schon für kontaktloses Bezahlen und hinterlegte Karten nutzt.⁷

September 2025: Agent Payments Protocol (AP2). Google kündigte AP2 mit mehr als 60 Organisationen an, darunter American Express, Coinbase, Mastercard und PayPal. Die Kernidee ist das Mandat, ein fälschungssicherer, kryptografisch signierter digitaler Vertrag, der belegt, was der Nutzer wirklich freigegeben hat, von der Absicht ("finde mir weiße Laufschuhe") bis zum genauen Warenkorb und Preis.⁸

Oktober 2025: das Trusted Agent Protocol. Visa veröffentlichte ein Rahmenwerk, gemeinsam mit Cloudflare entwickelt, mit dem Händler zugelassene KI Agenten erkennen und von bösartiger Automatisierung und fremden Bots unterscheiden können, über kryptografische Signaturen je Agent.⁹

Dezember 2025: MCP bekommt ein neutrales Zuhause. Anthropic übergab MCP an die Agentic AI Foundation, einen Fonds unter dem Dach der Linux Foundation, gegründet von Anthropic, Block und OpenAI.¹⁰

Januar 2026: MCP Apps. Die erste offizielle Erweiterung von MCP ließ Werkzeuge interaktive Bedienelemente zurückgeben, die direkt im Gespräch erscheinen. Ein Server kann so eine kleine funktionierende Oberfläche liefern statt nur Text.¹¹

Vor zwei Jahren gab es von dieser Infrastruktur fast nichts. Das hat sich geändert.

Rechenbeispiel: wie schnell die Fähigkeiten gewachsen sind

Die waagerechte Achse zeigt drei Modelle von Anthropic in der Reihenfolge ihres Erscheinens. Die senkrechte Achse zeigt den Anteil der Computeraufgaben aus OSWorld, die jedes Modell gelöst hat, so wie Anthropic es angegeben hat.¹¹² Die Botschaft hat zwei Hälften. Der Wert hat sich in weniger als einem Jahr ungefähr vervierfacht. Und mit 61,4 % ist das beste dieser Modelle noch an etwa vier von zehn Aufgaben gescheitert. Deshalb behält jedes ernsthafte Agentendesign bei allem, was teuer ist, einen Menschen in der Schleife.

Was Agenten tun, ohne das Getöse

Einige echte Einsätze, so wie die Anbieter sie beschreiben. Lies "kann" als "ist dafür gebaut", und teste, bevor du vertraust.

Buchen und Kaufen im Netz. ChatGPT agent und sein Vorgänger Operator nehmen ein Ziel wie "buch mir ein stornierbares Hotel in München am nächsten Wochenende, unter 150 € pro Nacht", surfen, vergleichen und füllen Formulare aus. OpenAI hat sie so gebaut, dass sie vor Schritten mit echten Folgen nachfragen, und zum Start gab Operator bei Passwörtern, CAPTCHAs und Kartendaten an den Nutzer zurück.³⁴

Kundenservice, der löst, statt nur zu antworten. Intercom nennt Fin einen "Agent for Customer Service" und sagt, dass er Zahlungen und Erstattungen abwickelt und über APIs, Datenkonnektoren oder MCP in anderen Systemen liest und schreibt.¹³ Das ist der Schritt vom Chatbot zum Agenten: Das Ticket wird geschlossen, nicht nur beantwortet.

Bestand und Beschaffung. Agenten, die den Bestand beobachten, die Nachfrage prognostizieren und Bestellungen beim Lieferanten entwerfen, sind ein interner Einsatz, und der, den die meisten Shops selbst bauen können. Mein Artikel zu Agentic AI im eCommerce geht den Code durch.

Rechenbeispiel: wenn ein Shopping Agent deinen Shop besucht

Eine Käuferin in Leipzig bittet einen Agenten: "Finde eine Tüte mit 1 kg Espressobohnen einer einzigen Herkunft für unter 30 €, die bis Freitag ankommen kann." Der Agent braucht vom Shop der Rösterei Bohnenkamp vier Dinge, und zwar als Daten, nicht als hübsche Seite: den Preis (24 €), ob die Ware vorrätig ist (ja, 38 Tüten), die Lieferoptionen an eine Leipziger Postleitzahl (Standard bis Donnerstag, 3,95 €) und die Rückgabebedingungen. Fehlt eines der vier oder steht es nur in einem Fließtext, geht der Agent weiter zu einem Shop, der es veröffentlicht. Das ist der neue Vertriebskanal, und in den nächsten beiden Abschnitten geht es darum, für ihn lesbar zu sein.

Der Protokollstapel, Schicht für Schicht

Wenn du Software baust, die mit dem Internet zu tun hat, hilft es, die entstehenden Standards als vier Schichten zu sehen.

Lies es von oben. Die erste Schicht verbindet einen Agenten mit Werkzeugen, die zweite Agenten untereinander, die dritte lässt sie bezahlen, und die vierte lässt einen Händler prüfen, ob ein Agent der ist, für den er sich ausgibt, und ob ein Mensch ihn wirklich beauftragt hat.

Anbindung von Werkzeugen (MCP). So liest ein Agent deinen Katalog, prüft den Bestand oder ruft irgendeine API auf.² Inzwischen steht das Protokoll unter einer neutralen Stiftung.¹⁰

Kommunikation zwischen Agenten (A2A). So könnte der Agent deines Shops mit dem Bestellagenten eines Lieferanten sprechen, oder der Shopping Agent einer Kundin mit deinem Verkaufsagenten.⁵⁶

Zahlungen. Mehrere Protokolle, die sich überschneiden. AP2 nutzt signierte Mandate.⁸ Das Agentic Commerce Protocol, ein offener Standard unter der Lizenz Apache 2.0, gemeinsam entwickelt von Stripe und OpenAI, deckt den Checkout und den sicheren Austausch von Zahlungsdaten ab, lässt das Unternehmen Merchant of Record bleiben und funktioniert über REST oder MCP.¹⁴ Agent Pay von Mastercard nutzt Tokens.⁷

Vertrauen und Identität. So unterscheidet ein Händler einen legitimen Agenten von einem Scraper. Das Trusted Agent Protocol von Visa nutzt kryptografische Signaturen je Agent.⁹

Dieser Stapel ist unaufgeräumt und überlappt sich, und manches davon wird zusammenwachsen. Die Richtung ist klar genug, um damit zu planen.

Was das für eCommerce auf Rails und Solidus heißt

Wenn du einen Shop auf Ruby on Rails und Solidus betreibst, ist die praktische Änderung: Dein Shop muss für einen Agenten lesbar und benutzbar sein.

Strukturierte Produktdaten über eine API. Agenten bewundern deine Produktseiten nicht. Sie wollen Preis, Bestand, Eigenschaften, Lieferung und Rückgabe als Daten. Solidus bringt eine REST API mit.¹⁵ Statt deren Controller wieder aufzumachen, ergänzt du einen kleinen eigenen Endpunkt, der genau das zurückgibt, was ein Agent braucht:

# app/controllers/agent/products_controller.rb
module Agent
  class ProductsController < ActionController::API
    def show
      product = Spree::Product.available.friendly.find(params[:id])

      render json: {
        id: product.id,
        name: product.name,
        description: product.description,
        price: product.price.to_s,
        currency: Spree::Config.currency,
        total_on_hand: product.total_on_hand,
        variants: product.variants.map do |variant|
          { id: variant.id, sku: variant.sku, price: variant.price.to_s, in_stock: variant.in_stock? }
        end,
        return_policy_url: agent_return_policy_url
      }
    end
  end
end

in_stock? und total_on_hand sind Methoden aus dem Kern von Solidus an der Variante, und total_on_hand am Produkt summiert sie auf.¹⁶

Bestandsänderungen, wenn sie passieren. Ein nächtlicher Feed reicht nicht, wenn ein Agent gleich eine Lieferung bis Freitag zusagen will. Ein Weg ist, jede Änderung des Bestands direkt vom Lagerposten aus zu senden:

# app/overrides/bohnenkamp/stock_item_broadcast.rb
module Bohnenkamp
  module StockItemBroadcast
    def self.prepended(base)
      base.after_commit :broadcast_stock_change, on: :update, if: :saved_change_to_count_on_hand?
    end

    private

    def broadcast_stock_change
      AgentStockWebhookJob.perform_later(
        sku: variant.sku,
        count_on_hand: count_on_hand,
        backorderable: backorderable?
      )
    end

    Spree::StockItem.prepend self
  end
end

Der Callback stellt nur einen Job in die Warteschlange, eine Bestandsbewegung wartet also nie auf einen langsamen Webhook.

Bedingungen als Daten. Deine Rückgabebedingungen, Lieferbedingungen und Garantie brauchen eine strukturierte Form, nicht nur einen Absatz auf einer Inhaltsseite. Der Typ MerchantReturnPolicy von Schema.org, mit Eigenschaften wie merchantReturnDays, returnFees und applicableCountry, ist ein weit verbreitetes Vokabular dafür.¹⁷

Ein Checkout, den Agenten benutzen können. Während sich die Zahlungsprotokolle sortieren, muss der Checkout tokenisierte Zahlungen annehmen und Agenten prüfen können. Das heißt nicht, ihn diesen Monat neu zu bauen. Es heißt, AP2, das Agentic Commerce Protocol und die Arbeit der Kartennetzwerke zu verfolgen und den Checkout sauber genug zu halten, um eines davon einzubinden, wenn es passt.

Dein eigener MCP Server. Das ist die Chance. Ein MCP Server vor deinem Shop macht Katalog und Bestand für jeden Agenten nutzbar, der MCP spricht. Das offizielle Ruby SDK, das Gem mcp, definiert Werkzeuge als Klassen und läuft über stdio oder Streamable HTTP, auch innerhalb einer Rails Anwendung:¹⁸

class CheckAvailability < MCP::Tool
  description "Check live stock for a product variant by SKU"
  input_schema(
    properties: { sku: { type: "string" } },
    required: ["sku"]
  )

  class << self
    def call(sku:, server_context:)
      variant = Spree::Variant.find_by!(sku: sku)
      MCP::Tool::Response.new([{
        type: "text",
        text: { sku: sku, in_stock: variant.in_stock?, total_on_hand: variant.total_on_hand }.to_json
      }])
    end
  end
end

server = MCP::Server.new(name: "bohnenkamp_kaffee", tools: [CheckAvailability])

Fang mit Werkzeugen an, die nur lesen (Suche, Verfügbarkeit, Lieferzeiten). Ein Werkzeug, das Bestellungen anlegt, gehört hinter ein Zahlungsprotokoll und eine ausdrückliche Bestätigung durch die Kundschaft, nie als viertes Werkzeug, das du am Freitagnachmittag noch schnell dazubaust.

Rechenbeispiel: ist die Rösterei Bohnenkamp für Agenten lesbar?

Nimm die vier Fragen der Käuferin von vorhin und bewerte den Shop, einen Punkt pro Frage:

1. Preis als Daten: Der Endpunkt für Agenten liefert "24.00". Ein Punkt.
2. Bestand als Daten: in_stock: true, durch das Senden innerhalb von Sekunden aktuell. Ein Punkt.
3. Lieferung an eine Postleitzahl: noch nicht freigegeben, nur auf der Checkoutseite. Null.
4. Rückgabebedingungen als Daten: nur ein Absatz auf einer Inhaltsseite. Null.

Zwei von vier. Die Liste der Aufgaben schreibt sich von selbst: ein Werkzeug für Lieferzeiten und strukturierte Rückgabebedingungen. Keins von beiden braucht eine neue Plattform, nur zwei kleine Arbeitspakete.

Was das für SaaS heißt: der Blick von GrowCentric.ai

Der Wandel betrifft nicht nur Shopfronten. Er ändert, wie Softwareprodukte funktionieren.

Bei GrowCentric.ai baue ich eine Plattform zur Optimierung von Marketing, die im Kern ein System aus mehreren Agenten ist. Statt eines Dashboards, an dem ein Mensch jede Entscheidung trifft, übernehmen spezialisierte Agenten Kampagnenbeobachtung, Budgetverteilung, Zielgruppensegmentierung und Konfliktlösung.

Die Fassung als Chatbot lautet "Wie läuft meine Kampagne?", und er sagt es dir. Die Fassung als Agent beobachtet die Leistung ständig, bemerkt, dass die Kosten pro Akquisition von Kampagne A in vier Stunden um 30 % gestiegen sind, sieht einen Wettbewerber, der auf dieselben Keywords hart bietet, verschiebt Budget zu Kampagne B, die eine andere Zielgruppe anspricht, und schickt dir eine Zusammenfassung, was sie getan hat und warum. Du hast nicht gefragt. Sie hat ihren Job gemacht.

Dahinter stecken die Muster aus meinem Artikel zu Agentic AI im eCommerce: Events, Hintergrundjobs, eine vollständige API, abgestufte Autonomie mit Freigabe durch Menschen bei Entscheidungen mit hohem Risiko und ein Protokoll jeder Entscheidung.

Der Konflikt zwischen mehreren Agenten ist im SaaS am schärfsten. Wenn mehrere Kunden von GrowCentric ähnliche Produkte verkaufen, können ihre Optimierungsagenten gegeneinander antreten, ohne es zu wissen, und die Werbekosten für alle nach oben treiben. Das zu lösen braucht Spieltheorie, sorgfältige Segmentierung der Zielgruppen und das Erkennen von Kollisionen, und genau dort verdient sich der Agent für Konfliktlösung von GrowCentric seinen Platz.

Das ehrliche Bild

Ich würde lügen, wenn ich sagte, Agenten funktionieren perfekt. Das tun sie nicht.

Zum Start konnte Operator an komplexen Oberflächen, Passwortfeldern und CAPTCHAs hängen bleiben, lehnte manche Aufgaben rundweg ab und war für viele komplexe Aufgaben nicht zuverlässig.³ In OSWorld scheiterte das beste Modell aus dem Diagramm oben im September 2025 noch an etwa vier von zehn Aufgaben.¹²

Die Zahlungsschicht ist live, aber früh und zersplittert: AP2, das Agentic Commerce Protocol, Agent Pay und das Trusted Agent Protocol überschneiden sich. Manche werden verschmelzen, manche verschwinden.

Und Agenten lassen sich missbrauchen. Im November 2025 machte Anthropic öffentlich, dass eine Gruppe, die Anthropic als chinesisch und staatlich gefördert einschätzte, Claude Code so manipuliert hatte, dass es versuchte, in rund 30 Organisationen einzudringen, wobei die KI schätzungsweise 80 % bis 90 % der Arbeit erledigte. Derselbe Bericht hielt fest, dass Claude während des Angriffs manchmal Zugangsdaten halluzinierte.¹⁹ Autonomie schneidet in beide Richtungen.

Das sind echte Grenzen. Die Richtung ist trotzdem klar, und die Infrastruktur wird gerade schnell von den größten Firmen aus Technologie und Zahlungsverkehr gebaut.

Was du jetzt tun kannst

Frag dich, ob dein Chatbot Projekt eigentlich ein Agenten Projekt ist. Der Test ist einfach: Will der Nutzer eine Antwort, oder soll eine Aufgabe erledigt werden?

Prüf deine API. Kann ein Agent allein über sie deine Produkte finden, den Bestand prüfen, deine Bedingungen lesen und irgendwann auch bestellen? Wenn nicht, ist das die erste Investition.

Lern die Protokolle, aber überstürz nichts. Du brauchst MCP, A2A und AP2 nicht morgen. Du solltest aber wissen, wofür jedes da ist, und einen Plan haben, wann eines passt.

Bau einen internen Agenten. Nimm eine Aufgabe mit geringem Risiko, die sich ständig wiederholt (abgebrochene Warenkörbe zurückholen, Bestand beobachten, Feedback auswerten), und bau dafür einen Agenten mit der Schleife aus Wahrnehmen, Abwägen, Handeln und Beobachten. Fang nur mit Meldungen an und erlaub dann Handlungen innerhalb von Leitplanken.

Plan abgestufte Autonomie. Leg fest, was jeder Agent allein darf, was er unter Beobachtung tut und was einen Menschen braucht. Mach die Grenzen zu Konfiguration, nicht zu Code. Protokollier jede Entscheidung.

Bau Compliance von Anfang an ein. Wenn du in der EU verkaufst, bringen der Cyber Resilience Act und die NIS2 Richtlinie Pflichten zu Sicherheit und Meldung von Vorfällen, und die Regeln für KI ergänzen für manche Systeme Transparenzpflichten.

Rechenbeispiel: der erste Agent für Bohnenkamp

Drei Kandidaten, jeweils danach bewertet, wie oft die Aufgabe anfällt und was ein Fehler kostet.

Abgebrochene Warenkörbe: 300 im Monat, und eine schlechte Mail kostet wenig. Ersatz für beschädigte Pakete: rund 15 im Monat, und ein Fehler kostet höchstens das Limit von 20 €. Nachbestellungen beim Lieferanten: vier im Monat, und ein Fehler kann 2.000 € in Rohkaffee binden.

Die Warenkörbe fallen am häufigsten an und bergen das geringste Risiko, also kommen sie zuerst. Der Ersatz kommt als Zweites, innerhalb des Limits von 20 €. Die Nachbestellungen bleiben bei einem Menschen, der Agent entwirft sie nur, bis die ersten beiden Vertrauen verdient haben. Diese Zahlen sind Annahmen des Beispiels. Die Methode der Rangfolge ist der Teil, den du behalten solltest.

Die Zeit der Chatbots hat uns daran gewöhnt, mit Maschinen zu reden. Der nächste Schritt sind Systeme, die die Arbeit erledigen, innerhalb von Grenzen, die wir setzen, mit einem Protokoll jedes Schritts.

Footnotes

1. Anthropic, Introducing computer use, a new Claude 3.5 Sonnet, and Claude 3.5 Haiku, 22. Oktober 2024, https://www.anthropic.com/news/3-5-models-and-computer-use

2. Anthropic, Introducing the Model Context Protocol, 25. November 2024, https://www.anthropic.com/news/model-context-protocol

3. Maxwell Zeff, OpenAI launches Operator, an AI agent that performs tasks autonomously, TechCrunch, 23. Januar 2025, https://techcrunch.com/2025/01/23/openai-launches-operator-an-ai-agent-that-performs-tasks-autonomously/

4. Carl Franzen, OpenAI unveils ChatGPT agent, VentureBeat, 17. Juli 2025, https://venturebeat.com/ai/openai-unveils-chatgpt-agent-that-gives-chatgpt-its-own-computer-to-autonomously-use-your-email-and-web-apps-download-and-create-files-for-you

5. Google for Developers, Announcing the Agent2Agent Protocol (A2A), 9. April 2025, https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/

6. Linux Foundation, Linux Foundation Launches the Agent2Agent Protocol Project, 23. Juni 2025, https://linuxfoundation.org/press/linux-foundation-launches-the-agent2agent-protocol-project-to-enable-secure-intelligent-communication-between-ai-agents

7. Mastercard, Mastercard Unveils Agent Pay, Pioneering Agentic Payments Technology to Power Commerce in the Age of AI, Pressemitteilung, 29. April 2025, https://s25.q4cdn.com/479285134/files/doc_news/Mastercard-Unveils-Agent-Pay-Pioneering-Agentic-Payments-Technology-to-Power-Commerce-in-the-Age-of-AI-2025.pdf

8. Google Cloud, Announcing Agent Payments Protocol (AP2), 16. September 2025, https://cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol

9. Visa, Visa Introduces Trusted Agent Protocol: An Ecosystem-Led Framework for AI Commerce, Pressemitteilung, 14. Oktober 2025, https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.21716.html

10. MCP Core Maintainers, MCP joins the Agentic AI Foundation, Model Context Protocol blog, 9. Dezember 2025, https://blog.modelcontextprotocol.io/posts/2025-12-09-mcp-joins-agentic-ai-foundation/

11. MCP Core Maintainers, MCP Apps: bringing UI capabilities to MCP clients, Model Context Protocol blog, 26. Januar 2026, https://blog.modelcontextprotocol.io/posts/2026-01-26-mcp-apps/

12. Anthropic, Introducing Claude Sonnet 4.5, 29. September 2025, https://www.anthropic.com/news/claude-sonnet-4-5

13. Intercom, Fin, abgerufen im November 2026, https://fin.ai/

14. Stripe und OpenAI, Agentic Commerce Protocol, abgerufen im November 2026, https://www.agenticcommerce.dev/

15. Solidus, solidus_api README, GitHub, abgerufen im November 2026, https://github.com/solidusio/solidus/blob/main/api/README.md

16. Solidus, Spree::Variant model, GitHub, abgerufen im November 2026, https://github.com/solidusio/solidus/blob/main/core/app/models/spree/variant.rb

17. Schema.org, MerchantReturnPolicy, abgerufen im November 2026, https://schema.org/MerchantReturnPolicy

18. Model Context Protocol, Ruby SDK (the mcp gem), GitHub, abgerufen im November 2026, https://github.com/modelcontextprotocol/ruby-sdk

19. Anthropic, Disrupting the first reported AI orchestrated cyber espionage campaign, 13. November 2025, https://www.anthropic.com/news/disrupting-AI-espionage