Inhaltsverzeichnis

KI-Agenten vs. Chatbots

Im Kontext von Agentic Commerce werden die Begriffe "Chatbot" und "KI-Agent" oft synonym verwendet — aber sie beschreiben fundamental verschiedene Systeme. Der Unterschied ist nicht akademisch, sondern hat direkte Auswirkungen darauf, wie Händler ihre Systeme optimieren müssen.

Der Vergleich auf einen Blick

Eigenschaft	Chatbot	KI-Agent
Verhalten	Reaktiv — antwortet auf Fragen	Proaktiv — handelt eigenständig
Aufgabenumfang	Einzelfrage oder einfacher Dialog	Multi-Step-Workflow über Minuten/Stunden
Entscheidung	Keine — liefert Informationen	Eigenständig — wägt Optionen ab
Tool-Nutzung	Keine oder stark begrenzt	APIs, Datenbanken, Payment-Systeme
Kontext	Session-basiert, kurzlebig	Persistent, lernfähig, langfristig
Planung	Keine — reagiert auf Input	Plant Schritte voraus, passt sich an
Autonomie	Gering — folgt Skripten	Hoch — handelt im Auftrag
Beispiel	"FAQ-Bot auf einer Website"	"Kaufe mir Laufschuhe unter 120 €"

Warum der Name "Chatbot" irreführend ist

Das Wort "Chatbot" impliziert ein System, das chattet — also Konversation führt. Und tatsächlich haben die meisten Menschen bei "Chatbot" den FAQ-Assistenten auf einer Website vor Augen: "Wie sind Ihre Öffnungszeiten?" → "Mo–Fr 9–17 Uhr."

Das Problem: ChatGPT, Google Gemini und Claude werden umgangssprachlich auch als "Chatbots" bezeichnet, obwohl sie fundamental leistungsfähiger sind. Sie können:

Im Internet recherchieren und Ergebnisse zusammenfassen
Dateien erstellen, Code schreiben, Bilder generieren
Externe APIs aufrufen (Tool-Use / Function Calling)
Mehrstufige Aufgaben planen und Schritt für Schritt ausführen
Über Protokolle wie ACP und UCP Käufe abschließen

Ein System, das eigenständig 47 Produktkataloge durchsucht, Preise vergleicht, eine Empfehlung ausspricht und einen Kauf über eine REST API abschließt, ist kein Chatbot — es ist ein Agent.

Vom Rule-Based Bot zum Agentic System

Die Evolution von Chatbots zu KI-Agenten verlief in vier Stufen:

Stufe 1: Rule-Based Bots (2010er)

Einfache Wenn-Dann-Regeln. "Wenn Nutzer 'Öffnungszeiten' schreibt, antworte mit X." Keine KI, kein Verständnis, keine Flexibilität. Typisch: Website-FAQs, IVR-Telefonanlagen.

Stufe 2: NLP-Bots (ab 2016)

Natural Language Processing ermöglichte, Nutzerabsichten zu erkennen, auch wenn die Formulierung variierte. "Wann habt ihr offen?" wurde als gleiche Frage erkannt wie "Öffnungszeiten?" Aber: Immer noch nur Frage-Antwort, kein eigenständiges Handeln.

Stufe 3: LLM-basierte Assistenten (ab 2023)

Large Language Models wie Claude, GPT und Gemini verstehen Kontext, führen komplexe Gespräche und können auch offene Fragen beantworten. Sie sind aber primär reaktiv — sie warten auf Input und antworten.

Stufe 4: Agentic Systems (ab 2025)

LLMs mit Tool-Use, Planung und Autonomie. Sie verfolgen Ziele, rufen APIs auf, treffen Entscheidungen und führen Aktionen in der realen Welt aus. ChatGPT mit Instant Checkout ist das erste massenhafte Beispiel.

Beispiele aus der Praxis

Chatbot-Interaktion (klassisch)

Nutzer: "Gibt es den Pullover auch in Blau?"

Bot: "Ja, diesen Artikel gibt es auch in Blau. Hier klicken, um die blaue Variante anzusehen."

→ Informationslieferung. Der Nutzer muss selbst klicken, vergleichen, in den Warenkorb legen, bezahlen.

KI-Agent-Interaktion (Agentic Commerce)

Nutzer: "Bestell mir den Pullover in Blau, Größe M."

Agent: (prüft Verfügbarkeit, erstellt Checkout-Session, ruft Preis ab)

Agent: "Pullover in Blau, Größe M: 49,95 € + 3,95 € Versand. Lieferung bis Donnerstag. Bestellen?"

Nutzer: "Ja."

Agent: "Bestellt. Bestellnummer #4521. Bestätigung kommt per E-Mail."

Gleiche Ausgangslage, grundlegend anderer Ablauf. Der Agent übernimmt Recherche, Checkout und Payment — der Nutzer bestätigt nur.

Warum der Unterschied für Händler zählt

Für einen Chatbot optimiert man Antworten: gute FAQ-Texte, klare Produktbeschreibungen auf der Website, hilfreiche Support-Dialoge.

Für einen KI-Agenten optimiert man Schnittstellen: strukturierte Produktdaten, API-Zugang, Checkout-Endpunkte, maschinenlesbare Informationen.

Konkret bedeutet das:

Optimierung für	Chatbot	KI-Agent
Produktdaten	Ansprechende Texte auf der Website	Strukturierte Feeds (JSON, Schema.org)
Checkout	Einfaches Webformular	API-Endpunkte (ACP, UCP)
Sichtbarkeit	SEO, Google Ads	GEO, Product Feeds, MCP
Kundenbeziehung	Website-Besuche, Newsletter	Agent-Reputation, Datenqualität

Händler, die nur für Chatbots optimieren, verpassen den nächsten Kanal. Händler, die ihre Infrastruktur für KI-Agenten vorbereiten — mit strukturierten Daten, APIs und Protokoll-Unterstützung — sichern sich den Zugang zu einem Vertriebskanal, der Hunderte Millionen Nutzer erreicht.

Häufig gestellte Fragen

Sind ChatGPT und Gemini Chatbots oder KI-Agenten?

Sie sind beides — je nach Nutzung. Als reine Frage-Antwort-Systeme verhalten sie sich wie Chatbots. Sobald sie Tool-Use nutzen (APIs aufrufen, im Web suchen, Dateien erstellen), werden sie zu KI-Agenten. Mit ACP oder UCP können sie auch als Commerce-Agenten fungieren.

Werden Chatbots durch KI-Agenten ersetzt?

Für einfache Aufgaben (FAQ, Statusabfragen) bleiben Chatbots sinnvoll — sie sind günstiger und schneller. KI-Agenten übernehmen komplexere Aufgaben, die Planung, Entscheidungen und mehrere Schritte erfordern.

Kann ein KI-Agent Fehler machen?

Ja. KI-Agenten können falsche Produkte empfehlen, Preise falsch interpretieren oder Nuancen missverstehen. Deshalb erfordern aktuelle Agentic Commerce-Systeme eine explizite Kaufbestätigung durch den Nutzer vor jeder Transaktion.