AI AGENT OPERATOR · COMPUTER-USE MCP ACP x402 AGNTCY COMMERCE BACKEND CLIENT Buyer Agent PROTOCOL LAYER 4 Standards SERVICE Schema-First API Agent-Commerce-Topologie
Abb. - Vier zentrale Protokolle strukturieren Agentic Commerce. MCP für Daten, ACP für Checkout, x402 für Mikrotransaktionen, AGNTCY für Agent-zu-Agent.

Die Agenten kamen schneller als die meisten Shop-Roadmaps: Im Oktober 2024 stellte Anthropic Computer Use als Public Beta vor, im Januar 2025 folgte OpenAI mit Operator, der im Juli 2025 in ChatGPT agent aufging, und im November 2025 brachte Google mit Gemini 3 den Gemini Agent zunächst für Ultra-Abonnenten in den USA. Diese Agenten navigieren im Auftrag eines Nutzers Websites, füllen Formulare aus und bereiten Käufe vor.

Parallel entstanden offene Standards, die Agent-zu-Service-Kommunikation strukturieren, ohne dass der Agent das DOM parsen muss: das Model Context Protocol von Anthropic (November 2024), x402 von Coinbase (Mai 2025), AGNTCY von Cisco (seit Juli 2025 bei der Linux Foundation), das Agentic Commerce Protocol von OpenAI und Stripe (September 2025) und Googles Universal Commerce Protocol (Januar 2026).

Für E-Commerce-Betreiber ist das eine doppelte Veränderung. Kurzfristig: Ein wachsender Anteil des Traffics kommt von Browser-Automatisierungs-Agenten, die Bilder ignorieren, Cookie-Banner blocken und Anti-Bot-Schutz auslösen. Mittelfristig: Die ersten Marken bauen Agent-First-Endpoints, die strukturierte Produkt- und Bestelldaten direkt ausliefern, ganz ohne Browser. Wer beide Schichten nicht plant, verliert in der nächsten Generation der Conversion-Pfade systematisch.

Was sieht ein KI-Agent auf einer Produktseite?

Ein KI-Agent sieht auf einer Produktseite vor allem strukturierte Fakten: Produktname, Preis, Variante, Lagerstatus, Lieferzeit und Versandkosten. Hero-Bilder, Videos, emotionale Texte und Trust-Sektionen erfasst er zwar, gewichtet sie aber kaum. Ein browserbasierter Agent wie ChatGPT agent oder Gemini Agent öffnet die URL, wartet auf das gerenderte DOM, wertet Screenshot und Accessibility-Tree aus und identifiziert daraus Preis, Variantenauswahl, Verfügbarkeit und Kauf-Button. Cookie-Banner, Pop-ups und Anti-Bot-Abfragen muss er wie ein Mensch überwinden, und manchmal scheitert die Session bereits daran. Je sauberer dieselben Fakten zusätzlich als Schema.org-Markup (Product, Offer, ShippingDetails, MerchantReturnPolicy) oder über eine Produkt-API vorliegen, desto weniger hängt das Ergebnis vom Layout ab. Für Shop-Betreiber heißt das: Jede kaufentscheidende Angabe muss maschinenlesbar, eindeutig und ohne Interaktion erreichbar sein. Sonst vergleicht der Agent auf Basis unvollständiger Daten und entscheidet im Zweifel für einen Wettbewerber, dessen Angaben vollständig sind.

Mit MCP-, ACP- oder UCP-Endpoints wird derselbe Vorgang asynchron und ohne Browser: Der Agent authentifiziert sich am MCP-Server der Domain, fragt strukturiert das Produkt-Angebot ab, erhält JSON mit denselben Feldern, aber kanonisch, ohne Layout-Lottospiel. Eine Bestellung läuft via ACP- oder UCP-Checkout-Flow oder x402-Payment-Loop direkt zwischen Agent und Service-API.

2024-25

Browser-Agenten von Anthropic, OpenAI und Google gestartet

5

offene Protokolle: MCP · ACP · UCP · x402 · AGNTCY

Schema

über DOM - der Agent priorisiert strukturierte Daten

Die Protokolle, die Agentic Commerce strukturieren

Agent-Commerce-Standards (Stand September 2026) - Funktion, Träger, E-Commerce-Relevanz
StandardTrägerFunktionE-Commerce-Relevanz
MCP (Model Context Protocol)Anthropic, offenStrukturierter Datenaustausch Agent ↔ BackendProdukt-Katalog, Inventory-API, Search
ACP (Agentic Commerce Protocol)OpenAI und Stripe, Open SourceStandardisierter Checkout für AgentenBestellung und Zahlung, token-basierte Autorisierung
UCP (Universal Commerce Protocol)Google mit Shopify, Etsy, Wayfair, Target, WalmartOffener Standard für die gesamte Shopping-Journey, kompatibel mit A2A, AP2 und MCPCheckout in AI Mode und Gemini (Early Access)
x402Coinbase, offenHTTP-Pay-per-Action mit dem 402-Status-CodeMikrotransaktionen, API-Pay-per-Use
AGNTCYCisco (Outshift), seit 2025 Linux FoundationAgent-zu-Agent-Kommunikation, DiscoveryMulti-Agent-Marktplätze, Procurement

Für die meisten E-Commerce-Anbieter ist die priorisierte Reihenfolge: Produktdaten und MCP zuerst (vollständige Feeds, agent-zugängliche Produkt- und Bestandsdaten), Checkout-Protokolle als Zweites (ACP oder UCP, je nach Zielplattform), x402 als Drittes (für API-Services mit Mikrotransaktionen). AGNTCY ist relevant für B2B-Procurement und Multi-Agent-Marktplätze, für die meisten Shops aber noch kein Pflichtthema.

Wie schnell sich die Checkout-Ebene bewegt, zeigt OpenAI: Das im September 2025 gestartete Instant Checkout hat das Unternehmen im März 2026 wieder zurückgefahren. Händler wickeln Käufe seitdem über ihre eigenen Checkouts ab, ChatGPT konzentriert sich auf Produktsuche und Vergleich auf Basis von Händler-Feeds (CNBC, 24. März 2026). Google baut mit UCP parallel einen Checkout direkt in AI Mode und Gemini auf, derzeit über ein Early-Access-Programm im Merchant Center. Die stabile Investition sind deshalb saubere Produktdaten und Feeds. Checkout-Integrationen sollten Sie je Plattform und reversibel planen.

Agent-Readiness-Audit · 16 Signale

Ist Ihr Stack agent-fähig für 2026/27?

Wir prüfen 16 Signale: Schema-Vollständigkeit, MCP-Endpoint, robots.txt-Strategie, Cookie-Banner-Verhalten, Crawler-Rendering, Anti-Bot-Trigger, Produkt-API, Checkout-Flow für Agenten. Inkl. Roadmap für die nächsten 90 Tage.

Agent-Readiness →

Schema-Setup: Der Agent-Commerce-Stack

Sechs Schema.org-Typen bilden das Fundament. Jede Lücke zwingt den Agenten, die fehlende Information aus dem Layout zu erschließen oder sie zu übergehen:

1. Product mit GTIN/SKU/MPN. GTIN ist nicht optional. Agenten cross-checken Produkte über Marketplaces, Preisvergleiche und Bewertungs-Aggregatoren. Ohne GTIN ist das Produkt für den Agent nicht entity-verknüpft, wodurch Vergleichsschritte mit Wettbewerbern systematisch zu deren Vorteil ausgehen.

2. Offer mit Price, PriceCurrency, Availability, ShippingDetails. ShippingDetails ist 2026 kritisch: Agenten gewichten Lieferzeit und Versandkosten in Vergleichen oft höher als Marketing-Texte. Wer Versandinfos im DOM versteckt, fällt im Agent-Vergleich aus dem Set.

3. AggregateOffer und ProductGroup für Varianten. Ein Produkt mit fünf Größen, drei Farben und zwei Material-Varianten gehört in eine ProductGroup mit klar deklarierten Variant-Schemata. Andernfalls treffen Agenten Kauf-Entscheidungen auf einer Variant-Ebene, die sie nicht vollständig kennen.

4. MerchantReturnPolicy. Rückgabe ist ein Trust-Signal für Agenten, mit konkreten Zahlen (returnDays, returnMethod, returnFees). Generic-Trust-Badges ohne strukturierte Daten werden ignoriert.

5. Review & AggregateRating. Validierte Bewertungs-Aggregate. Agenten ziehen Reviews systematisch in Vergleiche, wenn sie strukturiert verfügbar sind. Ohne Schema-Markup werden externe Plattformen (Trustpilot, Google) bevorzugt, wo der Wettbewerber besser positioniert sein kann.

6. Service / Action für Buchung und Konfiguration. Nicht nur Produkte: Buchbare Services brauchen ReserveAction- oder OrderAction-Schemata, damit Agenten den Buchungs-Endpoint direkt erreichen.

Die Cookie-Banner-Falle und der Agent-User-Agent

Klassische DSGVO-Cookie-Banner sind für Agenten ein Konversionsbremse erster Ordnung. Drei Szenarien beobachten wir regelmäßig: (a) Der Agent klickt „Alle ablehnen" und sieht eine reduzierte Version der Seite ohne Tracking-induzierte Personalisierung. (b) Der Agent scheitert am Banner und bricht die Session ab. (c) Der Agent klickt versehentlich „Alle akzeptieren" und löst ein DSGVO-Risiko aus, weil der Mensch nie zugestimmt hat.

Ein möglicher Weg: Agent-User-Agents erkennen (etwa ChatGPT-User oder Claude-User) und eine technisch vollständige Variante ausliefern, die ohne einwilligungspflichtige Cookies und Tracking-Skripte auskommt. Ob dann der Consent-Banner entfallen darf, ist eine Rechtsfrage: Nach § 25 TDDDG sind nur unbedingt erforderliche Zugriffe auf das Endgerät einwilligungsfrei. Klären Sie das vor der Umsetzung mit Ihrer Datenschutzberatung. Kommerziell ist ein reibungsarmer Agent-Pfad ein deutlicher Conversion-Hebel.

robots.txt-Strategie: Differenzieren statt pauschal blocken

Die Frage „GPTBot blocken oder erlauben?" ist 2026 zu grob. Drei Klassen mit unterschiedlicher Strategie:

Trainings-Crawler (GPTBot, ClaudeBot, CCBot sowie das Steuerungs-Token Google-Extended): Lizenzposition prüfen. Sollen Trainings-Daten kostenlos zur Verfügung stehen, erlauben. Wird Lizenzierung über Plattformen wie ScalePost oder TollBit angestrebt, blocken und auf Lizenz-Marketplaces verweisen.

Such- und Abruf-Crawler (OAI-SearchBot, ChatGPT-User, Claude-SearchBot, Claude-User, PerplexityBot): Erlauben. Sie bringen direkten Citation-Traffic und sind für die Sichtbarkeit in ChatGPT, Claude und Perplexity unverzichtbar (siehe die Crawler-Dokumentation von OpenAI und Anthropic). Google-Extended gehört nicht in diese Gruppe: Das Token steuert laut Google nur Gemini-Training und -Grounding und hat keine Wirkung auf die Google-Suche. AI Overviews und AI Mode nutzen den regulären Googlebot. Vergleiche Technical SEO für KI-Crawler.

Operative Shopping-Agenten (ChatGPT agent, Claude Computer Use, Gemini Agent): Erlauben und priorisieren. Diese Agenten vermitteln Kaufabsicht, sie zu blockieren bedeutet direkten Umsatzverlust. Idealerweise eigene Agent-API exposen, die Agent-User-Agents erkennt und einen schnelleren Pfad bietet.

Agent-Commerce-KPIs - was tracken

Neue Kennzahlen für Agentic Commerce - was misst man, warum
KPIDefinitionAussage
Agent Traffic Share% Sessions mit Agent-User-AgentVolumen der Agent-Vermittlung
Agent Conversion RateConversion-Rate Agent-Sessions vs. MenschQuality der Agent-Optimierung
Schema Coverage Score% Produkte mit kompletten Pflicht-SchemataStrukturelle Agent-Readiness
MCP Hit Rate% Anfragen, die MCP nutzen statt DOMAPI-First-Reife
Cookie-Banner-Drop-OffSessions, die am Banner abbrechenCookie-induzierter Umsatzverlust
Agent Cart AbandonmentWarenkorb-Abbruch in Agent-SessionsFriction im Agent-Checkout

Die 90-Tage-Roadmap zur Agent-Readiness

Tag 1-30: Schema-Audit und -Vervollständigung. Komplettes Produkt-Schema mit GTIN/SKU/MPN, Offer mit Shipping/Returns, AggregateRating, ProductGroup. Validierung über Schema.org-Validator und Google Rich Results Test. Mehr unter Schema Implementation.

Tag 31-60: Agent-User-Agent-Erkennung und Cookie-Banner-Bypass. Server-seitige Erkennung der bekannten Agent-User-Agents, Auslieferung einer reduzierten Variante ohne Cookie-Banner und ohne Anti-Bot-Friction. Rechtsprüfung mit Datenschutz: Einwilligungsfrei sind nur unbedingt erforderliche Zugriffe (§ 25 TDDDG).

Tag 61-90: MCP-Endpoint-Pilot. Initiale MCP-Server-Implementierung mit Read-Only-Endpoints für Produkt, Inventory und Search. Strukturiertes JSON-Schema für Agent-Konsumierbarkeit. Optional: Checkout-Pilot über ACP oder UCP für ausgewählte Kategorien.

Fazit: Agent-Readiness ist 2026 kein Optional

Der Agent-Commerce-Anteil ist heute klein, und belastbare Marktzahlen dazu gibt es noch nicht. Die Investition in Agent-Readiness lohnt sich trotzdem, auch ohne Agent-Traffic: Dieselben Schema-Verbesserungen stärken LLM-Citation, AI-Mode-Sichtbarkeit und Knowledge-Graph-Trust. Schlanke Consent- und Anti-Bot-Pfade helfen auch menschlichen Nutzern. Eine MCP-API ist gleichzeitig Headless-Commerce-Infrastruktur. Wer 2026 Agent-Readiness baut, baut nicht für ein einzelnes Szenario, sondern für die Conversion-Pfade der nächsten fünf Jahre.

Quellen