Illustration Absmeier foto ki designer

Neues Whitepaper zeigt, wie der Handel mit KI-basierter Beratung Kaufabbrüche in Online-Shops reduzieren kann.

KI-basierte Shopping-Assistenten versprechen, Produktsuche, Beratung und Service im Online-Handel neu zu verzahnen. Die von Lufthansa Industry Solutions beauftragte Befragung zeigt ein deutliches Interesse – doch Akzeptanz allein schafft noch keinen Business Case. Händler müssen Datenqualität, Nutzerführung, Datenschutz, Transparenz und messbare Conversion-Effekte gemeinsam in den Griff bekommen.

Management Summary

Hohe grundsätzliche Nachfrage: Laut LHIND finden 76 Prozent der Befragten digitale Shopping-Assistenten attraktiv – besonders gefragt sind Preisvergleiche, Alternativen und Zusatzinformationen.
Suchfrust kostet Umsatz: Komplexe Entscheidungen und lange Prozesse treiben Nutzer zu Wettbewerbern, Suchmaschinen oder zurück in den stationären Handel.
Beratung wird zum Datenkanal: Dialoge liefern Hinweise auf Kundenbedürfnisse, Sortimentslücken und relevante Services – sofern Daten rechtskonform und nachvollziehbar genutzt werden.
Der Nutzen muss messbar sein: Entscheidend sind nicht Chatbot-Aktivität oder Gesprächslänge, sondern Conversion, Abbruchquote, Warenkorbwert, Lösungsquote und Kundenzufriedenheit.
Vertrauen ist ein Designziel: Transparente KI-Kennzeichnung, erklärbare Empfehlungen, belastbare Produktdaten und eine einfache Übergabe an Menschen sind Voraussetzungen für nachhaltige Akzeptanz.

Laut einer aktuellen Umfrage im Auftrag von Lufthansa Industry Solutions (LHIND) fänden 76 Prozent der deutschen Verbraucher digitale Shopping-Assistenten attraktiv, die in Zukunft ihre Konsumwünsche und Alltagssituationen verstehen, passende Produktempfehlungen geben und sie mit hilfreichen Services unterstützen [1]. Noch brechen viele der Befragten den Online-Kaufprozess vorzeitig ab, weil er zu kompliziert ist oder zu lange dauert. Die Befragung unter mehr als 1.000 Personen ist Teil des neuen LHIND-Whitepapers »Shopping-Assistenten: Vom Suchen zum Verstehen und Finden«.

Norderstedt, 30. September 2026 – Online-Shopping ist etabliert und gehört zum normalen Kaufverhalten der Verbraucher. »Unsere Studienergebnisse zeigen aber tatsächlich eine deutliche Lücke zwischen Suchen und Kaufen«, sagt Marius Browarczyk, Head of Retail bei Lufthansa Industry Solutions. »Während drei von vier Befragten sich mindestens einmal wöchentlich in Online-Shops informieren, kauft am Ende aber nur jeder Zweite.« Online-Shops sind also längst nicht mehr nur Verkaufsflächen. Sie sind auch zentrale Orte für Vergleich und Orientierung. »Genau dort entsteht der Bedarf an intelligenter Unterstützung«, so Browarczyk weiter. »Denn Verbraucher erwarten konkrete Hilfe bei Auswahl, Bewertung und Entscheidung.«

Jeder Zweite wechselt nach Such-Frust zu einem anderen Online-Händler

Noch klaffen Wunsch und Realität aber regelmäßig auseinander. Ein Drittel der von LHIND befragten Verbraucher bricht häufig vor dem Kauf ab, weil die Entscheidung zu kompliziert wird. Und ein Viertel geht nach dem Abbruch lieber in ein Geschäft vor Ort. So entsteht ein hohes Abwanderungsrisiko für die Shops. Denn fast die Hälfte der Befragten wechselt nach einem frustrierenden Sucherlebnis zu einem anderen Online-Händler (45%) oder zu Google (43%). Etwa jeder vierte Befragte kauft vorerst lieber gar nichts.

Dabei sind die Erwartungen der Konsumenten an intelligente Shopping-Assistenten bereits klar umrissen. Zu den am meisten gewünschten Funktionen gehören Preisvergleiche, Alternativangebote und Zusatzinfos. Viele der befragten Verbraucher wünschen sich zudem die Möglichkeit, Fragen zu Bestellungen beantworten zu lassen.

Aus digitaler Beratung wird ein strategischer Zugang zum Kunden

Das LHIND-Whitepaper »Shopping-Assistenten: Vom Suchen zum Verstehen und Finden« zeigt dem Handel, wie er KI-basierte Shopping-Assistenten entwickeln und einsetzen kann, um die Customer Journeys seiner Kunden zu verbessern. Im Gegensatz zur klassischen Suche verstehen sie Ziele und Anforderungen. Kunden müssen also nicht unbedingt wissen, wie ein Produkt heißt. Sie können ein Problem (»Ich finde keine passenden Schuhe zu meinem neuen Kleid«) oder ein Projekt (»Ich möchte eine Holzterrasse bauen«) auch einfach nur beschreiben. Shopping-Assistenten schaffen damit Orientierung und vereinfachen Kaufentscheidungen.

Neben einer höheren Conversion Rate liefern Shopping-Assistenten den Händlern aber auch wertvolle Erkenntnisse. So erfahren diese, was Kunden wirklich benötigen und vermissen, wie sie suchen und welche Ansprache wann und bei wem funktioniert. Retail-Experte Marius Browarczyk: »Das ermöglicht eine präzise Personalisierung, zeigt Sortimentslücken auf und hilft bei Marketing, Service und Produktentwicklung. So wird aus digitaler Beratung ein strategischer Zugang zu Kunden.«

Vertiefende Hinweise zum Thema Shopping-Assistenten sowie weitere spannende Ergebnisse aus der Befragung finden sich im neuen LHIND-Whitepaper »Shopping-Assistenten: Vom Suchen zum Verstehen und Finden«, das hier kostenlos heruntergeladen werden kann:

https://www.lufthansa-industry-solutions.com/de-de/studien/whitepaper-retail-shopping-assistenten-vom-suchen-zum-verstehen-und-finden

Tipps für Händler

Mit einem klaren Problem starten: Einen eng umrissenen Anwendungsfall wie Produktvergleich, Größenberatung oder Bestellstatus wählen und gegen einen definierten Ausgangswert testen.
Produktdaten priorisieren: Verfügbarkeit, Preise, Varianten, Lieferzeiten und Rückgaberegeln müssen aktuell und konsistent sein; sonst skaliert der Assistent Fehler statt Beratung.
Empfehlungen begründen: Kriterien, Alternativen und mögliche Zielkonflikte sichtbar machen, damit Nutzer Entscheidungen nachvollziehen können.
Datensparsam personalisieren: Nur Informationen abfragen, die für die konkrete Beratung erforderlich sind, Einwilligungen dokumentieren und Löschfristen festlegen.
Menschliche Übergabe einplanen: Bei Unsicherheit, Beschwerden, komplexen Produkten oder Zahlungsfragen unkompliziert an Mitarbeitende eskalieren.
Mit Geschäftszahlen steuern: Conversion, Abbruchquote, Warenkorbwert, Lösungsquote, Rückfragen, Retouren und Zufriedenheit nach Kanal und Use Case messen.
Risiken laufend prüfen: Halluzinationen, verzerrte Empfehlungen, manipulierte Produktdaten und unzulässige Aussagen mit Tests, Monitoring und Freigaberegeln begrenzen.

FAQ: KI-basierte Shopping-Assistenten

1. Was unterscheidet einen Shopping-Assistenten von einer klassischen Suche?

Eine klassische Suche reagiert vor allem auf Begriffe und Filter. Ein KI-Assistent kann dagegen ein Ziel oder Problem dialogisch erfassen, Anforderungen gewichten, Alternativen vergleichen und die Auswahl begründen. Der Mehrwert entsteht damit weniger durch ein zusätzliches Chatfenster als durch den Zugriff auf belastbare Produkt-, Preis-, Verfügbarkeits- und Servicedaten.

2. Wie belastbar ist das Interesse der Verbraucher?

Die LHIND-Erhebung berichtet 76 Prozent grundsätzliche Attraktivität. Andere Untersuchungen zeigen jedoch, dass Zustimmung stark von Altersgruppe, Definition und Fragestellung abhängt: Im Bitkom-Studienbericht 2026 würden 21 Prozent der Gesamtbevölkerung KI für Einkäufe nutzen; bei den 16- bis 29-Jährigen sind es 43 Prozent. Die Werte sind daher nicht direkt vergleichbar, sprechen aber für eine segmentierte Einführung statt eines pauschalen Roll-outs. [2]

3. Welche Funktionen sollten Händler zuerst umsetzen?

Geeignet sind Aufgaben mit klarem Kundennutzen und überprüfbaren Daten: Preis- und Produktvergleich, Alternativen, Größen- oder Kompatibilitätsberatung, Verfügbarkeiten, Lieferinformationen sowie Antworten zum Bestellstatus. Bitkom nennt unter anderem Produktvorschläge, Verfügbarkeitsprüfungen und Lieferfragen als typische Anwendungsfelder. [3]

4. Reduziert ein Assistent automatisch Kaufabbrüche?

Nein. Er kann Reibung in Suche und Beratung verringern, ersetzt aber keine gute Checkout-UX. Baymard beziffert die durchschnittliche dokumentierte Warenkorbabbruchrate auf rund 70 Prozent und nennt unter anderem Zusatzkosten, erzwungene Konten, Formfehler und Vertrauenslücken als beeinflussbare Ursachen. Händler sollten Beratung und Checkout deshalb getrennt messen und optimieren. [4] [5]

5. Welche Kennzahlen zeigen den wirtschaftlichen Nutzen?

Neben Conversion und Umsatz pro Sitzung sollten Händler Abbruchquote, Warenkorbwert, Lösungsquote ohne menschlichen Kontakt, Übergabequote, Retouren, Antwortqualität und Zufriedenheit beobachten. Sinnvoll sind kontrollierte Tests gegen eine Vergleichsgruppe und eine Auswertung je Use Case. So lässt sich erkennen, ob der Assistent zusätzliche Käufe ermöglicht oder nur bestehende Nachfrage anders verteilt.

6. Welche Datenbasis ist erforderlich?

Benötigt werden strukturierte und aktuelle Produktattribute, Preise, Bestände, Lieferzeiten, Varianten, Kompatibilitäten, Rückgabeinformationen und Servicewissen. Zusätzlich braucht es Zuständigkeiten für Datenqualität und Aktualisierung. Personenbezogene Daten sollten nur zweckgebunden, transparent und nach dokumentierten Regeln verarbeitet werden.

7. Wie lässt sich das Risiko falscher Empfehlungen senken?

Der Assistent sollte Antworten auf freigegebene Datenquellen stützen, Unsicherheit offen anzeigen, Belege oder Produktkriterien nennen und bei fehlenden Informationen nicht improvisieren. Regelmäßige Testfälle, Protokollauswertung, Grenzwerte für autonome Aktionen und eine menschliche Eskalation sind zentrale Kontrollen.

8. Welche Transparenzpflichten sind relevant?

Nach Artikel 50 des EU AI Act müssen Anbieter direkt interagierender KI-Systeme Nutzer grundsätzlich darüber informieren, dass sie mit KI interagieren, sofern dies nicht offensichtlich ist. Die EU-Kommission erläutert, dass diese Transparenzpflichten seit 2. August 2026 gelten. Die konkrete rechtliche Einordnung hängt vom System und Einsatzkontext ab und sollte fachjuristisch geprüft werden. [6]

9. Welche Rolle spielt der Digital Services Act?

Der DSA schafft für Online-Plattformen zusätzliche Verantwortungs- und Transparenzregeln, unter anderem für Online-Marktplätze, Werbung und Empfehlungssysteme. Welche Pflichten für einen einzelnen Händler greifen, hängt von dessen Rolle, Größe und Plattformmodell ab. Personalisierung sollte deshalb technisch dokumentiert und gemeinsam mit Datenschutz- und Compliance-Verantwortlichen bewertet werden. [7]

10. Wie gelingt der Einstieg ohne Großprojekt?

Ein Pilot sollte einen begrenzten Sortimentsbereich, eine konkrete Nutzerfrage und wenige definierte Datenquellen abdecken. Nach vier bis acht Wochen lassen sich Qualität, Nutzung und Geschäftseffekt bewerten. Erst danach sollten weitere Sortimente, Kanäle oder autonome Aktionen folgen. Branchenanalysen zeigen, dass Skalierung häufig an Datenqualität, Datenschutz, Kompetenzen und Implementierungskosten scheitert – nicht am ersten Prototyp. [8]

Quellen

[1] Lufthansa Industry Solutions: Whitepaper »Shopping-Assistenten: Vom Suchen zum Verstehen und Finden« – https://www.lufthansa-industry-solutions.com/de-de/studien/whitepaper-retail-shopping-assistenten-vom-suchen-zum-verstehen-und-finden

[2] Bitkom: »Digitaler Handel in Deutschland«, Studienbericht 2026 – https://www.bitkom.org/Bitkom/Publikationen/Digitaler-Handel-in-Deutschland

[3] Bitkom: »Agentic Commerce: So verändert KI Online-Shopping« – https://www.bitkom.org/Presse/Presseinformation/Agentic-Commerce-So-veraendert-KI-Online-Shopping

[4] Baymard Institute: »50 Cart Abandonment Rate Statistics 2026« – https://baymard.com/lists/cart-abandonment-rate

[5] Baymard Institute: »How to Reduce Cart Abandonment« – https://baymard.com/blog/reduce-cart-abandonment

[6] Europäische Kommission: Leitlinien zu Transparenzpflichten nach Artikel 50 AI Act – https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-transparency-obligations

[7] EUR-Lex: Digital Services Act, Verordnung (EU) 2022/2065 – https://eur-lex.europa.eu/eli/reg/2022/2065/oj/eng

[8] McKinsey & Company: »LLM to ROI: How to scale gen AI in retail« – https://www.mckinsey.com/industries/retail/our-insights/llm-to-roi-how-to-scale-gen-ai-in-retail

Management Summary, FAQ und Bild wurden mit Hilfe von KI erstellt

975 Artikel zu „Shopping KI“

Business | E-Commerce | Geschäftsprozesse | Künstliche Intelligenz | News | Services | Whitepaper

Agentic Commerce: So verändert KI Online-Shopping

10. April 2026

KI gilt für die Mehrheit der Online-Händler als Wettbewerbsfaktor. Whitepaper ordnet KI-Trends im Online-Handel ein und gibt Einblicke in die Praxis. Ob KI-Agenten, die Verfügbarkeiten von Artikeln prüfen, KI-Chatbots, die Fragen zur Lieferung beantworten oder virtuelle Anproben mithilfe von Augmented Reality: KI wird im Online-Handel zu einem zentralen Wettbewerbsfaktor. 61 Prozent der Händler gaben…