Die Vorstellung vom AI-Shopping-Agenten klingt simpel: Man beschreibt, was man braucht, und Software erledigt den Rest. Alibaba zeigt, wie viel Infrastruktur hinter diesem Satz steckt.
Der Qwen Shopping Assistant ist direkt in Taobao integriert und soll Kundinnen und Kunden von der Produktsuche bis zum After-Sales-Service begleiten. Parallel automatisieren Händler-Agenten Aufgaben wie Listings, Werbung, Store-Management und Kundenservice.
Alibaba kann das deshalb weit treiben, weil das Unternehmen Modell, Cloud, Marktplatz und große Teile der Commerce-Datenwelt unter einem Dach verbindet.
Für deutsche Händler ist die wichtigste Lektion nicht, einen eigenen Chatbot zu bauen.
Ein Shopping-Agent braucht strukturierte Attribute, aktuelle Preise, verlässliche Bestände, Lieferbedingungen und eindeutige Produktidentitäten. Daten, die heute gerade gut genug für eine Website sind, können für eine Maschine unbrauchbar sein, die eigenständig vergleichen und entscheiden soll.
Damit wird Master Data Management plötzlich zu AI-Infrastruktur.
Hinzu kommt die Machtfrage. Wenn ein externer Agent die Produktauswahl übernimmt, entscheidet sein Ranking zunehmend darüber, welche Marken und Händler sichtbar sind. Wer Produktdaten bereitstellt, muss deshalb auch kontrollieren können, unter welchen kommerziellen Regeln der Agent darauf zugreift.
Alibaba hat noch nicht bewiesen, dass Konsumenten komplexe Käufe massenhaft an Agenten delegieren. Aber das Unternehmen hat einen Vorteil: Es kann die Technologie in einem geschlossenen Commerce-System testen, in dem Katalog, Händlerwerkzeuge und Transaktion bereits verbunden sind.
Europäische Händler sollten den Trend deshalb weder als Hype abtun noch sofort kopieren. Sie sollten zunächst eine unspektakuläre Frage beantworten:
Sind ihre Daten überhaupt so gut, dass eine Maschine damit sicher einkaufen könnte?
Wer darauf heute keine klare Antwort hat, wird auch mit dem besten Sprachmodell keinen guten Agenten bauen.