KI-Assistent für den Onlineshop: von der Produktsuche bis zum Support nach dem Kauf

Ein Kunde besucht einen Onlineshop und schreibt: „Ich brauche leichte, wasserdichte Sneaker für die Reise, Budget bis 4.000 Hrywnja.“ Eine normale Suche versucht, eine exakte Wortübereinstimmung in Namen und Beschreibungen zu finden. Ein KI-Assistent kann Größe, Saison und Einsatzbedingungen nachfragen, passende Produkte auswählen, die Verfügbarkeit prüfen und die Unterschiede zwischen den Modellen erklären.

Aus Sicht des Nutzers sieht das wie ein einfaches Gespräch aus. Aus Sicht des Unternehmens ist es das Zusammenspiel mehrerer Systeme: Katalog, Suche, Bestände, Preise, Warenkorb, CRM, Versand und Wissensdatenbank. Deshalb darf ein AI Shopping Assistant nicht auf ein Chatbot-Widget reduziert werden, das allgemeine Fragen beantwortet.

Ein nützlicher KI-Assistent für den Onlineshop muss Antworten auf Basis aktueller Daten geben, nur im Rahmen seiner Berechtigungen handeln und komplexe Situationen an einen Menschen übergeben. Sehen wir uns an, aus welchen Komponenten eine solche Lösung besteht und wie man sie ohne unnötiges Risiko einführt.

Wie sich ein KI-Assistent von einem gewöhnlichen Chatbot unterscheidet

Ein klassischer Chatbot arbeitet nach Szenarien: Er zeigt ein Menü, erkennt einige Absichten oder sucht eine fertige Antwort in einer Datenbank. Er ist für typische Fragen nützlich, kommt aber mit mehrdeutigen Anfragen schlecht zurecht und berücksichtigt den Gesprächskontext nicht immer.

Ein KI-Assistent kann:

• natürliche Sprache verstehen und den Bedarf nachfragen;
• Produkte nach Bedeutung suchen, nicht nur nach exakter Übereinstimmung;
• Eigenschaften vergleichen;
• Versand-, Zahlungs- und Rückgabebedingungen erklären;
• mit dem Warenkorb arbeiten;
• beim Bestellstatus helfen;
• eine kurze Gesprächszusammenfassung für den Mitarbeiter erstellen;
• den Kontext vorheriger Gesprächsschritte nutzen.

Ein Sprachmodell weiß jedoch von sich aus nicht, welche Produkte heute im Shop verfügbar sind, wie der aktuelle Preis lautet und ob eine Lieferung in eine bestimmte Stadt möglich ist. Dafür muss es auf kontrollierte Quellen und Geschäftsfunktionen zugreifen.

Architektur eines AI Shopping Assistant

Eine praxisnahe Architektur lässt sich als Kette darstellen:

Chat oder Sprache → Erkennung der Absicht → Katalog und Suche → Preise und Bestände → Warenkorb → CRM/Support → Analytics.

Jede Stufe hat eine eigene Verantwortung.

Interaktionskanal

Der Assistent kann auf der Website, in einer mobilen App, einem Messenger oder einem Contact Center arbeiten. Zu Beginn ist es besser, einen Kanal mit dem klarsten Szenario und stabilen Daten zu wählen, statt alles gleichzeitig zu starten.

Absichtsebene

Das System ermittelt, was der Nutzer möchte: ein Produkt finden, Modelle vergleichen, den Versand prüfen, eine Bestellung ändern oder den Support kontaktieren. Für jede Absicht werden eigene Quellen und erlaubte Aktionen benötigt.

Katalog und Suche

Für die Suche braucht der Assistent strukturierte Namen, Kategorien, Attribute, Beschreibungen, Kompatibilitätsangaben und Beziehungen zwischen Produkten. Sind die Katalogdaten unvollständig, löst KI das Problem nicht — sie formuliert nur eine unsichere Antwort in natürlicherer Sprache.

Operative Daten

Preis, Verfügbarkeit, Lieferzeit und Bestellstatus müssen aus aktuellen Systemen über eine API oder eine andere kontrollierte Schnittstelle kommen. Solche Daten sollten nicht in eine statische Wissensdatenbank kopiert werden, die schnell veraltet.

Aktionen

Informationen abrufen und Daten ändern sind unterschiedliche Risikostufen. Der Assistent kann gefahrlos Produkte vorschlagen, aber das Hinzufügen zum Warenkorb, eine Adressänderung oder eine Stornierung erfordern Autorisierung, Parameterprüfung und eine klare Bestätigung durch den Nutzer.

Daten, ohne die der Assistent nicht zuverlässig funktioniert

Vor der Wahl eines Modells muss ein Datenaudit durchgeführt werden.

Mindestens erforderlich sind:

• eine einheitliche Kategoriestruktur;
• vollständige Produktattribute;
• aktuelle Preise und Bestände;
• Regeln zu Kompatibilität und Zusammenstellung;
• klare Richtlinien zu Versand, Zahlung, Garantie und Rückgabe;
• eine Datenbank häufiger Fragen;
• eine Anfragehistorie ohne überflüssige personenbezogene Daten;
• APIs oder andere Wege eines kontrollierten Zugriffs auf Systeme.

Wichtig ist, für jede Art von Information die Datenquelle festzulegen, die als verbindlich gilt. Der Katalog kann maßgeblich für Eigenschaften sein, das ERP für Bestände, das CRM für den Status der Kundenbetreuung und der Versanddienstleister für Lieferzeiten. Widersprechen sich die Quellen, muss der Assistent die Priorität kennen oder mitteilen, dass die Daten geklärt werden müssen.

Intelligente Produktsuche und -auswahl

Eines der wertvollsten Szenarien ist die Hilfe bei einem großen Katalog. Der Nutzer kennt nicht immer den richtigen Produktnamen oder technischen Parameter. Er beschreibt das Problem: „Ich brauche eine leise Klimaanlage für das Schlafzimmer“ oder „Ich suche ein Geschenk für ein achtjähriges Kind“.

Der Assistent kann diese Anfrage in eine Reihe von Kriterien übersetzen und Rückfragen stellen. Die endgültige Produktliste muss jedoch über den Katalog und die Suchmaschine entstehen und darf nicht vom Modell erfunden werden.

Ein sinnvoller Ablauf sieht so aus:

1. Den grundlegenden Bedarf ermitteln.
2. Kritische Parameter klären.
3. Filter auf den realen Katalog anwenden.
4. Verfügbarkeit und Preis prüfen.
5. Die Unterschiede zwischen mehreren Optionen erklären.
6. Den nächsten Schritt vorschlagen — die Produktseite öffnen oder das Produkt in den Warenkorb legen.

Die Qualität einer solchen Suche hängt direkt von Semantik und Taxonomie ab. Deshalb wird die Arbeit an der Semantik des Onlineshops zur Grundlage nicht nur für SEO, sondern auch für die KI-Suche.

Arbeit mit Warenkorb und Checkout

Der Assistent kann den Bestellvorgang vereinfachen: den Unterschied zwischen Versandarten erklären, passendes Zubehör vorschlagen oder an einen fehlenden Parameter erinnern. Er darf den Warenkorb jedoch nicht unbemerkt ändern oder eine Zahlung bestätigen.

Für Warenkorb-Operationen sind erforderlich:

• eine eindeutige Identifizierung des Nutzers oder der Sitzung;
• Prüfung von Preis und Verfügbarkeit vor der Aktion;
• Bestätigung des Warenkorbinhalts;
• ein Protokoll der ausgeführten Operationen;
• Behandlung von Fehlern und wiederholten Anfragen;
• Schutz vor doppelten Aktionen;
• der Übergang zum standardmäßigen, sicheren Checkout.

Der Assistent kann helfen, aber Finanzoperationen müssen in der Zahlungsinfrastruktur des Shops bleiben. Das Sprachmodell darf Kartendaten weder sehen noch verarbeiten.

Integration mit CRM und Support

Wenn der Assistent erkennt, dass er ein Anliegen nicht lösen kann, muss er das Gespräch an einen Menschen übergeben. Ein schlechtes Szenario ist, den Nutzer alles von vorn wiederholen zu lassen.

Zusammen mit der Übergabe an das CRM sollten übermittelt werden:

• eine kurze Zusammenfassung der Anfrage;
• die erkannte Absicht;
• die Produkte, die sich der Nutzer angesehen hat;
• die ausgeführten Schritte;
• der Grund für die Übergabe;
• das Konfidenzniveau;
• Kontaktdaten nur mit Zustimmung des Nutzers.

Der Mitarbeiter muss sehen, was genau die KI gesagt hat, und die Antwort korrigieren können. Solche Korrekturen werden zum Material für die Verbesserung der Wissensdatenbank und der Szenarien.

Zugriffsrechte und Datenschutz

KI darf nicht zum Mittel werden, Systemregeln zu umgehen. Hat ein Nutzer keinen Zugriff auf eine fremde Bestellung, darf auch der Assistent sie nicht anzeigen. Sieht ein Mitarbeiter nur seine Region, darf die KI keine Daten des gesamten Unternehmens zurückgeben.

Festgelegt werden muss:

• welche Quellen der Assistent lesen darf;
• welche Aktionen er ausführen darf;
• für welche Aktionen eine Autorisierung nötig ist;
• welche Daten nicht an das Modell übermittelt werden dürfen;
• wie lange Gespräche gespeichert werden;
• wer Zugriff auf die Protokolle hat;
• wie der Nutzer zu einem Menschen wechseln kann;
• wie die Funktion im Störungsfall abgeschaltet wird.

Das US-amerikanische National Institute of Standards and Technology (NIST) empfiehlt, KI-Risiken in einem kontinuierlichen Zyklus zu betrachten: steuern, Kontext erfassen, messen und reagieren. Für E-Commerce bedeutet das, dass die Prüfung nach dem Start nicht endet — Antworten, Fehler, Zugriffe und Auswirkungen auf Nutzer müssen ständig überwacht werden.

Was tun mit unsicheren Antworten

Das Modell sollte nicht selbstsicher antworten, wenn nicht genügend Daten vorliegen. Besser ist es, die Anfrage zu präzisieren, die Quelle zu zeigen oder die Frage an einen Menschen weiterzugeben.

Praktische Regeln:

• für Preis und Verfügbarkeit ausschließlich die aktuelle API nutzen;
• keine Eigenschaften erfinden, die nicht im Katalog stehen;
• keine rechtlichen oder medizinischen Versprechen im Namen des Shops abgeben;
• kennzeichnen, wenn eine Antwort auf Referenzmaterialien beruht;
• eine Konfidenzschwelle für automatische Antworten festlegen;
• den Fehlerkontext für die Analyse speichern;
• dem Nutzer erlauben, sofort einen Mitarbeiter zu rufen.

Wie man ein MVP schrittweise startet

Am sichersten ist es, mit einem eng gefassten Szenario zu beginnen.

Stufe 1. Informationssupport

Der Assistent beantwortet Fragen zu Versand, Zahlung, Garantie und Rückgabe auf Basis einer geprüften Wissensdatenbank. Er ändert keine Daten und arbeitet nicht mit personenbezogenen Informationen.

Stufe 2. Suche und Vergleich

Das System wird an den Katalog angebunden, stellt Rückfragen, erstellt Auswahlen und erklärt die Unterschiede zwischen Produkten.

Stufe 3. Warenkorb

Nach einer Sicherheitsprüfung kann der Assistent Produkte hinzufügen, Mengen ändern und beim Übergang zum Checkout helfen. Jede Aktion wird vom Nutzer bestätigt.

Stufe 4. After-Sales-Service

Ein angemeldeter Kunde kann den Bestellstatus prüfen, eine Rückgabeanleitung erhalten oder eine Anfrage erstellen. Komplexe Fragen werden an einen Mitarbeiter übergeben.

Dieser Ansatz ermöglicht es, den Nutzen an realen Daten zu prüfen und dem System in der ersten Phase keine unnötigen Berechtigungen zu geben.

Wie man die Wirksamkeit misst

Die Anzahl der Gespräche sagt für sich genommen nichts über das Ergebnis aus. Das Verhalten des Assistenten muss mit dem Verkaufsfunnel und der Servicequalität verknüpft werden.

Nützliche KPIs:

• Anteil der Anfragen, die mit einer hilfreichen Antwort endeten;
• Anteil der Übergänge von einer Empfehlung zur Produktseite;
• Hinzufügungen zum Warenkorb nach der Interaktion;
• Conversion zum Kauf;
• Umsatz pro Sitzung mit dem Assistenten;
• Anteil der Übergaben an Mitarbeiter;
• Zeit bis zur Lösung des Anliegens;
• Anzahl der Antwortkorrekturen;
• Häufigkeit falscher Preise, Verfügbarkeiten oder Eigenschaften;
• Bewertung durch den Nutzer nach dem Gespräch.

Vergleichen sollte man nicht alle Besucher auf einmal, sondern ähnliche Gruppen und Szenarien. Sonst wirkt der Assistent womöglich nur deshalb effektiv, weil ihn Käufer mit hoher Kaufabsicht häufiger nutzen.

Typische Fehler bei der Einführung

Die häufigsten Probleme entstehen, wenn ein Unternehmen:

• den Chat vor der Vorbereitung des Katalogs startet;
• Preise und Bestände in eine statische Datenbank kopiert;
• dem Modell zu weitreichende Rechte gibt;
• keine Übergabe an einen Menschen einrichtet;
• Aktionen nicht protokolliert;
• nur die Anzahl der Nachrichten misst;
• alle Prozesse auf einmal automatisiert;
• nach dem Start keinen Product Owner benennt.

KI gleicht schlechte Daten und einen schwachen Checkout nicht aus. Sie kann einen komfortablen Shop noch komfortabler machen, behebt aber keine fehlende Verfügbarkeit, keinen verwirrenden Versand und keine instabile Integration.

Wie GL.ua KI im E-Commerce angeht

Für GL.ua ist KI-Integration kein separates Widget, sondern Teil der digitalen Architektur. Zuerst müssen das Geschäftsszenario, die Datenquellen, Berechtigungen und Kennzahlen festgelegt werden. Dann werden Katalog, Suche, CRM und weitere Systeme so angebunden, dass jede Antwort auf aktuellen Informationen beruht.

Weiteren Kontext zur Rolle von KI und mobilen Kanälen finden Sie im Artikel über die Entwicklung des E-Commerce. Wenn ein Unternehmen einen eigenen Assistenten braucht, sollte es mit einem Datenaudit und einem messbaren Szenario beginnen. So sieht das Unternehmen schnell einen echten Nutzen und schafft kein System, das schwer zu kontrollieren ist.