Herausforderungen und Inkonsistenzen bei KI-gesteuerten Shopping-Agenten

Die Integration von Künstlicher Intelligenz (KI) in den Online-Handel verspricht eine Revolution des Einkaufserlebnisses. KI-gesteuerte Shopping-Agenten sollen Konsumenten dabei unterstützen, Produkte effizienter zu finden, zu vergleichen und letztendlich Kaufentscheidungen zu treffen. Eine neue Studie der renommierten Wharton School der University of Pennsylvania wirft jedoch ein kritisches Licht auf die aktuelle Leistungsfähigkeit dieser Agenten und zeigt auf, dass sie möglicherweise noch nicht bereit sind, Einkäufe im Namen der Nutzer zu tätigen.

Inkonsistenz als Kernproblem von KI-Shopping-Agenten

Die Untersuchung, durchgeführt von Forschenden der Wharton School, hat die Konsistenz von sechs verschiedenen KI-Modellen, darunter sowohl kompakte Varianten als auch fortschrittliche Systeme, in einer simulierten E-Commerce-Umgebung evaluiert. Das zentrale Ergebnis: Die Produktempfehlungen dieser Agenten sind hochgradig unzuverlässig und können sich bereits durch geringfügige Kontextänderungen dramatisch verschieben. Dies stellt eine wesentliche Herausforderung für die Akzeptanz und den praktischen Einsatz dieser Technologien dar.

Methodik der Studie: Der ACES-Simulator

Für die Tests nutzten die Wissenschaftler den sogenannten ACES (Agentic e-Commerce Simulator). Dieser Simulator präsentierte den KI-Agenten Screenshots von Produktseiten, die sie analysierten. Basierend auf diesen visuellen Informationen und optional hinzugezogenen Empfehlungsquellen trafen die Agenten dann eine Produktauswahl. Diese Herangehensweise ermöglichte eine realistische Simulation des Entscheidungsprozesses eines KI-Shopping-Agenten.

Einfluss externer Quellen auf Produktempfehlungen

Ein bemerkenswertes Ergebnis der Studie war der erhebliche Einfluss externer Informationsquellen auf die Entscheidungen der KI-Agenten. Selbst wenn den Modellen vor der Produktseite lediglich eine einzige externe Quelle präsentiert wurde, verschoben sich die Empfehlungen in einigen Fällen drastisch. Die Forscher testeten den Einfluss von drei spezifischen Quellen:

• Einem Reddit-Thread, der die Garmin Forerunner 55 empfahl.
• Einem Wirecutter-Testbericht für die Fitbit Inspire 3.
• Einem Strategist-Artikel über die WHOOP 5.0.

Insbesondere der Wirecutter-Bericht zeigte eine starke Wirkung. Die Wahrscheinlichkeit, dass ein Agent die Fitbit Inspire 3 auswählte, stieg bei Claude Opus 4.8 um 90 Prozentpunkte und bei Gemini 3.5 Flash sogar um 99 Prozentpunkte im Vergleich zur Kontrollgruppe ohne externe Quelle. Dies verdeutlicht die immense Sensibilität der Modelle gegenüber spezifischen externen Einflüssen.

Die Rolle mehrerer Quellen und deren Reihenfolge

Die Studie untersuchte auch, wie sich die Kombination mehrerer Quellen auf die Empfehlungen auswirkt. Entgegen der Erwartung, dass mehrere Quellen zu ausgewogeneren Empfehlungen führen würden, zeigte sich, dass dies nicht der Fall war. Der Wirecutter-Bericht dominierte weiterhin die Entscheidungen der meisten Modelle, sobald er Teil der Informationsgrundlage war. Interessanterweise führte die Hinzunahme weiterer Quellen sogar zu einer erhöhten Variabilität der Ergebnisse.

Ein weiterer entscheidender Faktor war die Reihenfolge, in der die Quellen präsentiert wurden. Obwohl der Inhalt identisch war, führte eine veränderte Reihenfolge zu unterschiedlichen Produktauswahlen. Gemini 3.1 Flash Lite erwies sich hierbei als besonders sensibel, wobei die Wahrscheinlichkeit, die Fitbit Inspire 3 zu wählen, je nach Quellenreihenfolge zwischen 2 und 56 Prozentpunkten über dem Kontrollwert schwankte. Dies lässt den Schluss zu, dass die Präsentationsreihenfolge selbst ein Treiber für die Produktauswahl ist.

Auswirkungen von Benutzeraussagen auf Kaufentscheidungen

In einem weiteren Experiment wurde die Produktpalette so angepasst, dass ein Produkt (eine Smartwatch mit Alexa für 29,99 US-Dollar, 5.0/5.0 Sterne, 430 Rezensionen) objektiv in allen messbaren Dimensionen überlegen war. Alle anderen Produkte kosteten mindestens 359 US-Dollar und hatten weniger Bewertungen.

Anschließend wurden den Agenten kurze Benutzeraussagen wie „Ich liebe Wandern!“ hinzugefügt. Für mehrere Modelle führten diese Aussagen dazu, dass die Auswahl hin zu teureren Produkten verschoben wurde, obwohl eine objektiv überlegene und günstigere Option vorhanden war. Die Auswahlrate für die Garmin Vivoactive 5 stieg beispielsweise bei Claude Opus 4.8 um 75 Prozentpunkte, bei GPT-5.5 um 37 Prozentpunkte und bei Gemini 3.1 Flash Lite um 36 Prozentpunkte.

Nur Gemini 3.5 Flash zeigte sich hier als weitgehend resistent und wählte das objektiv beste Produkt in 86 bis 92 Prozent der Fälle, unabhängig von den Benutzeraussagen. Dieses Ergebnis verdeutlicht, wie selbst kleine, emotional konnotierte Informationen die Rationalität der KI-Entscheidungen beeinflussen können.

Schlussfolgerungen für Konsumenten und Händler

Für Konsumenten: Keine Garantie für optimale Entscheidungen

Die Studienergebnisse legen nahe, dass das Delegieren von Einkäufen an KI-Agenten keine Garantie für konsistente oder optimale Kaufentscheidungen bietet. Zwei Nutzer mit der gleichen Anfrage oder derselbe Nutzer an verschiedenen Tagen könnten unterschiedliche Produktempfehlungen erhalten, ohne dass ein offensichtlicher Grund dafür erkennbar wäre. Während menschliche Kaufentscheidungen ebenfalls inkonsistent sein können, ist dies kaum das, was man von einem KI-Shopper erwartet. Zudem zeigt sich, dass im Gedächtnis von Tools wie ChatGPT gespeicherte Informationen unvorhersehbare Auswirkungen auf Kaufempfehlungen haben können.

Für Händler: Neue Herausforderungen bei der Optimierung

Für Händler bedeuten diese Erkenntnisse, dass die Optimierung für KI-Shopping komplexer sein wird als traditionelles SEO. Es ist unklar, welches Modell den Einkauf tätigt, welche Informationen es zuvor gelesen hat oder wie seine technische Konfiguration die Informationen verarbeitet. Dies erfordert ein tieferes Verständnis der Funktionsweise und der Sensibilitäten von KI-Agenten, um Produkte effektiv zu positionieren.

Insgesamt unterstreicht die Studie, dass KI-Shopping-Agenten zwar ein enormes Potenzial bieten, ihre aktuelle Implementierung jedoch noch erhebliche Herausforderungen in Bezug auf Konsistenz, Zuverlässigkeit und die Kontrolle über den Entscheidungsprozess aufweist. Für Unternehmen im B2B-Bereich, die sich mit KI-Technologien beschäftigen, ist es entscheidend, diese Limitationen zu verstehen und bei der Entwicklung und Implementierung eigener KI-Lösungen zu berücksichtigen.

***

Bibliographie

- Bastian, Matthias. "AI shopping agents aren't ready to buy on your behalf, study finds." The Decoder, 27. August 2026. - Shankar, Ravi. "Wharton study: AI shopping agents are inconsistent and easily swayed." TechSphere News, 27. August 2026. - "AI shopping agents are unreliable, study finds." HelloMarvisAIToday.com, 27. August 2026. - Varon, Lily. "Consumers Aren’t Ready To Delegate Payments To AI Agents." Forrester, 15. Juni 2026. - Ravikumar, Srijith. "Who Pays When Your AI Agent Buys The Wrong Thing?" Forbes Councils, 25. August 2026. - NMI. "NMI Research: Consumers Want AI to Help Them Shop, Not Control Their Spending." NMI, 26. August 2026. - "We Tested 120+ AI Shopping Prompts. Here’s What Agentic Shopping Actually Does (and Where It Breaks)." Tech Glean, 21. Juli 2026. - The Decoder - Everything AI. LinkedIn Post, 27. August 2026. - Rezolve Ai. "Why AI-driven purchase intent so rarely becomes a completed sale." VentureBeat, 11. August 2026. - Newsroom. "NEWS: AI agents in online retail: Why consumers are still hesitant to use them when shopping." unisg.ch, 24. Juni 2026.