KI fürs Einkaufen: Echte Markenbeispiele, die Umsatz steigern

Immer mehr Menschen nutzen KI beim Shopping, um ihren nächsten Kauf zu planen – so wie sie es auch mit Google und TikTok tun würden.

Als B2C-Marke kannst du wahrscheinlich davon ausgehen, dass einige deiner Kund*innen deine Produkte über LLMs wie ChatGPT und Gemini entdecken. Tatsächlich haben in den letzten 6 Monaten 39 % der Verbraucher*innen ein Produkt gekauft, das von KI empfohlen wurde, laut Klaviyos AI Consumer Trends Report 2026.

Die Studie, in der 8.000 Verbraucher*innen anhand ihrer KI-Nutzung und ihres Vertrauens in 4 Personas gruppiert wurden, ergab, dass 85 % der KI-Begeisterten (26 % aller Befragten) im selben Zeitraum beim Einkaufen KI genutzt haben.

Besonders interessant ist, dass KI fürs Shopping über Kanäle hinweg stattfindet, die Marken besitzen, und über solche, die sie nicht besitzen. Einerseits nutzen Verbraucher*innen LLMs wie ChatGPT, Google Gemini und Perplexity, um zu recherchieren, zu vergleichen und sich zur Kaufabwicklung durchzuklicken. Andererseits integrieren Marken KI in die gesamte Customer Experience.

Heute nutzen B2C-Marken KI fürs Shopping, um:

Skaliere 1:1-Personalisierung über Marketing und Service hinweg.
Führe Shopper*innen mit KI-Assistent*innen zum Kauf.
Unterstütze Kund*innen schneller mit KI-gestütztem Support.

So sieht KI für Shopping in der Praxis aus – und so nutzen B2C-Marken sie bereits, um den Umsatz zu steigern und die Kund*innenbindung zu vertiefen.

Was ist KI fürs Shopping?

KI fürs Shopping [EN] ist der Prozess, durch den Verbraucher*innen LLMs und andere KI-Agenten nutzen, um Produkte zu entdecken, zu vergleichen und zu kaufen.

Das KI-Shopping-Erlebnis hat im Vergleich zur traditionellen Suche einige besondere Eigenschaften:

Shopping ist dialogorientiert und kontextbezogen. Anstatt nach einem Produkt zu suchen und zwischen Websites hin und her zu springen, um zu recherchieren, führen Verbraucher*innen Gespräche mit KI-Agent*innen, so wie sie es mit einer persönlichen Einkaufsberatung tun würden. Sie erhalten Empfehlungen, die zu früheren Suchanfragen passen, und beantworten Rückfragen der KI, um genau das zu finden, was sie brauchen.
Verbraucher*innen verwenden bei LLMs eine beschreibendere, emotionalere Sprache. Laut unserem AI Consumer Trends Report enthalten 30 % der KI-Suchen 8+ Wörter, und 78 % der Verbraucher*innen fügen zumindest manchmal einen emotionalen oder persönlichen Kontext hinzu. Zum Beispiel könnte jemand suchen: „Ich suche nach Accessoires für mein Büro, die warm und einladend wirken. Mein Büro ist zu kalt, und ich hätte lieber, dass sich mein Raum gemütlich anfühlt, sodass ich gerne zum Arbeiten hinsetze.“
Produktfindung, Vergleich und Kauf können an einem Ort stattfinden. Mit KI-Customer-Agents auf Markenseite und Shopping-Assistent*innen können Verbraucher*innen in einer einzigen Interaktion neue Produkte finden, Optionen vergleichen und sogar zur Kasse gehen, anstatt über Websites und Marketplace hinweg zu suchen. Das könnte bald auch für LLMs gelten.

Was wünschen sich Verbraucher*innen von KI-Shopping-Erlebnissen?

KI kann die Produktsuche und den Vergleich in weniger Schritten besser ermöglichen. Wenn Kund*innen jedoch KI fürs Shopping nutzen, wollen sie mehr als nur Geschwindigkeit.

Verbraucher*innen wenden sich KI-Shopping-Erlebnissen zu für:

Personalization: 55 % aller Verbraucher*innen hatten laut der Forschung hinter unserem AI Consumer Trends Report mindestens einen „Aha“-Moment, in dem KI sie mit Genauigkeit oder Personalization beeindruckt hat. KI kann eine tiefere, kontextbezogene Personalization bieten – auf eine Art, wie traditionelle Such- und Social-Media-Algorithmen es nicht können.
Vereinfachung: Der häufigste „Aha“-Moment von Verbraucher*innen trat laut unserer Studie auf, wenn KI ein komplexes Konzept klar und in einfachen Worten erklärte. LLMs und KI-Agent*innen auf Markenseite können Shopper*innen wertvollen Kontext zu neuen oder teuren Käufen geben, indem sie viele Informationen zu einem einzelnen, schnellen Antwortbaustein zusammenfassen.
Effizienz: 62 % der Verbraucher*innen würden es laut der Forschung hinter Klaviyo’s 2025 Online Shopping Report [EN] bevorzugen, wenn KI sich ihre Präferenzen merkt, statt sie einem menschlichen Customer Agent noch einmal zu erklären. Um Kund*innen Zeit und Aufwand zu sparen, können Marken KI-Customer-Agents so trainieren, dass sie auf Kund*innendaten zugreifen und, falls nötig, Gespräche mit vollständig erhaltenem Kontext an Menschen übergeben.

Wie nutzen Konsument*innen KI zum Einkaufen?

43 % der Verbraucher*innen haben in den letzten 6 Monaten beim Kauf nicht essenzieller Produkte KI genutzt, laut unserer Studie zu KI-Konsument*innentrends. Am häufigsten nutzen sie KI, um nach Produkten aus Elektronik oder Technologie, Reisen oder Hotels sowie Gesundheit oder Beauty zu suchen.

Unsere Forschung hat außerdem ergeben, dass 70 % der Verbraucher*innen KI mehrfach genutzt haben, um das beste Produkt oder Angebot zu finden, und 69 % sie mehrfach für allgemeine Produktempfehlungen genutzt haben.

Aber selbst wenn viele Shopper*innen mit KI experimentieren, sind nicht alle bereit, den gesamten Kaufprozess an sie zu übergeben. 85 % der Verbraucher*innen vertrauen KI zumindest teilweise, wenn es darum geht, präzise und personalisierte Shopping-Empfehlungen bereitzustellen, aber nur 27 % vertrauen KI dabei vollständig.

Im Jahr 2025 erwarteten 65 % der Verbraucher*innen, dass 2026 das Jahr sein wird, in dem KI-Assistent*innen ein normaler Teil des Online-Shoppings werden, laut der Forschung hinter Klaviyos AI Shopping Index 2025.

Wo funktionieren KI-Shopping-Erlebnisse nicht?

Trotz der zunehmenden KI-Nutzung auf Verbraucher*innenseite stehen Marken noch vor einer Lernkurve. Welche Ergebnisse du mit KI erzielst, hängt von vielen Faktoren ab: von der Qualität deiner Daten, davon, wie sie über deinen Technologie-Stack hinweg integriert sind, und von den Leitplanken, die sie absichern.

Verbraucher*innen erkennen unzureichende KI, wenn sie sie sehen. Und wenn sie sie beim Shopping-Erlebnis sehen, bedeutet das für deine Marke entgangenen Umsatz.

Das sind die größten Warnsignale für Verbraucher*innen bei der Nutzung von KI fürs Shopping:

Verzögerte Antworten: Laut unserer Studie zum AI Shopping Index haben 75 % der Verbraucher*innen einen Kauf abgebrochen, weil sie keine sofortigen Antworten bekommen konnten. Die Strukturierung deines Produktkatalogs für die Auffindbarkeit durch LLMs und das Training deiner KI-Customer Agents für die Beantwortung von FAQs sind die neuen Anforderungen, um Kund*innen zu konvertieren.
Unzureichende Personalisierung: Nachdem sie schlecht personalisierte Inhalte erhalten haben, öffnen 21 % der Verbraucher*innen mit geringerer Wahrscheinlichkeit Nachrichten einer Marke, laut unserer Studie zu KI-Verbraucher*innentrends. Das unterstreicht, wie wichtig KI-Produktempfehlungen sind, die auf Echtzeit-Kund*innendaten basieren, damit deine Nachrichten den tatsächlichen Kontext auf Kund*innenseite widerspiegeln.
Distanzierter Support: Laut unserer Studie zu KI-Verbraucher*innentrends sagen weniger als die Hälfte der Verbraucher*innen (43 %), dass KI die Qualität des Kund*innenservices verbessert hat, und 42 % der Menschen stehen dem neutral gegenüber. Die Verbraucher*innen-Sorge Nr. 1 in Bezug auf KI in Markenerlebnissen sind Kund*innenservice-Interaktionen, bei denen sie das Gefühl haben, mit einem Roboter zu sprechen. Trainiere deine KI-Agent*innen mit Kund*innen- und Produktdaten, damit sich der Support nicht generisch anfühlt.
Fehlinformationen: 27 % der Verbraucher*innen fühlen sich laut unserer Studie zu KI-Konsument*innentrends mit KI am unwohlsten, wenn sie ungenaue, irreführende oder qualitativ minderwertige Antworten teilt. Falsche Antworten zu deinen Produkten können dem Ruf deiner Marke schaden – unabhängig davon, ob die Fehlinformationen von einem LLM oder einem Customer Agent auf Markenseite stammen.

Wie sieht das KI-Shopping-Erlebnis für Verbraucher*innen aus?

Das KI-Shopping-Erlebnis für Verbraucher*innen unterscheidet sich je nach LLM und Markenwebsite. Angesichts der jüngsten Einführung von zwei offenen Standards für agentischen Checkout – Agentic Commerce Protocol und Universal Commerce Protocol – könnte es in naher Zukunft jedoch mehr Einheitlichkeit geben.

Schauen wir uns ein paar Beispiele für das KI-Shopping-Erlebnis von heute an:

Perplexity

Hier ist ein Beispiel dafür, wie eine Verbraucher*in Perplexity AI nutzt, um nach einer Wimpernzange zu suchen.

Die Nutzer*in sucht: „Finde mir eine Wimpernzange, die Gut bewertet ist und unter 20,00 $ kostet.“ Im Tab „Antwort“ findet Perplexity einige Optionen, erstellt eine Vergleichstabelle und verlinkt zu den Stellen, an denen Verbraucher*innen einen Kauf tätigen können.

Screenshot der Perplexity-Suchmaschine, der basierend auf einem einzeiligen, dialogorientierten Prompt eine Tabelle mit Produktempfehlungen für eine Wimpernzange mit guten Bewertungen für unter 20 $ zeigt. Die Tabelle ist weiß auf einem graugrünlichen Hintergrund, mit einfachem schwarzem Text und blauen Links, die Nutzer*innen zu Websites führen, auf denen sie die empfohlenen Wimpernzangen kaufen können.

Im Shopping-Tab zeigt Perplexity für die Top-Empfehlungen detailliertere Produktkarten an. Diese Produktkarten enthalten Sternebewertungen, Zusammenfassungen von Kund*innenbewertungen und mehrere Links dazu, wo man den Artikel kaufen kann. Jede Produktkarte verweist außerdem auf konkrete Bewertungsquellen, zu denen häufig die Website der Marke, Reddit-Threads, TikTok-Posts und Bewertungsseiten von Drittanbietern gehören.

Screenshot des Tabs „Shopping“ in Perplexity, der Produktlisten für bestimmte Wimpernzangen mit Gut Bewertungen unter 20 $ zeigt. In einem 3-Spalten-Format sind 3 Bilder von Wimpernzangen zu sehen: Erstens gibt es eine dünne, schwarze Wimpernzange mit roten Griffen, die wie Scherengriffe aussehen. Zweitens gibt es eine klobigere Wimpernzange in Schwarz und Grau. Drittens gibt es eine glänzende, pinke und schlanke Wimpernzange, die eher wie eine traditionellere Wimpernzange aussieht. Darunter sind kleinere Bilder von zwei zusätzlichen Wimpernzangen, eine in einer Verpackung und die andere mit schwarzen Komfortpolstern an den Griffen.

2025 ging Perplexity eine Partnerschaft mit PayPal und Venmo ein, um Instant Buy [EN] einzuführen, eine agentische Checkout-Option für Nutzer*innen in den USA.

Google

In diesem Beispiel für die Google-KI-Suche fragt die Käufer*in nach einem Paar Reeboks, die stylisch sind und sich gut zum Laufen und Gewichtheben eignen. Google liefert eine Vergleichstabelle und stellt dann eine Anschlussfrage, um die verfügbaren Optionen weiter einzugrenzen.

Screenshot der Google KI-Suche, der Produktempfehlungen für Reeboks zeigt, die stylisch und gut zum Laufen und Gewichtheben sind, mit einer Anschlussfrage an die Nutzer*innen: „Möchtest du für eines dieser Modelle bestimmte Farbvarianten sehen oder suchst du nach einer bestimmten Preisspanne?“ Über der Frage sind 4 Bilder von Schuhen zu sehen, jeweils in mittlerer Größe, überwiegend in Schwarz und Weiß sowie neutralen Farben.

Im Jahr 2025 hat Google den agentischen Checkout in Google AI Search und Gemini mit ausgewählten Händler*innen eingeführt, sodass Verbraucher*innen das, wonach sie suchen, über dieselbe Oberfläche finden und schließlich kaufen können.

KI-Customer-Agents auf Markenseite

Markenseitige KI-Customer-Agents sind KI-Agents, mit denen Kund*innen auf der Website einer Marke interagieren können. Viele Marken nutzen KI-Agents zwar in erster Linie für den Kundenservice, aber sie können Käufer*innen in der Recherchephase auch auf dieselbe Weise unterstützen wie LLMs.

Hier ist ein Beispiel für einen KI-Assistenten der Beauty-Marke Half Magic. Das dialogorientierte Chat-Erlebnis lädt Verbraucher*innen dazu ein, nach Produktempfehlungen zu fragen, Bestellstatus zu prüfen, Tipps zur Produktverwendung zu teilen und mehr.

Screenshot von Half Magics KI-Agent auf der gebrandeten Startseite. Es gibt ein Hero-Bild mit einer Nahaufnahme einer Person mit dunklen Haaren und einem breiten Lächeln, mit Diamanten, die in ihre weißen Zähne eingelassen sind. Die Person schließt die Augen, und du kannst blau-lila Glitzer-Lidschatten auf ihren Augenlidern sehen. Auf der rechten Seite des Bildschirms gibt es ein weißes Chatfenster mit einer grauen Sprechblase, in der die shoppernde Person auswählen kann, wobei sie Unterstützung durch den KI-Assistenten der Marke möchte.

In diesem Austausch fordert die einkaufende Person die Assistenz dazu auf, Optionen für Gesichtsmakeup zu finden, die gut für empfindliche Haut geeignet sind. Der Assistent meldet sich anschließend in einem lockeren, freundlichen Ton mit einer ersten Empfehlung, die zu einer Produktliste verlinkt.

Screenshot von Half Magics AI Agent, der basierend auf einem dialogorientierten Prompt, der nach Gesichtsprodukten fragt, die für empfindliche Haut gut sind, eine Produktliste teilt. In einem schwarzen Textfeld oben auf der Seite steht eine Frage: „Was sind die besten Optionen für Gesichts-Make-up bei empfindlicher Haut?“ Darunter befindet sich eine Antwort des AI Agent, die eine fettgedruckte Überschrift für ein Produkt zeigt: „Beam Trap Illuminating Balm Light Beam/Deep Beam“, mit einem Bild eines Produkts in neongelber Verpackung. Darunter befinden sich zusätzliche Auswahl-Buttons mit den Aufschriften „Bestellung verfolgen“, „Abonnementhäufigkeit“ und „Nächste Bestellung überspringen“. Unten auf dem Bildschirm befindet sich ein Antwort-Textfeld.

4 Beispiele dafür, wie Marken KI-Shopping nutzen, um den Umsatz zu steigern

Laut Klaviyos Studie „2026 future of consumer marketing“ ist die oberste Priorität im Technologie-Stack von B2C-Marketer*innen für 2026, ihre KI-Nutzung auszubauen. Wenn das auf dich zutrifft, findest du hier etwas Inspiration von 4 Marken aus der Praxis, die Kund*innen bereits mit KI-Shopping-Erlebnissen begeistern:

1. Der KI-Customer Agent von Happy Wax ist eine Abkürzung für die Produktrecherche

Noch vor der hektischen Weihnachtssaison 2025 hat die Home-Fragrance-Marke Happy Wax auf ihrer Website einen KI-Customer Agent eingeführt. Auf Basis von Kund*innen- und Produktdaten arbeitet der personalisierte KI-Assistent rund um die Uhr, um Probleme zu lösen, Fragen zu beantworten und Produkte zu empfehlen.

Screenshot einer Unterhaltung zwischen einer Shopper*in und einem KI-Agenten auf der Website von Happy Wax. Die Shopper*in fragt, welche Produkte allergiefreundlich sind, und der KI-Agent gibt eine detaillierte Antwort zu den Inhaltsstoffen des Produkts und fragt außerdem, ob Kund*innen eine Präferenz für Duft und Größe haben. Links neben dem Chatfenster befindet sich das Hero-Banner von Happy Wax, das einen zylinderförmigen Wachswärmer in Seegrün zeigt. Neben dem Wachswärmer sind zwei hellrote, duftende Wax Melts in Form von Gummibärchen zu sehen. Die über das Bild gelegte Überschrift lautet: „Flammenfreier Raumduft für zu Hause, gesünder und glücklicher gemacht.“

Über einen Zeitraum von 90 Tagen wurden mehr als 50 % der Gespräche [EN], die vom KI-Agenten bearbeitet wurden, vollständig gelöst – ohne Beteiligung eines Serviceteams. „Kund*innen erhalten sofort Antworten, und unser Team gewinnt Kapazitäten für Momente mit hohem Betreuungsaufwand“, sagt Rachel Fagan, VP of Marketing bei Happy Wax.

2. Der KI-Customer-Agent von Harney & Sons löst Anfragen zu Produktempfehlungen

Die familiengeführte Teemarke Harney & Sons nutzt einen Customer Agent mit KI zusammen mit einem Self-Service-Kund*innenportal und einem gemeinsamen Helpdesk, in dem menschliche und KI-Agent*innen Kund*innenanfragen über alle Kanäle hinweg bearbeiten können.

Der KI-Customer-Agent arbeitet rund um die Uhr, um Support- und Empfehlungsanfragen autonom zu beantworten. Wenn für das Gespräch ein Mensch nötig ist, leitet der KI-Agent es mit vollständigem Kontext an den Helpdesk des Customer-Service-Teams weiter. Aber nach 60 Tagen löste der KI-Agent 77 % der Anfragen zu Produktempfehlungen [EN] eigenständig.

3. Der KI-Customer Agent von Folk Clothing übernimmt einfachen Support

Jahrelang hatte das Team der in London ansässigen Modemarke Folk Clothing mit Kundenservice-Logistik zu kämpfen, die auf einem einfachen E-Mail-Posteingang und einer Telefonleitung basierte, die schnell überlastet war. Deshalb implementierte die Marke einen KI-Customer Agent, der sofortige Antworten auf häufige Kund*innenfragen geben konnte, ganz ohne Input vom Team.

In 90 Tagen löste der KI-Customer Agent von Folk Clothing 53 % der Support-Konversationen. „Das hat bereits spürbar meinen Workload beeinflusst“, sagt Hayley Scott, E-Commerce-Koordinatorin bei Folk Clothing. „Ich war erleichtert, als ich sah, dass selbst unsere treuesten Kund*innen, die an persönlichen Service gewöhnt sind, keinen Qualitätsverlust bemerkt haben.“

4. Svenfish zeigt Kund*innen, was sie brauchen, bevor sie wissen, dass sie es brauchen

Die frische Seafood-Marke Svenfish nutzt KI hinter den Kulissen, um eine Kampagnenstrategie mit hohem Volumen und hoher Zielgenauigkeit zu unterstützen. Früher haben sie Rabatte an ihre gesamte Liste gesendet, aber jetzt bieten sie sie nur noch inaktiven Kund*innen an, die seit über 3 Monaten nichts gekauft haben.

Svenfish nutzt außerdem Predictive Analytics, um hochwertige Kund*innen zu belohnen, deren prognostizierter Customer Lifetime Value bei über 200,00 $ liegt. Das hat ihnen nicht nur dabei geholfen, ihr Rückgewinnungssegment zu verkleinern und die Margen zu verbessern. Es hat bei ihrer Zielgruppe außerdem echtes Shopping und Käufe ausgelöst: Svenfish hat 82 % ihrer Klaviyo-Umsätze seit Jahresbeginn [EN] mithilfe von einer oder mehreren KI-Funktionen erzielt.

So positioniert Klaviyo deine Marke für den Erfolg mit KI fürs Shopping

KI-Shopping ist nicht die Zukunft. Es ist bereits da. Falls du es noch nicht getan hast, ist jetzt der Zeitpunkt, zu planen, wie du KI in das Einkaufserlebnis deiner Kund*innen einbettest.

Klaviyo ist das autonome B2C-CRM, das deine Kund*innendaten, Marketing, Service, Analysen und agentische KI in einer Plattform vereint. Schau dir an, wie Klaviyo dir helfen kann, KI-Shopping-Chancen in jeder Phase der Customer Journey zu nutzen:

Discovery: Optimiere deine Inhalte für Sichtbarkeit in LLMs mit gut strukturierten Produktkatalogen und einer belastbaren Strategie für Kund*innenbewertungen. Starte Kampagnen schneller mit einem KI-Marketing-Agenten wie Klaviyo Composer und sorge für besseres Kundenengagement durch präziseres Targeting und frische Inhalte.
Nurture: Nutze KI, um mehr 1:1-Kundenbeziehungen aufzubauen. Mit Klaviyo kannst du Nachrichten zur bevorzugten Zeit jeder Shopper*in [EN] über ihre bevorzugten Kanäle senden. Erstelle Leitplanken für Voice und Tonalität [EN] für alle KI-generierten Inhalte, damit sich jede Interaktion markenkonform und menschlich anfühlt.
Conversion: Verwende einen KI-Shopping-Assistenten wie K:AI Customer Agent, um Fragen vor dem Kauf zu beantworten, personalisierte Empfehlungen zu teilen und relevante Angebote zu finden.
Kundenbindung: Steigere die Kund*innenloyalität mit Kundenbindungs-Nachrichten, die darauf basieren, wann Kund*innen kaufen, wofür sie sich interessieren und wie hoch ihr Lifetime Value ist. Nutze Klaviyos Predictive Analytics, um gefährdete Kund*innen zu identifizieren, bevor sie abwandern, und personalisierte Rückgewinnungs-Flows auszulösen.
Analytics: Nutze die Klaviyo-App für ChatGPT oder den Connector mit Claude [EN], um über einfache Text-Prompts Zugriff auf deine Analytics zu erhalten. Stütze dich auf deine KI-Assistenten, um Zero-Party-Daten zu erfassen, die Profile anreichern und die Personalisierung in Zukunft verbessern können.

Klaviyo hilft Marken, mit KI zu skalieren und gleichzeitig das Vertrauen der Kund*innen zu bewahren. Registrieren

KI fürs Shopping: Beispiele von führenden Marken