Agentic Marketing im E-Commerce: was Agenten heute wirklich übernehmen

Seit Meta seine automatisierten Kampagnentypen mit dem Wort "Advantage" bewirbt und halb LinkedIn "AI Agent" ins Tool-Naming schreibt, hat der Begriff seine Kontur verloren. Für ein Team, das entscheiden muss, wo es Zeit und Budget investiert, ist die Frage dahinter trotzdem konkret: Was kann man einem Agenten heute wirklich übergeben, und wo bräuchte es nur mehr Vertrauen, als der Prozess verdient? Wir bauen solche Systeme, deshalb beantworten wir sie anhand von zwei laufenden Projekten statt anhand einer Definition aus dem Lehrbuch.

Was wir meinen, wenn wir "Agent" sagen

Der Unterschied zwischen einem Agenten und einer normalen Automatisierung liegt nicht in der Technik, sondern in der Entscheidung. Eine Automatisierung führt jedes Mal dieselben Schritte aus, unabhängig vom Inhalt: Datei erkennen, ID vergeben, in die Datenbank schreiben. Ein Agent bewertet den Inhalt und wählt auf dieser Basis den nächsten Schritt: Dieses Ticket klingt nach einer Reklamation, also braucht die Antwort einen anderen Ton als eine Versandfrage. Beides läuft unter dem Label "AI im Marketing", beides sieht in einer Produktdemo ähnlich aus, aber es sind zwei verschiedene Systeme mit zwei verschiedenen Risikoprofilen.

Zwei Beispiele aus eigener Arbeit

Das System, das wir für SNOCKS gebaut haben, wird oft als Paradebeispiel für "AI Agents im Marketing" zitiert, und ehrlicherweise ist der Name dafür zu groß. Es ist eine sehr saubere Automatisierung: Ein Creative landet im Ordner, das System vergibt eine ID und ein Naming, das Team konfiguriert Kampagnenparameter in einer Datenbank, ein Klick löst den Launch über die Meta Marketing API aus. Keine Stelle darin trifft eine inhaltliche Entscheidung, die vorher nicht vom Team getroffen wurde. Das ist kein Mangel, im Gegenteil: Genau deshalb lässt sich das System vertrauen, ohne jeden Launch zu kontrollieren.

Der Support-Agent bei Essential Bag ist näher an dem, was der Begriff eigentlich meint. Er liest ein eingehendes Ticket, gleicht die Bestellhistorie in Shopify ab, wägt ab, worum es in der Anfrage wirklich geht, und formuliert eine Antwort, die zu diesem konkreten Fall passt und nicht zu einer Vorlage. Das ist eine inhaltliche Entscheidung, keine feste Schrittfolge. Trotzdem sendet der Agent die Antwort nicht selbst ab, das Support-Team prüft und schickt.

Der Unterschied zwischen beiden Systemen zeigt sich am besten daran, was passiert, wenn ein neuer Fall auftaucht, den niemand vorgesehen hat. Beim SNOCKS-System gibt es diesen Fall praktisch nicht: Ein Creative, das nicht ins Naming-Schema passt, fällt auf, weil das System stur nach Regel arbeitet und eine Regelabweichung sofort sichtbar wird. Beim Essential-Bag-Agenten ist ein ungewöhnliches Ticket der Normalfall, nicht die Ausnahme, und genau dafür wurde er gebaut: nicht um eine Regel anzuwenden, sondern um einen Einzelfall einzuschätzen.

Wo der Mensch den Klick behält, und warum das bleibt

In beiden Projekten gibt es eine Stelle, an der bewusst kein System allein entscheidet. Nicht aus Misstrauen gegenüber der Technik, sondern weil ein falscher Klick an dieser Stelle teurer ist als die Zeit, die man beim Prüfen spart.

• Antworttexte an Kunden werden geprüft, bevor sie rausgehen, weil eine falsch verstandene Reklamation den Ton der ganzen Konversation kippt
• Kampagnenbudgets werden vor dem Go-Live bestätigt, weil ein falsch gesetztes Tagesbudget in Minuten mehr kostet, als die Konfiguration gespart hat
• Neue Creative-Varianten laufen erst in kleinem Rahmen, bevor sie breit ausgesteuert werden, weil ein Agent Performance-Signale interpretiert, aber keine Markenentscheidung trifft

Der Grund ist immer derselbe: Ein Agent skaliert seine Fehler genauso zuverlässig wie seinen Erfolg. Wo der Fehler niemand auffällt, kann er allein entscheiden. Wo der Fehler eine Kundenbeziehung oder ein Tagesbudget kostet, bleibt der Klick beim Menschen, so lange, bis die Fehlerquote über genug Fälle hinweg belegt ist und nicht nur behauptet wird.

Woran man erkennt, dass ein Anbieter übertreibt

Wer gerade Angebote für "AI Agents" prüft, kann an ein paar Stellen schnell erkennen, ob "agentic" ein Feature beschreibt oder ein Vertriebswort ist.

1. Das Wort "vollautomatisch" fällt, ohne dass jemand sagt, wer die Ausnahmefälle prüft. Ausnahmen gibt es immer, die Frage ist nur, wer sie sieht.
2. Niemand kann sagen, welche Daten der Agent tatsächlich zu Gesicht bekommt und wohin sie danach fließen. Wer das nicht in einem Satz beantworten kann, hat es selbst nicht durchdacht.
3. Es gibt keine Zahl, nur ein Versprechen wie "spart euch enorm viel Zeit". Eine echte Implementierung hat nach ein paar Wochen eine Zahl, und sei es nur eine grobe.
4. Es gibt genau einen Referenzfall, und der wird nie genauer beschrieben als in einer Folie mit Logo und Sternebewertung.

Was in den nächsten Monaten realistisch dazukommt

Wir wissen nicht, wie schnell sich das verschiebt, deshalb hier eine Einschätzung statt einer Prognose: Reporting-Agenten, die selbstständig auf Abweichungen im Ads Manager hinweisen, wirken näher an der Praxisreife als Agenten, die Budgets eigenständig umschichten. Der Unterschied ist derselbe wie oben: Ein Hinweis kostet im schlimmsten Fall Aufmerksamkeit, eine falsche Umschichtung kostet Budget. Systeme, die zuerst nur beobachten und melden, bekommen eher das Vertrauen, später auch zu handeln.

Etwas Ähnliches erwarten wir bei der Creative-Auswertung: Ein Agent, der nach ein paar Tagen Laufzeit markiert, welche Variante auffällig schlecht performt, ist ein überschaubares Risiko, weil ein Mensch die Markierung nur bestätigen muss. Ein Agent, der daraufhin selbst neue Varianten in Auftrag gibt oder Budget verschiebt, ist der nächste Schritt, aber einer, den wir bei keinem unserer Kunden heute im Ernstfall unbeaufsichtigt laufen lassen würden. Der Grund ist wieder derselbe: Solange die Fehlerquote nicht über genug Fälle hinweg gemessen ist, ersetzt eine gute Demo keine Erfahrung.

• Agentic Marketing
• AI-Agenten
• E-Commerce
• Automatisierung