KI-gestützte Einkaufstools: Nutzung und Herausforderungen bei der Anfrageformulierung

KI im Einkauf: Hohe Nutzung, aber Hürden bei der Interaktion

Künstliche Intelligenz (KI) hat sich in den letzten Jahren rasant entwickelt und durchdringt zunehmend auch den Bereich des Online-Einkaufs. Aktuelle Studien belegen, dass ein Großteil der Verbraucher bereits KI-gestützte Tools für ihre Shopping-Erlebnisse nutzt. Doch trotz dieser weit verbreiteten Akzeptanz stößt die Interaktion mit diesen Systemen, insbesondere in Bezug auf die Formulierung von Anfragen (Prompts), noch immer auf erhebliche Hürden. Diese Analyse beleuchtet die aktuelle Landschaft der KI im Einkauf, identifiziert die Herausforderungen und zeigt auf, welche Erwartungen Konsumenten an die Weiterentwicklung dieser Technologien haben.

Die Verbreitung von KI-Tools im Online-Handel

Eine Untersuchung von Adobe unter mehr als 1.000 US-amerikanischen Online-Käufern zeigt, dass beeindruckende 86 % der Befragten bereits KI-Tools während ihres Einkaufs nutzen. Diese Tools reichen von integrierten Funktionen auf Händlerseiten bis hin zu eigenständigen generativen KI-Chatbots. Die Bandbreite der Anwendungen ist dabei vielfältig und umfasst unter anderem:

• Produktempfehlungen
• Bildersuche
• Kundenservice-Chatfenster
• Größen- und Passformprognosen basierend auf früheren Käufen

Es zeigt sich jedoch, dass integrierte KI-Funktionen wie „Empfohlen für Sie“-Bereiche und die Bildersuche (jeweils von 52 % der Käufer genutzt) populärer sind als generative KI-Chatbots (36 %). Dies deutet darauf hin, dass die Integration von KI in bestehende, vertraute Einkaufsprozesse derzeit bevorzugt wird.

Herausforderungen bei der Prompt-Formulierung

Trotz der hohen Nutzungsraten offenbart die Studie eine zentrale Schwachstelle: die Schwierigkeit, präzise und effektive Prompts zu formulieren. Fast jeder fünfte Käufer (19 %) gab an, eine KI-Shopping-Anfrage abgebrochen zu haben, weil er nicht wusste, wie er seine Wünsche richtig ausdrücken sollte. Im Durchschnitt unternahmen Käufer drei Versuche, einen Prompt zu formulieren, bevor sie die Suche aufgaben. Bei der Generation Z, einer digital-affinen Gruppe, brach sogar fast jeder vierte Käufer die Anfrage während des Suchprozesses ab.

Die Detailtiefe der Prompts variiert zudem stark zwischen den Generationen. Gen Z formuliert ihre Anfragen durchschnittlich 25 % detaillierter als Baby Boomer. Diese Beobachtung unterstreicht die Notwendigkeit intuitiverer und fehlertoleranterer KI-Systeme, die auch weniger präzise oder offene Anfragen besser interpretieren können.

Ein weiteres Ergebnis ist, dass technische Spezifikationen in Prompts seltener vorkommen. Weniger als 20 % der Käufer gaben technische Details an, wobei RAM und Speicher die am häufigsten genannten Spezifikationen waren (jeweils 11 % und 10 %). Dies deutet darauf hin, dass Verbraucher oft eher nach Funktionen oder Anwendungsfällen als nach reinen technischen Merkmalen suchen.

Anwendungsbereiche und Vorteile von KI im Einkauf

KI-gestütztes Shopping ist besonders in bestimmten Produktkategorien verbreitet:

• Elektronik (40 % der Käufer nutzen KI)
• Bekleidung und Accessoires (39 %)
• Schönheit und Körperpflege (32 %)
• Gesundheit und Wellness (31 %)

Eltern von Kindern unter 18 Jahren nutzen KI-Tools überdurchschnittlich häufig für den Kauf von Spielzeug und Spielen (37 % gegenüber 24 % der Gesamtheit der Käufer).

Die Vorteile, die Käufer durch den Einsatz von KI-Tools sehen, sind vielfältig:

• Zeitersparnis und schnellerer Produktvergleich: 54 % der Käufer schätzen die Fähigkeit der KI, Produkte schnell zu vergleichen, und 53 % nennen die Zeitersparnis als Vorteil.
• Zugang zu mehr Produktinformationen: 41 % profitieren von den umfassenderen Informationen, die KI bereitstellt.
• Einfachere Produktfindung: 39 % sehen einen Vorteil in der verbesserten Produktentdeckung.
• Geldeinsparungen: Fast jeder siebte Käufer gab an, im letzten Jahr durch KI-gestütztes Shopping 500 US-Dollar oder mehr gespart zu haben.

Die primären Wunschbereiche für KI-Unterstützung sind die Recherche und der Vergleich (62 %) sowie die Überwachung von Angeboten und Preisen (56 %). Dies unterstreicht den Wunsch der Verbraucher nach informierten Kaufentscheidungen.

Erwartungen an die Weiterentwicklung von KI-Tools

Konsumenten haben klare Vorstellungen davon, wie KI-Shopping-Tools verbessert werden sollten. An erster Stelle steht die Fähigkeit der KI, wichtige Details zu speichern:

• Größe (55 %)
• Budget (54 %)
• Kaufhistorie (53 %)
• Stilpräferenzen (52 %)
• Loyalitätsstatus (42 %)

Auch der Lebenskontext, wie Haushaltsbedürfnisse oder persönliche Umstände, wird von 21 % der Befragten als relevant für die KI-Erinnerung angesehen. Dies deutet auf den Wunsch nach einer stärker personalisierten und kontextbezogenen Unterstützung hin.

Um die Nutzung von KI-Shopping-Tools zu steigern, wünschen sich Käufer:

• Verbesserte Empfehlungsgenauigkeit (39 %)
• Zuverlässigere Daten (33 %)
• Erweiterte Datenschutzkontrollen (31 %)
• Fähigkeit, vergangene Präferenzen zu speichern (27 %)
• Verbesserte Personalisierung (26 %)
• Größere Transparenz über die Funktionsweise der KI (25 %)

Datenschutz und Vertrauen als zentrale Bedenken

Trotz der Begeisterung für die Vorteile von KI gibt es auch Bedenken. Datenschutz ist mit 29 % die größte Sorge der Käufer im Zusammenhang mit KI-Shopping-Assistenten. Weitere Bedenken sind Voreingenommenheit in Empfehlungen (24 %) und ein allgemeiner Mangel an Vertrauen (23 %). Es ist jedoch bemerkenswert, dass 75 % der Käufer angeben, dass KI-generierte Inhalte sie nicht vom Kauf abhalten würden, was auf eine grundsätzliche Offenheit gegenüber KI-Empfehlungen hinweist, sofern das Vertrauen gegeben ist.

Eine weitere Studie von Gartner unterstreicht, dass Konsumenten KI-Tools bevorzugen, die bei der Entdeckung und Recherche unterstützen, aber nicht diejenigen, die Kaufentscheidungen für sie treffen. Nur 11 % der Befragten waren bereit, KI Kaufentscheidungen für Produkte mit geringem Risiko (z. B. Körperpflegeprodukte) zu überlassen.

Zudem ergab eine Umfrage von Quad, dass 75 % der Amerikaner das Vertrauen in KI-Shopping verlieren würden, wenn die Ergebnisse gesponsert wären. Dies verdeutlicht die Bedeutung von Transparenz und Objektivität für die Akzeptanz von KI im Einkauf.

Die Rolle von Prompt Engineering und Agentic AI

Die Herausforderungen bei der Prompt-Formulierung unterstreichen die Bedeutung von "Prompt Engineering" – der Kunst, Anfragen so zu gestalten, dass sie die gewünschten Ergebnisse von einem KI-Modell liefern. Für Unternehmen bedeutet dies, ihre KI-Systeme so zu optimieren, dass sie auch mit weniger präzisen oder unvollständigen Prompts umgehen können.

Adobe beschreibt "Agentic AI" im Einzelhandel als Systeme, die die Absicht des Käufers interpretieren und Maßnahmen ergreifen, ohne dass präzise Prompts erforderlich sind. Diese Systeme nutzen Produktdaten, Kundenhistorie und Verhaltenssignale, um auf unvollständige Anfragen zu reagieren. Die Entwicklung solcher intelligenter Agenten, die in der Lage sind, den Kontext zu verstehen und proaktiv zu handeln, wird entscheidend sein, um die Lücke zwischen dem Wunsch nach KI-Unterstützung und der tatsächlichen Nutzungseffizienz zu schließen.

Letztlich zeigt sich, dass die Zukunft des KI-gestützten Einkaufs nicht nur in der Leistungsfähigkeit der Algorithmen liegt, sondern auch in der Gestaltung einer intuitiven und vertrauenswürdigen Benutzeroberfläche, die es den Konsumenten ermöglicht, ihre Bedürfnisse mühelos und effektiv zu kommunizieren.

Bibliographie

- Adobe for Business Team (2026). The AI shopping gap: Using AI but not finding what you need. - Clifton Mark (2025). AI shopping assistants are catching on – but shoppers still need convincing. YouGov. - Collin Delrow (2026). American consumers distrust AI sponsored shopping results. Quad. - Gartner, Inc. (2026). Gartner study reveals consumers want AI shopping help, but not AI purchase decisions. Chain Drug Review. - Jordan Parkes (2026). Most ChatGPT Prompts Never Trigger Shopping. ZeroClick Labs. - Karen Webster (2026). Agentic Commerce Isn’t Here: AI Shopping Is a Smarter Search… PYMNTS. - Muhammad Zulhusni (2026). AI shopping tools are widely used, but prompts remain a hurdle. Marketing Technology News. - Onviqa Inc. (2026). How Claude shops: six prompt patterns. Surfient. - Priya Raghavan (2026). How to Use AI for Shopping and Find Better Deals. Awesome Agents. - Unsplash (o.J.). Foto von حامد طه.