Jetzt öffnet sich ein drittes Regal. Und damit eine neue Herausforderung: Der Kunde, der davor steht, ist kein Mensch. Es ist ein KI-Agent, der im Auftrag eines Menschen einkauft. Er sieht Ihre schöne Verpackung nicht. Er liest Ihre liebevoll getextete Produktseite nicht. Er liest Ihre Daten. Alle, sofort, und er nimmt jedes Attribut wörtlich.

Wir bei Systrion helfen Marken seit über 25 Jahren, ihre Produktdaten in Ordnung zu halten. Eine Entwicklung, die diese manchmal etwas unglamouröse Disziplin so aufwertet wie heute, haben wir noch nicht erlebt.

Die Zahlen sagen: Das ist ein Kanal, kein Trend

Seien wir ehrlich: Unsere Branche hat schon öfter „den nächsten großen Kanal" ausgerufen. Schauen wir deshalb lieber auf die Daten als auf den Hype.  Am vergangenen Black Friday wuchs der KI-getriebene Verkehr auf US-Retail-Webseiten laut Adobe um 805 % gegenüber dem Vorjahr. In derselben Cyber Week zählte Salesforce weltweit 67 Milliarden US-Dollar an Umsätzen, die von KI und Agenten beeinflusst wurden.

Und das ist erst die Anfangsphase. Morgan Stanley prognostiziert, dass KI-Shopping-Agenten von praktisch null heute auf 126 Millionen Nutzer im Jahr 2030 wachsen und 190 bis 385 Milliarden US-Dollar an US-E-Commerce-Umsatz bewegen werden. Besonders relevant für uns in der FMCG-Welt: In der Morgan-Stanley-Umfrage stehen Lebensmittel und Konsumgüter ganz oben auf der Liste dessen, was Menschen heute schon per KI kaufen. Eigentlich logisch. Kaum jemand sucht Spülmittel mit Leidenschaft aus. Die wöchentlichen Standardkäufe sind der erste Einkaufsjob, den Verbraucher gerne abgeben.

Die Weichen dafür werden gerade gestellt. OpenAI und Stripe haben das Agentic Commerce Protocol veröffentlicht, damit ChatGPT Käufe abschließen kann; Google hat auf der NRF ein eigenes Commerce-Protokoll vorgestellt. Wenn die Player der Payment- und Checkout-Infrastruktur sich so schnell bewegen, dann ist der Kanal real.

Was ein KI-Agent beim Einkaufen tatsächlich „sieht"

Hier wird es interessant für alle, die ein Produktportfolio verantworten.
Ein menschlicher Käufer kommt mit schlechten Daten zurecht, ohne es überhaupt zu merken. Fehlt auf Ihrer Produktseite ein Attribut oder ist die Beschreibung schwammig, schaut er eben genauer aufs Foto, trifft eine Annahme und legt das Produkt vielleicht trotzdem in den Warenkorb. 25 Jahre E-Commerce haben uns alle trainiert, trotz Datenlücken weiter einzukaufen.

Ein Agent schaut nicht genauer hin. Wenn er Produkte gegen eine Anfrage wie „finde mir einen laktosefreien Protein-Pudding unter zwei Euro mit recycelbarer Verpackung" prüft, fragt er strukturierte Attribute ab: GTIN, Zutaten, Allergene, Nährwerte, Preis, Verpackungsmaterial, Zertifikate. Fehlt ein Attribut, ist es widersprüchlich oder existiert nur als Fließtext für Menschen, dann rät der Agent nicht. Er geht weiter zum Wettbewerber, dessen Daten die Frage beantworten.

Fehlendes Attribut, fehlendes Produkt. Nicht „schlechter gerankt".
Gar nicht erst in Betracht gezogen.

Genau diesen Punkt macht GS1 im aktuellen Whitepaper zu vertrauenswürdiger Identifikation in einer KI-getriebenen Welt: KI-Systeme funktionieren am besten, wenn sie auf strukturierten, verifizierbaren und interoperablen Daten aufsetzen. Ohne gemeinsame, eindeutige Identifikatoren und Vokabulare, so GS1, drohe KI „Rauschen zu verstärken oder kritische Entscheidungen fehlzuleiten, statt Wissen zu erschließen". Googles Engineering Director für Commerce wird im selben Papier noch deutlicher: Agentic Commerce werde „mehr Vertrauen in jeden Schritt erfordern, der im Namen des Verbrauchers ausgeführt wird. Standards wie die von GS1 sind entscheidend, um Produkte zu identifizieren und die Modelle zu erden." (Zitate von uns übersetzt.)

Wir finden, das hat eine gewisse Poesie. Der Barcode wurde erfunden, damit eine Maschine ein Produkt an der Kasse lesen kann. Fünfzig Jahre später erledigt die Maschine den ganzen Einkauf. Das GS1-System, mit der GTIN als Anker und dem GDSN als Syndizierungs-Rückgrat, erweist sich als genau die Schicht der „Produktwahrheit", die KI-Agenten brauchen, um ihre Empfehlungen auf etwas Verifizierbarem aufzubauen. Das ist kein Altstandard, der um Relevanz kämpft. Das ist Infrastruktur, die für diesen Moment gebaut wurde, bevor irgendjemand wusste, dass er kommt.

Und die Regulierer wollen dieselben Daten

Wäre Agentic Commerce das Einzige, was an Ihren Produktdaten zieht, könnten Sie eine bequeme Mehrjahres-Roadmap planen. Ist es aber nicht. Schauen Sie, was allein in der EU in den nächsten 18 Monaten ansteht:

• PPWR, 12. August 2026. Jede Verpackungsart, die in der EU in Verkehr gebracht wird, braucht eine unterschriebene Konformitätserklärung samt technischer Dokumentation, und öko-modulierte EPR-Gebühren beginnen, recycelbare Verpackungen zu belohnen. Der Recyclingfähigkeitsgrad Ihrer Verpackung ist dann keine Nachhaltigkeitsfolie mehr, sondern eine Zahl in Ihrer G&V.
• ECGT, 27. September 2026. Pauschale Aussagen wie „umweltfreundlich", „natürlich" oder kompensationsbasiertes „klimaneutral" sind ohne belastbaren Nachweis verboten. Der Nachweis lebt, oder sollte leben, in Ihren Produktdaten.
• Digitaler Produktpass. Das EU-Register geht im Juli 2026 live, die Produktgruppen folgen gestaffelt bis 2030. Lebensmittel sind ausgenommen, Verpackungsdaten aber sehr wohl im Scope.
• Und unter allem läuft GS1 Sunrise 2027: Bis Ende 2027 sollen Kassensysteme in 48 Ländern, die 88 % des globalen BIP repräsentieren, 2D-Barcodes scannen können. Ein QR-Code auf der Packung ist ein Versprechen: Scanne mich, und du bekommst die Wahrheit über dieses Produkt. Aber der Code ist nur so gut wie die Daten dahinter.

Fällt Ihnen das Muster auf? Der KI-Agent, der Regulierer und der 2D-Barcode verlangen alle dasselbe: granulare, verifizierbare, maschinenlesbare Daten für jede einzelne SKU. Compliance-Daten und kommerzielle Daten lebten früher in verschiedenen Abteilungen. Sie sind jetzt, ganz wörtlich, dieselben Daten.

Die teuersten Worte: „Das integrieren wir später"

Warum sind die meisten Marken dann nicht bereit?
Nach unserer Erfahrung liegt es selten an fehlendem Bewusstsein und fast immer an Fragmentierung. Das typische Setup: ein PIM von einem Anbieter, ein DAM von einem zweiten, ein GDSN-Datenpool von einem dritten, Nachhaltigkeitsdaten verstreut in PDFs und Lieferanten-E-Mails, alles zusammengehalten mit Integrations-Klebeband. Jede Übergabe zwischen diesen Systemen ist eine Gelegenheit für Drift, Verzögerung und Widerspruch. Das Gewicht im Marketing passt nicht zum Gewicht in der Logistik. Der Recyclingfähigkeitsgrad existiert in einer Excel-Tabelle, hat es aber nie in den syndizierten Datensatz geschafft. Niemand merkt es, weil ein menschlicher Käufer nie danach gefragt hat.

Ein KI-Agent fragt. Ein Regulierer fragt. Ein 2D-Barcode-Scan fragt. 2026 wird jede Inkonsistenz, die sich früher in den Fugen zwischen Ihren Systemen verstecken konnte, sichtbar gemacht, in großem Maßstab, von Maschinen, die Ihnen keinen Vertrauensvorschuss geben.

Deshalb haben wir vor Jahren eine Entscheidung getroffen, die damals fast ketzerisch wirkte: PIM, DAM und GDSN sollten keine drei Systeme sein. Systrion betreibt einen von weltweit nur rund 44 GDSN-Datenpools, und einen der ganz wenigen mit nativ integriertem PIM und DAM. Nicht weil Integration ein nettes Feature ist, sondern weil wir überzeugt sind, dass Produktdaten ein Zuhause haben sollten, von der Entstehung bis zur Syndizierung. Eine Quelle der Produktwahrheit, die das physische Regal bedient, das digitale und jetzt das dritte, das agentische.

Wo Sie anfangen sollten (Tipp: nicht mit einem KI-Projekt)

Wenn Sie eine Sache aus diesem Artikel mitnehmen, dann diese: Es gibt keine KI-Strategie ohne Datenqualitätsstrategie. Unternehmen geben Millionen für KI-Initiativen aus und Cent-Beträge für die Daten, auf denen diese Initiativen laufen. Das ist, als würden Sie einen Formel-1-Wagen kaufen und Salatöl tanken.

Der praktische Einstieg ist erfrischend unglamourös. Prüfen Sie Ihre Attribute auf GTIN-Ebene auf Vollständigkeit und Konsistenz. Holen Sie Ihre Verpackungs- und Nachhaltigkeitsdaten aus den PDFs in eine strukturierte, abfragbare Form, denn der August 2026 wartet nicht. Stellen Sie sicher, dass das, was Sie über das GDSN syndizieren, so reichhaltig ist wie das, was Sie auf Ihren eigenen Produktseiten zeigen. Und stellen Sie unbequeme Fragen dazu, wie viele Schnittstellen Ihre Daten zwischen ihrer Entstehung und dem Punkt, an dem eine Maschine sie liest, überleben müssen.

Die Marken, die das dritte Regal gewinnen, werden nicht die mit der cleversten KI-Strategie sein. Es werden die sein, deren Produktdaten die Wahrheit sagen, in einem Format, dem Maschinen vertrauen können, überall gleichzeitig.

Die Maschinen kaufen bereits ein. Die einzige Frage ist, ob sie Sie sehen können.