Was ist eine KI-Discovery-Schicht im Commerce?

Eine Auswahlstufe, die zwischen Katalog und Nutzeroberfläche sitzt und entscheidet, welche Produkte überhaupt in einen KI-gestützten Vorschlag gelangen. Sie bewertet strukturierte Attribute, Verfügbarkeit, Preisaktualität und Konditionen — nicht Bilder oder Markenbekanntheit.

Wie hoch sollte die Attributabdeckung im Produktfeed sein?

Für agentische Discovery gilt 90 Prozent vollständig gefüllter Pflicht- und Empfehlungsattribute pro Kategorie als praktische Untergrenze. Darunter werden Artikel regelmäßig übersprungen, und der Verlust taucht in keinem Kampagnenbericht auf, weil gar keine Impression entsteht.

Verlieren große Creator durch agentische Auswahl an Bedeutung?

Nicht grundsätzlich, aber die Auswahl verschiebt sich zu belegbarer Passung. Mikro-Creator mit sauberer, segmentierter Performance-Historie werden für Agenten leichter bewertbar als breite Reichweite ohne strukturierte Ergebnisdaten.

Gelten Kennzeichnungspflichten auch bei agentisch gesteuerten Kampagnen?

Ja, unverändert. Werbliche Inhalte müssen als solche erkennbar bleiben, und KI-generierte oder KI-veränderte Inhalte unterliegen den Transparenzpflichten des EU AI Act. Diese Regeln gehören strukturiert ins Briefing, damit der Agent sie durchsetzen kann.

Creator Commerce wird agentisch: Produktfeeds für die…

Zurück zum Blog

Inhaltsverzeichnis

Die kurze Antwort

Produktentdeckung verlässt die Oberflächen, die Marken kontrollieren. LTK hat im August 2026 eine agentische Kampagnensteuerung für Creator-Marketing eingeführt, TikTok Shop schiebt eine KI-Discovery-Schicht vor den Katalog. Beide lesen strukturierte Daten, nicht Moodboards. Wer seinen Produktfeed und seine Creator-Assets nicht maschinenlesbar aufstellt, verschwindet aus Empfehlungen, ohne es im Reporting zu sehen.

Was „agentisch" hier konkret bedeutet

Bei LTK beschreibt eine Marke ihr Ziel in Prosa; das System plant die Kampagne, schlägt passende Creator vor, startet, optimiert und empfiehlt den nächsten Schritt — auch proaktiv im Hintergrund. Bei TikTok Shop entscheidet eine Discovery-Schicht, welche Produkte überhaupt in einen KI-gestützten Vorschlag gelangen.

Der gemeinsame Nenner: Zwischen eurem Angebot und der Nutzerin steht ein Modell, das nach expliziten Kriterien auswählt.

Was diese Systeme lesen

Signal	Gewicht für Menschen	Gewicht für die Discovery-Schicht
Produktvideo / Ästhetik	hoch	gering
Attributvollständigkeit (Größe, Material, Passform)	mittel	sehr hoch
Verfügbarkeit und Preisaktualität	mittel	Ausschlusskriterium
Strukturierte Creator-Performance-Historie	gering	hoch
Rückgabe- und Versandbedingungen maschinenlesbar	gering	hoch

Praktisch heißt das: Ein Katalog mit lückenhaften Attributen wird nicht schlechter bewertet — er wird übersprungen.

Der Feed-Umbau in vier Schritten

1. Attributabdeckung messen. Pro Kategorie den Anteil vollständig gefüllter Pflicht- und Empfehlungsattribute. Alles unter 90 Prozent ist ein Umsatzrisiko.

2. Sprache vereinheitlichen. Modelle matchen über Begriffe. Wenn dieselbe Eigenschaft in drei Varianten geschrieben wird, zerfällt das Signal.

3. Echtzeitanbindung statt Nachtlauf. Preis- und Bestandsabweichungen führen bei agentischen Systemen zum Ausschluss, nicht zu einer Korrektur.

4. Creator-Assets strukturieren. Nicht nur Videos, sondern auch Ergebnisse: Reichweite, Conversion, Zielgruppenpassung — in einem Format, das ein Agent auswerten kann.

Was sich für Creator-Programme ändert

Die Auswahl verschiebt sich von Bauchgefühl und Followerzahl zu belegter Passung. Drei Konsequenzen:

Mikro-Creator gewinnen, weil ihre Performance-Historie in engen Segmenten sauberer interpretierbar ist als eine breite Reichweite.
Briefings werden Daten. Zielgruppe, Do-not-say-Liste und Kennzeichnungspflichten müssen strukturiert vorliegen, sonst kann der Agent sie nicht durchsetzen.
Kennzeichnung bleibt Pflicht. Agentische Auswahl ändert nichts an Werbekennzeichnung und, bei KI-generierten Inhalten, an den Transparenzpflichten des EU AI Act.

Der blinde Fleck im Reporting

Wenn ein Produkt gar nicht erst in den Vorschlag gelangt, entsteht keine Impression, kein Klick, keine Zeile im Bericht. Der Verlust ist unsichtbar. Deshalb gehört neben die Performance-Kennzahlen eine zweite Messung: Sichtbarkeitsquote im Discovery-Layer — regelmäßig geprüft über ein festes Set an Kaufabsichtsanfragen pro Kategorie.

Nächste Schritte

Messt zuerst die Attributabdeckung eures Feeds und danach eure Sichtbarkeitsquote in KI-gestützten Vorschlägen. Erst wenn beide Zahlen stehen, lohnt sich Budget in agentische Creator-Kampagnen. Wie wir das aufsetzen, steht auf unserer Seite zur GEO-Agentur; Hintergrund im Glossar unter Agentic Commerce und Agentic Checkout.

Agentic Commerce Creator Marketing Produktfeed Retail

Creator Commerce wird agentisch: Produktfeeds für die KI-Discovery-Schicht