Eine Befragung von 4.000 Verbraucherinnen und Verbrauchern in neun europäischen Ländern aus dem Jahr 2026 belegt: KI entwickelt sich zu einem relevanten Kanal für Produktentdeckung und Preisvergleich. Gleichzeitig zeigt sie eine Spannung, die im Kundengespräch benannt werden sollte – Konsumenten sind grundsätzlich offen für nützliche KI-Unterstützung, zeigen sich mit vielen händlerseitig eingesetzten Tools jedoch unzufrieden. Die Studie misst keine tatsächlichen Umsatzeffekte und enthält keine Vergleichswelle. Ihr Wert liegt in der Momentaufnahme selbstberichteter Verhaltensweisen und Präferenzen. Sie beweist weder, dass bestimmte KI-Funktionen Umsatz generieren, noch dass sie ihn vernichten. Dieser Artikel ergänzt sie deshalb um verhaltensbasierte und experimentelle Forschungsergebnisse, die diesen Fragen näher kommen.
KI-Shopping in Europa 2026: Was 4.000 Befragte über ihr Verhalten berichten
Die Umfragedaten stammen aus „The Agent Era", veröffentlicht vom World Retail Congress mit Vercel als Auftraggeber. Befragt wurden im Mai 2026 insgesamt 4.000 Personen: 1.350 in Großbritannien, 1.000 in Deutschland, 825 in Südeuropa (Spanien, Frankreich und Italien zusammengefasst) sowie 825 in den nordischen Ländern (Schweden, Norwegen, Finnland und Dänemark zusammengefasst). Zwanzig Fragen. Eine einzige Momentaufnahme, keine frühere Erhebungswelle.
Im Kundengespräch sollte klar benannt werden, was diese Studie ist. Vercel vertreibt Storefront-Infrastruktur; die redaktionelle Rahmung orientiert sich entsprechend an Sponsoreninteressen. Die regionalen Ergebnisse sind als erste Orientierung nützlich, doch der Bericht legt zu wenig methodische Details offen – Stichprobenverfahren, Demografie, Gewichtung, Rücklaufquote und Signifikanztests fehlen – um Repräsentativität oder Stichprobenfehler vollständig beurteilen zu können. Großbritannien stellt 33,8 % der Stichprobe; ein gepoolter „europäischer" Wert lässt sich daher nicht ohne Weiteres auf europäische Verbraucher verallgemeinern. Alle nachfolgenden Befunde sind selbstberichtet – und geäußerte Absichten überschätzen beobachtetes Verhalten erfahrungsgemäß deutlich.
Diese Einschränkungen vorangestellt, liefert die Momentaufnahme dennoch ein strukturelles Signal, das strategisch relevant ist: KI-Suche wird von Befragten häufiger als Einstiegspunkt in Einkaufsprozesse genannt als jede einzelne Social-Media-Plattform.
| Umfrageergebnis | UK | Südeuropa | Deutschland | Nordische Länder |
|---|---|---|---|---|
| Beginnen Einkaufsprozesse mit KI-Suche | 20 % | 27 % | 24 % | 19 % |
| Nutzen ChatGPT bei der Suche nach neuen Produkten | 33 % | 49 % | 38 % | 40 % |
| Verzichten vollständig auf KI-Suche beim Shopping | 50 % | 32 % | 40 % | 44 % |
| Haben nach KI-Empfehlung gekauft (unter KI-Nutzenden) | 55 % | 58 % | 55 % | 51 % |
| Würden bei rein KI-basiertem Service weniger ausgeben oder ablehnen | 57 % | 52 % | 54 % | 61 % |
| Bevorzugen stationären Handel für hochpreisige Käufe | 65 % | 79 % | 61 % | 76 % |
| Würden Händler wegen besserer KI-Tools bevorzugen | 43 % | 59 % | 40 % | 39 % |
KI-Suche als Einstiegskanal: auf Augenhöhe mit einzelnen Social-Media-Plattformen
In allen untersuchten Regionen wurde KI-Suche (ChatGPT, Gemini, Claude) von 19–27 % der Befragten als Einstiegspunkt in Einkaufsprozesse genannt – mehr als Facebook, TikTok oder Instagram jeweils einzeln.
Die regionalen Werte: 27 % in Südeuropa, 24 % in Deutschland, 20 % in Großbritannien, 19 % in den nordischen Ländern. Zum Vergleich: Facebook 14–23 %, TikTok 13–18 %, Instagram 14–16 %. Zwei Einschränkungen sind wichtig. Erstens bündelt „KI-Suche" drei Plattformen, während Social Media plattformweise ausgewiesen wird – ein Vergleich mit Social Media insgesamt ist also nicht möglich. Zweitens liegen manche Abstände unter einem Prozentpunkt (20 % gegenüber 19 % für Facebook in Großbritannien), und da der Bericht keine Signifikanztests ausweist, sollten knappe Vorsprünge als Gleichstand gewertet werden.
Die Einordnung bleibt bemerkenswert. ChatGPT wurde im November 2022 eingeführt; TikTok existiert seit 2016, Instagram seit 2010, Facebook seit 2004. Ein Kanal, der jünger als vier Jahre ist, liegt heute gleichauf mit oder vor jeder einzelnen Social-Media-Plattform als selbstberichteter Einstiegspunkt ins Shopping. Händler-Websites dominieren weiterhin klar (76–80 %), gefolgt von Google (65–68 %).
Eine verbreitete Annahme verdient eine Korrektur: KI-Antworten sind nicht mehr ausschließlich organisch. OpenAI kündigte im Mai 2026 Werbung in ChatGPT an, einschließlich CPC-Buchungen und Produktfeed-Anzeigen. Organische Empfehlungen bleiben von bezahlten Platzierungen getrennt; Sichtbarkeit dort hängt von maschinenlesbaren Produktdaten, zitierfähigem Content sowie Plattformintegrationen, Retrieval-Systemen und Modellverhalten ab. Diese Disziplin unterscheidet sich deutlich von Paid Social und klassischem SEO-Ranking – kein einzelner Hebel garantiert Präsenz.
ChatGPT führt – und ein Drittel bis die Hälfte der Befragten nutzt keine KI-Suche
ChatGPT ist überall der klare Marktführer: 49 % der südeuropäischen Befragten geben an, es bei der Suche nach neuen Produkten zu nutzen, 40 % in den nordischen Ländern, 38 % in Deutschland, 33 % in Großbritannien. Gemini liegt an zweiter Stelle mit 22–37 %. Claude, Bing AI und Perplexity bleiben jeweils unter 6 %.
Der Anteil der Nicht-Nutzenden reicht von 32 % in Südeuropa bis zu 50 % in Großbritannien. Bevölkerungsdaten zeigen: Die Adoptionskurve verläuft steil und ungleichmäßig. Laut Eurostat nutzten 2025 in der EU 32,7 % der 16- bis 74-Jährigen generative KI-Tools – 65 % unter den 16- bis 24-Jährigen, aber nur 14 % bei den 55- bis 74-Jährigen. KI-Adoption im Handel wird ähnlich stark nach Altersgruppen variieren. Das ist für jeden Kunden relevant, dessen Kundenstamm überdurchschnittlich alt ist.
Wofür Käufer KI-Suche nutzen: Preisvergleich dominiert
Unter den Befragten, die KI beim Einkaufen einsetzen, ist Preisvergleich in allen Regionen der häufigste Anwendungsfall – genannt von 51–55 %. KI funktioniert hier als Vergleichsmaschine.
- Preise vergleichen: 51–55 % regionsübergreifend
- Kaufberatung und Produktinformationen: 38–53 %
- Neue Marken oder Produkte entdecken: 31–42 %
- Produkte bekannter Marken finden: 22–30 %
- Direkt innerhalb der KI-Plattform kaufen: 18–24 % (24 % in Großbritannien)
Den berichteten Absichten folgen berichtete Handlungen. Unter KI-Nutzenden geben 58 % in Südeuropa, je 55 % in Großbritannien und Deutschland sowie 51 % in den nordischen Ländern an, nach einer KI-Empfehlung einen Kauf getätigt zu haben. Das sind selbstberichtete Angaben ohne Aussagekraft zur Inkrementalität oder zur Kaufverifikation – als Ausdruck von Kaufbereitschaft sind sie dennoch nicht zu vernachlässigen.
Wächst KI-Shopping tatsächlich? Was Verhaltensdaten zeigen
Die Vercel-Umfrage kann kein Wachstum belegen, weil sie keine frühere Erhebungswelle enthält. Verhaltensdaten aus den USA stützen die Wachstumsrichtung dennoch. Adobe Analytics, nach eigenen Angaben basierend auf mehr als einer Billion Visits auf US-amerikanischen Retail-Websites, verzeichnete im Mai 2026 einen Anstieg des KI-vermittelten Retail-Traffics von 138 % im Jahresvergleich und von 1.324 % seit Oktober 2024. Diese Besucher konvertierten 54 % häufiger, generierten 53 % mehr Umsatz pro Visit, verweilten 53 % länger und riefen 23 % mehr Seiten auf als Nicht-KI-Referrals. Die Daten beziehen sich auf US-amerikanische Websites und ausschließlich auf identifizierbare KI-Klicks – sie sind daher als Richtungsgröße zu verstehen, nicht als europäischer Benchmark.
Die strategische Schlussfolgerung bleibt trotz aller Einschränkungen bestehen: Händler mit unvollständigen oder inkonsistenten Produktdaten verlieren Sichtbarkeit in Vergleichsszenarien an Wettbewerber mit sauberen Feeds – in einem Kanal, dessen messbarer Traffic dort, wo er messbar ist, erheblich wächst.
KI-Discovery endet oft im stationären Handel – und Attribution bleibt das eigentliche Problem
Bei hochpreisigen Käufen dominiert der stationäre Handel. Zwischen 61 % und 79 % der Befragten bevorzugen für teure Anschaffungen das Geschäft vor Ort: 79 % in Südeuropa, 76 % in den nordischen Ländern, 65 % in Großbritannien, 61 % in Deutschland. KI-gestützte Produktentdeckung führt dabei sowohl in Geschäfte als auch auf Websites: 3–5 % der Befragten entdecken Produkte über KI-Suche und kaufen anschließend stationär, 10–13 % entdecken über KI und kaufen auf der Händler-Website. Ob diese Anteile wachsen, lässt die Momentaufnahme offen.
Das Attributionsproblem dürfte größer sein, als der sichtbare KI-Referral-Traffic vermuten lässt. Eine Beobachtungsstudie aus dem Jahr 2026 verknüpfte mit Einwilligung die Assistenten-Konversationen (ChatGPT, Claude, Gemini) von Nutzenden mit ihrem anschließenden Surfverhalten. Wenn ein Assistent eine bislang unbekannte Marke empfahl, stiegen Markennamensuchanfragen um 4,3 Prozentpunkte, Besuche auf der Marken-Website um 2,4 Punkte und Besuche markenspezifischer Händlerseiten um 1,0 Punkt. Der größte Teil dieses Einflusses war für herkömmliche Referrer- und Last-Click-Attribution unsichtbar. Transaktionen oder Ladenbesuche wurden in der Studie nicht erfasst.
Die Attribution von KI bis in die Filiale erfordert mehr als Webanalytics allein
Im Kundengespräch sollte präzise benannt werden, was jede Messmethode leisten kann – und was nicht. Web-Analytics erfasst die KI-vermittelte Session. Filial-Analytics (Besucherfrequenz, Zonenverweildauer, Warteschlangenverhalten) misst den physischen Teil der Customer Journey. Keines dieser Instrumente kann allein zeigen, dass ein bestimmter Filialbesuch in ChatGPT begonnen hat. Die kausale Verbindung zwischen KI-Kontakt und Filialbesuch erfordert ein Verknüpfungskonzept oder ein Experiment: getaggte Angebote, Loyalty-Identität, standortbasierte Einwilligung, gematchte Kohorten, Geo-Tests oder Inkrementalitätstests.
Genau in dieser Lücke liegt eine Beratungschance. Händler, die Budget in KI-Discovery investieren, ohne ein Messdesign zu entwickeln, bewegen sich beim ROI-Nachweis im Blindflug. Ein phasenweiser Fahrplan – Filiale instrumentieren, Verknüpfungskonzept wählen, dann testen – ist die Art von Engagement, die gut aufgestellte Beratungsunternehmen für sich nutzen können. Die filialbasierte Instrumentierung ist dessen Fundament.
Wie Verbraucher die KI-Tools des Handels bewerten
Nur zwei On-Site-KI-Funktionen erzielen in allen vier europäischen Märkten eine positiv ausgeprägte Nettobewertung: visuelle Suche und personalisierte Produktempfehlungen. Virtuelle Anprobe und Chatbots werden in den meisten Märkten netto negativ bewertet; die virtuelle Anprobe ist das am schwächsten bewertete Tool der gesamten Studie. „Netto positiv" bedeutet, dass positive Bewertungen die negativen überwiegen – es handelt sich um ein Zufriedenheitsmaß ohne Aussage zu ROI oder Inkrementalumsatz.
Die Nutzungsquoten sind hoch – was die Lücke zwischen Einsatz und Zufriedenheit besonders problematisch macht. Personalisierte Empfehlungen werden von 67 % der südeuropäischen Befragten mindestens gelegentlich genutzt, von 59 % in Großbritannien, 58 % in den nordischen Ländern und 57 % in Deutschland. Verbraucher begegnen diesen Tools regelmäßig und empfinden sie häufig als unzureichend: Sich wiederholende Empfehlungen (26–33 %), falsche Chatbot-Antworten und irrelevante Vorschläge werden je nach Markt von etwa einem Viertel bis einem Drittel der Befragten berichtet.
Die selbstberichtete Ausgabebereitschaft zeigt in dieselbe Richtung. Mehr als die Hälfte gibt an, bei einem ausschließlich KI-gesteuerten Service weniger auszugeben oder den Kauf ganz zu verweigern: 61 % in den nordischen Ländern, 57 % in Großbritannien, 54 % in Deutschland, 52 % in Südeuropa. Nur etwa einer von zehn würde mehr ausgeben. Das sind Absichtsbekundungen zu einem hypothetischen Szenario – sie sollten nicht als gemessener Umsatzverlust gelesen werden.
Woher stammen die Schwächen? Teilweise aus unvollständigen oder inkonsistenten Produktdaten, teilweise aus Retrieval-Problemen, Modellverhalten, Oberflächengestaltung oder fehlenden Eskalationspfaden zu menschlichen Mitarbeitenden. Ein Audit von KI-Shopping-Agenten fand Empfehlungen, die sich auf wenige dominierende Produkte konzentrierten, sich nach Modell-Updates erheblich veränderten und deutliche Positionsverzerrungen aufwiesen – einfache Änderungen an Produktbeschreibungen konnten die Auswahl des Agenten bereits beeinflussen. Händler müssen das Gesamtsystem testen; bessere Produktdaten allein lösen nur einen Teil des Problems.
Experimentelle Belege stützen diese implementierungszentrierte Sichtweise. Eine umfangreiche Reihe randomisierter Feldexperimente bei einem grenzüberschreitend tätigen Händler testete generative KI in sieben Workflows – vom Vorkauf-Chatbot bis zu Produktbeschreibungen. Die Umsatzeffekte reichten von nicht nachweisbar bis zu +16,3 %, vier der Anwendungen erzielten positive Effekte. Die praxisrelevante Schlussfolgerung: KI-Tools sind weder automatisch umsatzwirksam noch grundsätzlich schädlich. Ihre Wirkung hängt von der Aufgabe, dem Ausgangssystem, der Implementierungsqualität und dem Kundensegment ab. Jedes Deployment sollte als Hypothese behandelt werden, die an Konversion, Marge, Retouren und Serviceoutcomes gemessen wird.
Die Mensch-KI-Balance, die Verbraucher sich wünschen
Der Wunsch nach einem rein KI-basierten Service ist eine kleine Minderheitsposition – das sollte explizit benannt werden, wenn ein Kunde plant, sein Serviceteam vollständig durch einen Chatbot zu ersetzen. Regionsübergreifend bevorzugen 42–49 % der Befragten eine Kombination aus menschlicher und KI-Unterstützung, 42–52 % bevorzugen ausschließlich Menschen, und nur 6–11 % wollen KI allein.
Als größte Sorge wird der Verlust menschlicher Verbindung genannt: 47 % in Großbritannien, 46 % in den nordischen Ländern, 42 % in Südeuropa, 40 % in Deutschland. Datenschutz folgt an zweiter Stelle mit 33–36 %. KI sollte als Erweiterung menschlicher Servicekapazität positioniert werden. Ein Chatbot-Deployment ohne Eskalationspfad zu menschlichen Mitarbeitenden ist in jedem Markt die risikoreichste Konfiguration.
KI-Qualität als Händlerwahlkriterium
In allen untersuchten Märkten gibt ein erheblicher Anteil der Befragten an, einen Händler gegenüber einem anderen zu bevorzugen, weil er KI-Tools auf seiner Website besser einsetzt: 59 % in Südeuropa, 43 % in Großbritannien, 40 % in Deutschland, 39 % in den nordischen Ländern. Die Formulierung ist zu beachten: Es geht um eine hypothetische Wahl zwischen Händlern – das ist schwächere Evidenz als ein tatsächlicher Wechsel von einem bereits genutzten Anbieter. Da die nordischen Länder unter 40 % liegen und der Bericht keinen gewichteten gesamteuropäischen Wert ausweist, sollte die Schlagzeile vermieden werden, dass „über 40 % der Europäer" dieses Verhalten zeigen.
Darüber hinaus geben 26–37 % an, bei einem Händler mit aktueller KI-Beratungsfunktion mehr auszugeben. Absichtsbekundungen, ja – aber richtungsweisend für die Priorisierung. Was Befragte verbessert sehen möchten, ist aufschlussreich: genauere personalisierte Empfehlungen (41–51 %) und intelligentere Chatbots mit menschenähnlicheren Antworten (33–43 %). Neuartige Funktionen werden niedriger eingestuft: AR-Shopping-Erlebnisse bei 13–22 %, KI-Styling-Assistenten bei 17–20 % je nach Markt.
Daraus ergibt sich eine Investitionshierarchie für Kunden-Roadmaps:
- Empfehlungs-Engines und Produktdaten zuerst bereinigen.
- Visuelle Suche als zweites einführen oder verbessern.
- Neue Funktionen wie virtuelle Anprobe und AR als Hypothesen testen – erst nachdem die grundlegende KI-Qualität nachweislich positiv ist.
Agentic-Commerce-Infrastruktur entsteht – mit Einschränkungen
Die Transaktionsinfrastruktur wird gerade aufgebaut: Perplexity startete US-Shopping-Funktionen im November 2024, OpenAI fügte Shopping in ChatGPT Search im April 2025 und US-Käufe bei Etsy-Händlern im September 2025 hinzu, Google stellte im Mai 2025 den KI-Modus mit Shopping Graph vor, Shopify kündigte im März 2026 Agentic Storefronts an. Verfügbarkeit variiert je nach Land, Händler und Plattform; mehrere dieser Kanäle befinden sich weiterhin in der Early-Access-Phase oder sind US-fokussiert. Vor jeder Kundenzusage für Europa sollte die aktuelle Verfügbarkeit geprüft werden.
Die Stimmung im Handel läuft den Daten voraus. In einer unveröffentlichten Umfrage des World Retail Congress unter leitenden Handelsverantwortlichen aus den USA, Europa und Asien im Vorfeld des Berliner Events 2026 nannten 98 % die Befürchtung, von agentischen Suchmaschinen nicht ausgewählt zu werden, als ihr wichtigstes Thema. Stichprobengröße und Frageformulierung wurden nicht offengelegt – es handelt sich um die Stimmung eines Konferenzpublikums.
Die verbreitete These, Marken gewännen KI-Traffic auf Kosten von Aggregatoren, verdient dieselbe Vorsicht. Sie stammt von Vercels CTO Malte Ubl als Beobachtung aus dem Vercel-eigenen Traffic – plausibel, aber nicht verallgemeinerbar. Die Konversations-Matching-Studie von 2026 fand, dass Assistenten-Empfehlungen sowohl Marken-Websites als auch Händlerseiten stärkten, ohne eine allgemeine Verschiebung zwischen beiden zu zeigen. Unternehmensinterne Beispiele weisen in dieselbe ambivalente Richtung: Der CEO der JD Group berichtete, dass JD Sports in den USA ChatGPT-Bestellungen erhält, von denen zwei Drittel von Neukunden stammen (ohne Nenner oder Zeitraum), und Zalandos Mitgründer erklärte, 90 % der Produktmarketinginhalte würden inzwischen KI-generiert. Aufmerksamkeitswerter Richtungsanzeiger – ein Beweis für eine strategische Umkehr ist das noch nicht.
Für Kunden mit starker Direct-to-Consumer-Infrastruktur und sauberen Produktdaten ist Agentic Commerce ein Argument für Investitionen in eigene Kanäle – und für die Messung, was diese Kanäle leisten: online und in der Filiale, wo hochpreisige Käufe nach wie vor abgeschlossen werden. Wer KI-Discovery berät, ohne einen Plan zur Messung des anschließenden Filialbesuchs zu haben, sollte genau dort ansetzen.
Quellen
- World Retail Congress / Vercel: „The Agent Era" (2026), Befragung von 4.000 europäischen Verbrauchern, Mai 2026; primäre Quelle aller Umfragedaten
- Adobe Digital Insights (Juni 2026), Verhaltensdaten zu KI-vermitteltem Traffic auf US-amerikanischen Retail-Websites
- From Prompt to Purchase (2026, Preprint), Beobachtungsstudie zur Verknüpfung von KI-Assistenten-Konversationen mit anschließendem Surfverhalten
- Generative AI and Sales Productivity (Preprint), randomisierte Feldexperimente in sieben KI-Workflows im Einzelhandel
- What Is Your AI Agent Buying? (2025, Preprint), Audit zum Empfehlungsverhalten von KI-Shopping-Agenten
- Eurostat (Dezember 2025), Nutzung generativer KI in der EU-Bevölkerung nach Altersgruppen
- OpenAI (Mai 2026), Ankündigung von Werbung in ChatGPT
- Shopify, Ankündigung der Agentic Storefronts, März 2026