• Mediathek
  • Blog-Beiträge
  • KI-Chatbots in Webshops: Warum die meisten Lösungen zu kurz greifen und wie es besser geht

KI-Chatbots in Webshops: Warum die meisten Lösungen zu kurz greifen und wie es besser geht

Ein funktionsfähiger Proof of Concept, der zeigt, was heute technisch möglich ist: der CID-KI-Chatbot.

In der heutigen Welt des Conversational Commerce sind Chatbots längst mehr als nur nette Spielerei. Sie begleiten Kunden durch den Kaufprozess, beantworten Fragen in Echtzeit und können so die Konversionsrate spürbar steigern. Fast wie ein persönlicher Verkaufsberater, der rund um die Uhr zur Verfügung steht. Doch die Realität sieht oft anders aus. Schauen wir uns einmal ehrlich die aktuelle Landschaft der E-Commerce-Websites an: Viele Webshops setzen entweder gar keine KI-gestützten Chatbots ein, oder, was noch frustrierender ist, sie haben welche implementiert, die wie nachträglich aufgeklebte Pflaster wirken. Diese Bots existieren in ihrer eigenen kleinen Blase, völlig abgekoppelt vom Rest der Website.

Das Resultat? Ein fragmentiertes Nutzererlebnis, das Kunden eher frustriert als unterstützt.

Was läuft schief bei herkömmlichen Webshop-Chatbots?

Zugegeben, viele dieser Chatbots können durchaus kompetent beraten. Sie beantworten Fragen zu Produkteigenschaften, geben Empfehlungen ab und helfen bei allgemeinen Anfragen. Doch ihre fundamentalen Schwächen zeigen sich schnell, sobald es um echte Interaktionen auf der Website geht:

Keine Warenkorb-Integration: Der Bot kann weder sehen, was bereits im Warenkorb liegt, noch Artikel hinzufügen oder daraus entfernen. Kunden müssen den Chat verlassen und manuell navigieren.

Fehlende Filter-Steuerung: Möchte ein Kunde die Produktauswahl eingrenzen, etwa nach Preis, Marke oder Eigenschaften, kann der Bot keine Kategorienfilter setzen. Stattdessen muss der Nutzer selbst durch die Navigation klicken. Umgekehrt weiß der Bot nichts von bereits gesetzten Filtern und kann diese Informationen nicht für eine bessere Beratung nutzen.

Isolierte Produktdarstellung: Produktempfehlungen erscheinen meist als Links zu Produktdetailseiten mit Bildern, aber eben nicht in der gewohnten, optisch ansprechenden Darstellung der Website mit allen relevanten Informationen auf einen Blick. Der Kunde muss erst auf jeden Link klicken, um die Produkte richtig vergleichen zu können.

Starre Gesprächsführung: Oft entsteht kein natürliches Beratungsgespräch, sondern es fühlt sich so an, als würde ein Entscheidungsbaum abgearbeitet.

Diese Bots wurden nie als integraler Bestandteil der User Experience konzipiert, und genau hier liegt das Kernproblem. Während ein Verkäufer im stationären Handel intuitiv versteht, was gute Beratung ausmacht, fehlt Online-Chatbots diese natürliche Interaktionsfähigkeit.

Was wir vom stationären Handel lernen können

Ein kompetenter Verkäufer im Fachgeschäft macht drei Dinge gleichzeitig: Er hört zu, er handelt und er passt sich an. Stellen Sie sich vor, Sie suchen eine Kaffeemaschine. Der Verkäufer stellt gezielte Fragen: „Für wie viele Personen kochen Sie normalerweise?“, „Trinken Sie hauptsächlich Espresso oder auch Filterkaffee?“, „Wie wichtig ist Ihnen die Bedienfreundlichkeit am Morgen?“

Während Sie antworten, führt er Sie bereits zu den passenden Geräten, erklärt Unterschiede und lässt Sie verschiedene Modelle ausprobieren. Er reagiert auf Ihre Körpersprache, merkt, wenn Sie zögern, und passt seine Empfehlungen entsprechend an.

Das Ergebnis: Sie werden nicht mit einem Produktkatalog erschlagen, sondern gezielt zu den 2-3 Produkten geführt, die wirklich zu Ihnen passen. Diese Art der Beratung führt zu zufriedeneren Kunden und weniger Fehlkäufen.

Genau hier zeigt sich das wirtschaftliche Problem für Online-Händler: Ohne diese intuitive Beratung steigt die Wahrscheinlichkeit von Fehlkäufen dramatisch. In Deutschland berichten z.B. laut einer EHI-Studie 65% der Onlinehändler im Bereich Fashion & Accessories von einer Retourenquote von über 25%. Das bringt enorme Kosten für Logistik, Bearbeitung und oft auch Produktverlust mit sich.

Ein Großteil dieser Retouren entsteht durch Produkte, die nicht den tatsächlichen Bedürfnissen entsprechen – ein Problem, das ein guter Verkäufer im stationären Handel durch gezielte Nachfragen von vornherein verhindert hätte.

Hier liegt das größte Potenzial für intelligente Beratungssysteme: Durch passgenauere Empfehlungen lassen sich nicht nur Retouren reduzieren, sondern gleichzeitig die Kundenzufriedenheit und der durchschnittliche Warenkorbwert steigern.

Die Lösung: Agentic AI-Systeme mit echter Integration

Wir haben uns daher gefragt: Was wäre, wenn ein Chatbot nicht nur reden, sondern auch handeln könnte? Was, wenn er ein echter digitaler Assistent wäre, der die Website im Namen des Kunden steuert?

Unsere Antwort darauf ist ein Agentic AI-Konzept, das weit über traditionelle Chatbots hinausgeht. Anstatt isoliert zu operieren, hat unsere Lösung Zugriff auf verschiedene Tools und kann den sichtbaren Zustand der Website aktiv verändern.

Was machen wir mit unserem Konzept anders?

Intelligente Warenkorb-Verwaltung: Unsere Lösung kann den aktuellen Warenkorb einsehen, auf Plausibilität prüfen und Artikel direkt hinzufügen oder entfernen. Gezielte Rückmeldungen helfen, Fehlkäufe zu vermeiden. Ein Beispiel: „Sie haben eine Filtermaschine und einen Tamper im Warenkorb. Dieses Zubehör passt nicht zur gewählten Maschine, da bei der Zubereitung mit einer Filtermaschine kein Kaffee gestampft werden muss.“

Dynamische Website-Steuerung: Der Bot setzt Filter, navigiert durch Kategorien und passt die Produktansicht in Echtzeit an die Kundenwünsche an, alles, während der Kunde im Chat bleibt.

RAG-gestützte Beratung: Durch Retrieval Augmented Generation greift das Modell auf die komplette Produktdatenbank zu und liefert präzise, aktuelle Informationen.

Natürliche Gesprächsführung: Statt starrer Entscheidungsbäume führt der Bot ein echtes Beratungsgespräch. „Sie haben erwähnt, dass Sie morgens wenig Zeit haben, dann wäre ein Vollautomat praktischer als eine Siebträgermaschine.“

Intelligente Recommendations: Empfehlungen lassen sich nahtlos in den Beratungsprozess integrieren: „Kunden mit ähnlichen Anforderungen haben auch diese Mühle gekauft, das würde perfekt zu Ihrer Maschine passen.“ Oder „Hallo Herr Müller, möchten Sie wieder den Entkalker kaufen“?

Nahtlose User Experience: Produktempfehlungen erscheinen sowohl im Chat als auch in der gewohnten Website-Darstellung. Der Kunde erlebt eine einheitliche, intuitive Bedienoberfläche. Die Webseite spiegelt hierbei den aktuellen Stand der Interaktion wider. Eingaben können per Chat oder per Klick auf der Webseite erfolgen. Der Bot hat stets umfassende Informationen für seine Beratungstätigkeit zur Verfügung.

Zentrale Position für den Chat: Ein intelligenter Verkaufsberater sollte nicht als kleine Sprechblase in der Ecke versteckt werden. Stattdessen verdient er eine zentrale Position mit ausreichend Platz für natürliche Gespräche und sollte beim Seitenaufruf bereits geöffnet sein.

Praxisbeispiel: „Coffee Companion“ im Kaffeemaschinenshop

Um diese Vision zum Leben zu erwecken, haben wir eine Demo entwickelt: unseren Coffee Companion-Bot in einem simulierten Kaffeemaschinenshop, der anhand unseres Konzepts Kunden gezielt durch den Einkauf führt und die Interaktionen in Echtzeit steuert.

Stellen Sie sich vor, ein Kunde fragt: „Ich suche einen Vollautomaten.“ Statt nur Links zu posten, macht unser Coffee Companion Folgendes:

  1. Er setzt automatisch die entsprechenden Filter (Kategorie: Kaffeemaschinen: Typ: Vollautomat).
  2. Die Website aktualisiert sich in Echtzeit und zeigt die passenden Produkte.
  3. Er fragt nach, welche Eigenschaften die Maschine haben soll.
  4. Die Nutzereingabe: „Ich möchte Abwechslung bei der Kaffeesorte haben.“ führt zu einem Widerspruch mit dem aktuellen Filter.
  5. Er fragt nach, ob Vollautomaten dann wirklich die passende Wahl sind, da hier normalerweise ein großer Bohnenbehälter vorhanden ist, was der regelmäßigen Variation der Kaffeesorte entgegenspricht. Er schlägt daher vor, Kapsel- und Padmaschinen genauer anzuschauen.
  6. Der Nutzer und der Bot tauschen im Laufe des Gesprächs Informationen aus, was hilft, das relevante Produktsortiment einzugrenzen und schließlich wenige konkrete Vorschläge zu geben, die dann durch Rückmeldung im Chat oder durch Klick auf das Warenkorbsymbol in den Warenkorb gelegt werden können.
  7. Nachdem eine Maschine in den Warenkorb gelegt wurde, liefert der virtuelle Verkaufsberater passgenaue Zubehörvorschläge.

Das Ergebnis? Eine Shopping-Experience, die sich natürlich und intuitiv anfühlt, so, als hätte man einen kompetenten Verkäufer an der Seite, der nicht nur berät, sondern auch direkt handelt.

Unser Ansatz: Vom Problem zur praktischen Lösung

Die beschriebene Lösung ist nicht nur Theorie, sondern bereits Realität. Statt endlos zu diskutieren, haben wir es einfach ausprobiert. Unser Coffee Companion ist das Ergebnis: ein funktionsfähiger Proof of Concept, der zeigt, was heute technisch möglich ist.

Unser Fokus liegt auf der passgenauen Integration von AI in bestehende Kundenlösungen. Dabei geht es uns nicht nur um Webshops, sondern generell um die Optimierung von Abläufen. Das kann Zeit sparen, Qualität erhöhen oder, wie in diesem Fall, die Kundenerfahrung messbar verbessern. Weniger Retouren, höhere Kundenzufriedenheit, mehr Umsatz – das sind die Kennzahlen, die zählen.

Die Zukunft des E-Commerce liegt in der intelligenten Integration von KI, nicht in isolierten Chatbot-Inseln.

Möchten Sie erfahren, wie sich GenAI nahtlos in Ihre bestehende Applikation integrieren lässt? Kontaktieren Sie uns für ein unverbindliches Gespräch.

Autor

Ruth Schreiber beschäftigt sich seit vielen Jahren mit Künstlicher Intelligenz, Natural Language Processing und Data Science. Als Technology Evangelist bei CID ist sie maßgeblich an Presales-Aktivitäten beteiligt, berät Kunden zu technischen Lösungen und unterstützt das Team auch praktisch in MVP-Phasen.

Jörg Dallmeyer arbeitete an Künstlicher Intelligenz, lange bevor „Data Science“ ein Begriff war. Er hatte Rollen wie Head of Research, Principal Data Science & Data Engineering und ist aktuell Technology Evangelist. Sein Fokus: Modern Data Stacks & AI – von Datenmodellierung bis zu LLMs, von Presales und Consulting bis zur Entwicklung von MVPs.


Teilen

Weitere Beiträge
Future-Proofing Infrastructure

Wie Broadcoms neue Preisstruktur Unternehmen zur Effizienz zwingt – und warum Überdimensionierung jetzt teuer wird.

Read more
Softwarearchitektur & Agentenbasierte KI

Softwareentwicklung in der richtigen Architektur ist keine triviale Aufgabe. Nutzen Sie die langjährige Erfahrung unserer Experten bei CID.

Read more

Neueste Medieninhalte

Video: No-Code/Low-Code or Bespoke

Entdecken Sie die Überlegungen hinter No-Code-, Low-Code-, Hybrid- und maßgeschneiderter Software.

Read more
Software-Architektur – Systeme nach Ihrem Bedarf

Warum Softwarearchitektur wichtig ist – auch für kleine Projekte: effizient, sicher und skalierbar entwickeln.

Read more
Cloud Native - Foundation of Modern Software Development

Cloud Native-Technologien ermöglichen skalierbare, resiliente Software. Erfahre Sie, wie Unternehmen diesen Wandel meistern können.

Read more