KI-Einkaufshelfer im Handel: Nutzung wächst, Zahlungsbereitschaft bleibt aus

Wer im Netz nach einem Geschenk sucht, bekommt immer häufiger Vorschläge, die ein Sprachmodell zusammengestellt hat. Solche Einkaufshelfer sind in deutschen Haushalten angekommen – bezahlen möchte für sie hierzulande aber fast niemand. Der Consumer Trends Report 2026 des Capgemini Research Institute zeigt eine deutliche Lücke zwischen Nutzung und Zahlungsbereitschaft. Wie groß dieser Abstand ausfällt, welche Bedingungen Verbraucher an eine automatisierte Beratung knüpfen und warum der Engpass im Handel woanders liegt als vermutet, lesen Sie in dieser Analyse.

Zwei Werte trennen die Neugier von der Zahlungsbereitschaft

Das Capgemini Research Institute hat am 7. Januar 2026 seinen Consumer Trends Report 2026 vorgelegt. Für die Erhebung wurden 12.000 Verbraucher in zwölf Ländern befragt, darunter 1.000 in Deutschland. Die zentrale Beobachtung: Die Bereitschaft, einen Assistenten zu nutzen, wächst schneller als die Bereitschaft, ihn zu bezahlen.

Im Jahr 2025 nutzte jeder sechste Befragte in Deutschland Einkaufswerkzeuge auf Basis generativer Modelle, international war es ein Viertel. Für die Zukunft planen 27 Prozent der deutschen Befragten den Einsatz solcher Werkzeuge, international 31 Prozent. Beim Bezahlen kehrt sich das Bild um: Nur 5 Prozent in Deutschland sind zahlungsbereit, international sind es 19 Prozent. Dieser Abstand ist der eigentliche Befund der Erhebung – nicht die Nutzung allein.

Eine Beratungsleistung, die sich nicht direkt verkaufen lässt, muss ihren Wert an anderer Stelle belegen: an der Trefferquote der Vorschläge, an weniger Fehlkäufen, an weniger Rücksendungen. „Ein Vorschlagsdienst, den kaum jemand abonnieren will, muss sich im Verkaufsvorgang selbst rechtfertigen. Wer ihn trotzdem als eigenes Produkt anbietet, verhandelt gegen eine sehr deutliche Zahl“, sagt Alexander Weipprecht, Geschäftsführer der Provimedia GmbH.

Für Anbieter bedeutet das eine Verschiebung der Geschäftsmodelle. Ein Abonnement für eine Kaufberatung lässt sich in Deutschland auf absehbare Zeit nicht durchsetzen. Tragfähig erscheint eher eine Einbettung in den bestehenden Verkaufsprozess, bei der der Nutzen über Abschlussquote und Zufriedenheit sichtbar wird. Wer den Assistenten dagegen als separates Produkt mit eigenem Preis positioniert, konkurriert mit einer sehr niedrigen Zahlungsbereitschaft.

Auffällig ist der Unterschied zur internationalen Vergleichsgruppe. Dort ist nicht nur die Nutzung verbreiteter, sondern auch die Bereitschaft, für eine solche Leistung zu zahlen, fast vier Mal so hoch. Für den deutschen Markt heißt das, dass die Einführung nicht an der Technik scheitert, sondern an der Frage, wer den Aufwand bezahlt. Der Nutzen muss sich für den Handel rechnen, bevor er sich für den Kunden zeigt.

Wie viel Kontrolle Verbraucher vor der ersten Empfehlung einfordern

Die Befragten wollen die Grenzen selbst ziehen, bevor eine Software in ihrem Namen handelt. Laut dem Consumer Trends Report 2026 verlangen 89 Prozent der deutschen Teilnehmenden, den Handlungsspielraum eines Assistenten vorher festzulegen; international sind es 76 Prozent. Genannt werden dabei vor allem Ausgabengrenzen und die Festlegung erlaubter Produktgruppen.

Vertrauen entsteht der Erhebung zufolge vor allem durch Offenlegung. 46 Prozent der deutschen Befragten vertrauen einer Empfehlung stärker, wenn die Software die Gründe dafür nennt; international liegt dieser Anteil bei 66 Prozent. Zwei Drittel der Menschen in Deutschland äußern zugleich Sorge darüber, wie generative Modelle persönliche Angaben verwenden.

Zwischen diesen Werten liegt ein Spannungsfeld. Auf der einen Seite steht der Wunsch nach enger Steuerung und nachvollziehbaren Begründungen, auf der anderen die Sorge um die eigenen Daten. Ein Assistent, der beides ernst nimmt, muss erklären, welche Angaben er für einen Vorschlag heranzieht und welche er nicht benötigt. Transparenz ist damit keine Zusatzfunktion, sondern die Voraussetzung dafür, dass eine Empfehlung überhaupt angenommen wird.

Bemerkenswert ist, dass die deutschen Befragten beim Kontrollwunsch über dem internationalen Durchschnitt liegen, bei der Offenlegung als Vertrauensgrund aber deutlich darunter. Das deutet darauf hin, dass nicht allein die Erklärung gewünscht wird, sondern vor allem die Möglichkeit, die Grenzen selbst zu setzen. Wer einen Assistenten anbietet, sollte diese Einstellungen deshalb sichtbar und leicht zugänglich platzieren, statt sie in Untermenüs zu verstecken.

Woran die Akzeptanz maschineller Vorschläge im Handel hängt

Vier Messwerte aus der deutschen Teilstichprobe zeigen, unter welchen Voraussetzungen eine automatisierte Kaufberatung angenommen wird. Die Erhebung fragt nicht nur nach der Nutzung, sondern auch nach den Bedingungen, unter denen Befragte eine Empfehlung überhaupt zulassen.

89 Prozent der deutschen Befragten wollen den Handlungsrahmen des Assistenten vorab bestimmen. 61 Prozent erwarten eine eindeutige Kennzeichnung maschinell erzeugter Werbung. 46 Prozent vertrauen einer Empfehlung mehr, wenn deren Begründung sichtbar ist. 40 Prozent wünschen sich stark personalisierte Inhalte aus generativen Modellen.

Aufschlussreich ist die letzte Zahl im Verhältnis zu den übrigen. Personalisierung ist gewünscht, aber nur von einer Minderheit in ausgeprägter Form. Deutlich größer ist der Wunsch nach Kontrolle und nach klarer Kennzeichnung. Mehr als sieben von zehn Befragten wollen bei komplexeren Entscheidungen weiterhin einen Menschen sprechen können. Die Erhebung nennt dafür Beispiele wie die Planung von Mahlzeiten und Serviceanfragen.

Eine Empfehlungsmaschine ersetzt damit nach Lage der Daten keine Beratung, sondern verkürzt die Vorauswahl. Sie sortiert ein Sortiment vor, markiert mögliche Treffer und überlässt die Entscheidung dem Kunden. Genau diese Rolle erklärt, warum der Nutzen schwer als eigenständiges Produkt zu verkaufen ist: Der Wert entsteht im Zusammenspiel mit dem restlichen Kaufprozess und nicht in einem abgegrenzten Werkzeug.

Wo KI im Handel an der eigenen Datenbasis hängen bleibt

Auf der Anbieterseite liegt der Engpass nicht bei den Modellen, sondern bei den Beständen. Das EHI Retail Institute, das Forschungsinstitut des Handels mit Sitz in Köln, befragte für die Studie „KI-Integration im Handel“ Verantwortliche und IT-Entscheidungsträger aus 38 Unternehmen im deutschsprachigen Raum; die Veröffentlichung erfolgte im November 2025.

Laut dieser Studie bewerten 67 Prozent der befragten Verantwortlichen die Integration ihrer Daten als schlecht oder eher schlecht, nur 13 Prozent als gut. Als Ursachen nennt die Studie über verschiedene Systeme verteilte Bestände, fehlende Schnittstellen und historisch gewachsene Systemlandschaften.

Für die Praxis hat das eine unmittelbare Folge. Ein Vorschlagsdienst, der auf lückenhafte Artikelstammdaten zugreift, erzeugt Empfehlungen, die im Regal nicht eingelöst werden können. Ein Modell kann nur mit den Angaben arbeiten, die ihm zur Verfügung stehen. Fehlen Bestände, Varianten, Größen oder Verfügbarkeiten, entsteht ein Vorschlag, der formal korrekt klingt und am Ende enttäuscht. Die Qualität der Empfehlung ist damit in erster Linie eine Frage der Datenpflege und erst in zweiter eine Frage der Modellwahl.

Das erklärt auch, warum sich der Aufwand in vielen Handelsunternehmen verschiebt. Bevor ein Assistent Kunden berät, müssen Artikelinformationen vereinheitlicht, Schnittstellen zwischen Warenwirtschaft, Onlineshop und Filialbestand geschaffen und Preis- sowie Verfügbarkeitsdaten aktuell gehalten werden. Diese Arbeit ist unspektakulär, entscheidet aber darüber, ob eine Empfehlung brauchbar ist. Ein Sprachmodell kann fehlende Stammdaten nicht ersetzen, sondern macht ihre Lücken nur sichtbarer.

Was die Befunde für das Weihnachtsgeschäft 2026 bedeuten

Im Herbst 2026 verschiebt sich damit die Frage. Nicht die Verfügbarkeit von Sprachmodellen entscheidet über den Nutzen einer digitalen Kaufberatung, sondern die Qualität der dahinterliegenden Artikeldaten und die Transparenz gegenüber dem Kunden.

Für den Handel folgt daraus eine nüchterne Rechnung. Ein Viertel der internationalen Befragten nutzt solche Werkzeuge bereits, ein knappes Drittel will nachziehen – bezahlen will sie kaum jemand. Der Ertrag muss deshalb aus dem Sortiment kommen und nicht aus dem Werkzeug. Wer den Assistenten einsetzt, um Kunden schneller zum passenden Artikel zu führen, senkt Streuverluste, Rücksendungen und Beratungsaufwand. Wer ihn als Abonnement verkaufen will, trifft auf eine sehr kleine Gruppe von Zahlungsbereiten.

Für Sie als Kunde ändert sich in dieser Entwicklung vor allem eines: Die Vorschläge werden präsenter, ihre Grundlage aber bleibt prüfbar. Ob eine Empfehlung begründet wird, ob sie als maschinell erzeugt gekennzeichnet ist und ob Sie den Handlungsrahmen vorab festlegen können, sind die Merkmale, an denen sich ein seriöser Dienst erkennen lässt. Wo diese Angaben fehlen, lohnt ein zweiter Blick auf die Quelle des Vorschlags und ein Vergleich mit einer unabhängigen Bewertung.

Für Anbieter lohnt sich deshalb eine klare Reihenfolge: zuerst die Datenbasis ordnen, dann Kennzeichnung und Begründung sichtbar machen, anschließend die Personalisierung ausbauen. Wer diese Reihenfolge umdreht und mit auffälligen Vorschlägen beginnt, riskiert Empfehlungen, die am Regal scheitern – und damit Vertrauen verspielen, das sich nur mühsam zurückgewinnen lässt.

Die nächste Vergleichsmessung steht bereits fest: Das Capgemini Research Institute erhebt seine Verbraucherbefragung jährlich, die sechste Ausgabe ist für den Januar 2027 zu erwarten. Dann wird sich zeigen, ob die Zahlungsbereitschaft in Deutschland aufholt oder ob sich die Lücke weiter öffnet.