KI Kundenservice im Onlineshop: Einsatz, Einrichtung und Grenzen

⏱ 9 Min. Lesezeit

Vorweg die ehrliche Lage: Ich habe bisher in keinem Shop einen KI-Chat live geschaltet, und unser AI Customer Support Agent ist noch in Entwicklung. Zahlen wie „X % weniger Tickets“ gibt es hier deshalb nicht, und ich erfinde keine. Was wir in der Agentur dagegen oft gemacht haben, ist die Arbeit darunter: Faktenbasis, Richtlinien und FAQ, aus denen ein KI Kundenservice im Onlineshop antworten müsste. Gebaut habe ich sie für einen US-Shop für Print-on-Demand-Wohndeko und für Valeaf, eine deutsche Marke für Saatgut-Geschenksets auf dem Weg von Amazon zu Shopify, dazu kommen Olique, Alkoholfrei vom Winzer und weitere Shops, die du unten triffst. Jedes Mal kam dieselbe Erkenntnis heraus: Ein KI-Bot ist nur so sicher wie die schwächste Angabe, die er zitieren darf.

Unser Test: Darf der Bot das beantworten?

Bevor ein Assistent mit Kunden spricht, gehen wir die zu erwartenden Fragen durch und stellen eine einzige Prüffrage: Gibt es in unseren Daten einen Eintrag, der die Antwort bestätigt? Wenn ja, darf er antworten. Wenn nein, übernimmt ein Mensch. Das klingt banal, verlagert aber die schwierige Arbeit vom Modell in deine Daten, und dort liegt sie auch.

Was bei „Wann kommt meine Bestellung?“ schiefgeht

Beim US-Print-on-Demand-Shop, den ich aufgebaut habe, ist die naheliegendste Kundenfrage die Lieferzeit. Produktions- und Versandzeiten waren am 18. Oktober 2026 für alle Produkttypen unverifiziert. Der Lieferant hatte sie nicht bestätigt, und eine echte Bestellung war noch nicht durchgelaufen. Die Zahl gab es also schlicht nicht.

Für die Website hieß das: Diese Zeiten standen nirgends. Nicht auf Bildern, nicht in Texten, nicht in E-Mails. Für einen Bot gilt dasselbe. Ohne Quelle erfindet ein Modell gern ein glaubwürdiges „2 bis 5 Werktage“, und genau diese Formulierung steht auf unserer Liste verbotener Phrasen. Meine Regel lautet „unverifiziert, bis an einer Stichprobe geprüft“. Der Bot hält sich daran: keine bestätigte Zeit, keine Zeitangabe. Er zitiert den Richtlinientext und bietet einen Menschen an.

So sieht gute Datengrundlage aus

In diesem Shop liegt jeder Produktfakt mit Status und Quelle vor, nicht als nackter Wert. Vereinfacht:

"production_shipping_time": {
  "value": null,
  "status": "unverified",
  "source": "not stated as a fact; never shown to buyers"
}

„Verified“ gibt es nur mit Beleg, etwa bei Maßen aus den Vorlagen und Produktseiten des Lieferanten. Eine Stehlampe mit drei Ablagen ist dort mit 10,2 × 10,2 × 63,0 Zoll erfasst, samt Quelle und Lesedatum (6. Oktober 2026). „Made in USA“ ist ebenfalls hinterlegt, aber als unverifiziert und mit dem Vermerk, dass es Käufern nie gezeigt wird. Insgesamt sind es 26 solcher Produktdateien.

Für einen Bot ist das der Unterschied zwischen Lesen und Raten: Antworte aus „verified“, sage bei allem anderen „Das habe ich nicht bestätigt“. Ohne Statusfeld sieht ein fehlender oder zweifelhafter Wert genauso aus wie ein guter.

Die Richtlinie bestimmt den Umfang

Dieselbe Regel gilt für Richtlinien. Der Shop hat endgültige Regeln (Stand 6. Oktober 2026), die ein Assistent wortgetreu wiedergeben müsste:

Die Liste verbotener Phrasen („free returns“, „money-back“, „ships within“, „Made in USA“ und weitere) würden wir dem Bot als Sperrliste mitgeben. Die Faustregel: Der Bot darf genau so viel sagen, wie die Richtlinie sagt, und nicht mehr.

Antwortbasis zuerst: die FAQ bei Valeaf

Für Valeaf haben wir zwischen dem 14. und 16. Oktober 2026 die Antwortbasis gebaut, aus der ein Bot oder eine Suchmaschine lesen würde: 250 FAQ-Einträge als Metaobjekte in Shopify. Dazu gehören 14 allgemeine (Versand, Zahlung und so weiter) und je 3 bis 5 pro Produkt, samt FAQ-Markup im Theme. Doppelte und verwaiste Einträge haben wir geprüft. Dem Agenten, der die Einträge geschrieben hat, haben wir eine zweite Regel mitgegeben: Wo die Quelle Daten vermisste oder sich widersprach, sollte er die Lücke für den Kunden markieren, statt zu raten.

Die Fakten stammen ausschließlich aus den Amazon-Listings der Marke. Von 137 Listings haben 61 A+-Inhalte, und die enthielten schon echte Kundenfragen, etwa wie man aussät, wie lange etwas dauert und wo die Produkte hergestellt werden. Die Schreibregel: Fehlt eine Zahl, lassen wir sie weg, wir schätzen nicht. Das ist dieselbe Regel wie bei der Lieferzeit, nur im großen Maßstab. Der neue Shop ist noch nicht live, und einen KI-Chat haben wir an diese Basis nicht angeschlossen. Jeder Chat bräuchte sie aber zuerst.

Dabei ist uns auch etwas schiefgegangen: Unser FAQ-Skript hat die Einträge bei jedem Lauf neu angelegt, statt sie zu aktualisieren. Ein zweiter Lauf hätte die Kollektions-FAQs verdoppelt. Wir haben das dokumentiert und prüfen vor jedem Wiederholungslauf mit einem reinen Lese-Audit. Für einen Bot ist das dieselbe Gefahr: Zwei fast gleiche Antworten auf eine Frage widersprechen sich früher oder später.

Ein Muster aus den allgemeinen Antworten lohnt sich zu übernehmen: Wo sich ein Wert ändern kann, etwa die Grenze für kostenlosen Versand, verweist die Antwort auf die Stelle, an der der aktuelle Wert immer steht, den Warenkorb. Die Frage „Wie kann ich bezahlen?“ beantwortet sie mit „mit den Methoden, die im Checkout angezeigt werden“ statt mit einer Liste. Eine Angabe, die an zwei Stellen steht, veraltet an einer von beiden, und ein Bot zitiert dann womöglich die falsche.

Dasselbe Prinzip trägt bei ganz anderem Sortiment. Für WMK Berlin, einen Shop für Vintage-Möbel, die es nur einmal gibt, liest unsere Kollektions-Engine jedes Live-Produkt samt Fotos mit der Claude-API. Eine kürzere, korrekte Beschreibung war dort immer besser als eine längere, die Lücken mit Annahmen füllt. Die FAQ bekommt vier Fragen, wenn es vier echte Antworten gibt, nicht zehn. Verkaufte Stücke verschwinden aus dem Block „ausgewählte Produkte“, weil er am Bestand hängt, ohne dass jemand den Text anfasst. Für einen Bot heißt das: Eine Antwortbasis, die dem Lagerbestand folgt, ist sicherer als eine, die jemand pflegen muss.

Drei weitere Shops, drei Arten, wie die Antwortbasis scheitert

Ein französischer Weinshop: Der Faktencheck fand zwei Fehler. Für einen französischen Shop für alkoholfreien Wein haben wir zu 30 Produktseiten Winzer- und FAQ-Blöcke geschrieben, 60 Blöcke mit 221 FAQ-Antworten, und jede Angabe danach gegen die Websites der Produzenten geprüft. Im Oktober 2026 hat der Check zwei kritische Fehler gefunden, bevor etwas live ging: einen Riesling, der in einem Rosé stand, und zwei verschiedene Serviertemperaturen für denselben Wein. Beide Sätze waren flüssig formuliert. Ein Bot hätte sie mit voller Überzeugung wiederholt. Was ich anders machen würde: Den Abgleich mit den Produzenten als festen Schritt einplanen, bevor etwas als „beantwortbar“ gilt, nicht als Prüfung zum Schluss.

Ein deutscher Samen-Shop: Strukturierte Antworten gibt es, richtig müssen sie trotzdem sein. Ein deutscher Shop für exotische Samen und Bonsai mit rund 280 Produkten führt 354 Pflanzenprofile, einen Pflanzenkalender, 237 Produkt-FAQ-Einträge und 177 Kollektions-FAQ-Einträge als Shopify-Metaobjekte (die Zahlen habe ich am 25. Oktober 2026 per API ausgelesen). Diese Form kann ein Assistent wiederverwenden: ein Eintrag, eine Frage, eine freigegebene Antwort. Deshalb mache ich mir bei diesem Shop weniger Gedanken um das Modell als darum, ob jeder Eintrag stimmt.

Alkoholfrei vom Winzer: Lies die Originalquelle, nicht den Ersatzwert. Bei diesem deutschen Shop für alkoholfreien Wein haben wir den Google-Feed geprüft. Die Search Console zeigte nur 62 Impressionen für Händlereinträge in 90 Tagen, und mein erster Schluss war: Der Feed erscheint kaum. Die Merchant API sagte etwas anderes: 121 von 122 Produkten freigegeben, 845 Klicks und 17.945 Impressionen aus kostenlosen Einträgen. Ich hatte falsch gelegen, weil ich einen Stellvertreter gelesen hatte. Dieselbe Falle gibt es beim Bot: Beantwortet er „Ist das lieferbar?“ aus einem zwischengespeicherten FAQ-Text statt aus dem echten Bestand, rät er, nur mit hübscher Oberfläche. Derselbe Check ergab außerdem 34 Varianten ohne GTIN und 66 Produkte mit Beschreibungen unter 300 Zeichen. Auf so dünnen Daten würde jede Antwort dünn.

Was ein KI-Bot im deutschen Shop nicht sagen darf

Die Content-Regeln, die wir für Produkttexte in einem deutschen Shop geschrieben haben, würden wir einem Bot unverändert mitgeben:

• Keine Gesundheitsversprechen: kein „gesund“, kein „stärkt das Immunsystem“, kein Wirkstoffname.
• „BIO“ nur, wo die Quelldaten es belegen.
• Keine Liefer- oder Garantiezusagen und keine Rabatte in Produkttexten.
• Keine Sterne und keine Bewertungszahlen im Text.

Woher die Fragen wirklich kommen

Der Großteil der Last ist Bestellstatus, nicht Produktberatung. In den Bewertungen einer US-Sportmarke, die wir im Oktober 2026 ausgewertet haben, waren 7,5 % als Probleme bei der Abwicklung markiert: fehlende Artikel, keine Sendungsverfolgung, keine Bestellbestätigung. Eine schlechte Bewertung bemängelte, dass es keine Support-Telefonnummer gab. Dort braucht ein Bot Zugriff aufs Bestellsystem und den Weg zu einem Menschen; Produktwissen hilft nicht.

Manche Fragen sind ein Seitenproblem. Auf der Produktseite einer Kinderbekleidungsmarke war eine Größentabellen-App installiert, aber kein Button sichtbar, der Hinweis „weiter Schnitt“ steckte in einem Spezifikations-Tab, und nahe dem Kaufbutton fehlten Lieferdatum und Rückgabeinfo, obwohl alle Verkäufe endgültig waren. Ein Bot, der „Welche Größe?“ beantwortet, flickt dann eine Seite, die es selbst sagen müsste.

Und manche Fragen lassen sich vermeiden. Bei Alkoholfrei vom Winzer ging etwa jede siebte neuere Bestellung (rund 14 %) an eine Lieferadresse, die von der Rechnungsadresse abweicht. Geschenknachrichten und Bestellnotizen wurden aber nie genutzt. Menschen verschenken Wein, und der Shop bot ihnen keinen strukturierten Weg, das zu sagen. Für die Geschenkset-Seite haben wir ein Konzept gebaut (noch in einem unveröffentlichten Theme): Das Formular kennt drei Modi, „Für mich“, „Als Geschenk an eine Person“ und „An mehrere Personen“, und Adresse und Kartentext des Empfängers wandern als Positionseigenschaften mit der Bestellung. Dazu haben wir einen Shopify Flow entworfen: Eine Bestellung, deren Positionen eine Geschenk-ID tragen, bekommt den Tag „multi-recipient“ und eine Fulfillment-Sperre, damit das Lager nicht alles an den Käufer schickt. Ein Skript teilt die Sendungen danach auf. Zur Einordnung: Den Flow haben wir im Oktober 2026 entworfen, aber noch nicht gebaut. Shopify Flow haben wir für die meisten unserer Kunden eingerichtet, darunter Olique, und ich halte Flow für den richtigen Ort für solche Regeln. Es ist keine KI-Funktion, sondern die unspektakuläre Automatisierung, die eine Supportfrage gar nicht erst entstehen lässt.

Manche Fragen sind ein Versprechen der Seite. Für Olique, einen Shop für Olivenholz-Geschenke, haben wir ein Upsell-Entwurfs-Theme gebaut: ein Gravurfeld, das vor dem Warenkorb geprüft wird (maximal 30 Zeichen), einen Warenkorb als Drawer mit einer Fortschrittsanzeige für 49, 79 und 129 Euro und Gravur pro Stück bei einem, zwei oder vier Stück. Jede dieser Regeln ist eine Kundenservice-Antwort („Kann ich einen längeren Namen gravieren?“), die zur Vorgabe wurde, bei der der Kunde nichts falsch machen kann. Vor dem Hochladen habe ich den Entwurf mit git Datei für Datei verglichen (281 von 281 Dateien identisch) und das Live-Theme nie angefasst. Würde ich dort einen Assistenten einsetzen, bekäme er genau diese Grenzen aus den Theme-Einstellungen, statt sie noch einmal in eine FAQ zu tippen.

Die günstigste „Assistentenform“ ist oft einfache Navigation: Bei Valeaf haben wir einen Geschenk-Finder ins neue Theme gebaut (noch Vorschau), mit drei bis vier großen Karten nach Anlass oder Budget („Unter 10 €“, „Für Kinder“, „Adventskalender“). Kein Modell, keine Halluzinationen.

Drei Arten von KI, kurz

„KI-Assistent“ meint drei Dinge: einen Onsite-Assistenten, der beim Auswählen hilft, einen Support-Bot für Bestell- und Richtlinienfragen und agentisches Shopping in ChatGPT, Copilot, Google AI Mode und Gemini, wo der Assistent des Kunden deine Daten liest. Die ersten beiden betreibst du, auf den dritten bereitest du dich mit sauberen Produktdaten vor. Shopify hat dafür am 24. März 2026 die Agentic Storefronts angekündigt (Ankündigung); wir behandeln das in ChatGPT Shopping und AI Overviews und SEO.

Auf Shopify gibt es native Einstiege. Shopify Inbox ist eine kostenlose Chat-App; laut App-Eintrag beantwortet ein KI-Agent Fragen aus Katalog, Richtlinien und Shop-Inhalten. Mit der kostenlosen Knowledge-Base-App pflegst du Fakten und FAQ-Antworten als Datenquelle für KI-Plattformen; sie erscheinen nicht im Shop, und laut Shopify ändert die App nicht, wie oft dein Shop in KI-Ergebnissen auftaucht. Sidekick ist etwas anderes: Er unterstützt dich im Admin, nicht deine Kunden (Sidekick-Leitfaden). Inbox-KI haben wir in keinem Kundenshop betrieben und bewerten sie deshalb nicht.

Wie wir dabei mit Claude Code und Agenten arbeiten

Weil es hier darum geht, Maschinenausgaben zu misstrauen, zeige ich, wie wir mit unseren eigenen umgehen. Ein Großteil unserer Kundenarbeit läuft über Python-Skripte und Claude-Code-Skills, mit einer Datenbank als Quelle der Wahrheit. Die Regeln stehen im Repository und nicht nur in meinem Kopf: Vor jedem Schreibzugriff gibt es einen Probelauf, Agenten schreiben nur in unveröffentlichte Themes, Inhalte gehen erst versteckt online und werden geprüft, und in Shopify wird nichts gelöscht. Das Live-Theme veröffentlicht ein Mensch, nachdem der Kunde zugestimmt hat.

Zwischen dem 5. und dem 25. Oktober 2026 hat unser Stack 8.418 Skriptläufe auf Kundenshops protokolliert, 708 davon als Probelauf vor dem Schreiben. Die protokollierten API-Kosten betrugen 5,70 $, die Zeit des Sprachmodells selbst ist darin nicht enthalten. Ich nenne die Probeläufe, weil sie der Teil sind, den niemand sieht: Auf wenige Schreibvorgänge kommt ein Lauf, der nur meldet, was er ändern würde. Bei unserer eigenen Website laufen Artikel-Überarbeitungen mit Sonnet als Vorschlagendem und Opus als unabhängigem Prüfer, und jede Aktion landet in einem Journal. Ein Prüfer, der den Text nicht geschrieben hat, findet, was der Autor übersieht, und das ist genau das Argument dafür, dass ein Mensch den Entwurf eines Bots liest, bevor er rausgeht.

Was nicht funktioniert: Sitzungszeit ist keine Arbeitszeit eines Menschen, deshalb gebe ich dir kein „von 8 Stunden auf 40 Minuten“. Das hat niemand sauber gemessen.

Wann ein Mensch übernimmt

Erstattungen, Kulanz, Beschwerden, beschädigte Ware und rechtliche oder gesundheitliche Fragen gehören einem Menschen. Unser eigener Entwurf für den Support ist die risikoarme Variante: Der Agent entwirft die Antwort aus Richtlinien und Katalog, markiert, was er nicht belegen kann, und dein Team versendet. Das ist noch ein Pilot; mehr dazu unter KI-Agenten für Shopify.

Als Vorbild für einen guten Entwurf dient eine Antwortvorlage für Bestellungen an Postfach- oder APO-Adressen: stornieren, vollständig erstatten, sagen, dass „deine Bank bestimmt, wie lange die Erstattung dauert“, und keine Zeitversprechen. Jede Entscheidung darin hat vorab ein Mensch getroffen. Die KI muss nur die passende Vorlage wählen und die Bestellung einsetzen. Mehr zum Einordnen: Was ist ein KI-Agent im E-Commerce?, E-Commerce-Automatisierung und das Team.

Transparenz und Datenschutz (EU)

KI-Verordnung, Art. 50 Abs. 1. Der Text verlangt sinngemäß, dass Anbieter KI-Systeme, die für die direkte Interaktion mit natürlichen Personen bestimmt sind, so gestalten, dass die Betroffenen darüber informiert werden, dass sie mit einem KI-System interagieren, es sei denn, das ist für eine angemessen informierte, aufmerksame und verständige Person nach den Umständen offensichtlich. Die Information muss spätestens bei der ersten Interaktion klar erkennbar gegeben werden (Art. 50 Abs. 5). Nach Art. 113 gilt die Verordnung ab dem 2. August 2026, und Art. 50 gehört nicht zu den Vorschriften mit abweichendem Datum (Stand: Oktober 2026; siehe Artikel 50 im AI Act Service Desk der EU-Kommission, englisch). Ob du bei einem zugekauften Chatbot Anbieter oder Betreiber bist, hängt vom Aufbau ab; verlass dich nicht darauf, dass der App-Hersteller das erledigt. Die sichere Praxis: Widget als „KI-Assistent“ beschriften, es in der ersten Nachricht sagen und dem Bot keinen Menschennamen samt Foto geben, ohne diese Kennzeichnung.

DSGVO. Ein Chat verarbeitet personenbezogene Daten: Namen, Bestellnummern, Adressen, alles, was der Kunde tippt. Nenne den Anbieter in der Datenschutzerklärung und schließe einen Auftragsverarbeitungsvertrag, kläre, wo Daten verarbeitet werden und ob Gespräche zum Modelltraining dienen, lege eine Aufbewahrungsfrist für Transkripte fest und bitte Kunden, keine Zahlungs- oder Gesundheitsdaten einzutippen. Art. 22 begrenzt Entscheidungen, die ausschließlich automatisiert ergehen und erhebliche Wirkung haben, ein weiterer Grund, Erstattungen bei einem Menschen zu lassen (DSGVO auf EUR-Lex). Das ist keine Rechtsberatung.

Wo du anfängst

Nimm deine letzten 200 Kundennachrichten und sortiere sie in „aus Richtlinie oder Katalog beantwortbar“, „braucht Bestelldaten“ und „braucht einen Menschen“. Prüfe für jede Frage der ersten Gruppe, ob ein belegter Eintrag existiert; wo nicht, schreibst du ihn zuerst. Bei Daten oder einer eigenen Shopify-Anbindung helfen wir mit Shopify-App-Entwicklung, mehr zu uns als Shopify Agentur findest du auf der Startseite.