Latest Thinking

Konkret erweitert Google den Data Manager zur Anbindung eigener Datenquellen. In Google Ads kommt eine Kennzahl hinzu, die den zusätzlichen Beitrag des First-Party-Data-Setups zur Conversion-Messung zeigen soll. Und mit Meridian und GeoX baut Google die Möglichkeiten aus, Marketingwirkung über Modelle und regionale Experimente zu untersuchen.

Die Richtung ist klar: Google automatisiert seit Jahren immer mehr von dem, was früher zum operativen Handwerk im Performance Marketing gehörte: Gebote, Zielgruppen, Ausspielung, Kampagnensteuerung und zunehmend auch Creatives. Es wird eine Black Box.

Was ist dann noch die Rolle der Performance Marketer? Sie müssen Antworten auf Fragen geben, die zunehmend eine Ebene höher liegen: Welche Daten helfen bei der Steuerung? Welche Verkäufe wären auch ohne unsere Werbung entstanden? Und welchen zusätzlichen Umsatz erzeugt unser Marketing tatsächlich?

Google wird die Optimierung innerhalb seiner Systeme immer stärker automatisieren. Aber die wirtschaftlichen Ziele, die Qualität der Datengrundlage und die Bewertung des tatsächlichen Geschäftseffekts bleiben Aufgaben des Unternehmens.

Im Performance Marketing gewinnt damit die Kompetenz zu verstehen, welche Kunden wertvoll sind, welche Daten bei der Steuerung helfen und wo Marketing tatsächlich zusätzlichen Geschäftserfolg erzeugt, immer mehr an Bedeutung.

Daran sollten gute Performance Marketer gemessen werden – die Ansprüche an sie steigen immens.

Quelle: Google Ads & Commerce, 10.09.2026.

Interessant wird es, wenn man sich genauer anschaut, wie sich Loyalty im Travel-Markt verändert. Ein gutes Beispiel ist die American Express Platinum Card. Je nach Kartenmarkt erhalten Karteninhaber direkten Zugang zu Statusstufen verschiedener globaler Hotelprogramme. In Deutschland gehören dazu unter anderem Hilton Honors Gold, Marriott Bonvoy Gold Elite und ALL Accor Gold. Die üblichen Qualifikationsanforderungen entfallen. Ein Gast kann also bei mehreren Hotelgruppen einen gehobenen Status besitzen, ohne sich diesen Status zuvor durch seine Loyalität zur jeweiligen Marke erarbeitet zu haben.

Das wirft für mich eine grundsätzliche CRM-Frage auf: Wem gegenüber ist dieser Kunde eigentlich loyal? Der Hotelmarke? Oder doch eher dem übergeordneten Ökosystem, das ihm Zugang zu verschiedenen Hotelmarken, Statusvorteilen und weiteren Travel Benefits verschafft – also American Express im genannten Fall?

Für Hotels wird deshalb die Qualität der tatsächlichen Kundenbeziehung wichtiger. Status allein sagt wenig über Customer Lifetime Value aus. Relevant ist, ob ein Unternehmen den Gast kennt, seine Präferenzen sinnvoll nutzt, einen erkennbaren Mehrwert schafft und daraus Wiederbuchungen und eine langfristige direkte Beziehung entwickelt.

Vielleicht ist deshalb die wichtigere Kennzahl hinter einem Goldstatus nicht die Anzahl der Statuskunden, sondern wie viele davon tatsächlich loyale und wertvolle Kunden sind – und vor allem aktive.

Quellen: Skift, 04.09.2026; American Express.

Für Digital Sales entsteht damit eine neue Messfrage: Wie erfassen wir den kommerziellen Einfluss von AI Discovery? Was bedeutet das für die Marketing Attribution?

Ein Kunde entdeckt etwa in ChatGPT ein Produkt, klickt aber nicht direkt auf den Link zur Website und sucht erst später auf Google danach. GA4 sieht zwar den Website-Einstieg, der vorherige Einfluss von ChatGPT taucht als Traffic Source aber nicht auf.

Spezialisierte Plattformen wie Peec.ai messen, wie Marken und Produkte in KI-Antworten sichtbar, positioniert und empfohlen werden und können direkten KI-Traffic mit Analytics-Daten verbinden. Schwieriger bleibt aber die Attribution in Fällen, wenn KI die Discovery zwar beeinflusst, der Kauf aber über einen anderen Kanal erfolgt.

Genau diese Lücke wollen NIQ und Similarweb mit einer am 2. September 2026 angekündigten Lösung für „Agentic Commerce Measurement“ adressieren. Similarweb bringt Daten zu digitalem Nutzungs- und Traffic-Verhalten ein, NIQ Produkt-, Konsumenten- und Kaufdaten. Gemeinsam wollen sie AI Discovery mit Traffic, Conversion und Kaufverhalten verbinden.

Das wäre auch für reine E-Commerce-Unternehmen relevant: Sie kennen ihre Conversions, aber möglicherweise nicht die gesamte Vorgeschichte dieser Conversions.

Ob NIQ und Similarweb diese Verbindung belastbar herstellen können, ist heute offen. Die Lösung ist noch in Entwicklung und für Q4/2026 angekündigt. Wie ein späterer Kauf methodisch einer vorherigen AI Discovery zugeordnet werden soll, wird bisher auch nicht detailliert erklärt. Vorsicht ist also geboten.

Genau daran aber wird sich der Wert des Ansatzes entscheiden: Denn wenn ChatGPT & Co. einen wachsenden Teil von Discovery und Consideration übernehmen, muss dieser Einfluss perspektivisch auch in der Attribution sichtbar gemacht werden. Neben Touchpoints wie Google, Meta, Direct oder E-Mail gehört AI Discovery zunehmend in dieselbe Betrachtung.

Nur so lässt sich besser verstehen, welche Plattformen tatsächlich zu Conversions/Umsatz beitragen und wie Budgets in Digital Sales entsprechend gesteuert werden sollten.

Quellen: Lab42, AI Shopping Report 2026; NIQ/Similarweb, 02.09.2026.

Allein in Deutschland spielen aktuell 28,1 Millionen Menschen Mobile Games, das Durchschnittsalter beträgt 38,8 Jahre.

Mich interessiert neben dem Gaming die Frage, warum Mobile Games es schaffen, dass Menschen freiwillig immer wieder zurückkommen.

Denn genau damit kämpfen viele Loyalty-Programme. Sie funktionieren gut rund um eine Transaktion: kaufen, Punkte sammeln, Vorteile einlösen. Zwischen zwei Käufen gibt es dagegen häufig wenig Gründe, sich mit dem Programm oder der App zu beschäftigen.

Mobile Games funktionieren hier anders: Sie schaffen über Fortschritt, Challenges, Status und Rewards immer wieder Anlässe für Interaktion.

Dass sich solche Mechaniken auf andere Apps übertragen lassen, zeigt auch eine wissenschaftliche Studie einer überwiegend deutschen Forschergruppe aus dem Jahr 2024, die im renommierten Journal of Marketing Research veröffentlicht wurde. Die Forscher analysierten die tägliche Nutzung einer gamifizierten App bei knapp 19.000 Nutzern. Game Rewards erhöhten das Engagement zusätzlich zu klassischen Value Rewards und führten zu höherem Business Value. Die Studie zeigt allerdings auch eine Grenze: Zu viel Engagement im Spiel kann von den eigentlich wertschaffenden Aktivitäten ablenken.

Auf der Gamescom konnte ich beobachten, wie selbst Google solche Mechaniken für Loyalty nutzt: Google Play Points verbindet dort Challenges mit Rewards, Leaderboards und exklusiven Vorteilen für Statuskunden.

Anbieter wie das deutsche Adtech-Unternehmen adjoe übertragen den Nutzen von Mobile Gaming direkt auf Loyalty-Apps: Nutzer spielen Mobile Games und erhalten dafür Punkte im jeweiligen Loyalty-Programm. adjoe berichtet unter anderem von höheren App-Öffnungsraten und einem Anstieg des Customer Lifetime Value.

Was leite ich daraus ab? Gerade bei Geschäftsmodellen mit langen Buchungs- oder Kaufzyklen reicht es möglicherweise nicht, Loyalty ausschließlich rund um die nächste Transaktion zu denken. Im Travel-Bereich beispielsweise liegen zwischen zwei Hotelaufenthalten oder Reisen schnell Wochen und Monate.

Welchen Grund also geben wir einem Kunden, schon vor dem nächsten Kauf wiederzukommen? Vielleicht können CRM-Verantwortliche von Mobile Games genau das lernen: Kundenbindung entsteht auch in der Zeit, in der gerade nichts verkauft wird.

Quellen: Foto: eigene Aufnahme, Gamescom 2026; Newzoo: Global Games Market 2025; game.de: Mobile Games in Deutschland, 06.07.2026; Paschmann et al., 2024: „Driving Mobile App User Engagement Through Gamification“, Journal of Marketing Research, Vol. 62 (2); Google: Play Points auf der Gamescom, 25.08.2026; adjoe.io: Fetch Case Study.

Der Nutzer beschreibt im AI Mode nur seine Reise und Präferenzen, erhält passende Hotels und kann über „Continue on Google“ sein Zimmer auswählen und mit Google Pay bezahlen. Das Hotel oder die OTA bleibt Merchant of Record und übernimmt anschließend den Kundenservice.

Für den digitalen Direktvertrieb wird das Auswirkungen haben. Denn der Wert einer Direktbuchung über die eigene Website oder App geht über die reine Transaktion hinaus. Das Hotel gestaltet dort die Customer Experience, präsentiert seine Marke, kann Zusatzleistungen verkaufen und Loyalty bereits während der Buchung einbinden.

Im AI Mode aber übernimmt Google einen erheblichen Teil der Customer Journey. Wie attraktiv das für Hotels ist, hängt zunächst von den Unit Economics ab. Google nennt aktuell keine Provisionen oder anderen kommerziellen Konditionen für diese neuen Buchungen im AI Mode.

Zu Loyalty: Im aktuellen Booking Flow können Loyalty-Nummern nicht hinterlegt, Punkte nicht eingelöst und hoteleigene Promotion Codes nicht verwendet werden. Nach der Buchung kann der Gast aber das Hotel kontaktieren und die Reservierung mit seinem Loyalty-Account verknüpfen – das ist natürlich nicht bequem.

Was Google jetzt wieder macht, werden Hotels kaum beeinflussen können. Kleine Hotels sowieso nicht. Es wird darum gehen, wie Hotels die eigene Kunden- beziehungsweise Gastbeziehung weiter stärken können.

Das kann über Loyalty, exklusive Vorteile und eine besondere Customer Experience geschehen, die Gründe für eine direkte Buchung schaffen.

Und wenn die erste Buchung trotzdem über Google kommt, beginnt die CRM-Arbeit danach: Den Gast identifizieren, die Beziehung initiieren und den nächsten Aufenthalt möglichst im eigenen Ökosystem gewinnen.

Wie stark Kunden diesen neuen Buchungsweg tatsächlich nutzen werden, dürfte auch davon abhängen, ob ihnen die Informationen im AI Mode für eine Hotelentscheidung ausreichen. Google zeigt bereits visuelle Hoteloptionen, Reviews und wichtige Vergleichskriterien. Ob das die inhaltliche und emotionale Tiefe einer guten Hotelwebsite ersetzen kann, ist für mich noch offen.

Je stärker eine Hotelentscheidung funktional ist, desto eher könnte AI Mode für die komplette Journey ausreichen. Je stärker die Entscheidung emotional und erlebnisorientiert ist, desto größer könnte der Wert der eigenen Website bleiben.

←1 / 4→

Quellen: Google, 27.08.2026; PhocusWire, 27.08.2026.

Booking setzt bereits AI Review Summaries ein, die zahlreiche Bewertungen zu einigen wenigen Aussagen verdichten. Auch Google stellt solche Zusammenfassungen inzwischen über seine Places-API für Websites und Apps bereit, aktuell in vier Sprachen; Deutsch gehört noch nicht dazu.

Für Kunden ist das bequem: Statt zahlreiche Kundenbewertungen zu lesen, bekommen sie einige wenige Sätze als Entscheidungshilfe.

Diese Zusammenfassungen haben offenbar Einfluss: Laut Phocuswright führen zusammengefasste Reviews bei 33 % der befragten US-Reisenden zu einer Handlung auf Basis einer KI-Empfehlung. Nur Preisvergleiche sind mit 44 % wirkungsvoller.

Eine aktuelle Studie im Fachjournal Tourism Management zeigt gleichzeitig ein mögliches Problem: Die Researcher untersuchten die Einführung KI-generierter Review Summaries bei Ctrip, einer sehr großen asiatischen OTA. Zu positiv formulierte KI-Zusammenfassungen können demnach Erwartungen vor der Reise dergestalt erhöhen, dass Hotelbewertungen im untersuchten Ctrip-Datensatz nach der Reise faktisch niedriger beziehungsweise extremer ausfielen.

Für mich ist daran interessant, dass mit KI-generierten Review Summaries vor der Kaufentscheidung eine neue Interpretationsschicht entsteht, die Chance und Risiko zugleich sein kann: KI-Systeme gewichten und verdichten, welche Muster aus vielen Bewertungen relevant erscheinen, welche Aspekte hervorgehoben und welche möglicherweise verschwinden werden.

Für touristische Anbieter entsteht damit eine neue Aufgabe: Sie sollten neben Ratings und einzelnen Reviews beobachten, welches Gesamtbild Plattformen mit KI aus ihrem Kundenfeedback erzeugen. Spiegelt die Zusammenfassung tatsächlich wider, was Gäste schreiben? Werden einzelne negative Punkte übergewichtet? Verschwinden relevante Stärken?

Direkt steuern lässt sich diese Interpretation kaum. Unternehmen können aber für eine breite und aktuelle Basis authentischer Reviews sorgen, die zugrunde liegenden Themen analysieren und nachweislich fehlerhafte KI-Zusammenfassungen gegenüber der Plattform adressieren.

Aus meiner Erfahrung mit Customer Journeys prägen Kundenerwartungen die spätere Wahrnehmung der Erfahrung selbst erheblich. Wenn KI diese Erwartungen ex ante prägt, wird ihre Interpretation von Customer Feedback auch wirtschaftlich relevant – positiv wie negativ.

Quellen: Phocuswright, „The AI Surge 2026“; Tourism Management, Wang et al. 2026; Google Maps Platform; Booking.com. Grafik: Google.

Klar: Gespräche mit Menscheneinsatz sind für Unternehmen vergleichsweise teuer. Auch wenn sich in den letzten Jahren technisch einiges getan hat: Mäßige Spracherkennung, langwierige Issue-Qualifizierung über umständliche Abfragebäume, Warteschleifen und in ihren Kompetenzen beschnittene menschliche First-Level-Agents führen auf Kundenseite immer noch zu oft zu Verdruss.

Aus Topmanagement-Sicht wurden Kundenorientierung und Service zwar immer als sehr wichtig hervorgehoben, aber letztlich waren Service-Leute eher effizienzgetriebene Verwalter des Mangels und graue Mäuse.

Mit KI Voice Agents kann sich das ändern. IONOS zum Beispiel bietet bereits seit Herbst letzten Jahres einen kommerziellen KI-Telefonassistenten an. Dieser interagiert 24/7 in natürlicher Sprache mit dem Anrufer. Über API-Integrationen kann er etwa CRM-Daten abfragen, Support-Tickets erstellen oder Termine für Rückrufe direkt im Gespräch buchen.

Zendesk verfolgt mit seinen Voice AI Agents eine ähnliche Richtung für größere Serviceorganisationen.

Fakt ist: Wenn es auf der Suche nach geeigneten Use Cases für den Einsatz von KI auf Unternehmensseite einen stabilen und bewährten Fall gibt, dann ist es definitiv der Kundenservice.

Ich selbst habe Kundenservice nie als Kosteneinsparungsfall gesehen, sondern als CRM-kritisch, als Investition in den CLV und als Wachstumstreiber. Wenn ein KI Voice Agent den Kunden erkennt, seine Historie berücksichtigt und das Anliegen löst, wird er zu einem kritischen Teil der Customer Journey.

Dafür braucht er natürlich eine verlässliche Datenbasis: Kundenhistorie, Transaktionen, Servicefälle und Produktinformationen müssen aktuell und kontrolliert zugänglich sein.

Kunden ihrerseits erwarten, dass ihr Anliegen quasi direkt gelöst beziehungsweise weitergeführt wird und vorhandener Kontext erhalten bleibt. All das ist nun möglich. Der Second-Level-Support erfolgt über noch besser trainierte Menschen, die bei Bedarf von KI-Assistenten unterstützt werden.

Perspektivisch reicht das Thema natürlich über Inbound Customer Service hinaus: KI Voice Agents sind auch für den Vertrieb interessant. Support-to-Sales, das heißt Inbound Upselling, aber auch Outbound-Aktivierung, etwa für Buchungs- oder Warenkorb-Reaktivierung aus dem Shop, sind absolut denkbar.

Vielleicht bekommt damit ausgerechnet einer der ältesten Kontaktkanäle eine neue Bedeutung – in Kombination mit einer beispielhaften Kooperation zwischen Mensch und KI.

Quellen: IONOS KI-Telefonassistent; Zendesk Voice AI Agents.

Ein Blick auf die OTAs: Expedia baut sein seit Jahren bestehendes B2B-Geschäft zu einem breiteren Travel-Stack aus. Über die Infrastruktur sollen Partner je nach Fokus Hotels, Flüge, Mietwagen, Aktivitäten, Versicherungen, Payments und andere Services in ihre eigenen Angebote integrieren können.

Booking Holdings bewegt sich ebenfalls in diese Richtung und plant aktuell laut Skift eine noch stärkere Bündelung der B2B-Aktivitäten von Booking, Agoda und Priceline.

Das bedeutet: Eine Airline, eine Bank, eine Hotelkette oder ein Kreuzfahrtunternehmen kann seinen Kunden Reiseleistungen auf der eigenen Website oder in der eigenen App verkaufen, während Supply und Teile der Technologie im Hintergrund von Expedia oder Booking kommen.

Daher meine Frage: Was bedeutet „Direct“ eigentlich noch? Denn technisch wird diese Trennung zunehmend unschärfer.

Daher würde ich Direktvertrieb breiter definieren: Entscheidend ist, wer den Kundenzugang kontrolliert, die relevanten First-Party-Daten besitzt, Pricing und Verfügbarkeiten steuert und die Customer Experience gestaltet – und wer aus einer einzelnen Transaktion eine langfristige Kundenbeziehung entwickeln kann. Genau diese Kundenbeziehung ist für mich der strategische Wert und auch das Ziel von „Direct“.

Der eigene Kanal als Buchungsweg allein schafft diesen Wert per se aber noch nicht. Daher wird für Hotels und andere Travel-Anbieter aus meiner Sicht die Frage wichtiger, welche Teile der Customer Journey man selbst kontrollieren muss und welche man über Plattformen beziehen kann – nicht zuletzt mit Blick auf die Roherträge.

Expedia und Booking zeigen, wie leistungsfähig die Infrastruktur im Hintergrund ist. Für den Direktvertrieb steigt damit der Anspruch an das, was im Vordergrund passieren muss – neben der vertrieblichen Herausforderung und wirtschaftlichen Notwendigkeit, User zuerst auf die eigenen Kanäle zu bekommen.

Quellen: Expedia Group B2B/Explore 2026; Skift zur neuen B2B-Einheit von Booking Holdings.

Layla ist ein KI-Reiseagent, der unter anderem personalisierte Tag-für-Tag-Reisepläne erstellt, Echtzeit-Preise zeigt und Inspiration mit menschlichen Experten kombiniert.

Warum ist das relevant? Digitale Direct-Sales-Strategien zielen auf die eigenen Kanäle als gewünschten Ort der Conversion ab, das heißt Website und App.

Die Planungsphase beginnt indes längst nicht mehr auf der Anbieter-Website, sondern zum Beispiel auf Social Media, bei Google oder via ChatGPT, während organischer Direct Traffic tendenziell zurückgeht. Deshalb zählt jeder Gast, der auf den eigenen Kanälen ankommt – und dazu gehören auch Gäste, die noch keinen konkreten Buchungswunsch haben. Wer das ignoriert, überlässt Nutzer der eigenen Website wieder OTAs wie Expedia. Denn genau die Wandlung dieser Discovery-Phase, in welcher der Gast nur eine grobe Idee seiner Reise hat, kauft sich Expedia mit Layla gerade ein.

Für Direktvertriebs-Verantwortliche heißt das konkret: Baut die Planungsphase in eure eigenen Kanäle ein – auch ohne Layla. Ein einfacher AI-Concierge als Conversational Search auf der eigenen Website oder App, der Vorlieben, Reisezeitraum und Interessen erfasst, bevor eine konkrete Buchungsanfrage entsteht, reicht dafür oft schon aus. Ein solches Tool ist aber nur so gut wie die proprietären Produkt- oder gar CRM-Daten dahinter. Das aber genau wäre der Vorteil gegenüber Drittkanälen wie OTAs.

Analysiert, wie viele eurer Website-Besuche in den letzten drei Monaten in dieser Recherche-Phase stattfanden, ohne dass ein Einstieg in die Buchung erfolgt ist, führt User-Interviews durch, um das Warum besser zu verstehen, und zieht die Discovery-Phase auf die Website, ohne von der allzeit sichtbaren direkten Buchungsmöglichkeit abzulenken.

Quelle: Expedia Group, „Expedia Group acquires Layla, accelerating its AI-powered trip planning and booking strategy“, 31. Juli 2026.

Über viele Jahre war das CRM vor allem ein System of Record. Es dokumentierte Kundendaten, Aktivitäten, Opportunities und Transaktionen. Das sollte heute immer noch so sein als führendes System für Kundendaten.

Vor rund 15 Jahren etablierte sich in der Enterprise-IT der Begriff System of Engagement (geprägt von Geoffrey Moore): CRM-Systeme entwickelten sich zu Plattformen, über die Unternehmen mit Kunden über digitale Kanäle auch interagieren.

Mit KI zeichnet sich nun die nächste Evolutionsstufe ab: Salesforce, Microsoft, HubSpot und Oracle z. B. verfolgen am Ende die gleiche Richtung und geben sich da nicht viel – das CRM entwickelt sich durch Einsatz von KI-Agenten zum System of Action, das heißt: Es dokumentiert Informationen nicht nur, sondern priorisiert Leads, empfiehlt die nächste Aktion, automatisiert Prozesse und unterstützt idealerweise operative Entscheidungen.

Für CRM-Verantwortliche und -Teams bedeutet das: Die Qualität der Kundendaten wird nochmals wichtiger, weil KI auf dieser Basis ihre Entscheidungen vorbereitet. CRM-Prozesse gewinnen an Bedeutung, weil Unternehmen definieren müssen, welche Aufgaben KI übernehmen darf und welche weiterhin in menschlicher Verantwortung bleiben. Wichtiger wird daher die Fähigkeit, KI sinnvoll anzuleiten, Leitplanken festzulegen und Entscheidungen nachvollziehbar zu machen.

Der Wert eines KI-Agenten im CRM bemisst sich nicht zuletzt daran, ob der CRM-Professional versteht, welche Empfehlungen der CRM-Agent gibt, warum er sie gibt, auf welchen Daten sie basieren und unter welchen Bedingungen sie umgesetzt werden sollten. Und genau darin sehe ich die nächste Entwicklungsstufe des CRM.

Quellen: Geoffrey Moore, „Systems of Engagement and the Future of Enterprise IT“ (2011); Salesforce Agentforce; Microsoft Dynamics 365 AI & Copilot; HubSpot Breeze; Oracle AI for Fusion Applications.

Eine brandaktuelle wissenschaftliche Vorabveröffentlichung liefert dazu einen interessanten Denkanstoß. Die beiden Autoren, Forscher aus Kanada und Frankreich, vergleichen in einem Experiment zwei identische E-Commerce-Websites (gleich u. a. in Bezug auf Produktkatalog, Preise, Lagerbestand und Check-out).

Der einzige Unterschied: Eine der beiden Websites wurde auf Basis eines Framework gezielt für KI-Agenten optimiert – z. B. mit klar strukturierten Informationen, eindeutig erkennbaren Aktionen und maschinenlesbaren Produktdaten. Anschließend mussten Browser-Agenten auf Basis von GPT-4.1, Gemini 2.5 Flash und Grok 4 Fast typische Shopping-Aufgaben wie Produktsuchen und Produktvergleiche lösen.

Zum Ergebnis: Insgesamt wurden 300 solcher Testläufe ausgewertet. Die agentenoptimierte Website ließ die Erfolgsquote der Browser-Agenten von 49,3 % auf 89,3 % (+40 Prozentpunkte) steigen. (Dabei ist zu beachten, dass es sich um einen Proof of Concept handelt und die Ergebnisse nicht ohne Weiteres auf reale Websites übertragbar sind.)

Wenn KI-Agenten künftig Recherche, Vergleich oder Teile des Kaufprozesses übernehmen, muss eine Website Informationen so bereitstellen, dass auch KI-Agenten sie zuverlässig verstehen und nutzen können.

SEO und GEO helfen Unternehmen, gefunden zu werden. Usability, Accessibility und Conversion-Rate-Optimierung (CRO) tragen dazu bei, Besucher zu Kunden zu machen. Agent Readiness wird künftig darüber entscheiden, ob KI-Agenten erfolgreich mit einer Website interagieren. Zumindest bei Low-Involvement-Produkten und standardisierten Käufen halte ich dieses Szenario für sehr realistisch.

Websites sind nur der Anfang. Für native Apps wird sich dieselbe Frage stellen: Wie einfach können KI-Agenten Informationen abrufen und Transaktionen direkt ausführen, ohne die Benutzeroberfläche wie ein Mensch bedienen zu müssen?

Quelle: „Designing Agent-Ready Websites for AI Web Agents: A Framework for Machine Readability, Actionability, and Decision Reliability“ (Said Elnaffar, Farzad Rashidi), Preprint, veröffentlicht am 13.07.2026 auf arXiv.

Der ikonische und seit 2007 in seiner Rolle aktive Hilton-CEO Chris Nassetta hat diese Woche im „The Angle“-Podcast des Asset Managers T. Rowe Price zwei konkrete KI-Anwendungsfälle im Hotel beschrieben: Zum einen soll KI Serviceprobleme bereits während des Aufenthalts erkennen, etwa über die Analyse von Gastnachrichten oder Social-Media-Posts, und Mitarbeitende unterstützen, diese zu lösen, solange der Gast noch im Hotel ist. Zum anderen möchte Hilton Buchungshistorie, Suchverhalten und Präferenzen nutzen, um Gästen deutlich relevantere Angebote auszuspielen. Nichts Revolutionäres erst einmal.

Beides klingt zunächst nach unterschiedlichen Projekten, aber die zwei Anwendungsfälle basieren eigentlich auf derselben Grundlage, nämlich hochwertigen First-Party-Daten.

AI-Modelle werden immer leistungsfähiger und für alle verfügbar, der Zugang zu hochwertigen Kundendaten bleibt dagegen unternehmensspezifisch. Für Digital-Sales- und CRM-Verantwortliche sollte klar sein: Es muss darum gehen, dass das Unternehmen entlang der gesamten Customer Journey die Datenbasis aufbauen und aufbereiten kann, die KI für besseren Service, relevantere Angebote und höhere Kundenbindung überhaupt erst nutzen kann (ob im Hotel oder anderen Branchen).

First-Party-Daten sind nicht alles, aber ohne First-Party-Daten können viele KI-Anwendungen ihren eigentlichen Wert für den Kunden nicht entfalten. First-Party-Daten sind der strategische Wettbewerbsvorteil.

Quelle: „The Angle“-Podcast (T. Rowe Price), Interview mit Hilton-CEO Chris Nassetta, 15.07.2026

Kollective, eine auf Hotellerie spezialisierte Agentur aus Athen, hat für ihren AI Visibility Index knapp 14.000 Antworten von ChatGPT, Copilot, Gemini, Google AI Overviews und Google AI Mode zu Hotels in 100 Destinationen ausgewertet. Hierzu wurde ein fixer Satz an Suchanfragen zusammengestellt, z. B. „Empfiehl mir ein Boutique-Hotel in Lissabon“. Laut Studien-Zwischenergebnissen stimmten die KI-Systeme bei derselben Anfrage in nur rund 4 % der Fälle im „Top-Hotel“ überein (d. h. dem jeweils als Mention erstgenannten bzw. am höchsten platzierten Hotel in der Antwort eines KI-Systems). Bei einem Intraday-Test, bei welchem der gleiche Prompt zweimal am selben Tag mit einer Stunde Abstand gestellt wurde, wechselte die Top-Hotel-Empfehlung in sage und schreibe 45 % der Fälle.

Die Grundbeobachtung deckt sich mit dem, was man über KI-Systeme weiß: KI-Antworten sind nicht deterministisch, sie hängen u. a. vom Modell, vom Kontext und vom Zeitpunkt ab. Viele Hotels versuchen deshalb, für „die eine“ typische Anfrage von Reisenden in der KI-Antwort direkt zu erscheinen, was kaum möglich ist. Das überträgt überdies die Logik des klassischen Keyword-Rankings auf ein System, das einfach anders funktioniert.

Ich kann aus meiner Erfahrung nur bestätigen: Häuser mit aktuellen, strukturierten Daten und Präsenz über viele Kanäle sind auch in KI-Systemen besser sichtbar. Wiederkehrende Präsenz über viele Systeme zählt mehr als eine einzelne Top-Platzierung an einem Tag.

Heißt: Eine bereits im klassischen Off- und On-Page-SEO gut aufgestellte und technisch sauber strukturierte Hotel-Website mit maschinenlesbaren Daten, aktuellen Preisen und Verfügbarkeiten, ist konsistent über mehrere KI-Systeme hinweg besser auffindbar. Und das ist die Arbeit, die tatsächlich wirkt.

Quelle: Kollective, Boutique Hotel AI Visibility Index, vorläufige Zwischenergebnisse, Auswertung auf Hospitality Net, 08.07.2026.

Salesforce hat Ende Juni sein bisher größtes Update für Agentic Commerce veröffentlicht. Kernstück ist der Shopper Agent, der Kunden auf der Website des Händlers von der Produktsuche bis zum Checkout begleitet.

Salesforce stützt den Nutzen seines Shopper Agent mit Daten aus der Weihnachts-Saison 2025 (November/Dezember): Unternehmen mit eigenem Shopper Agent, darunter Firmen wie Pandora oder SharkNinja, wuchsen um 6,2 % gegenüber 3,9 % bei Unternehmen ohne Agenten (ein Anstieg von +59 %). Das ist zwar eine Salesforce-Analyse, aber die Zahlen taugen als Signal. Bei dieser Variante bleibt die eigene Website der Ort der Kaufentscheidung. Kundenbeziehung und der letzte Schritt vor dem Kauf bleiben beim Händler.

Anders verhält sich das bei Google. Über das neue Universal Commerce Protocol (UCP) plant Google, den Checkout künftig direkt im Google AI Mode und Gemini stattfinden zu lassen, ohne dass der Kunde die Google-Oberfläche verlässt. Das Gute ist, dass der Händler Merchant of Record bleibt. Obwohl der Kunde in Gemini kauft, erhält der Händler die vollständigen Daten für sein CRM-System und spätere Marketing-Aktionen – er muss die Daten eben nutzen.

Ich sehe darin einerseits ein neues Plattform-Risiko entstehen, vergleichbar mit dem, was Händler von Amazon Marketplace oder Touristik-Anbieter von Booking und Check24 kennen: weniger Website-Traffic, weniger Cross- und Upselling, weniger First-Party-Daten, schwächere Markenbindung.

Aber statt KI-Kanäle zu meiden, sollten Unternehmen die eigene Kundenbeziehung so gestalten, dass der Kunde beim nächsten Mal direkt bei ihnen kauft: beispielsweise durch Loyalty-Programme, personalisierte Mehrwerte und exklusive Vorteile, die Kunden bewusst zur Direktbuchung zurückführen.

Die ersten Berichte rund um das UCP aus den USA drehen sich noch primär um die technische Integration und steigende Zahl von KI-Suchanfragen. Es bleibt daher spannend abzuwarten, wann es die ersten verlässlichen Daten zur Entwicklung der Händler-Umsätze im Rahmen des UCP gibt. Ich werde das beobachten.

Quellen: Salesforce-Pressemitteilung, „Salesforce stellt Agentforce Commerce vor“ (25. Juni 2026); Salesforce Shopping Index, „2025 Holiday Shopping Data“.

Agentic Commerce war neben China Speed und Creator Commerce das beherrschende Thema der K5 – Future Retail 2026 in Berlin. Dabei beschränkt er sich nicht auf warengebundenen E-Commerce. Er ist z. B. für Reisen und Ticketing, Abonnements und digitale Dienste gleichermaßen relevant, auch wenn hierüber kaum gesprochen wird.

Für Touristiker ist das eine differenzierte Chance. Nicht jede Reisebuchung ist gleich. Das Planen der Traumreise im B2C-Segment kann ein emotionales Erlebnis sein. Hier will der Nutzer eher keinen Agenten, der ihm die Entscheidung abnimmt. Anders sieht es bei kommodisierten Buchungen aus, z. B. bei Geschäftsreisen: Hier zählen primär Preis, Verfügbarkeit, Lage – und Schnelligkeit. Hier liegt das realistische Einfallstor für Agentic Commerce im Reisevertrieb. In jedem Fall geht es um Datenqualität, API-Zugänglichkeit und maschinenlesbare Angebotsstrukturen. Und dennoch möchte man als Anbieter langfristig nicht zum reinen Productfeed verkommen.

Aus meiner langjährigen Erfahrung im erfolgreichen Management profitabler Direktbuchungen gegenüber Third-Party-Kanälen kann ich sagen: Die Gegenstrategie liegt u. a. in starker Markenführung, relevantem CRM und Qualität on property, die Wiederbuchungen und Weiterempfehlungen erzeugen. Wer Top of Mind bleibt, wird eher direkt gebucht: provisionsfrei, inklusive Preis- und Kundendaten-Hoheit – und damit seltener mit Agenten.

Wir sind mit Agentic Commerce noch früh dran: OpenAIs Instant Check-out scheiterte im März 2026 an fehlender Echtzeit-Datensynchronisation, Betrugsprävention, fehlender Steuerinfrastruktur und mangelnder Akzeptanz der Merchants. In der EU sind die regulatorischen Fragen rund um Haftung, Datenschutz und Zahlungsautorisierung noch ungeklärt. Und nicht zuletzt: Die Adoption durch die User in der Breite steht aus.

Daher gilt es nun umso mehr, die Entwicklung genau zu beobachten und als Fast Follower in die Umsetzung zu gehen, sobald es gesicherte Erkenntnisse darüber gibt, was funktioniert.

Quellen: IBM Think 2026; K5 Konferenz, Juni 2026; Google Cloud, Januar 2026; Forrester Research 2026.

Les Binet und Peter Field, die zwei Godfather der Marketing-Effectiveness-Forschung im Umfeld des britischen Werbe-Fachverbands IPA, haben die Begriffe Brand Building und Brand Activation geprägt. Ihre Studie „The Long and the Short of It“ (2013) deckt fast 1000 Kampagnen aus 30 Jahren ab. Die dort abgeleitete Daumenregel für höchsten Gesamtgewinn lautet: 60 % des Budgets für Brand Building, 40 % des Budgets für Brand Activation. Brand Building füllt den Funnel von oben, Activation leert ihn unten.

2026 kommt ein neues Argument für Brand Building hinzu: Laut Seer Interactive sind organische Klickraten mit Aufkommen der Google AI Overviews (die bei rein kommerziellen Suchen derzeit noch etwas seltener ausgespielt werden) um 61 % gesunken, bezahlte gar um 68 %. Marken, die in KI-Antworten zitiert werden, verzeichnen hingegen 35 % mehr organische und 91 % mehr bezahlte Klicks.

Die Citations einer Marke erfolgen zwar nicht allein aufgrund von Bekanntheit. Sichtbar wird jedoch, dass Marken mit hoher Autorität und starker Präsenz im digitalen Ökosystem überdurchschnittlich häufig als Referenz herangezogen werden. Brand Building beeinflusst die hier relevanten Signale in Google.

Aus vielen Jahren Erfahrung im digitalen Vertrieb kann ich nur sagen: Performance-Kampagnen funktionieren besser, wenn Markenbekanntheit und Vertrauen den Boden bereiten.

Activation entscheidet über den Umsatz heute, Brand Building entscheidet über den Umsatz von morgen. Wer nur eines davon betreibt, optimiert auf Kosten des anderen.

Quellen: Les Binet, IPA Effectiveness Conference, Oktober 2025; Binet & Field, „The Long and the Short of It“, IPA 2013/2018; Seer Interactive AI Overviews Studie, September 2025.

Branchendaten zeigen, wo die meisten Unternehmen heute stehen: 61 Prozent nutzen ihr CRM primär für E-Mail-Marketing und automatisierte Kommunikation. Nur 34 Prozent nutzen die Analysefunktionen für Entscheidungen. Aus eigener Erfahrung kann ich sagen: Kundendaten sind meist ausreichend vorhanden. Schwieriger ist es, diese sauber zu analysieren, daraus bessere Entscheidungen abzuleiten und diese konsequent in operative Prozesse zu überführen.

Salesforce, HubSpot und Microsoft bauen ihre CRM-Plattformen aktuell konsequent in Richtung Entscheidungsunterstützung mit KI um. Analytisches CRM, also u. a. Scoring, Segmentierung, Churn-Prognosen, CLV-Optimierung oder NBA, war bislang eine Domäne von professionell aufgestellten Teams, die hierfür Spezialisten haben.

KI-gestützte Module in den großen CRM-Suiten machen diese Fähigkeiten jetzt auch für reguläre Business-Teams zugänglicher und leichtgewichtiger. Dabei ist die Kenntnis der zentralen Konzepte des analytischen CRM nach wie vor unerlässlich – Urteilsvermögen und Human in the Loop eben.

Unternehmen, die CRM weiterhin primär als Kampagnenwerkzeug nutzen, lassen leider viel Potenzial ungenutzt. Denn die Zukunft des CRM wird stärker durch die Qualität der per KI vorbereiteten und durch Menschen validierten Entscheidungen geprägt als durch die Anzahl der ausgespielten Kampagnen.

Quellen: HubSpot Breeze AI Guide 2026; DesignRush/Salesforce CRM Statistics, 2026.