KI-Agenten recherchieren, vergleichen und bestellen zunehmend selbst. Dabei sehen sie sich keine Produktseiten an, sie lesen Produktdaten. Mit dem Model Context Protocol (MCP) gibt es einen offenen Standard, über den Agenten direkt auf PIM-Systeme zugreifen. Für Hersteller und Händler lautet die Frage deshalb nicht mehr „Wie schreiben wir schneller Texte?“, sondern „Sind unsere Produktdaten für Maschinen entscheidungsfähig?“.
Wie agentenfähig sind Ihre Produktdaten?
Unser Agentic Readiness Assessment zeigt herstellerunabhängig, wo Datenmodell, PIM-Architektur und Governance heute stehen und was Sie zuerst angehen sollten.
Die erste KI-Welle im Produktdatenmanagement war generativ. Sprachmodelle schrieben Produktbeschreibungen, Übersetzungen und Meta-Texte in Sekunden. Der Engpass verschob sich aber nur: Mitarbeitende kopierten Ergebnisse aus dem Chatfenster ins PIM, prüften Werte von Hand und verwalteten Prompts in Tabellen. Die KI war schnell, der Prozess drumherum nicht.
Agentische KI arbeitet anders. Ein Agent erhält ein Ziel statt eines Prompts, etwa „Ergänze alle fehlenden Pflichtattribute für Marktplatz X“ oder „Finde einen lieferbaren Ersatz für Artikel Y“. Er zerlegt die Aufgabe, ruft Werkzeuge auf, liest Daten, prüft Ergebnisse und schreibt sie zurück. Dafür braucht er einen verlässlichen, maschinenlesbaren Zugang zu den Systemen, in denen die Daten liegen.
Auch auf Kundenseite verändert sich die Schnittstelle. Gartner erwartet, dass bis 2028 rund 90 Prozent der B2B-Einkäufe über KI-Agenten vermittelt werden – mit einem Volumen von mehr als 15 Billionen US-Dollar. McKinsey beziffert das Potenzial des agentischen Handels bis 2030 auf bis zu eine Billion US-Dollar im US-Einzelhandel und drei bis fünf Billionen US-Dollar weltweit.
Die Praxis zeigt allerdings Reibung. OpenAI hat die im September 2025 gestartete Kauffunktion „Instant Checkout“ in ChatGPT im März 2026 zurückgefahren; Händler wickeln den Kauf wieder im eigenen Checkout ab. Recherche und Produktvergleich laufen dagegen weiter über den Assistenten. Für Hersteller ist das die eigentliche Botschaft: Ob der Agent selbst kauft, ist offen. Dass er vorauswählt, ist bereits Realität – und die Vorauswahl beruht auf Produktdaten.
Das Model Context Protocol (MCP) ist ein offener Standard, über den KI-Anwendungen und Agenten auf Daten und Werkzeuge externer Systeme zugreifen. Anthropic hat MCP im November 2024 veröffentlicht. Im Dezember 2025 ging das Protokoll an die neu gegründete Agentic AI Foundation (AAIF) unter dem Dach der Linux Foundation. Zu den Mitgliedern zählen unter anderem OpenAI, Google, Microsoft, AWS, SAP, Salesforce und Shopify.
Das Prinzip: Ein Anbieter stellt einen MCP-Server bereit, der die Fähigkeiten seines Systems als beschriebene Werkzeuge („Tools“) und Datenquellen („Resources“) anbietet. Ein KI-Client – ein Assistent oder ein Agenten-Framework – verbindet sich mit dem Server, erkennt die verfügbaren Werkzeuge und ruft sie bei Bedarf auf. Statt für jedes Modell und jedes System eine eigene Integration zu bauen, genügt ein Standard. MCP wird deshalb oft als „USB-C für KI“ beschrieben.
Wichtig für IT-Verantwortliche: MCP ersetzt die REST- oder GraphQL-API eines PIM nicht. Die meisten MCP-Server setzen auf bestehenden APIs auf und übersetzen sie in selbstbeschreibende Werkzeuge. Neu ist, dass ein Sprachmodell zur Laufzeit erkennt, welche Operationen möglich sind, welche Parameter sie verlangen und welche Rechte gelten. Die Integrationslogik wandert damit aus fest verdrahtetem Code in eine standardisierte, prüfbare Schicht.
Mit der Spezifikation vom 28. Juli 2026 ist MCP zudem unternehmenstauglicher geworden. Die Version setzt auf einen zustandslosen Kern, der sich hinter Standard-Load-Balancern skalieren lässt. Sie schärft die Autorisierung auf Basis von OAuth 2.1 und richtet sie enger an OpenID Connect aus. Die optionale Erweiterung „Enterprise-Managed Authorization“ erlaubt der IT, den Zugriff auf MCP-Server zentral über den Identity Provider zu steuern. Damit werden zwei häufige Einwände gegen MCP im Unternehmen deutlich entschärft: Skalierung und Rechteverwaltung.
In der Diskussion werden zwei Szenarien oft vermischt. Für die Architektur ist die Trennung entscheidend.
| Nach innen: Agenten arbeiten im PIM | Nach außen: Agenten kaufen beim Unternehmen | |
|---|---|---|
| Wer nutzt den Agenten? | Eigene Teams: Produktmanagement, Data Stewards, E-Commerce, Compliance | Kunden, Einkäufer, KI-Assistenten wie ChatGPT, Gemini oder Copilot |
| Typische Aufgaben | Lieferantendaten übernehmen, Attribute anreichern, Vollständigkeit prüfen, Compliance validieren | Produkte finden, vergleichen, Verfügbarkeit prüfen, bestellen |
| Zugang | MCP-Server des PIM-Herstellers, mit Benutzerrechten | Produkt-Feeds, Handelsprotokolle (ACP, UCP), MCP-Server der Shop-Plattform, strukturierte Webdaten |
| Hauptrisiko | Fehlerhafte Schreibvorgänge im Golden Record | Unsichtbarkeit oder falsche Darstellung im Auswahlprozess |
Das PIM ist in beiden Richtungen die Quelle. Nach innen ist es das System, in dem Agenten arbeiten. Nach außen speist es alle Kanäle und Protokolle. Ein externer Einkaufsagent greift in der Regel nicht direkt auf Ihr PIM zu – aber jede Antwort, die er über Ihre Produkte erhält, stammt letztlich von dort.
Neben MCP sind seit 2025 mehrere Protokolle für den agentischen Handel entstanden. Sie ergänzen sich eher, als dass sie konkurrieren.
| Protokoll | Initiator | Seit | Zweck | Bedeutung für das PIM |
|---|---|---|---|---|
| MCP (Model Context Protocol) | Anthropic, heute Agentic AI Foundation (Linux Foundation) | Nov. 2024 | Zugriff von Agenten auf Daten und Werkzeuge | Gesteuerter Zugriff auf Katalog, Attribute und Validierungen |
| ACP (Agentic Commerce Protocol) | OpenAI und Stripe | Sept. 2025 | Produkt-Feeds und Checkout in ChatGPT; seit März 2026 Fokus auf Produktentdeckung | Vollständige, aktuelle Feeds mit Preis und Verfügbarkeit |
| UCP (Universal Commerce Protocol) | Google mit Shopify, Etsy, Wayfair, Target und Walmart | Jan. 2026 | Kauf direkt in Google AI Mode und Gemini | Konsistente Produktdaten über Suche, KI-Modus und Checkout |
| AP2 (Agent Payments Protocol) | Sept. 2025 | Autorisierung von Zahlungen durch Agenten | Indirekt: Preise und Konditionen müssen stimmen | |
| A2A (Agent2Agent) | Google, heute Linux Foundation | Apr. 2025 | Kommunikation zwischen Agenten | Relevant für Agentenketten in Einkauf und Lieferkette |
Die Erfahrung mit Instant Checkout zeigt, wie schnell sich einzelne Protokolle und Geschäftsmodelle ändern. Wer heute für ein bestimmtes Protokoll optimiert, baut auf Sand. Stabil ist die Datenbasis darunter: Ein sauber modelliertes PIM bedient jeden neuen Kanal und jedes neue Protokoll, ohne dass das Datenmodell neu erfunden werden muss.
Mehrere führende PIM- und MDM-Anbieter haben 2025 und 2026 eigene MCP-Server vorgestellt. Der Funktionsumfang unterscheidet sich deutlich, vor allem bei Schreibrechten.
| Anbieter | MCP-Angebot | Einordnung |
|---|---|---|
| Akeneo | Offizieller MCP-Server für Produkte, Familien, Attribute, Kategorien, Kanäle und Reference Entities – lesend und schreibend; Clients u. a. Claude Desktop, Cursor und VS Code | Breiter Schreibzugriff; Mediendateien, Jobs und Workflow-Ausführungen sind laut Dokumentation ausgenommen |
| inriver | MCP-Server seit September 2025; mit dem Summer Release 2026 (Juni 2026) zur Basis für eigene Anwendungen ausgebaut („MCP Code Writer“) | Fokus auf Erweiterbarkeit und gesteuerte Anreicherung |
| Stibo Systems | MCP-Server für den Zugriff von KI-Agenten auf Master Data (vorgestellt im Juni 2026) | Governance im Vordergrund: Datenrichtlinien bleiben aktiv, Human-in-the-Loop, wo erforderlich |
| Reltio (SAP) | AgentFlow MCP Server für MDM-Daten | Nach der Übernahme durch SAP Baustein der SAP Business Data Cloud |
| Viamedici | Laut EPIM-Roadmap 2026–2029 (Kunden-Roadshow 2026): 2026 Event Hub für Echtzeit-Datenverteilung und dialogbasierte „Data Expert AI“; 2027 MCP-Server mit agentischen Workflow-Skills als „Rückgrat für autonome PIM/MDM-Abläufe“ | Angekündigt; flankiert von AI Review (Human-in-the-Loop) und einem No-Code Agent Builder |
| ATAMYA | Baut seinen MCP-Server aus: Agenten sollen über Claude oder ChatGPT künftig nicht nur lesen, sondern auch schreiben. Dazu kommen bis Ende 2026 eine öffentliche GraphQL-API mit API-Schlüsseln und Webhooks für Produktänderungen | Laut Partner-Update Oktober 2026; die Roadmap für 2027 ist noch nicht final |
Wie diese Bausteine zusammenspielen, zeigt das Partner-Update von ATAMYA vom Oktober 2026. Der Anbieter baut vor allem die Infrastruktur aus, die Agenten brauchen: eine vollständige GraphQL-API, die bis Ende 2026 öffentlich werden soll und gezielte Abfragen in einem einzigen Aufruf erlaubt. Webhooks melden Änderungen an Produkten als Ereignis an Middleware oder Shop, statt dass Systeme ständig abfragen müssen. Workflows starten gezielt, wenn sich bestimmte Attribute ändern, etwa Gefahrgutdaten, egal ob ein Lieferantenimport, das ERP, ein Mensch oder eine KI die Änderung ausgelöst hat. Auswahlattribute lassen sich in Workflows jetzt mit ihrem Klartextwert statt nur mit der ID ausgeben, was KI-Agenten die Arbeit spürbar erleichtert. Für 2027 plant ATAMYA außerdem Metadaten an Attributen, mit denen sich etwa semantische Hinweise für KI oder die DPP-Relevanz eines Merkmals hinterlegen lassen.
Auch andere Anbieter positionieren sich. Salsify versteht sich ausdrücklich als Datenschicht für den agentischen Handel und hat im Februar 2026 KI-durchsuchbare Katalogseiten vorgestellt. Commerce-Plattformen ziehen ebenfalls nach: Salesforce etwa testet für B2C Commerce MCP-basierte Werkzeuge für Einkaufsagenten im Pilotbetrieb.
Für eine Auswahlentscheidung zählt weniger, ob ein MCP-Server existiert, als was er darf. Welche Objekte sind lesbar, welche schreibbar? Greifen Validierungsregeln und Workflows des PIM auch bei Schreibzugriffen durch Agenten? Wie werden Rechte vergeben, protokolliert und entzogen? Diese Fragen gehören ab sofort in jede PIM-Auswahl.
Ein Mensch kann ein unvollständiges Datenblatt überbrücken. Er erkennt das Produkt auf dem Foto, liest zwischen den Zeilen oder ruft beim Vertrieb an. Ein Agent kann das nicht. Er filtert nach harten Kriterien – und was er nicht findet, existiert für ihn nicht.
Ein Beispiel aus dem technischen Großhandel: Der Einkaufsagent eines Anlagenbauers sucht einen Frequenzumrichter mit 7,5 kW, 400 V und Schutzart IP55, der einen abgekündigten Typ ersetzt und binnen 48 Stunden lieferbar ist. Steht die Schutzart bei Ihnen nur im Fließtext, fehlt die Verknüpfung zum Vorgängertyp oder ist die Verfügbarkeit nicht aktuell, fällt Ihr Produkt aus der Auswahl – obwohl es passt. Der Wettbewerber mit dem vollständigeren Datensatz bekommt den Auftrag.
| Datenebene | Was Agenten erwarten | Typische Lücke |
|---|---|---|
| Identifikation | GTIN, Herstellerartikelnummer, eindeutige IDs | Fehlende oder ungültige GTINs, Dubletten |
| Attribute | Entscheidungsrelevante Merkmale als strukturierte Werte mit Einheiten | Werte im Fließtext, uneinheitliche Einheiten |
| Klassifikation | ETIM, ECLASS oder GS1-Standards | Nur interne Warengruppen |
| Beziehungen | Zubehör, Ersatzteil, Nachfolger und Kompatibilität als typisierte Relationen | Beziehungen nur in PDFs oder gar nicht gepflegt |
| Varianten | Varianten als eigene Datensätze mit gemeinsamer Gruppe | Varianten als Textliste in einem Artikel |
| Kommerzielle Daten | Preis, Verfügbarkeit und Mindestmengen aus dem führenden System | Veraltete Exporte, Medienbrüche zum ERP |
| Compliance | Zertifikate, Stoffdaten und DPP-relevante Angaben als Daten | Nachweise nur als Dokument |
Viele dieser Anforderungen sind nicht neu. Es sind dieselben, die auch der Digitale Produktpass verlangt. Wer sein Datenmodell jetzt konsequent strukturiert, erfüllt beide Anforderungen mit einer Investition.
Fallen Ihre Produkte bei KI-Agenten durch das Raster?
Wir prüfen Identifikatoren, Attribute, Klassifikation und Beziehungen in Ihren Kernsortimenten und zeigen, wo die größten Lücken liegen.
Sobald Agenten schreiben dürfen, wird Governance zur Architekturfrage. Ein falscher Wert im Golden Record verteilt sich in Minuten über alle Kanäle. Hinzu kommen neue Angriffsflächen: Anweisungen, die in Lieferantendaten oder Dokumenten versteckt sind (Prompt Injection), manipulierte Werkzeugbeschreibungen oder zu weit gefasste Zugriffsrechte.
Bewährt haben sich sechs Prinzipien:
Neda Nia, Chief Product & Growth Officer bei Stibo Systems, bringt es in der Ankündigung des MCP-Servers auf den Punkt: „AI agents are only as good as the data they act on.“ Man könnte ergänzen: und nur so sicher wie die Regeln, unter denen sie handeln.
In einer agentenfähigen Architektur wird das PIM zum Kontext-Provider. ERP, PLM und MDM bleiben führend für ihre Daten. Das PIM verbindet sie zu einem semantisch sauberen, klassifizierten und freigegebenen Produktbild. Darüber liegt eine Zugriffsschicht aus MCP-Servern, Feeds, APIs und Events, die Agenten nach innen und außen bedient.
Kein Agent schreibt am PIM vorbei: Alle Zugriffe laufen über die Zugriffsschicht, und die Governance mit Identity Provider, Rechten und Freigaben gilt für Menschen und Agenten gleichermaßen.
Zeigt sich dabei, dass Ihr PIM-System strukturierte Attribute, typisierte Beziehungen oder einen gesteuerten Agentenzugang nicht abbilden kann, gehört das Thema in eine strukturierte PIM-Auswahl.
Agentic Commerce macht das PIM nicht überflüssig. Es macht das PIM zum Nervensystem des Produktgeschäfts. Agenten brauchen Kontext, und den liefert kein Sprachmodell, sondern nur ein sauber modelliertes, gesteuertes Produktdatenmodell. MCP ist dafür der Anschluss, nicht die Lösung.
Wer jetzt in Datenstruktur, Klassifikation und Governance investiert, ist für jedes Protokoll gerüstet, das sich in den nächsten Jahren durchsetzt. Wer weiter nur Texte generiert, wird von Agenten schlicht übersehen.
Agentic Readiness Assessment: Ist Ihr PIM bereit für KI-Agenten?
Wir prüfen herstellerunabhängig, wie gut Ihr Datenmodell, Ihre PIM-Architektur und Ihre Governance auf KI-Agenten vorbereitet sind, und übersetzen das Ergebnis in einen konkreten Maßnahmenplan.
MCP ist ein offener Standard, über den KI-Agenten auf Daten und Werkzeuge externer Systeme zugreifen. Anthropic hat ihn im November 2024 veröffentlicht; seit Dezember 2025 liegt er bei der Agentic AI Foundation der Linux Foundation.
Nein. MCP-Server setzen meist auf bestehenden REST- oder GraphQL-APIs auf. Sie machen deren Funktionen über eine standardisierte Schnittstelle für jeden MCP-fähigen KI-Client auffindbar und nutzbar.
MCP regelt allgemein, wie Agenten auf Daten und Werkzeuge zugreifen. ACP (OpenAI und Stripe) und UCP (Google mit Handelspartnern) sind handelsspezifische Protokolle für Produkt-Feeds und Kaufabwicklung in KI-Assistenten. Alle drei setzen vollständige, strukturierte Produktdaten voraus.
Stand Oktober 2026 unter anderem Akeneo, inriver, Stibo Systems und Reltio (SAP); Viamedici hat einen MCP-Server für 2027 angekündigt, ATAMYA baut seinen MCP-Server weiter aus. Umfang und Schreibrechte unterscheiden sich deutlich und sollten in jeder Auswahl geprüft werden.
Nicht zwingend. Entscheidend ist, ob Ihr System strukturierte Attribute, Klassifikationen, typisierte Beziehungen und einen gesteuerten Agentenzugang unterstützt. Oft ist das Datenmodell die größere Baustelle als die Software.
Mit klaren Leitplanken ja: eigene Service-Konten mit minimalen Rechten, Validierung im PIM, Freigabe-Workflows und vollständige Protokollierung. Starten Sie lesend und erweitern Sie Rechte schrittweise.
Sie möchten wissen, ob Ihr PIM und Ihre Produktdaten für MCP und KI-Agenten bereit sind? Hinterlassen Sie Ihre Kontaktdaten und schreiben Sie uns kurz, welches PIM-System Sie nutzen und wo Sie gerade stehen.
Wir melden uns mit einem Vorschlag, wie das Agentic Readiness Assessment für Ihr Unternehmen aussehen kann.
News & Blog
KI-Agenten lesen Produktdaten statt Produktseiten. Wie das Model Context Protocol (MCP) funktioniert, welche PIM-Anbieter bereits MCP-Server anbieten und wie Sie Datenmodell und Governance vorbereiten.
Wie bereiten Sie Ihr PIM auf den Digitalen Produktpass vor? Erfahren Sie, wie Sie mit sauberer Daten-Governance und GS1-Standards die EU-Vorgaben meistern.
Das Ende der Überkomplexität: Wir haben in der IT- und Software-Branche ein grundlegendes Problem: Wir sprechen oft nicht mehr die Sprache unserer Kunden.
