KI im B2B-Onlineshop: Suche, Beratung und Conversion im Großhandel steigern

Ein Großhändler mit 60.000 Artikeln stellt seinen Katalog online, und der Umsatz bleibt hinter dem Außendienst zurück. Die Ware ist da, die Preise stimmen, trotzdem brechen Kunden ab. Der Grund liegt selten am Sortiment. Er liegt daran, dass der Kunde im Shop nicht findet, beraten und überzeugt wird wie am Telefon. Genau hier setzt KI an – und zwar an vier konkreten Stellen.

Worum es geht: die Kurzfassung

• Der deutsche E-Commerce erreichte 2025 rund 98,6 Mrd. € Gesamtumsatz (+3,8 %), davon 83,1 Mrd. € mit Waren (bevh, 22.01.2026). Der B2B-Handel verlagert sich mit, und im Shop entscheidet die Bedienqualität über die Conversion.
• KI greift im Onlineshop an vier Hebeln: Suche, Beratung (Guided Selling), Empfehlung und Preis. Jeder zahlt auf eine andere Umsatz-Kennzahl ein.
• Ein B2B-Sortiment ist groß, technisch und erklärungsbedürftig, die Kunden bestellen wiederkehrend zu individuellen Konditionen. Das verändert, welcher Hebel zuerst zieht – meist die Suche.
• Die Datenbasis entscheidet vor der Technik. Ohne sauberen Artikelstamm erben Suche, Empfehlung und Texte jede Inkonsistenz.
• Laut einer Bitkom-Befragung aus dem Jahr 2025 glauben 61 % der Handelsunternehmen, dass KI einen Wettbewerbsvorteil bringt (Bitkom, Whitepaper „KI-Trends im E-Commerce”, 04/2026). Das EHI ordnet ein: Erfolg ist vor allem eine Frage von Führung und Datenkultur, nicht der Technik allein.

Was bringt KI im B2B-Onlineshop konkret?

KI verbessert im B2B-Shop die drei Momente, in denen ein Kunde abspringt: beim Suchen, beim Entscheiden und beim Preis. Sie findet auch bei unscharfen Anfragen das richtige Produkt, führt durch große Sortimente zur passenden Variante und schlägt sinnvolle Ergänzungen und Konditionen vor. Der Effekt ist nicht „mehr Klicks”, sondern weniger Abbrüche an genau diesen Stellen.

Wichtig ist die Erwartung. KI ersetzt nicht den Außendienst und nicht die Sortimentskompetenz Ihres Teams. Sie überträgt einen Teil dieser Kompetenz in den Shop, wo bisher nur ein Suchfeld und eine Kategorie-Navigation stehen. Der Hebel ist groß, weil die Ausgangslage in vielen B2B-Shops schwach ist: Volltextsuche, die an Synonymen scheitert, und Kataloge, durch die sich nur durchklickt, wer die Artikelnummer schon kennt.

Die vier Hebel: Suche, Beratung, Empfehlung, Preis

Im Onlineshop zahlt KI auf vier voneinander trennbare Hebel ein. Sie lassen sich einzeln einführen und einzeln messen, deshalb lohnt es sich, sie auseinanderzuhalten statt von „KI im Shop” als Block zu sprechen.

• Suche. Eine semantische Produktsuche versteht die Absicht hinter der Anfrage, nicht nur den Wortlaut. Sie findet „Edelstahlschraube rostfrei” auch, wenn der Artikel als „V2A-Schraube” gepflegt ist. Der direkte Effekt sind weniger ergebnislose Suchen. Wie das technisch funktioniert, behandelt der Beitrag zur semantischen Produktsuche im Onlineshop.
• Beratung (Guided Selling). Ein KI-Produktberater führt durch große, erklärungsbedürftige Sortimente per Frage und Antwort zur passenden Variante – die Online-Entsprechung dessen, was Ihr Innendienst am Telefon leistet. Wie ein solcher Berater funktioniert und wann er sich lohnt, behandelt der Beitrag zum Guided Selling im B2B-Onlineshop.
• Empfehlung. Passende Ergänzungen, Zubehör und Wiederbestellungen werden vorgeschlagen, statt dass der Kunde sie selbst zusammensuchen muss. Schon 2013 schätzte McKinsey, dass rund 35 % der Amazon-Käufe auf Produktempfehlungen zurückgehen (McKinsey, 2013) – eine alte, aber oft zitierte Größenordnung.
• Preis. KI unterstützt die Preisfindung über Margen, Staffeln und Wettbewerb, im B2B oft kundenindividuell. Was dabei rechtlich gilt und wo die Grenze zwischen dynamischen und personalisierten Preisen verläuft, klärt der Beitrag zu Dynamic Pricing im Großhandel.

Warum ein B2B-Sortiment andere Regeln hat als ein D2C-Shop

Ein B2B-Großhandelsshop folgt einer anderen Logik als ein Konsumenten-Shop, und das verschiebt die Prioritäten. Die Sortimente sind größer und technischer, die Kunden bestellen wiederkehrend, oft hunderte Positionen, zu ausgehandelten Konditionen. Geschwindigkeit und Treffsicherheit schlagen hier emotionales Storytelling.

Daraus folgt ganz praktisch: Der typische B2B-Besteller weiß meist genau, was er braucht. Sein Problem ist nicht die Inspiration, sondern das Finden. Ein Sortiment mit 50.000 erklärungsbedürftigen Artikeln, viele davon mit ähnlichen Bezeichnungen und kryptischen Lieferantennamen, ist eine Suchaufgabe, keine Schaufensteraufgabe. Deshalb zieht im B2B die Suche meist vor der Personalisierung. Hinzu kommt der Preis: Während ein D2C-Shop einen Listenpreis zeigt, hängt der B2B-Preis an Kundennummer, Staffel und Rahmenvertrag. Eine KI-gestützte Preislogik muss diese Konditionswelt abbilden, nicht umgehen.

Die Datenbasis entscheidet: Artikelstamm und PIM

Jeder der vier Hebel steht und fällt mit der Datenqualität. Eine Suche kann nur finden, was eindeutig gepflegt ist; eine Empfehlung kann nur verknüpfen, was sauber attribuiert ist. Widersprüchliche Stammdaten werden von KI nicht repariert, sondern weitergereicht.

Das ist der unbequeme Teil. Wenn dasselbe Attribut im ERP „Edelstahl”, im Shop „rostfrei” und im Lieferanten-Feed „V2A” heißt, scheitert die Suche an genau dieser Uneinheitlichkeit. Bevor Sie KI-Hebel ausrollen, lohnt deshalb der ehrliche Blick auf den Artikelstamm – warum das so oft der eigentliche Engpass ist, zeigt der Beitrag Stammdaten als Engpass. Eng damit verbunden ist die Textqualität pro Artikel; wie sich Beschreibungen und Attribute mit KI in Kanal- und Markenqualität erzeugen lassen, behandelt der Beitrag zu Produkttexten mit KI. Die Logik dahinter ist dieselbe wie bei jedem RAG-Wissenssystem mit eigenen Daten: eine geprüfte Quelle, viele Ausspielungen.

DSGVO und „in Deutschland gehostet”

KI im Shop lässt sich DSGVO-konform betreiben, wenn personenbezogene Daten in der EU bleiben und keine Profile ohne Rechtsgrundlage entstehen. Semantische Suche und Produktempfehlungen funktionieren auf Basis von Produktdaten und der laufenden Sitzung – sie brauchen weder Cookies noch ein Personenprofil, um zu wirken.

Für den Mittelstand ist das mehr als eine Pflichtübung. Wer Modelle in der EU oder lokal betreibt, nimmt einen Großteil der Datenschutz-Diskussion vorweg, bevor sie aufkommt. Sobald der Shop in personalisierte Preise oder personenbezogene Empfehlungen geht, kommen zusätzliche Pflichten ins Spiel; den rechtlichen Rahmen dafür ordnet der Beitrag zu EU AI Act und DSGVO im Mittelstand ein.

Womit Sie anfangen: ein Priorisierungs-Raster

Statt alle vier Hebel gleichzeitig anzugehen, priorisieren Sie nach der größten messbaren Lücke. Das folgende Raster hat sich in der Praxis bewährt – es ordnet jeden Hebel einer Voraussetzung und einem Startsignal zu:

Die Reihenfolge ist kein Dogma. In den meisten B2B-Shops beginnt sie aber bei der Suche, weil dort der Umsatzverlust am direktesten messbar ist und die übrigen Hebel auf derselben Datenbasis aufsetzen. Eine breitere Einordnung, welche KI-Anwendungen sich für welche Betriebsgröße rechnen, liefert der Überblick zu KI-Anwendungen im Mittelstand.

Häufige Fragen

Lohnt sich KI im B2B-Onlineshop überhaupt, oder ist das ein D2C-Thema? Gerade im B2B lohnt es sich. Großhandelssortimente sind groß, technisch und erklärungsbedürftig, die Kunden sind Wiederbesteller mit individuellen Konditionen. Genau dort helfen bessere Suche, Beratung und passende Preise messbar.

Was ist der größte Conversion-Hebel im B2B-Shop? Meistens die Produktsuche. Wer ein Sortiment mit vielen tausend Artikeln führt, verliert Umsatz an jeder Suchanfrage, die ins Leere läuft. Suche zuerst, Empfehlung und Personalisierung danach.

Brauchen wir dafür ein PIM oder reicht das ERP? Sie brauchen eine saubere, eindeutige Datenquelle pro Artikel. Ein PIM erleichtert die Pflege, ein konsolidierter Artikelstamm reicht für den Start. Widersprüchliche Daten erben alle Hebel.

Ist KI im Shop DSGVO-konform möglich? Ja, mit EU-Hosting oder On-Premise und ohne Personenprofile ohne Rechtsgrundlage. Semantische Suche und Empfehlungen laufen auf Produktdaten und der aktuellen Sitzung, nicht auf einem Tracking-Profil.

Womit sollten wir anfangen? Mit dem Hebel, an dem Sie heute den meisten Umsatz verlieren. Messen Sie No-Result-Quote und Conversion nach Suchnutzung. Zeigt sich dort eine Lücke, beginnen Sie mit der Suche.

Wo Sie anfangen, wenn Sie heute starten möchten

Suchen Sie sich nicht den spektakulärsten Hebel aus, sondern den mit der größten messbaren Lücke in Ihren Zahlen. In den meisten B2B-Shops ist das die Suche. Nehmen Sie eine Warengruppe mit sauberen Daten, messen Sie No-Result-Quote und Conversion, und entscheiden Sie an dieser Stichprobe, nicht an einer Pauschalannahme.

Wenn Sie prüfen möchten, welcher Hebel sich in Ihrem Shop zuerst rechnet, gehen wir das in einem unverbindlichen Erstgespräch konkret an Ihren Daten durch.

Methodik: Recherche KI-gestützt, fachlich geprüft und faktengecheckt von Tobias Egner – mit Hintergrund aus Handel und KI-Engineering. Genannte Kennzahlen stammen aus der bevh-Jahresmeldung 2025 (22.01.2026), dem Bitkom-Whitepaper „KI-Trends im E-Commerce” (04/2026) und der EHI-Studie „KI-Integration im Handel” (09/2025); die Amazon-Schätzung stammt von McKinsey (2013) und ist als datierte Schätzung gekennzeichnet. Stand: Juni 2026.