Plattform
Channels
Services
Kunden
Partner
BlogNeueste Digital-Marketing-Posts.
RessourcenDigital Guides, Videos, Webinare und mehr.
LernwegEntwickeln Sie Ihr Wissen in Ihrem eigenen Tempo mit den Mapp Lernwerkzeugen!
Über uns
Agentic AI verändert schon jetzt die Art und Weise, wie wir shoppen, grundliegend. Dabei rückt ein Problem in den Vordergrund: So lange Produktbeschreibungen nicht darauf ausgelegt sind, in einem größeren Kontext gelesen zu werden oder Kaufabsichten abbilden zu können, liefern selbst die smartesten Assistenten eher Zufallstreffer.
Seit Jahren träumen wir vom persönlichen Stylisten in der Hosentasche. Mit dem Aufkommen von Agentic AI – also Systemen, die smart und autonom dazu in der Lage sind, in Echtzeit und in natürlicher Sprache zu interagieren – scheint dieser Traum endlich in greifbare Nähe zu rücken.
Doch nun muss ich die Spaßbremse sein: Selbst die beste KI kann keine Wunder vollbringen. Eine wackelige Basis führt zu fehlerhaften Ergebnissen, wenn die Grundlage wackelig ist, und aktuell ist genau das der Fall. Der Standfuß jeder Product Discovery, die Produktdetailseite (PDP), ist für diese neue Realität bisher nicht gerüstet.
KI kann nur so gut sein wie die Daten, auf die sie zugreift. Fehlen dort klare, semantisch korrekte und fashion-relevante Beschreibungen – beispielsweise Anlass, Stil, Tragegefühl oder Funktion – stößt selbst das modernste System an seine Grenzen. Eine Anfrage wie „Ich brauche ein Kleid für eine windige Strandhochzeit“ prallt auf PDPs, die nur mit simplen Keywords wie „grünes Kleid“ oder „lange Ärmel“ ausgestattet wurden. Informationen zu Windfestigkeit, Innenfutter, Anlass oder Stilnuancen? Fehlanzeige.
Kurz gesagt: Die meisten PDPs basieren auf Artikelnummern gemacht – und interessieren sich wenig für potenzielle Käufer.
Eines ist klar: Agentic AI ist schon auf dem Markt und verändert bereits die Art, wie gesucht, geshoppt und ausgewählt wird. Tools wie Zalando’s Assistant, MANGO’s Stylist, und Daydream’s neue Ki-getriebene Shopping-Experience beschleunigen den Wandel. Als ich die Modelle einem genauen test unterzogen habe, ist allerdings eine Sache deutlich geworden:
AI Agents können nur das finden, was da ist.
Ein Blick auf sich aktuell auf dem Markt befindende AI-Stylisten zeigt das Problem deutlich. Zalando setzt GPT-4 Turbo ein und reichert damit wöchentlich 50.000 Produktattribute an – eine beeindruckende Zahl und ein möglicher Vorsprung gegenüber der Konkurrenz. Allerdings: Die Genauigkeit liegt nur bei 75 %. Sprich, jeder vierte Tag ist falsch, unvollständig oder zu vage.
In meinen Tests konnte der Zalando-Assistent zwar Kontexte verstehen, kam aber bei komplexen Prompts wie „Strandhochzeit, starker Wind, Sonnenschutz, Gürtel optional“ ins Straucheln. Die Ergebnisse sahen am Ende so aus: halbgare Treffer, vage Vermutungen – und teilweise sogar Umstandsmode.
MANGOs Assistent wirkt inspirierender, startet mit kuratierten Outfits und blendet Preise bewusst aus. Doch auch hier findet sich dasselbe Muster: Fehlende Attributs-Tags wie „Anlass“ oder „Formalität“ führen dazu, dass die KI nicht liefern kann. Der Beweis? Mein gesuchtes Produkt, das die Mango-KI nicht fand, tauchte sofort über eine simple Keyword-Suche auf..
Daydream – das neue Projekt von Julie Bornstein, finanziert mit 50 Mio. US-Dollar – verbindet Pinterest-ähnliche Inspiration mit Konversation-basiertem Shopping. Die Idee: Kund:innen in einem iterativen Dialog näher an das heranzuführen, was sie wirklich suchen. Klingt erst einmal gut, funktioniert aber ebenfalls nur bedingt. Denn auch hier fehlten bei einer Anfrage nach einem grünen Maxi mit V-Ausschnitt und langen Ärmeln die richtigen Ergebnisse.
Klingt erst einmal gut, funktioniert aber ebenfalls nur bedingt. Denn auch hier fehlten bei einer Anfrage nach einem grünen Maxi mit V-Ausschnitt und langen Ärmeln die richtigen Ergebnisse.
Das Fazit: Diese neuen Tools sprechen zwar eine neue Sprache – aber sie orientieren sich immer noch an einem alten Skript.
Einzelhändler haben ihre Produktdaten jahrelang vor allem für interne Systeme und Suchmaschinen optimiert. Auf PDPs dominieren deshalb Basics wie Farbe, Größe, Preis. Aber das, was wirklich zählt – für Menschen wie für Maschinen – fehlt:
Genau diese Dimensionen braucht Agentic AI, um zielgerichtet zu arbeiten. Wenn sie auf den PDP nicht in strukturiertem, maschinenlesbarem Format hinterlegt sind, bleibt das Produkt unsichtbar. Das Problem ist also nicht, dass AI-Assistenten „nicht funktionieren“. Es liegt daran, dass die Produkte nicht in einer Sprache beschrieben sind, die die AI beherrscht.
Die Modebranche befindet sich in einem Share-Gain-Markt: Das Wachstum ist zum Erliegen gekommen, Margen schrumpfen, und der Wettbewerb entscheidet sich nicht mehr über Kanäle, sondern über die Customer Experience.
Auch das allerbeste Produkt allein reicht nicht mehr. Relevanz ist der wahre Wettbewerbsvorteil.
Agentic AI kann diese Relevanz kreieren – indem sie jede Interaktion in ein kuratiertes, menschliches Gespräch verwandelt. Aber dafür benötigt die KI die richtigen Signale. Hier braucht es: sauberes Tagging, smarte Produktdaten, verknüpfte Systeme.
Das ist nicht mehr nur reine Personalisierung, sondern Produkt-Fluency.
Du brauchst kein komplett neues Tech-Stack, sondern vor allem bessere Produktattribution.
Genau hier kommt Mapp Fashion ins Spiel.
Wir erweitern PDPs nicht einfach um ein paar Attribute – wir bringen ihnen die Sprache der Mode bei. So können sie emotional, kontextbezogen, ästhetisch, alltagsnah gestaltet werden. Unsere Enrichment Engine kombiniert AI-Power mit menschlicher Fashion-Expertise. Mit über 18.000 spezifischen Mode-Attributen verwandeln wir eindimensionale Kataloge in dynamische, Intent-fokussierte Experiences – für AI-Agenten genauso wie für Menschen.
Die Zukunft hat begonnen. Die Frage bleibt: Spricht euer Stack die richtige Sprache?
EN
