Künstliche Intelligenz wird im Vertrieb derzeit vor allem als Produktivitätsthema diskutiert. Im Mittelpunkt stehen automatisierte Angebotsprozesse, effizientere CRM-Nutzung oder die Beschleunigung operativer Vertriebsabläufe. Die strategisch relevantere Veränderung könnte jedoch deutlich tiefer reichen. Mit Agentic Selling entsteht die Möglichkeit, dass operative Marktentscheidungen zunehmend durch autonome KI-Systeme vorbereitet oder in Teilen eigenständig getroffen werden – nicht nur auf Verkäuferseite, sondern auch auf Käuferseite. Dabei geht es um mehr als Effizienz: KI-Systeme beginnen Aufgaben und Entscheidungsprozesse, die bisher zwingend an menschliche Kognition gebunden waren, vollständig zu digitalisieren und autonom auszuführen. Sollte sich diese Entwicklung in relevanten Marktsegmenten durchsetzen, verändert sich nicht allein die Effizienz einzelner Vertriebsprozesse, sondern die Marktmechanik industrieller Märkte selbst. Die entscheidende Managementfrage lautet dann nicht mehr nur, wie Unternehmen KI im Vertrieb einsetzen, sondern ob ihre Organisation strukturell überhaupt anschlussfähig für agentische Marktinteraktion ist.
Magdalena Jetzinger, Ulf Rebeschiess, Christian Tribowski
23.06.2026 – 19:00 Uhr
Wenn sich Marktmechaniken durch Agentic Selling verändern
Industrievertrieb war in vielen Segmenten über Jahrzehnte von strukturellen Informationsasymmetrien geprägt. Preise waren individuell verhandelbar, Konditionen abhängig von Volumen, Timing oder Beziehung, technische Informationen verteilt über Datenblätter, persönliche Kontakte oder spezialisierte Fachbereiche. Vergleichbarkeit war häufig begrenzt, Suchkosten auf Kundenseite hoch und Entscheidungsprozesse entsprechend träge.
Diese Marktmechanik war kein Sonderfall, sondern Ausdruck einer bekannten ökonomischen Realität. Märkte funktionieren selten unter vollständiger Transparenz. Akerlof (1970) hat mit seiner Analyse asymmetrischer Information gezeigt, dass Marktteilnehmer regelmäßig über unterschiedliche Wissensstände verfügen und dass diese Unterschiede Preisbildung, Qualitätseinschätzung und Verhandlungsmacht unmittelbar beeinflussen. Stiglitz (2000) hat diese Perspektive später zu einer umfassenderen Ökonomie der Information weiterentwickelt.
Ergänzt wird diese Sicht durch die Suchkostentheorie von Stigler (1961). Deren zentrale Annahme ist ebenso einfach wie relevant: Informationen sind nicht frei verfügbar, sondern müssen gesucht, bewertet und verarbeitet werden. Diese Suchkosten beeinflussen Marktverhalten erheblich. Je höher der Aufwand für Informationsbeschaffung, desto geringer die Vergleichbarkeit und desto stabiler bestehende Informationsvorteile.
Informationsasymmetrien als Wettbewerbsvorteil
Genau hier lag lange ein struktureller Vorteil vieler Industrieanbieter. Selbst professionelle Einkaufsorganisationen vergleichen nicht in Echtzeit hunderte Anbieter, alternative technische Konfigurationen oder dynamische Preisentwicklungen. Die Kombination aus technischer Komplexität, fragmentierter Marktinformation und menschlich begrenzter Verarbeitungskapazität stabilisierte Informationsvorsprünge auf Anbieterseite.
Im Industrial Sales Journal wurde bereits argumentiert, dass Vertriebskanäle nicht isoliert betrachtet werden sollten, sondern als Ausdruck spezifischer Geschäftsmodelllogiken. Die dort entwickelte Vertriebskanal-Geschäftsmodell-Matrix zeigt, dass Kanalentscheidungen wesentlich von Transaktionskosten, Komplexität, Erklärungsbedürftigkeit und Integrationsaufwand abhängen (Tribowski/Schackow 2026).
Genau an dieser Stelle wird Agentic Selling strategisch relevant. Wenn autonome Systeme Suchkosten drastisch reduzieren, Informationen standardisieren und Markttransparenz erhöhen, verändern sich zentrale ökonomische Annahmen, auf denen bestehende Kanalentscheidungen beruhen. Ein autonomer Einkaufsagent wäre nicht denselben kognitiven Begrenzungen unterworfen wie ein menschlicher Entscheider. Dort, wo Angebote standardisiert, Daten strukturiert und technische Schnittstellen verfügbar sind, könnten Suchkosten drastisch sinken. Preisvergleiche, technische Validierungen, Verfügbarkeitsprüfungen oder Lieferzeitanalysen ließen sich in hoher Geschwindigkeit automatisieren.
Standardisierung in Produktmärkten und Techriesen als Treiber
In der Logik der Matrix verschiebt sich die Demarkationslinie der Standardisierung: Digitale und automatisierte Kanäle dringen in Bereiche vor, die bislang persönlichen, betreuungsintensiven Kanälen vorbehalten waren wie etwa dem Flächenvertrieb. Die relative Bedeutung rein digitaler Interaktionen nimmt somit bei Geschäftsmodellen wie dem Produkt- und Komponentengeschäft als auch im Supplier Business drastisch zu.
Das bedeutet nicht, dass industrielle Märkte kurzfristig vollständig transparent werden. Komplexe Lösungsangebote, individuelle Vertragsstrukturen oder projektspezifische Leistungen bleiben weiterhin nur begrenzt standardisierbar. Dennoch könnte sich die Marktmechanik in standardisierbaren Segmenten deutlich verändern. Informationsvorteile, die bislang aus Intransparenz, organisatorischer Komplexität oder manueller Marktträgheit entstanden, würden unter solchen Bedingungen zunehmend erodieren.
Zunächst werden Anbieter strategisch versuchen, Informationsgefälle künstlich aufrechtzuerhalten oder durch neue Produktfeatures zu verschleiern – mit fortschreitender Marktdurchdringung agentischer Systeme wird diese Verteidigungsstrategie in standardisierbaren Segmenten jedoch immer schwerer aufrecht zu erhalten sein.
Die Vorstellung autonomer Marktakteure ist dabei keine rein theoretische Überlegung mehr. Führende Enterprise-Software-Anbieter entwickeln bereits agentische Systeme für Beschaffung, Vertrieb und Supply Chain Management. Hierzu gehören SAP, Salesforce und Microsoft genauso wie spezialisierte Anbieter von Procurement– und Commerce-Systemen. Noch befinden sich viele dieser Anwendungen in frühen Entwicklungs- oder Einführungsphasen. Sie verdeutlichen jedoch, dass die Diskussion über agentische Marktinteraktion nicht mehr ausschließlich theoretischer Natur ist.
Sichtbarkeit in agentischen Märkten
Mit dieser Entwicklung verändert sich auch die Bedeutung von Sichtbarkeit im Markt. Im klassischen digitalen Vertrieb war Sichtbarkeit primär auf menschliche Wahrnehmung ausgerichtet. Markenwirkung, Benutzererlebnis, Suchmaschinenpräsenz oder der Zugang zum Vertrieb beeinflussten maßgeblich, ob ein Unternehmen in Auswahlprozesse gelangte.
In agentischen Märkten verschiebt sich diese Logik. Für einen autonomen Einkaufsagenten ist nicht entscheidend, wie überzeugend eine Benutzeroberfläche gestaltet ist oder wie stark emotionale Markenkommunikation wirkt. Relevanter ist, ob Informationen technisch zugänglich, aktuell, strukturiert und maschinenlesbar verfügbar sind.
Dazu gehören insbesondere Produkt- und Konfigurationsdaten, technische Spezifikationen, Verfügbarkeiten, Lieferzeiten, Preis- und Konditionsinformationen, API-Zugänge oder regulatorische Metadaten. Unternehmen, deren Datenarchitektur diese Zugänglichkeit nicht ermöglicht, könnten in bestimmten digitalen Beschaffungsszenarien schlicht nicht berücksichtigt werden. Sichtbarkeit wäre damit nicht länger primär eine Frage von Kommunikation oder Markenführung, sondern zunehmend eine Frage operativer Datenfähigkeit.
Die größere Herausforderung liegt in den Daten und Strukturen
Die Debatte über Agentic Selling konzentriert sich bislang stark auf die externe Marktseite. Für viele Industrieunternehmen dürfte die größere Herausforderung jedoch intern liegen. Ein agentisches System wird im ersten Schritt beispielsweise eingehende Standard-Anfragen prüfen, einfache Standard-Angebote basierend auf hinterlegten Preislisten erstellen oder Leads anhand historischer CRM-Daten vorqualifizieren.
Selbst für diese vermeintlich einfachen Aufgaben benötigt das System jedoch konsistente und belastbare Daten aus einer Vielzahl operativer Systeme. Aktuelle Stammdaten, verlässliche Lagerbestände, freigegebene Preislisten oder standardisierte Lieferzeiten müssten strukturiert, aktuell und technisch anschlussfähig vorliegen.
Die operative Realität vieler Industrieunternehmen sieht anders aus. ERP-, CRM-, CPQ- und Legacy-Systeme folgen unterschiedlichen Logiken, Daten sind fragmentiert, Prozesse personengebunden und Entscheidungsregeln häufig nur implizit vorhanden. Unter diesen Bedingungen wird deutlich, dass Agentic Selling in erster Linie kein Technologie-, sondern ein Strukturthema ist. Die entscheidende Frage lautet deshalb weniger, ob ein Unternehmen KI einsetzen möchte, sondern ob seine operative Architektur überhaupt agentenfähig ist.
Zwischen Effizienz und Kommodifizierung
Die mögliche Verbreitung agentischer Marktmechaniken hätte nicht nur Effizienzvorteile, dadurch dass bis dato von Menschen ausgeführte Tätigkeiten durch künstliche Intelligenz abgelöst werden, sondern auch strategische Nebenwirkungen. Dort, wo Vergleichbarkeit steigt, und standardisierte Informationszugänge entstehen, wächst tendenziell der Druck auf standardisierte Angebote. Leistungen, die sich klar spezifizieren, vergleichen und automatisiert beschaffen lassen, geraten stärker unter Preis- und Effizienzdruck.
Gerade im Industrievertrieb ist dieser Punkt relevant, weil er eine bekannte Differenzierungslinie verschärfen könnte: die Trennung zwischen standardisiertem Transaktionsgeschäft und komplexem Lösungsvertrieb.
Aus Perspektive der Vertriebskanal-Geschäftsmodell-Matrix wäre dies mehr als eine technologische Veränderung. Wenn Agentic Selling Transaktionskosten in standardisierten Marktsegmenten senkt, verschiebt sich potenziell die Attraktivität bestimmter Vertriebskanäle. Digitale, automatisierte oder plattformbasierte Modelle könnten dort wirtschaftlich relevanter werden, wo bislang menschliche Vertriebsinteraktion notwendig erschien. Umgekehrt würden komplexe, co-kreative Lösungsvertriebsmodelle gerade deshalb an Bedeutung gewinnen, weil sie sich nicht ohne Weiteres in standardisierte agentische Logiken überführen lassen.
Mittel- und Langfristig nimmt deshalb die Bedeutung von System- und Lösungsvertrieb zu. Denn hier entstehen aufgrund des hohen Spezifikations- und Individualisierungsgrades bei der Bündelung von Hardware, Software und Services wiederum Informationsasymmetrien. Die dadurch entstandenen Marktnischen, lassen sich nur sehr langsam durch agentische Systeme erschließen.
Die Forschung zu Customer Solutions stützt diese Perspektive. Tuli, Kohli und Bharadwaj (2007) argumentieren, dass Kunden Lösungen nicht primär als Produktbündel wahrnehmen, sondern als relationale Problemlösungsprozesse. Aarikka-Stenroos und Jaakkola (2012) beschreiben ähnliche Mechanismen in wissensintensiven B2B-Kontexten.
Auch aktuelle Untersuchungen zu den Auswirkungen künstlicher Intelligenz auf den B2B-Vertrieb sprechen gegen die Vorstellung eines vollständig automatisierten Lösungsvertriebs (Markic/Knickrehm/Ahlfeld 2024). Vielmehr deutet sich eine Verschiebung der Rollenprofile an. Während standardisierte Informations-, Such- und Transaktionsaufgaben zunehmend automatisiert werden können, bleiben Beziehungsmanagement, gemeinsame Problemlösung, organisationale Abstimmung und die Entwicklung komplexer Lösungsarchitekturen weiterhin stark von menschlicher Interaktion geprägt. KI verändert damit die Rolle des Vertriebs, ersetzt sie jedoch nicht zwangsläufig. Gerade in komplexen B2B-Kontexten könnte die Fähigkeit zur Moderation, Integration und Co-Creation sogar an Bedeutung gewinnen.
Agentic Selling würde komplexen Lösungsvertrieb damit nicht zwangsläufig verdrängen. In bestimmten Marktsegmenten könnte die strategische Bedeutung solcher Modelle sogar steigen.
Die Führungsaufgabe in agentischen Märkten
Für Sales Leadership ist Agentic Selling deshalb keine isolierte Tool-Debatte, sondern eine strategische Frage zur Positionierung des eigenen Geschäftsmodells.
Unternehmen müssen zunächst verstehen, welche Teile ihres Geschäfts tatsächlich standardisierbar und damit agentisch anschlussfähig sind. Ebenso relevant ist die Frage, wo Differenzierung künftig entsteht, wenn klassische Informationsvorteile in Teilen an Bedeutung verlieren. Im standardisierbaren transaktionalen Bereich verschiebt sich der wettbewerbliche Hebel fundamental: Der entscheidende zukünftige Differentiator könnte hier die technologische Qualität der Schnittstellen sein. Das Unternehmen, das die reibungsloseste „agentische Anbindung“ für externe Einkaufsdaten bereitstellt und intern Anfragen am schnellsten autonom verarbeitet, wird in diesem Segment den größten Vertriebserfolg erzielen. Im komplexen Lösungsvertrieb hingegen bleibt die Beziehungs- und Problemlösungskompetenz der entscheidende Faktor. Hinzu kommt die operative Realität, dass agentische Systeme nur so leistungsfähig sein können wie die Prozesse und Datenarchitekturen, in die sie eingebettet sind.
Die größte Fehleinschätzung wäre es, Agentic AI primär als Automatisierungstechnologie zu betrachten und technologische Lösungen auf strukturelle Defizite zu setzen. In diesem Fall würden Unternehmen vor allem zusätzliche Komplexität erzeugen, ohne ihre eigentlichen Voraussetzungen für Wettbewerbsfähigkeit zu verbessern.
Fazit
Künstliche Intelligenz im Vertrieb wird derzeit häufig als Effizienzthema diskutiert. Die strategisch relevantere Frage liegt jedoch tiefer. Sollte sich Agentic Selling in relevanten Marktsegmenten etablieren, würden sich zentrale Marktmechaniken industrieller Märkte verändern. Informationsasymmetrien könnten sinken, standardisierte Vergleichbarkeit steigen und die Anforderungen an Datenfähigkeit erheblich wachsen.
Ob sich dieses Szenario in voller Ausprägung realisiert, bleibt offen. Bereits heute ist jedoch erkennbar, dass die Diskussion über KI im Vertrieb nicht allein technologisch geführt werden sollte. Wenn autonome Systeme künftig in größerem Umfang kaufen und verkaufen, entscheidet nicht primär die Qualität einzelner Algorithmen, sondern die strukturelle Anschlussfähigkeit des Unternehmens.
Literatur
Akerlof, George A. (1970): The Market for “Lemons”: Quality Uncertainty and the Market Mechanism. The Quarterly Journal of Economics, 84(3), 488–500.
Aarikka-Stenroos, Leena / Jaakkola, Elina (2012): Value co-creation in knowledge intensive business services: A dyadic perspective on the joint problem solving process. Industrial Marketing Management, 41(1), 15–26.
Markic, Mihael/Knickrehm, Charlotte/Ahlfeld, Christian (2024): Der Einfluss von KI auf die Rolle von Vertriebspersonen
im B2B. HMD Praxis der Wirtschaftsinformatik 61, 638–651.
Stigler, George J. (1961): The Economics of Information. Journal of Political Economy, 69(3), 213–225.
Stiglitz, Joseph E. (2000): The Contributions of the Economics of Information to Twentieth Century Economics. The Quarterly Journal of Economics, 115(4), 1441–1478.
Tuli, Kapil R. / Kohli, Ajay K. / Bharadwaj, Sundar G. (2007): Rethinking Customer Solutions: From Product Bundles to Relational Processes. Journal of Marketing, 71(3), 1–17.
Tribowski, Christian/Schackow, Maximilian (2026): Industrievertrieb verstehen: Die Vertriebskanal-Geschäftsmodell-Matrix. Industrial Sales Journal, Stand: 04.05.2026.
Zitierempfehlung
Jetzinger, Magdalena/Rebeschiess, Ulf/Tribowski, Christian (2026): Agentic Selling im Industrievertrieb: Wie KI die Marktlogik industrieller Märkte verändern könnte. Industrial Sales Journal, Stand: 26.05.2026.
Industrial Sales 