KI-Pulse
Trends

Visa-Benchmark: 43 Prozent der simulierten Shopping-Läufe scheitern

Von , Redaktion Intelligenz Welt · mit KI-Unterstützung erstellt, redaktionell verantwortet (so arbeiten wir) · · 3 Min. Lesezeit

Artikel teilen
Symbolbild: Ein Einkaufskorb aus Lichtlinien auf einer Waagschale, gegenüber ein Fragezeichen aus leuchtenden Punkten, dazwischen ein abgehackter Pfad, Dunkelblau und Rot-Akzent.
Visa-Test: 42,8 Prozent der simulierten Shopping-Läufe scheitern. Symbolbild, KI-generiert; keine Quote realer Einkäufe.

Die wichtigsten Fakten

Wer einem KI-Agenten den Geldbeutel anvertrauen will, braucht vor allem eines: Verlässlichkeit. Aspekte davon untersucht Visas am 5. November veröffentlichter Agentic Commerce Benchmark. 22 Modelle aus 12 Labors mussten in 15 Einkaufsszenarien - Fernseher, Laptop, Pflegegerät - im Dialog mit einem simulierten Kunden dessen Anforderungen aufdecken. Denn Kunden sagen selten alles: Wer einen Fernseher will, erwähnt vielleicht eine Markenempfehlung des Verwandten und eine Mitgliedschaft bei einem Händler, verschweigt aber Budget, HDR10+-Pflicht für Familienvideos und Gaming-Ansprüche. Bestanden hat, wer die versteckten Anforderungen aufdeckt und dann korrekt einen Kauf empfiehlt - oder den Kauf verweigert, wenn nichts passt. Glückstreffer zählen nicht: Ohne aufgedeckte Informationen ist die Entscheidung nicht gerechtfertigt. Die aktuelle Auswertung betrifft simulierte Kunden und Entscheidungen. Visa will Checkout, Zahlung und Bestellaufgabe erst später ergänzen. Die Ergebnisse sind daher keine gemessene Fehlkaufquote im echten Handel.

Die Ergebnisse im Detail

Warum die 54 Prozent das wichtigste Ergebnis sind

Im Test endeten 54 Prozent der nicht bestandenen Läufe dennoch mit einer Kaufentscheidung: Entweder passte die Empfehlung nicht zu erkannten Anforderungen, oder das Modell hatte nicht alle Anforderungen aufgedeckt. Das ist ein Warnsignal in diesen Szenarien, keine belastbare Aussage über alle Agenten oder echte Zahlungen. Visa nennt außerdem aus seinem eigenen US-Trust-Index vom September 2026: 72 Prozent hätten bereits einen KI-Assistenten genutzt, 23 Prozent vertrauten KI bei Zahlungsabwicklungen.

Einordnung

Visa hat ein Eigeninteresse: Mit Visa Intelligent Commerce verkauft das Unternehmen selbst Infrastruktur für agentischen Handel, und der Benchmark liefert die Begründung dafür. Rubail Birwadker, Global Head of Growth bei Visa, wird in der Pressemitteilung zitiert: "AI agents have the potential to power the next era of commerce, but trust is key to making it work." Trotzdem ist das Design ungewöhnlich praxisnah - Nachfragen statt Ein-Schuss-Prompt, Verweigerung als korrekte Antwort, Wiederholbarkeit als Kriterium. Visa will weitere Szenarien bis hin zu Checkout, Zahlung und Bestellung ergänzen; die Tests können Verbraucher selbst ausprobieren. Für den Einsatz folgt daraus keine feste Anzahl nötiger Tests. Sinnvoll sind wiederholte Prüfungen von Anforderungsklärung und Verweigerung, statt sich auf eine einzelne gelungene Demo zu verlassen.

Häufige Fragen

Was misst Visas Agentic Commerce Benchmark?

Ob KI-Modelle in realistischen Einkaufsszenarien die versteckten Anforderungen eines Kunden im Dialog aufdecken und dann korrekt handeln - einen Kauf empfehlen, wenn etwas passt, verweigern, wenn nicht. 22 Modelle aus 12 Labors, 15 Szenarien, drei Versuche pro Szenario. Echte Checkouts und Zahlungen sind nicht Gegenstand der aktuellen Auswertung.

Welches Modell ist am besten?

Visa nennt in der Pressemitteilung keine Einzelmodelle, nur Spannen: Die besten bestehen 82,2 Prozent der Läufe, die schwächsten 28,9 Prozent, im Mittel 57,2 Prozent.

Warum ist die Konsistenz so schlecht?

Nur 34,2 Prozent der Modell-Szenario-Kombinationen wurden in allen drei Versuchen bestanden - selbst Modelle, die ein Szenario einmal lösen, scheitern beim Wiederholen oft. Visa wertet das als Kernproblem für Vertrauen im agentischen Handel.

Quellen

  1. Visa Releases First-of-Its-Kind Industry Benchmark for AI Shopping; Almost Half of Test Runs Fail (Visa (Pressemitteilung), abgerufen 2026-11-07)

Weitere Artikel

Artikel teilen

Transparenzhinweis: Dieser Artikel ist ein redaktioneller Beitrag von Philipp Paulik und entstand mit KI-Unterstützung (Recherche und Textentwurf). Alle Quellen sind unten verlinkt; Zahlen und Aussagen stammen aus diesen Quellen. Das Titelbild ist KI-generiert und im Bild entsprechend gekennzeichnet. Die News-Übersicht auf dieser Seite wird dagegen automatisch aus öffentlichen Feeds aggregiert. So arbeiten wir.