KI-Traffic legte um 393 % zu und konvertiert 42 % besser: Was Adobes Q1-2026-Daten für B2B-Verkäufer bedeuten

Kernpunkte

• Der KI-quellige Traffic auf US-Retail-Sites wuchs im Q1 2026 um 393 % YoY — Adobe Analytics verfolgte das Wachstum über mehr als eine Billion Besuche, nachdem es während der Holiday Season 2025 bei 693 % gelegen hatte.
• KI-vermittelte Besucher konvertierten bis März 2026 um 42 % besser als sämtlicher übriger Traffic — eine vollständige Umkehrung gegenüber März 2025, als KI-Traffic um 38 % schlechter konvertierte; ein Rekordhoch des Vorteils.
• Produktseiten erreichten auf Adobes AI Content Visibility Checker nur 66 % — rund ein Drittel des PDP-Inhalts bleibt für LLMs unsichtbar, und auf Produktseiten fallen die Kaufentscheidungen.
• Der Umsatz pro Besuch über KI-Referrals lag 37 % über dem des Nicht-KI-Traffics — vor einem Jahr war menschlicher Traffic 128 % mehr wert; der Vorteil hat gedreht.

Die Zahlen, die die Frage des agentischen Handels verändern

Während des größten Teils von 2025 lief die Debatte über agentischen Handel auf Projektionen. McKinsey schätzte, dass KI-getriebener Retail bis 2030 1 Billion US-Dollar Umsatz in den USA erreichen könnte. Salesforce sagte voraus, dass KI-Agenten während der Holiday Season 2025 mehr als 20 % des globalen Online-Retail-Umsatzes beeinflussten. Das waren Prognosen und Anbieter-Schätzungen — richtungsweisend, nicht auf Transaktionsebene gemessen.

Der Adobe Q1 2026 AI Traffic Report ändert die Beweisgrundlage. Adobe Analytics verfolgt direkte Transaktionen über mehr als eine Billion Besuche auf US-Retail-Sites — mehr als jede andere Forschungsorganisation. Im ersten Quartal 2026 wuchs der KI-quellige Traffic um 393 % YoY. Im März allein lag er um 269 % YoY höher. Das Wachstum folgt auf 693 % während der Holiday Season November–Dezember 2025 und auf 1.151 % im Dezember 2025.

Die Konversionsumkehr ist der Befund, der die Debatte neu einordnet. Im März 2025 konvertierte KI-Traffic um 38 % schlechter als Nicht-KI-Kanäle wie bezahlte Suche und E-Mail. Bis März 2026 konvertierte KI-Traffic um 42 % besser — ein neuer Rekord. Der Umsatz pro Besuch über KI-Referrals lag 37 % über dem des Nicht-KI-Traffics. Vor einem Jahr war menschlicher Traffic 128 % mehr wert. Der Vorteil hat gedreht.

Die New York Times stellte die Geschichte am 3. Oktober auf die DealBook-Titelseite: „Während A.I.-Agenten mit dem Einkaufen beginnen, ändern Marken ihre Verkaufsansprache." Der NYT-Rahmen — dass Marken ihre Verkaufsprozesse für die Vermittlung durch KI-Agenten umstrukturieren — ist die Mainstream-Presse-Bestätigung, dass agentischer Handel von der Projektion zur operativen Realität übergegangen ist.

Dieser Artikel ordnet, was die Adobe-Daten für B2B-Verkäufer bedeuten: die Consumer-Datenpunkte, die sich übertragen lassen, die maschinenlesbare Lücke, die sich nicht überträgt, und der B2B-spezifische Engpass, den die Consumer-Retail-Daten nicht messen.

Was die Consumer-Daten zeigen

Adobes Befunde gehen über das Traffic-Volumen hinaus. Das Engagement-Profil KI-vermittelter Besucher unterscheidet sich strukturell von Nicht-KI-Traffic:

• 42 % höhere Konversionsrate als Nicht-KI-Kanäle (März 2026, ein Rekordhoch)
• 37 % höherer Umsatz pro Besuch als Nicht-KI-Traffic
• 12 % höhere Engagement-Rate nach der Landung auf der Site
• 48 % mehr Verweildauer auf der Seite
• 13 % mehr besuchte Seiten pro Besuch

Adobes begleitende Umfrage unter mehr als 5.000 US-Verbrauchern liefert die nachfrageseitige Erklärung. 39 % der Verbraucher haben KI für Online-Shopping genutzt; 85 % von ihnen sagten, dass es ihr Erlebnis verbessert habe. 66 % halten KI-Tools für Ergebnisse, die genaue Resultate liefern — eine Vertrauenszahl, die erklärt, warum Konversionsraten steigen, statt sich abzuflachen.

Das Verhaltensmuster ist lesbar: KI-vermittelte Besucher stöbern nicht beiläufig. Sie kommen mit einer spezifischen Absicht — eine Produktabfrage, ein Preisvergleich, eine Deal-Suche — und sie konvertieren mit höheren Raten, weil der KI-Vermittler dieselbe Filterung bereits erledigt hat, die ein menschlicher Shopper zuvor durch das Durchstöbern mehrerer Sites geleistet hat.

Für B2B-Verkäufer ist der Consumer-Datenpunkt, der sich am direktesten überträgt, das Engagement-Profil. Ein KI-Agent, der auf einer B2B-Produktseite landet, ist gleichermaßen absichtsgetrieben — er ist dort, weil eine Beschaffungsabfrage, ein Spezifikationsabgleich oder eine Lieferantensuche ihn dorthin verwiesen hat. Der 42 %-Konversionsvorteil im Consumer-Retail ist der Beleg, dass KI-vermittelter Traffic kein Traffic geringer Qualität ist. Es ist vorgeprüfter Traffic.

Die Adobe-Q1-2026-Daten auf einen Blick: der Traffic-Ansturm, die Konversionsumkehr, das Engagement-Profil und die maschinenlesbare Lücke.

Die maschinenlesbare Lücke — 66 % auf Produktseiten

Der zweite Befund des Adobe-Reports ist der, den B2B-Verkäufer nicht überspringen sollten. Adobe setzte einen AI Content Visibility Checker über den gesamten US-Retail-Sektor ein und bewertete Seiten danach, was LLMs lesen können und was nicht. Die Ergebnisse:

Seitentyp	Durchschnittlicher KI-Sichtbarkeits-Score
Homepage	75 %
Kategorieseiten	74 %
Produktseiten (PDP)	66 %
Filialfinder	73 %
Kundenservice / Hilfe	79 %
Kontakt	81 %
Rückgabe / Umtausch	82 %
FAQ	80 %

Produktseiten — dort, wo Kaufentscheidungen fallen — erzielten die niedrigsten Werte. Rund ein Drittel des PDP-Inhalts ist für LLMs unsichtbar. Retailer haben Tausende SKUs, und Adobes Daten zeigen, dass ein großer Teil dieses Inhalts nicht maschinenlesbar ist.

Die Lücke zwischen den leistungsstärksten und den leistungsschwächsten Anbietern ist strukturell. Die leistungsstärksten Retail-Sites erreichten auf der Homepage 82,5 % Sichtbarkeit; die leistungsschwächsten kamen auf 54,2 %. Einige Retailer haben bei der Maschinenlesbarkeit gehandelt; viele nicht. Adobes Fazit: „Die Übernahme dieser KI-Tools durch Verbraucher lässt nicht nach, und Unternehmen müssen ihre digitalen Eingangstüren für KI optimieren, um relevant zu bleiben."

Für B2B-Verkäufer ist das PDP-Problem gravierender. Consumer-Retail-PDPs führen standardisierte Felder — Preis, Abmessungen, Verfügbarkeit, Bilder. B2B-PDPs führen kundenspezifische Preisstufen, Mengenrabatte, Vorlaufzeiten, Kompatibilitätsmatrizen, Substitut-Querverweise und Compliance-Zertifizierungen. Das sind die Felder, die ein Beschaffungsagent für eine Angebotsentscheidung benötigt, und sie sind die Felder, die am wahrscheinlichsten in einem PDF, einem login-geschützten Portal oder einem ERP-System liegen, das kein Crawler erreicht.

Der 66 %-Score ist eine Consumer-Retail-Zahl. B2B-Produktseiten würden niedriger abschneiden.

Warum dies GEO neu einordnet — nicht „zitiert werden", sondern „maschinenhandhabbar sein"

Die frühere GEO-Analyse der Site, Zitiert ist nicht gewählt: Die Mess-Ära von GEO 2026, dokumentierte die Messlücke: 51 % der B2B-Tech-Marken erzielen null KI-Zitationen, und ein 68-Tage-Verzug von Earned Media bedeutet, dass ein Start jetzt in diesem Quartal nichts einbringt. Die Adobe-Daten kommen in einer zweiten Dimension hinzu. Die Frage ist nicht nur, ob eine KI-Engine Ihren Inhalt zitiert — sie ist, ob die KI-Engine Ihren Inhalt überhaupt lesen kann.

Eine Produktseite mit 66 % Maschinenlesbarkeit ist eine Seite, auf der ein Drittel des Inhalts — Preisdaten, Spezifikationen, Verfügbarkeit, Kompatibilität — für den KI-Agenten unsichtbar bleibt, der über den 393 %-Traffic-Ansturm kam. Der Agent landet, aber er kann die Aufgabe, für die er kam, nicht abschließen. Der Konversionsvorteil greift nicht, wenn die Seite nicht lesbar ist.

Das ist der B2B-spezifische Engpass, den die Adobe-Consumer-Daten nicht messen. Consumer-Retail-Sites verkaufen standardisierte Produkte mit öffentlichen Preisen. B2B-Sites verkaufen konfigurierte Produkte mit kundenspezifischer Preisgestaltung, und die Felder, die eine Kaufentscheidung bestimmen — Preisstufen, Mengenstaffelungen, Vorlaufzeiten, Substitut-Verfügbarkeit — sind die Felder, die am häufigsten hinter einer Authentifizierung verschlossen oder in einem Katalog-PDF vergraben sind.

Die Lösung ist nicht SEO. Es ist keine Keyword-Optimierung und kein Meta-Tag-Tuning. Die Lösung ist strukturell: Machen Sie die Produktdaten auf Feldebene maschinenlesbar. Das bedeutet strukturierte Daten-Auszeichnung auf PDPs, öffentlich zugängliche Spezifikationsdaten und eine semantische Schicht, die kundenspezifische Preisstufen, Kompatibilität und Verfügbarkeit in ein Format abbildet, das ein KI-Agent ohne menschliche Anmeldung abfragen kann.

Die B2B-semantische Schicht — was Consumer-Retail nicht braucht

Der Agentische-Handels-Stack des Consumer-Retail — UCP für Discovery-bis-Checkout, ACP für agentengesteuerten Checkout, AP2 für Zahlungsmandate — funktioniert, weil Consumer-Produktseiten öffentliche Preise und standardisierte Spezifikationen führen. Ein KI-Agent kann eine Consumer-PDP lesen, Preise über Sites hinweg vergleichen und einen Kauf abschließen.

B2B-Produktseiten funktionieren nicht so. Die Felder, die einen B2B-Kauf bestimmen — kundenspezifische Preisstufen, Mengenstaffeln, kontraktspezifische Rabatte, Vorlaufzeiten je Lagerort, Substitut-Teilenummern, Compliance-Zertifizierungen — stehen nicht auf der öffentlichen Seite. Sie liegen in NetSuite, in einer kundenspezifischen Preissammlung, in einem Lieferantenkatalog, der Authentifizierung verlangt, oder in einem Angebotsworkflow, der über E-Mail und Tabellen läuft.

Diese Lücke füllt ein kundenspezifisches MCP-Modul. Ein MCP-Modul (Model Context Protocol), das an die Preis-Engine des ERP, die Verfügbarkeitsdaten des Inventarsystems und die Substitut-Kompatibilitätsbeziehungen des Wissensgraphen andockt, gibt einem KI-Agenten denselben Zugang zu B2B-Produktdaten, den ein Consumer-Agent von einer lesbaren PDP erhält. Der Agent kann Preisstufen abfragen, Verfügbarkeit prüfen, ein Angebot anfordern und Inventar reservieren — ohne dass sich ein Mensch in ein Portal einloggt.

Das 393 %-Traffic-Wachstum und der 42 %-Konversionsvorteil sind Consumer-Datenpunkte. Das B2B-Äquivalent erfordert dieselbe maschinenlesbare Grundlage, aber die Datenfläche ist eine andere. B2B-Verkäufer müssen ihre Homepage nicht für KI-Sichtbarkeit optimieren. Sie müssen die Preis-, Verfügbarkeits- und Kompatibilitätsdaten freigeben, die ein KI-Agent benötigt, um eine Beschaffungsaufgabe abzuschließen.

Was ein B2B-Mittelständler jetzt tun sollte

Die Adobe-Daten liefern drei umsetzbare Signale für einen B2B-Mittelständler mit NetSuite, BigCommerce oder einem eigenen E-Commerce-Stack:

1. Prüfen Sie zuerst die PDP-Maschinenlesbarkeit, bevor Sie irgendetwas anderes optimieren. Adobes AI Content Visibility Checker ist eine kostenlose Diagnose. Führen Sie ihn über Ihre Top-20-Produktseiten. Liegt der Score unter 75 %, greift der 42 %-Konversionsvorteil für Ihren Traffic nicht — der KI-Agent landet, kann aber den Inhalt, den er benötigt, nicht lesen. Die Lösung ist strukturierte Daten-Auszeichnung, nicht Copywriting.

2. Geben Sie die Felder frei, die eine Kaufentscheidung bestimmen. Preis, Verfügbarkeit, Vorlaufzeit und Substitut-Querverweise sind die Felder, die ein KI-Agent benötigt. Liegen sie in NetSuite hinter einem Login, bleiben sie für jeden KI-Agenten unsichtbar — nicht nur für diejenigen, die heute Traffic senden. Ein kundenspezifisches MCP-Modul, das an NetSuites Preis-Engine andockt, macht diese Felder abfragbar, ohne sie öffentlich freizugeben.

3. Behandeln Sie KI-vermittelten Traffic als vorgeprüft, nicht als geringwertig. Der 42 %-Konversionsvorteil und der 37 % höhere Umsatz pro Besuch bedeuten, dass KI-vermittelte Besucher keine beiläufigen Stöberer sind. Sie kommen mit Absicht. Das B2B-Äquivalent — ein KI-Agent, der aus einer Beschaffungsabfrage mit einer spezifischen Teilenummer und Menge eintrifft — ist der Traffic mit der höchsten Absicht, den eine B2B-Site erhalten kann. Der Engpass ist nicht der Traffic; es ist die Fähigkeit der Seite, die Frage des Agenten zu beantworten.

Weiterführende Literatur

• Commerce-Protokolle für KI-Agenten: UCP, ACP, AP2 und MCP — der Protokoll-Stack, den die Adobe-Traffic-Daten validieren: Discovery, Checkout und Zahlung für agentengeführten Handel
• Zitiert ist nicht gewählt: Die Mess-Ära von GEO 2026 — die Messlücken-Analyse, die der Adobe-Befund zur Maschinenlesbarkeit erweitert: zitiert zu sein ist nicht dasselbe wie maschinenhandhabbar zu sein
• Wenn sich der Marketplace für Agenten öffnet: Amazons KI-Plugin für Seller Central — die Operations-Fläche auf der Verkäuferseite, die die Adobe-Traffic-Daten dringlich macht: Wenn KI-Agenten bereits einkaufen, müssen Verkäufer-Produktdaten agentenlesbar sein

Eine repräsentative Build-Vignette

Ein mittelständischer Industries Distributor, der BigCommerce für den öffentlichen Katalog und NetSuite für Preisgestaltung, Inventar und Auftragsabwicklung betreibt, beobachtete, dass KI-vermittelter Traffic auf Produktseiten landete und ohne Konversion wieder absprang. Die Seiten zeigten Produktnamen und Bilder, aber keine kundenspezifische Preisgestaltung, keine Echtzeit-Verfügbarkeit und keine Vorlaufzeit — diese Felder lagen in NetSuite hinter einem Kunden-Login.

Der Build ergänzte ein MCP-Modul, das NetSuites Preis-Engine, Inventar-Verfügbarkeit und Substitut-Querverweise für KI-Agenten freigab, die die Produktseite abfragen. Das Modul erzwang kundenspezifische Authentifizierung: Ein KI-Agent, der einen bestimmten Kunden vertrat, konnte die vertraglich vereinbarten Preise dieses Kunden abfragen, während ein nicht authentifizierter Agent nur die öffentliche Listenpreisgestaltung sah. Die Produktseite erhielt strukturierte Daten-Auszeichnung für die Felder, die ein KI-Agent benötigt — Spezifikationen, Kompatibilität, Verfügbarkeitsstatus — und das MCP-Modul übernahm den Preis- und Angebots-Workflow, den eine statische Seite nicht leisten kann.

Das Ergebnis: KI-vermittelter Traffic, der zuvor auf der Landung absprang, konnte Preisstufen abfragen, Verfügbarkeit prüfen und über den Agenten ein Angebot anfordern — ohne dass sich ein Mensch einloggt. Der 42 %-Konversionsvorteil, den Adobe für Consumer-Retail gemessen hatte, wurde für B2B-Traffic erstmals zugänglich, denn der Engpass war nicht die Traffic-Qualität. Es war die Maschinenlesbarkeit.

Fordern Sie eine abgegrenzte Umsetzung an. Eine Woche Discovery. Sie erhalten eine Systeminventur, eine Workflow-Karte und einen festen Umfang — ob Sie mit uns bauen oder nicht.