Jim Rowan, Leiter für KI in den USA bei Deloitte – Interviewreihe

Jim Rowan ist Leiter für KI in den USA bei Deloitte und Principal bei Deloitte Consulting LLP. Er unterstützt Unternehmen dabei, ihre KI-Ambitionen in Geschäftsergebnisse umzusetzen. Seine berufliche Laufbahn umfasst Unternehmenstechnologie, Analytik, Daten und digitale Transformation. Dabei sammelte er Erfahrungen in den Bereichen Biowissenschaften, Gesundheitswesen und Telekommunikation. Er hatte Führungspositionen in den Bereichen Strategie & Analytics sowie KI & Daten bei Deloitte inne. Zu seiner Arbeit gehört es außerdem, die Talente und Fähigkeiten zu entwickeln, die Unternehmen für die Einführung von KI benötigen.

Deloitte ist ein Dienstleistungsunternehmen, das Unternehmensberatung, Wirtschaftsprüfung und prüfungsnahe Dienstleistungen, Steuerberatung sowie weitere Beratungsleistungen anbietet. Bei der Arbeit im Bereich KI werden Strategie, Daten, Technologie, Talente und Governance zusammengeführt, um Unternehmen dabei zu helfen, KI in ihren gesamten Geschäftsabläufen einzuführen und auszubauen. Im digitalen Handel umfasst diese Arbeit die Aufbereitung von Produktinformationen und Unternehmenssystemen für KI-Agenten, die Vernetzung von Kundenerlebnissen über verschiedene Kanäle hinweg sowie die Einrichtung der erforderlichen Kontrollen für Identität, Berechtigungen und Vertrauen, damit automatisierte Interaktionen und Transaktionen möglich sind.

Sie arbeiten seit mehr als zwei Jahrzehnten bei Deloitte in den Bereichen Unternehmenstechnologie, Analytik, Daten und inzwischen auch KI. Wann wurde Ihnen aus dieser Perspektive klar, dass KI-Agenten nicht nur die internen Abläufe von Unternehmen grundlegend verändern, sondern auch zu Vermittlern zwischen Unternehmen und ihren Kunden werden würden?

In den vergangenen Jahren habe ich den Fortschritt der KI aus nächster Nähe erlebt und Unternehmen dabei unterstützt, Geschäftsziele in messbare Ergebnisse umzusetzen, die einst unvorstellbar schienen. Mein Hintergrund in den Bereichen Daten, Prozesse und Technologie bildet die Grundlage für mein Verständnis von KI. Ich begann damit, bei Deloitte die Fähigkeiten aufzubauen, die für den Erfolg mit KI erforderlichen Talente zu fördern. Dazu gehört unsere AI Academy, die Lehrpläne für unsere Mitarbeitenden und unsere Kunden entwickelt.

Unternehmen setzen KI-Agenten heute auf vielfältige Weise ein, um ihre Strategien für den digitalen Handel zu verändern: Sie erhöhen die Sichtbarkeit ihrer Marken, nutzen Personalisierungs-Engines, um den Dialog zu verbessern, und koordinieren einheitliche Omnichannel-Erlebnisse über physische, digitale und soziale Kontaktpunkte hinweg. Dieser Wendepunkt kommt zu einer Zeit, in der Marken mit einem volatilen Markt umgehen müssen. Dadurch entsteht die Chance, mit agentischem Handel schneller, relevanter und konsistenter auf die Bedürfnisse ihrer Kunden einzugehen.

Sie haben darüber gesprochen, dass sich Unternehmen auf die „agentische Suchoptimierung“ vorbereiten müssen. Wie definieren Sie dieses Konzept, und worin unterscheidet sich die Optimierung für einen KI-Agenten grundlegend von herkömmlicher SEO oder den neueren Ansätzen zur Optimierung von Inhalten für KI-Antwortmaschinen?

Traditionell wird der Online-Wettbewerb um die Aufmerksamkeit der Verbraucher durch Suchmaschinenoptimierung (SEO) bestimmt. Dabei wird davon ausgegangen, dass eine Person die Ergebnisse am Ende einer Suchanfrage liest, bewertet und über einen Kauf entscheidet. Da Verbraucher zunehmend KI-gestützte Tools für ihre Recherche nutzen, hat sich die generative Suchoptimierung (GEO) etabliert. Die agentische Suchoptimierung ist eine Weiterentwicklung der GEO. Sie berücksichtigt, dass KI Produkte oder Dienstleistungen nicht mehr nur empfiehlt, sondern auch auf Grundlage dieser Kaufentscheidungen handelt. Das bedeutet, dass Marken nicht nur für generative KI optimieren müssen, die Endnutzern vor allem Empfehlungen gibt, sondern auch für agentische KI, die auf die Ausführung von Aufgaben ausgelegt ist und Systeme koordinieren, Arbeitsabläufe ausführen und Transaktionen auslösen kann.

Wenn ein KI-Agent gebeten wird, Produkte oder Dienstleistungen zu recherchieren, zu vergleichen und in die engere Auswahl zu nehmen: Welche Signale wird er Ihrer Ansicht nach am stärksten gewichten? Werden strukturierte Produktdaten, Preise, Bewertungen, Berichterstattung durch Dritte und Markenautorität wichtiger, oder setzt sich eine völlig neue Reihe von Signalen durch?

Die Auswahl der Angebote, die ein KI-Agent in Betracht zieht, richtet sich nach Sichtbarkeit und Relevanz. Bevorzugt werden Marken, deren Produkte, Dienstleistungen, Preise und Daten zugänglich, maschinenlesbar und sofort überprüfbar sind. Einheitliche Angaben auf verschiedenen Plattformen, Bewertungen und die Autorität einer Marke spielen weiterhin eine Rolle. Diese Signale müssen jedoch auch in Daten überführt werden, die ein Agent verarbeiten kann. Auch der persönliche Kontext wird wichtig sein: Agenten, die im Auftrag von Kunden handeln, benötigen zuverlässigen Zugriff auf deren Präferenzen, Berechtigungen und frühere Interaktionen, um möglichst relevante Empfehlungen zu geben. Neben den Signalen selbst wird es für eine Marke zum Wettbewerbsvorteil, wie schnell sie ihre Daten so aufbereiten kann, dass sie lesbar, verständlich, vertrauenswürdig und anhand vergleichbarer Kriterien quantifizierbar sind.

Eine Herausforderung besteht darin, dass es künftig möglicherweise Tausende von Agenten für Verbraucher und Unternehmen geben wird, die auf unterschiedlichen Modellen basieren und mit verschiedenen Datenquellen verbunden sind. Wie kann ein Unternehmen in diesem fragmentierten Ökosystem korrekt dargestellt und auffindbar bleiben, ohne für jeden einzelnen Agenten eigene Optimierungsmaßnahmen zu ergreifen?

Unternehmen sollten sich darauf konzentrieren, eine vertrauenswürdige, maschinenlesbare Grundlage zu schaffen, auf die jeder Agent zugreifen und die er interpretieren kann, statt einzelne Agenten zu optimieren. Dazu gehört, verifizierbare, zuverlässige und aktuelle Informationen zu Produkten, Preisen und Richtlinien über maßgebliche Quellen bereitzustellen. Allein die Auffindbarkeit dürfte nicht ausreichen, da Agenten zunehmend im Auftrag von Verbrauchern handeln werden. Dadurch steigt der Bedarf an Systemen, die Identitätsprüfungen, die Bestätigung der Berechtigung und sichere Transaktionen ermöglichen. In einem inzwischen fragmentierten Agenten-Ökosystem wird die Marke in den Suchergebnissen ganz oben stehen, deren Informationen am einfachsten zu verstehen und zu finden sind. Unternehmen sollten sich jedoch nicht auf ein einzelnes Protokoll festlegen, da diese noch in der Entwicklung sind und noch nicht feststeht, welches sich durchsetzen wird. Umso wichtiger ist es, auf Interoperabilität ausgelegte Systeme zu entwickeln und Protokolle im Zuge der Weiterentwicklung des Ökosystems schnell übernehmen oder wechseln zu können.

Wenn sich der Handel von Geschäftsbeziehungen zwischen Unternehmen und Verbrauchern hin zu Geschäftsbeziehungen zwischen Unternehmen, Agenten und Unternehmen entwickelt: Was ändert sich dann auf technischer Ebene? Müssen Unternehmen Websites, APIs, Produktkataloge, Identitätssysteme oder andere Infrastrukturen überdenken, damit Agenten direkt mit ihnen interagieren können?

Ja, Unternehmen müssen ihre bestehenden Systeme überdenken und neu konzipieren, um die geeignete technische Architektur für den agentengestützten B2B-Handel aufzubauen. Das geht nicht über Nacht, denn der damit verbundene Arbeitsaufwand und das Ausmaß der Veränderungen sind beträchtlich. Derzeit entwickeln sich Funktionen für Produktsuche und Bezahlung schneller als die Entscheidungsfindung: Unternehmen müssen erst noch das nötige Vertrauen gewinnen, um Agenten innerhalb festgelegter Leitplanken Entscheidungen treffen zu lassen. CIOs, CTOs und CISOs sollten sich darauf konzentrieren, skalierbare Integrationsplattformen mit niedrigen Latenzen bereitzustellen, unterstützt durch starke Technologie- und Integrationspartnerschaften. Statt das gesamte System grundlegend zu erneuern, sollten Führungskräfte ermitteln, welche Systeme sich mit Agenten verbinden lassen, welche dafür noch nicht bereit sind, und einfache Aufgaben in abgegrenzten Umgebungen testen. Wichtig ist auch, dass Menschen die Transaktion weiterhin kontrollieren. Unternehmen sollten daher flexible Abläufe schaffen, bei denen Kunden problemlos zwischen agentengesteuerten und von Menschen geführten Interaktionen wechseln können, statt das Kundenerlebnis zugunsten der Automatisierung zu beeinträchtigen. Mit der Zeit können Unternehmen eine Plattform für die Verwaltung mehrerer Agenten aufbauen, Altsysteme für den Agentenzugriff aufrüsten oder anbinden und fortschrittliche Sicherheitslösungen mit Echtzeitüberwachung einsetzen.

Das traditionelle digitale Marketing wurde stark auf Rankings, Impressionen, Klicks und Website-Traffic ausgerichtet. Wenn Agenten zunehmend recherchieren, bevor ein Mensch überhaupt eine Website besucht, anhand welcher neuen Kennzahlen sollten Unternehmen beurteilen, ob sie im Kaufprozess mit Agenten tatsächlich sichtbar und wettbewerbsfähig sind?

Erfolg wurde traditionell daran gemessen, die Aufmerksamkeit der Verbraucher und letztlich ihr Vertrauen zu gewinnen. Wenn Agenten einen größeren Teil des Kaufprozesses übernehmen, brauchen Unternehmen neue Möglichkeiten, um zu messen, ob ihre Marken sichtbar und relevant sind und letztlich ausgewählt werden. Dazu gehört, die Entwicklung markeneigener Agenten mit der Leistungsmessung zu verknüpfen und zu bewerten, ob ein Agent die Marke ins Spiel bringt, berechtigte Angebote erkennt und eine Transaktion erfolgreich abschließt. Marken sollten sich auf ihre eigenen Käufer statt auf ihre Wettbewerber konzentrieren, um über Investitionen oder Änderungen am Kundenerlebnis zu entscheiden. Dabei sollten sie nachverfolgen, wie Kunden Produkte entdecken und an welchen Stellen sie abspringen oder bleiben. Diese Kennzahlen helfen Marken nicht nur, ihre Wertversprechen hervorzuheben, sondern können auch den ROI anhand quantifizierbarer Ergebnisse belegen, die die Kundenbindung und operative Exzellenz stärken.

KI-Agenten können ein Unternehmen zusammenfassen, mit Wettbewerbern vergleichen und möglicherweise Empfehlungen aussprechen, ohne dass das Unternehmen direkt kontrollieren kann, wie es dargestellt wird. Wie sollten Marken falsche oder veraltete Informationen erkennen und eine maßgebliche Quelle mit verlässlichen Informationen einrichten, auf die Agenten zurückgreifen können?

Wie in jeder anderen Branche ist die Prüfung von Produktdaten entscheidend, damit Produkte über verschiedene Kanäle hinweg von Agenten gefunden werden können. Marken sollten zudem das Model Context Protocol (MCP) als wichtigen Wegbereiter in Betracht ziehen. Es schafft eine kontrollierte Umgebung, in der Daten, Tools und Kontext sicher mit externen Shopping-Agenten und Plattformen geteilt werden. Die Kombination aus strukturierten Daten und MCP kann Interaktionen zwischen Agenten ermöglichen, die Interoperabilität verbessern und dazu beitragen, Markeninformationen korrekt darzustellen und angemessen zu priorisieren. Da sich die Protokolle noch in der Entwicklung befinden und noch nicht absehbar ist, welches sich am stärksten durchsetzen wird, sollten Unternehmen auch hier auf Flexibilität setzen, damit sie im Zuge der Weiterentwicklung des Ökosystems schnell Verbindungen zu neuen Standards herstellen, zwischen ihnen wechseln und sie übernehmen können.

Wenn Agenten nicht mehr nur Produkte empfehlen, sondern auch aktiv werden, etwa indem sie Angebote einholen, Konditionen aushandeln oder Käufe tätigen: Wie wichtig werden dann Identitäts-, Autorisierungs- und Vertrauensinfrastrukturen sein? Wie kann ein Unternehmen einen legitimen Kundenagenten von einem automatisierten System unterscheiden, dem es nicht vertrauen sollte?

Der Handel zwischen Agenten birgt neue Risiken, weil Transaktionen schnell und ohne menschliche Beteiligung abgewickelt werden können. Deshalb sind menschliches Eingreifen und die Möglichkeit, im gesamten Prozess zu wechseln, entscheidend. Für den agentengestützten Handel braucht es neue Maßnahmen zur Betrugsprävention, strategische Finanzkontrollen und gezielte Berichtsrahmen, die speziell auf maschinell initiierte Aktivitäten zugeschnitten sind.

Kurzfristig sollten Unternehmen ihre KI-Agenten wie Mitarbeitende behandeln: mit klar definierten Zuständigkeiten, geregelten Zugriffsrechten und eindeutiger Verantwortlichkeit. Außerdem benötigen sie Protokolle, um legitime Agenten zu verifizieren, Zahlungen zu autorisieren und Transaktionslimits, API-Berechtigungen sowie weitere operative Schutzvorkehrungen durchzusetzen.

Es besteht auch die Möglichkeit, dass Werbung und bezahlte Platzierungen den Verbraucherinnen und Verbrauchern in das agentenbasierte Ökosystem folgen. Wie werden sich Ihrer Ansicht nach kommerzielle Anreize entwickeln, wenn ein KI-Agent im Namen einer Person Produkte empfiehlt, und welche Transparenz ist erforderlich, damit Menschen diesen Empfehlungen vertrauen?

Wir sehen bereits, dass Kapital in den agentenbasierten Handel umgeschichtet wird. Für US-amerikanische Werbetreibende wird bis 2029 mit Ausgaben von rund 26 Milliarden US-Dollar für KI-Suchanzeigen gerechnet. Es ist unvermeidlich, dass sich kommerzielle Anreize weiterentwickeln müssen, wenn Unternehmen entscheiden, ob Angebote und Preise, die über eigene Kanäle bereitgestellt werden, auch in agentenbasierten Umgebungen gelten. Zu dieser Entwicklung gehören ausdrücklich festgelegte Regeln dafür, wie Agenten mit Preisen und Angeboten umgehen. Ohne entsprechende Schutzvorkehrungen könnten Agenten Käufe auf Grundlage der zum Transaktionszeitpunkt verfügbaren Preise ausführen und dadurch unbeabsichtigt Angebots- und Preisstufen auslösen sowie Margenverluste verursachen. Unternehmen sollten Richtlinien umsetzen, die den globalen Datenschutz- und Datenstandards entsprechen und für jeden Kunden an von Menschen kontrollierte, vorab genehmigte Parameter gebunden sind.

Trotz der zunehmenden Automatisierung haben Sie betont, dass menschliches Urteilsvermögen bei Kaufentscheidungen weiterhin eine zentrale Rolle spielen wird. Wo verläuft Ihrer Ansicht nach die Grenze zwischen Entscheidungen, die Verbraucherinnen und Verbraucher Agenten problemlos überlassen, und solchen, bei denen sie weiterhin selbst recherchieren, vergleichen und die endgültige Entscheidung treffen möchten?

Wo diese Grenze verläuft, hängt davon ab, wie viel auf dem Spiel steht und wie sehr die Verbraucherinnen und Verbraucher dem Agenten vertrauen. Bei alltäglichen, kostengünstigen Käufen sind sie möglicherweise bereit, die Entscheidung abzugeben, wenn ihre Präferenzen klar sind und die Folgen einer schlechten Wahl gering wären. Bei Entscheidungen, die hohe Ausgaben, sensible Informationen oder vertragliche Verpflichtungen betreffen, erwarten sie wahrscheinlich mehr Einblick und behalten sich die endgültige Genehmigung vor. Wenn Reibungsverluste abnehmen, werden Verbraucherinnen und Verbraucher einer Marke zunehmend vertrauen. Deshalb sollte es leicht sein, nachzuvollziehen, was geschieht, und darauf zu vertrauen, dass die Transaktion wie beabsichtigt und sicher abgeschlossen wird. Marken sollten Verbraucherinnen und Verbrauchern daher klar kontrollierbare Möglichkeiten geben, festzulegen, was ein Agent eigenständig tun darf, wann er um Erlaubnis bitten muss und wie einfach sich seine Handlungen überprüfen oder rückgängig machen lassen.

Vielen Dank für das großartige Interview! Leserinnen und Leser, die sich näher mit agentenbasiertem Handel, KI-gestützter Auffindbarkeit und der Vertrauensinfrastruktur hinter automatisierten Käufen befassen möchten, sollten Deloitte besuchen.