Wo KI-Agenten auf B2B-Websites scheitern

Die nächste große Welle der Künstlichen Intelligenz ist agentisch: Google führt agentische Aufgaben in der Suche ein, das Web erhält laut Cloudflare inzwischen mehr Besuche von Bots als von Menschen, und Salesforce meldet, dass bereits 20 Prozent des Umsatzes über Agenten fließen. Sechzig Prozent der Unternehmen setzen Agenten produktiv ein, drei von vier investieren aktiv in KI-Agenten. Für B2B-Marken bedeutet das: Websites werden nicht mehr nur von Menschen gelesen, sondern von Systemen, die Aufgaben lösen, Fakten extrahieren und Quellen zitieren.

Um zu prüfen, wie bereit B2B-Websites für agentische Besucher sind, wurde gemeinsam mit David Kaufman, Gründer von Siteline, analysiert, wie Agenten Websites scannen und wo sie hängenbleiben. Das Ergebnis: Die meisten Seiten sind grundsätzlich agentenfähig, aber es gibt einen kritischen Bruchpunkt. KI-Agenten lesen Websites nicht wie Menschen. Sie erhalten eine Aufgabe, durchsuchen das Web, rufen Seiten ab, extrahieren Fakten und zitieren die genutzten Quellen. Eine Seite kann Menschen überzeugen und trotzdem für einen Agenten scheitern, wenn Fakten schwer zu finden (Opazität), schwer abrufbar (Maschinenlesbarkeit) oder schwer zitierbar (Zugriffsreibung) sind. Agenten verwandeln Websites von Showrooms in Barcodes.

So wurde das Agentenverhalten gemessen

Die Studie simulierte realistische Käufer-Szenarien für 100 B2B-Produkte. Der Agent musste die offizielle Anbieter-Website selbst finden, ohne vorgegebene Startlinks. Drei kaufbezogene Aufgaben wurden je fünfmal wiederholt, um die probabilistische Natur von LLMs abzubilden: Preise und Features ermitteln, Integrationen finden sowie Sicherheit und Compliance klären. Entscheidend war nicht, ob Informationen irgendwo im Web existierten, sondern ob der Agent zuverlässig vom eigenen Anbieter antworten konnte.

Preisseiten brechen First-Party-Quellen

Sobald Interessenten nach Preisen suchen, vergleichen sie und steigen in hoher Kaufintention am unteren Trichter ein. Deshalb ist Pricing der härteste und wichtigste Test, ob eine Anbieter-Website Agenten direkt bedienen kann. Gute Preisseiten müssen drei Anforderungen gleichzeitig erfüllen: Unternehmen wollen die Preisoffenlegung kontrollieren, Käufer wollen schnell vergleichen, Agenten brauchen klare, abrufbare und zitierbare Fakten.

Beim Abruf von Preisinformationen bleiben Agenten deutlich häufiger hängen als bei Sicherheit oder Integrationen. Die First-Party-Antwortrate lag bei Preisen und Features bei 79 Prozent, der First-Party-Zitationsanteil bei 84 Prozent. Integrationen erreichten 93 und 99 Prozent, Sicherheit 92 und 99 Prozent. Preis- und Feature-Anfragen verursachten 77 Prozent aller Drittanbieter-Zitationen. Der häufigste Bruchpunkt ist damit nicht die fehlende Website, sondern die Preisseite.

Versteckte Preise sind nur die halbe Wahrheit

Wer Preise verbirgt, zwingt Agenten zu externen Quellen. Veröffentlichte Preise lösen das Problem jedoch nicht vollständig. Bei Läufen ohne echte Preisoffenlegung zitierten 45 Prozent mindestens eine Drittquelle, 55 Prozent blieben beim Anbieter, meist mit dem Hinweis auf Kontakt zum Vertrieb. Selbst bei numerisch sichtbaren Preisen griffen Agenten in 18 Prozent der Läufe auf Drittanbieter zurück. Der Preis kann auf der Seite stehen und trotzdem schwer extrahierbar, wenig vertrauenswürdig oder unklar zitierbar sein.

Preisseiten wirken für Menschen oft vollständig, sind für Agenten aber nicht zuverlässig genug. Wer komplexe Preismodelle nutzt, sollte sie klar erklären und maschinenlesbar bereitstellen, statt auf externe Verzeichnisse zu hoffen, die man nicht kontrolliert.

Drei Gründe, warum Agenten scheitern

Agenten scheitern beim Preisabruf aus drei Gründen: Opazität, Maschinenlesbarkeit und Zugriffsreibung. Opazität bedeutet, dass kein konkreter Preis veröffentlicht oder nur vage verpackt wird. Maschinenlesbarkeit scheitert, wenn Preise zwar existieren, aber wegen Seitenstruktur, JavaScript, Rechnern, Toggles, Screenshots, PDFs oder unklaren Tabellen nicht sicher extrahiert werden können. Zugriffsreibung entsteht durch Abruffehler, Rate Limits, Blocking oder unerreichbare Seiten.

Zugriffsfehler traten nur in 7 Prozent aller Läufe auf, wirkten aber massiv: Bei Preisanfragen stieg der Drittanbieter-Fallback von 17 auf 77 Prozent. Je schwerer eine Seite abrufbar ist, desto mehr Arbeit investiert der Agent, bevor er zitiert oder ausweicht.

Das Fallback-Web ist unübersichtlich

Fallback bedeutet, dass Agenten auf Drittquellen ausweichen, weil First-Party-Informationen fehlen oder nicht nutzbar sind. Das ist das größte Risiko, weil externe Daten lückenhaft und nicht kontrollierbar sind. Von 580 Drittanbieter-Zitationen zu Preisen stammten 52 Prozent aus redaktionellen Quellen wie Blogs, Medien und Vergleichsartikeln, 46 Prozent aus Verzeichnissen wie G2, Capterra oder Vendr und 2 Prozent aus App Stores, Marktplätzen oder Partnerseiten. Agenten rekonstruieren Preise aus einem gemischten Web statt aus einer sauberen Anbieterquelle.

So wird eine Website agentensicher

Eine agentensichere Preisseite hält Zitationen beim eigenen Anbieter statt bei Verzeichnissen. Die Maßnahmen folgen den drei Fehlermodi.

• Opazität beheben: Echte Preise als Text für jeden Self-Service-Tarif veröffentlichen. Bei individuellen Modellen erklären, was den Preis bestimmt, statt nur „Kontakt Vertrieb“ zu schreiben. Plan-Namen, Preise, Limits und Features auf einer kanonischen Pricing-URL bündeln und alle Verweise dorthin führen.
• Maschinenlesbarkeit sichern: Preise in crawlbarem Server-HTML ausliefern, weil viele Agenten kein JavaScript ausführen. Schema.org Product- und Offer-Markup mit price und priceCurrency ergänzen. Nutzungsbasierte Modelle in Text erklären, nicht nur in Rechner-Widgets.
• Zugriffsreibung reduzieren: KI-Crawler in robots.txt erlauben, zum Beispiel GPTBot, ClaudeBot, PerplexityBot und Google-Extended. Serverseitige Abrufe auf Preisseiten nicht blockieren. Preisinformationen früh im DOM platzieren und Seiten schlank halten.

Zuerst Opazität und Maschinenlesbarkeit adressieren, denn sie treiben den Großteil des Fallbacks. Anschließend die zentrale Käuferfrage selbst testen: „Finde alle Preise und Features für Produkt X“ und messen, ob der Agent zuverlässig die eigene Domain zitiert.