Siebentausend Agenten-Sitzungen endeten in siebentausend Buchungen
Eine Studie der McGill University legte KI-Agenten 7.000-mal eine zufällig sortierte Expedia-Seite mit Hotels in Manhattan vor. Jede simulierte Sitzung endete mit einer Buchung, während ein Drittel der menschlichen Expedia-Nutzer, die geklickt hatten, ohne Kauf ging. Der Rang beeinflusst Agenten mit niedrigerem Reasoning-Aufwand weiterhin, doch für Händler ist der fehlende Absprung die größere Veränderung.

Neritus Vale
In 7.000 simulierten Sitzungen bekamen KI-Agenten eine Seite mit Hotels in Manhattan vorgelegt und sollten für einen Reisenden buchen. Jede Sitzung endete mit einer verzeichneten Buchung; Geld floss keines. Davood Wadi und Yu Ma von der McGill University haben das Experiment durchgeführt, um zu prüfen, ob der Suchrang Bestand hat, wenn Software das Einkaufen übernimmt. Händler sollten die Studie wegen eines anderen Ergebnisses lesen: Kein Agent ist abgesprungen. In den menschlichen Daten der Studie verließ ein Drittel der Nutzer, die geklickt hatten, die Seite ohne Buchung. Genau diese Menschen sollen Rabattcodes und Warenkorbabbrecher-Mails zurückgewinnen.
In der vierten Fassung der Studie, veröffentlicht am 8. Oktober, wurden fünf kommerzielle Modelle von Google, Anthropic und OpenAI getestet. Jede Sitzung zeigte eine Expedia-Ergebnisseite in zufälliger Reihenfolge; die Agenten konnten Angebote für Details öffnen und anschließend buchen. Mit den Standardeinstellungen öffneten sie 1,63 bis 5,83 Angebote pro Sitzung, während die Menschen in Raluca Ursus Expedia-Daten, erhoben 2012 und 2013, meist eines öffneten.
Keines der fünf Modelle nutzte die Ausstiegsoption „unter keiner Bedingung“. Zwei Kontrollversuche ließen die Buchungsanweisung weg, jeweils mit nur einem Modell: eine umformulierte Eingabe bei Googles Gemini 3.1 Flash Lite und ein neutrales „Finish“-Tool, bei dem die Nennung eines Hotels optional war, bei Gemini 3.7 Flash. Flash buchte trotzdem jedes Mal. Claude Sonnet 5, Gemini 3.1 Pro und GPT 6 Luna liefen nur mit der Buchungsanweisung. Von vier Open-Weight-Modellen, die zur Kontrolle getestet wurden, sprang nur NVIDIAs Nemotron 3.5 jemals ab, nämlich in 2,2 % seiner Sitzungen.
Dieser fehlende Ausstieg ist für Händler wichtiger als jeder Ranking-Effekt in der Studie. Ein Agent, der kaufen soll, kauft von der Seite, die er vorgelegt bekommt. Den Kunden überhaupt zum Kauf zu bewegen, spielt eine geringere Rolle; der Wettbewerb entscheidet sich darüber, auf die Seite zu gelangen und dort ausgewählt zu werden. Rabatte überleben als ein weiteres Merkmal in einem Vergleich, den der Agent ohnehin zu Ende führt: In den Regressionen der Studie ging ein Rabatt-Badge bei vier der fünf Agenten mit Standardeinstellungen damit einher, dass ein Hotel eher gebucht wurde, bei GPT 6 Luna dagegen seltener.
Die Forschung zu Shopping-Agenten, unsere eingeschlossen, hat bislang gemessen, welches Produkt ein Agent wählt, und den Kauf vorausgesetzt. ACES, der Simulator hinter unserem Beitrag vom Mai, wies seine Agenten an, aus acht Produkten „ein Produkt zum Kauf auszuwählen“, und bot keinen Ausstieg. Auch das Abstract von Wadi und Ma hat sich verschoben. Die ersten drei Fassungen sagten, Agenten „lehnen den Kauf nie ab“; die vierte streicht den Satz, doch im Text steht weiterhin, dass keines der fünf Modelle die Ausstiegsoption nutzte. Die frühen Abstracts hielten fest, die Position erreiche „bei manchen Modellen die Entscheidungsphase, bei anderen nicht“, während die vierte Fassung Positionseffekte „bei niedrigerem Reasoning-Aufwand konzentriert“ sieht. Die Null ist durchgehend geblieben.
Die Position prägt weiterhin, was ein Agent öffnet, doch ihre schwächste Stelle ist vom Seitenende in die Mitte gewandert. Die Klicks von Menschen sinken mit dem Rang stetig. Die Wahrscheinlichkeit, dass ein Agent ein Angebot öffnet, erreichte zwischen Rang 62 und 81 ihren Tiefpunkt und stieg zum Ende hin wieder an, ein Muster, das die Autoren mit der „Lost in the Middle“-Schwäche von Sprachmodellen vereinbar nennen. Wenn Agenten Produktraster auf diese Weise lesen, lägen gesponserte Plätze in der Mitte einer Ergebnisseite dort, wo sie am wenigsten hinsehen. Das ist unsere Schlussfolgerung: Die Studie hat gesponserte Platzierungen nicht getestet, ACES fand, dass Agenten gesponserte Hinweise um grob 20 % abwerten, und Amazons Startmitteilung vom Januar 2024 beschreibt eine „Rest of Search“-Platzierung, nicht eine in der Seitenmitte.
Im Moment der Entscheidung zählte die Position bei manchen Modellen und Einstellungen, bei anderen nicht. Bei niedrigem Aufwand lagen die Hotels, die Claude Sonnet 5 buchte, im Schnitt auf Rang 23 einer Seite mit 100 Hotels, ein starker Sog nach oben. Die hohe Standardeinstellung nahm diesem Sog das meiste und verschob den Durchschnitt auf 48. Gemini 3.7 Flash konzentrierte sich im Standard auf ein einziges Hotel, ohne messbaren Positionseffekt, und das stärkere Muster der Studie ist, dass Agenten sich auf Angebote mit vielen Bewertungen und niedrigem Preis stürzen. Verkäufer, so die Autoren, könnten mehr davon profitieren, diese Signale zu stärken, etwa durch das Einholen von Bewertungen, „als davon, ihre Platzierung zu verbessern“.
Diese Einstellung wählt der Verkäufer nicht; die Studie überlässt sie „einem Verbraucher oder einer Plattform“. Seit OpenAIs GPT-6-Rollout in dieser Woche laufen die Tarife Free und Go von ChatGPT auf GPT-6 Luna und die teureren Tarife auf GPT-6 Sol. In der Studie wählte Luna bei jeder Reasoning-Einstellung teilweise nach Position. Die Autoren nutzten das API-Modell, nicht die abgestimmte Variante in ChatGPT, und testeten Sol nicht. Positionsneutrale Auswahl ist billig: Gemini 3.1 Flash Lite erreichte sie bei hohem Aufwand für etwa einen Cent pro Sitzung, nicht mehr als im Standard.
Ein Verkäufer kann den Spitzenplatz weiterhin kaufen. Verhalten sich ChatGPTs Tarife jedoch wie das getestete API-Modell, hilft das Abo des Käufers mit zu entscheiden, was dieser Platz wert ist.
Der stärkste Einwand lautet, dass die Agenten keinen Grund zum Gehen hatten. Sie hatten kein Budget, keine geäußerten Vorlieben und keine konkurrierende Website, und die Haupt-Eingabe wies sie an zu buchen. Wer eine Buchung delegiert, hat sich womöglich bereits zum Kauf entschieden, und das menschliche Drittel könnten Stöberer sein, die nie delegieren würden. Die These scheitert, wenn Agenten mit echten Vorgaben genauso oft abspringen wie Menschen, und die Studie hat ihren Agenten nie ein Budget gegeben. Man kann den Einwand dennoch gelten lassen: Dann findet das Zögern in einem Gespräch statt, das der Händler nie zu sehen bekommt. Ein Agent, der wegen eines Preises aussteigt, ist an einer Regel gescheitert, und keine Warenkorb-Mail argumentiert gegen eine Regel.
Die Belege stammen aus einer Hotelsuche in einer Stadt, gestellt gegen ältere menschliche Daten, und die Autoren benennen die meisten ihrer Grenzen selbst. Die Agenten sahen 100 Angebote, die Menschen etwa 27, sodass derselbe Rang auf den beiden Seiten in unterschiedlicher Tiefe liegt. Gesponserte und personalisierte Rankings bleiben der künftigen Forschung überlassen, und die Autoren warnen, dass Kategorien mit einer anderen Zahl oder Komplexität von Merkmalen andere Positionseffekte zeigen könnten. Wir würden Bekleidung ergänzen, deren Passform keine Ergebnisseite zeigt.
Sollte sich der Reflex auf Bekleidung übertragen, wandert der Absprung vom Warenkorb zur Retourenabteilung. Wer sonst einen Warenkorb abgebrochen hätte, bekommt stattdessen ein Paket und entscheidet an der Haustür, nachdem der Händler den Versand bezahlt hat. Wir haben keinen Händler und keine Plattform gefunden, die Retourenquoten für von Agenten platzierte Bestellungen veröffentlicht hätte. Händler können weiter um Rang auf Seiten bieten, die Agenten lesen, oder zuerst die Plattformen nach der Zahl fragen, die die Gewissheit eines Agenten bepreist: wie viele seiner Bestellungen zurückkommen.