Agenten-Traffic

Im Shop-Dashboard steigen die Sitzungen, die Conversion-Rate sinkt, und in den Kampagnendaten tauchen Warenkörbe auf, aus denen nie ein Kauf wird. Ein Teil der Erklärung kann sein, dass nicht mehr nur Menschen kommen, sondern Software, die im Auftrag von Menschen sucht, vergleicht und bestellt.

Agenten-Traffic bezeichnet Website-Besuche durch KI-Agenten, die für einen bestimmten Nutzer eine Aufgabe erledigen: Produkte vergleichen, ein Formular ausfüllen, einen Termin buchen, einen Warenkorb füllen. Anders als ein KI-Crawler sammelt ein Agent keine Inhalte auf Vorrat, und anders als beim LLM-Referral-Traffic klickt nicht der Mensch selbst, sondern die Software. Gesteuert wird sie über Agentenmodi der großen Assistenten oder über KI-Browser.

Vier Arten von KI-Zugriffen

Im Alltag werden alle Zugriffe, die irgendwie mit KI zu tun haben, gern in einen Topf geworfen. Für Messung und Steuerung lohnt es sich, sie zu trennen:

Der entscheidende Unterschied: Agenten arbeiten meist mit einem echten Browser, der JavaScript ausführt. Deshalb landen ihre Besuche, anders als die von KI-Crawlern, oft in GA4. Seer Interactive testete das 2025 mit dem damaligen Browser-Agenten Operator von OpenAI: Die Besuche erschienen je nach Auftrag als Direktzugriff oder als organischer Bing-Besuch, und Browser, Betriebssystem oder User-Agent reichten nicht aus, um sie zuverlässig von menschlichen Sitzungen zu unterscheiden.

Zur Größenordnung gibt es bisher vor allem Zahlen von Anbietern für Bot-Schutz. HUMAN Security meldete im März 2026, der Traffic agentischer KI-Systeme sei 2025 im Vergleich zum Vorjahr um 7.851 % gewachsen, und 2,3 % der Agentenaktivität fänden auf Checkout-Seiten statt. Die Prozentzahl beschreibt Wachstum von einem sehr kleinen Ausgangswert und stammt von einem Unternehmen, das Schutz vor genau diesem Traffic verkauft. Wie groß der Anteil auf Ihrer Website ist, zeigen nur Ihre eigenen Daten.

Woran Sie Agenten erkennen

Stand November 2026 gibt es keinen verbindlichen Standard, mit dem sich Agenten zu erkennen geben. Es gibt aber mehrere Signale, die zusammen ein brauchbares Bild ergeben:

• Eigene User-Agents: Google hat am 20. März 2026 den Abrufdienst Google-Agent in seine Dokumentation aufgenommen. Er wird von Agenten auf Google-Infrastruktur genutzt, die im Auftrag eines Nutzers navigieren und handeln. Als nutzerausgelöster Abruf beachtet er die robots.txt nicht.
• Kryptografische Signaturen: Simon Willison dokumentierte im August 2025, dass der damalige ChatGPT-Agent einen gewöhnlichen Chrome-User-Agent sendete, zusätzlich aber einen Header Signature-Agent: "https://chatgpt.com" samt Signatur nach dem Verfahren Web Bot Auth. Cloudflare führt solche Dienste seit dem 28. August 2025 als eigene Kategorie „signed agents“. Google testet Web Bot Auth für einen Teil der Anfragen von Google-Agent.
• Verhaltensmuster: sehr kurze Zeit pro Seite, kaum Scrollen und Mausbewegungen, IP-Adressen aus Rechenzentren, viele Seiten in Sekunden.
• Keine Spur: Läuft ein Agent im eigenen Browser des Nutzers, etwa in einem KI-Browser, unterscheidet er sich technisch kaum vom Nutzer selbst.

Was das für Messung und Marketing heißt

Agenten-Traffic betrifft drei Bereiche gleichzeitig. In der Webanalyse verwässert er Kennzahlen wie Conversion-Rate, Verweildauer und Warenkorbabbrüche. In der Werbung kann er Kampagnen beeinflussen, wenn Werbeplattformen aus Agenten-Signalen lernen, die nichts über menschliche Kaufabsicht aussagen; auf dieses Risiko weist auch Seer Interactive hin. Und auf der Website selbst entscheidet sich, ob ein Agent seinen Auftrag überhaupt erledigen kann.

Für den letzten Punkt gilt: Agenten scheitern an denselben Stellen wie Screenreader, also an Formularen ohne Beschriftung, Auswahllisten aus Bildern oder Knöpfen ohne Text. Wer den Weg zum Kauf oder zur Anfrage sauber baut, hilft Menschen und Agenten zugleich. Was eine Agent-Ready Website ausmacht und wie Schnittstellen wie WebMCP Agenten das Raten ersparen sollen, ist in eigenen Einträgen erklärt. Ob Agenten bei Ihnen kaufen, gehört zum größeren Thema Agentic Commerce.

Pauschales Blockieren ist selten sinnvoll: Hinter einem Agenten steht ein Mensch mit einer konkreten Absicht. Sinnvoller ist eine abgestufte Regel, etwa signierte Agenten zulassen, unbekannte Automatisierung an sensiblen Stellen wie Login und Checkout prüfen.

Praxisbeispiel: ein angenommener Werkzeugshop

Ein angenommener Werkzeugshop, beispiel-shop.de, sieht in GA4 seit einigen Monaten 12 % mehr Sitzungen bei gleichem Umsatz; die Conversion-Rate fällt. Auffällig ist ein Segment von Sitzungen mit fünf bis sechs Seitenaufrufen in weniger als 15 Sekunden, fast immer mit Warenkorb-Ereignis, fast nie mit Kauf (alle Zahlen fiktiv).

Die Auswertung der CDN-Logs zeigt: Ein Teil dieser Sitzungen kommt aus Rechenzentrums-IPs und trägt einen Signature-Agent-Header, ein weiterer Teil nutzt den User-Agent Google-Agent. Der Shop richtet daraufhin per serverseitigem Tagging einen zusätzlichen Parameter ein, der Sitzungen mit Signatur-Header oder Agenten-User-Agent markiert, und filtert sie in den Berichten getrennt aus. Die bereinigte Conversion-Rate ist stabil, und für die Gebotsstrategie in Google Ads zählt der Shop nur noch Käufe, nicht mehr Warenkorb-Ereignisse.

Zugleich testet das Team den Bestellweg mit einem Browser-Agenten und stellt fest, dass die Variantenauswahl (Akku 2 Ah oder 4 Ah) nur als Bildkachel ohne Text existiert. Nach dem Umbau zu einer beschrifteten Auswahl erledigen Agenten den Auftrag häufiger vollständig, und für Menschen mit Screenreader ist die Seite erstmals bedienbar.