Live-Shopping, die Internet-Neuinterpretation des Teleshoppings, hat ein immenses Potenzial gezeigt, doch sein Wachstum in Nordamerika hinkt dem in Asien deutlich hinterher. Während der chinesische Live-Shopping-Markt im Jahr 2025 schätzungsweise 900 Milliarden US-Dollar Umsatz generierte – eine Summe, die fast dem gesamten E-Commerce-Markt der USA entspricht – gaben 68 % der nordamerikanischen Verbraucher an, noch nie etwas über soziale Medien gekauft zu haben. Diese deutliche Diskrepanz wird nicht der Qualität der Inhalte zugeschrieben, sondern einer grundlegenden Herausforderung: der Entdeckung. Um dies zu adressieren, hat Whatnot, ein Live-Shopping-Marktplatz mit einem Wert von über 11 Milliarden US-Dollar, einen strategischen Schritt unternommen und das Machine-Learning-Startup Shaped übernommen, um seine Plattform mit Echtzeit-Künstlicher Intelligenz zu versehen und so die Lücke zwischen Inhalt und Konversion zu schließen.
Das Entdeckungsdilemma im Live-Commerce
Die Kernprämisse des Live-Shoppings ist überzeugend: Ein Moderator demonstriert live ein Produkt, interagiert mit den Zuschauern über Kommentare, bietet zeitlich begrenzte Angebote an und ermöglicht Käufe mit einem einzigen Tippen, alles innerhalb des Streams. Dieses Format verkürzt den Weg von der Produktentdeckung zur Transaktion dramatisch. Die schiere Menge und die dynamische Natur des Live-Commerce stellen jedoch ein einzigartiges Hindernis dar. Tausende von Live-Streams können gleichzeitig laufen, der Lagerbestand ändert sich minütlich, und Auktionen enden in Sekunden. Ein Zuschauer, der auch nur geringfügig verspätet in einen Stream einsteigt, könnte genau das Produkt verpassen, das einen Kauf ausgelöst hätte, was zu einer suboptimalen Erfahrung und potenzieller Abwanderung führt.
Traditionelle, statische Empfehlungssysteme sind für diesen schnellen Wandel unzureichend. Die Zusammenführung des richtigen Käufers mit dem richtigen Live-Stream zum präzisen Zeitpunkt erfordert ein Maß an Personalisierung und Geschwindigkeit, das herkömmliche Algorithmen nicht leisten können. Genau dieses Problem versucht Whatnot, das wöchentlich über 500.000 Stunden Live-Video und Millionen von Benutzerinteraktionen verarbeitet, zu lösen.
Whatnots KI-gestützte Übernahme von Shaped
In einer bedeutenden Entwicklung, über die TechCrunch am Mittwoch (15. Juli) berichtete, hat Whatnot Shaped übernommen, ein Machine-Learning-Startup, das sich auf Echtzeit-Empfehlungs- und Suchinfrastrukturen spezialisiert hat. Obwohl die finanziellen Bedingungen der Übernahme nicht bekannt gegeben wurden, signalisiert der Schritt Whatnots tiefes Engagement, fortschrittliche KI zu nutzen. Shaped-Gründer und CEO Tullie Murrell, der zuvor Empfehlungssysteme bei Meta entwickelte, wird zusammen mit fast einem Dutzend Ingenieuren und Forschern zu Whatnot wechseln. Dieses Team wird eine neue Gruppe für angewandte KI-Forschung innerhalb des Live-Shopping-Riesen leiten.
Emmanuel Fuentes, Vice President of Data and AI bei Whatnot, betonte das transformative Potenzial dieser Integration. „Durch die Kombination der Technologie von Shaped mit den bestehenden Systemen von Whatnot können wir Empfehlungen schneller, reaktionsfähiger und personalisierter gestalten“, erklärte Fuentes. Die proprietären Systeme von Shaped sind darauf ausgelegt, Kundendaten mit ausgeklügelten KI-Modellen und maschinellem Lernen zu integrieren, um hochgradig personalisierte Such- und Entdeckungsfunktionen zu ermöglichen. Diese Synergie soll Whatnot befähigen, Nutzern die relevantesten Live-Streams vorzuschlagen, die sich dynamisch an deren frühere Käufe und Echtzeit-Verhaltenssignale innerhalb einer Sitzung anpassen.
KI-Personalisierung: Der Schlüssel zur Mainstream-Akzeptanz
Die Herausforderung für Shaped ist spezifisch für den Live-Commerce. Im Gegensatz zu stabilen E-Commerce-Produktkatalogen ist der Lagerbestand von Whatnot ständig im Fluss, und die Interessen eines Käufers können sich selbst während einer einzigen Übertragung schnell ändern. Whatnots eigene Wachstumsentwicklung unterstreicht die zunehmende Komplexität dieses Entdeckungsproblems; die Plattform führte 2025 mehr als 35 neue Produktkategorien ein und im ersten Halbjahr 2026 über 45, wobei die Verkäufer gemeinsam über 1 Milliarde Bestellungen überschritten. Jede neue Kategorie erweitert zwar die Auswahl, verstärkt aber gleichzeitig die Schwierigkeit, Käufer effizient mit den gewünschten Artikeln zu verbinden.
Die strategische Integration von Echtzeit-KI soll den idealen Stream für den richtigen Käufer zum passenden Zeitpunkt an die Oberfläche bringen und sich kontinuierlich an das sich entwickelnde Benutzerverhalten innerhalb der Sitzung anpassen. Diese Fähigkeit ist entscheidend, um Frustration bei den Käufern zu vermeiden und eine wiederholte Bindung zu gewährleisten. Ein Käufer, der ständig auf irrelevante Streams stößt oder gewünschte Produkte verpasst, wird wahrscheinlich nicht zurückkehren.
Vertrauen der Verbraucher in KI-gestützten Handel aufbauen
Die breitere Verbraucherlandschaft deutet auf eine wachsende Bereitschaft für KI-gesteuerte Einkaufserlebnisse hin. Laut dem PYMNTS Intelligence-Bericht „The Agentic Commerce Deep Dive: Payment Infrastructure and the Path to Trust for Merchants“, einer Zusammenarbeit mit Visa Acceptance Solutions, nutzten fast die Hälfte (48 %) der Online-Shopper KI, um ihren letzten Einkauf zu recherchieren. Darüber hinaus verzeichnete der durch KI vermittelte Traffic zu US-Einzelhandelsseiten im ersten Quartal 2026 ein bemerkenswertes Wachstum von 393 % im Vergleich zum Vorjahr, was eine robuste und beschleunigte Verbraucherbereitschaft für KI-gestützte Interaktionen im Handel signalisiert.
Mit der Übernahme von Shaped setzt Whatnot stark darauf, dass die Lösung des komplexen Entdeckungsproblems durch fortschrittliche KI der entscheidende Schritt ist, um Live-Commerce von einem Nischenformat zu einem weit verbreiteten, Mainstream-Einzelhandelskanal zu entwickeln. Diese strategische Investition unterstreicht die Überzeugung, dass intelligente, Echtzeit-Personalisierung nicht nur eine Verbesserung, sondern eine Notwendigkeit für die Zukunft des interaktiven Online-Shoppings ist.
