Agent Experience (AX): Für KI-Agenten gestalten

Am 3. Juni 2026 schrieb Cloudflare CEO Matthew Prince auf X, dass Bots den menschlichen Datenverkehr im Web erstmals überholt haben. Laut Cloudflare Radar, in der Ansicht Bots versus Menschen und gefiltert auf HTML Traffic, stammten 57,5 % der Anfragen von Bots und 42,5 % von Menschen. Prince hatte im März vor dem SXSW-Publikum erklärt, der Wendepunkt komme 2027; er trat also deutlich früher ein als von ihm selbst prognostiziert.

Das ist eine strukturelle Verschiebung in der Nutzung des Webs, mit direkten Folgen für jedes Team, das derzeit eine digitale Plattform entwirft oder neu gestaltet. Bot Traffic und der Traffic von KI-Agenten sind natürlich nicht dasselbe. Automatisierter Datenverkehr umfasst klassische Crawler, Monitoring-Systeme, Scraper und schädliche Bots. Doch der Wendepunkt deutet auf einen breiteren Wandel hin: Maschinen nutzen das Web immer stärker, und ein wachsender Teil von ihnen indexiert nicht nur Seiten, sondern handelt im Auftrag von Nutzenden.

Seit Jahren dreht sich digitales Design um zwei Personengruppen: die Endnutzenden und die Developer. UX hat uns gelehrt, dass sich Technologie an Menschen anpassen muss und nicht umgekehrt. DX hat dieses Prinzip auf die Menschen ausgeweitet, die die Systeme bauen. Ist die API verwirrend, fehlt die Dokumentation oder ist die Entwicklungsumgebung frustrierend, leidet das Produkt schon, bevor es die Nutzenden erreicht.

Nun tritt ein dritter Akteur auf ganz andere Weise mit unseren Plattformen in Kontakt: der KI-Agent. Um ihn entsteht gerade eine neue Disziplin, die zunehmend als AX bezeichnet wird, kurz für Agent Experience.

UX, DX, AX: Drei Perspektiven, ein Produkt

UX fragt, wie ein Mensch eine Oberfläche wahrnimmt und mit ihr interagiert. Ihre Kennzahlen sind kognitiv und emotional: Klarheit, Einfachheit, Barrierefreiheit, Zeit bis zur Aufgabenerledigung. Gute UX bedeutet eine klare visuelle Hierarchie, Microcopy, die nichts verschweigt, intuitive Abläufe und Barrierefreiheit, die niemanden ausschliesst.

DX stellt eine ähnliche Frage für eine andere Art von Nutzenden: die Developer, die eine API nutzen, ein SDK konfigurieren oder einen Service integrieren. Wichtig sind konsistente Schnittstellenverträge, hilfreiche Fehlermeldungen, gute Dokumentation und ein schneller Feedback Loop. Gute DX lässt Developer über ihr eigenes Problem nachdenken, statt mit dem Werkzeug zu kämpfen.

AX ergänzt eine dritte Ebene: Wie navigiert ein autonomer Agent durch unser digitales Produkt, wie versteht er es und wie arbeitet er darin? Ein Agent nimmt eine Plattform nicht so wahr wie ein Mensch, und er nutzt sie auch nicht wie eine klassische API-Integration. Er handelt: Er liest Seiten, interpretiert Inhalte, wägt Optionen ab, entscheidet und führt Schritte aus, oft iterativ und ohne dass jemand jeden Zug beobachtet.

Das neue Bild des Web Traffics

Laut dem 2026 State of AI Traffic & Cyberthreat Benchmark Report von HUMAN Security wuchs der Traffic von KI-Agenten im Jahresvergleich um 7.851 %, und der KI-gesteuerte Traffic insgesamt hat sich 2025 nahezu verdreifacht. Diese Zahl braucht Kontext. Der agentische Traffic startete 2024 von einer winzigen Basis, sodass der Grossteil dieses riesigen Prozentwerts zeigt, wie jung die Kategorie war. Dennoch stellte HUMAN fest, dass das absolute Volumen bis Ende 2025 gross genug geworden war, um sich auf grossen digitalen Angeboten bemerkbar zu machen.

HUMAN unterscheidet Agenten von klassischen Crawlern und Scrapern danach, was sie tun: Seiten navigieren, Formulare ausfüllen, Produkte vergleichen, Transaktionen starten und Konto-Workflows verwalten.

Das Ungleichgewicht lässt sich leicht veranschaulichen. Wenn ein Mensch nach einem Hotel in Barcelona für das Wochenende sucht, prüft er vielleicht eine Handvoll Websites. Erledigt ein Agent dieselbe Aufgabe, kann er potenziell Hunderte Seiten prüfen, Optionen vergleichen, Ergebnisse erneut aufrufen und mehrere Schritte durchlaufen, bevor er der nutzenden Person eine Antwort gibt.

WorkOS dokumentiert das präzise: Der menschliche Traffic ist nicht zurückgegangen; stattdessen löst jede menschliche Handlung heute um Grössenordnungen mehr Maschinenanfragen aus. Diese Aktivität stammt zunehmend von Systemen, die sich ganz anders verhalten als klassische Crawler.

Laut dem Bericht State of Agentic Traffic für April 2026 von HUMAN Security machten agentische Browser rund 71 % der beobachteten Aktivität unter den Top 10 der Agenten aus, angeführt von Comet von Perplexity mit 48,12 % und Atlas von OpenAI mit 21,33 %. Die Claude Chrome-Erweiterung folgte mit 17,33 %. Anders als Crawler, die einen Index aufbauen, treten agentische Browser mit User-Agent-Strings, Cookies und Sitzungsmustern auf, die dem menschlichen Surfen stark ähneln.

Die Branchenverteilung ist ebenso aufschlussreich. Im April entfielen 45,62 % des beobachteten agentischen Traffics auf Medien, 38,20 % auf E-Commerce und 14,12 % auf Reisen. Zusammen machten diese drei Kategorien rund 98 % der von HUMAN beobachteten Aktivität aus.

Die Lage ändert sich zudem schnell. Bis Juni hatte E-Commerce die Medien überholt, und Claude hatte Atlas als zweitgrösste Quelle des beobachteten agentischen Traffics abgelöst. Die genauen Rangfolgen werden sich weiter verschieben; die Richtung zählt mehr als jede einzelne Momentaufnahme.

Agenten werden zu Beteiligten an digitalen Customer Journeys, und das weit über das Browsen hinaus. Die Untersuchungen von HUMAN zeigen Agentenaktivität in Authentifizierungs-, Konto-, Checkout- und Zahlungsabläufen, ein Beleg dafür, dass autonome Systeme über das reine Abrufen von Informationen hinaus in echte Interaktionen vordringen.

Das betrifft unmittelbar Handel, Banking, Versicherungen, Buchungen, Reisen und Service Management, viele der Umfelder, in denen Mimacom digitale Plattformen entwirft und baut. Entscheidend ist die Frage, ob unsere Plattformen verständlich und bedienbar sind, wenn Maschinen im Auftrag realer Kundinnen und Kunden handeln.

Was ein Agent tatsächlich braucht

Ein KI-Agent, der einen Flug bucht, Versicherungsprodukte vergleicht oder eine Serviceanfrage bearbeitet, liest eine Seite nicht so wie ein Mensch. Er ignoriert das Bilderkarussell und die visuelle Hierarchie und sucht stattdessen nach semantischen Signalen: was eine Schaltfläche bewirkt, wozu sich die nutzende Person mit dem Absenden eines Formulars verpflichtet, ob ein Preis endgültig ist, was als Nächstes passiert, ob sich der Prozessstatus geändert hat und welche Bedingungen für eine Option gelten.

Ist die AX schwach, stolpern Agenten typischerweise auf einige vorhersehbare Arten:

• Semantische Mehrdeutigkeit. Generische Schaltflächen wie „Weiter“, „Nächste“ oder „Absenden“ sind für Menschen, die die Oberfläche drumherum lesen können, visuell verständlich, sagen aber nicht immer genug darüber, was die Aktion tatsächlich bewirkt. Ein Agent sollte nicht raten müssen, was nach einem Klick passiert.
• Fragmentierte Abläufe. Kritische Informationen sind oft über Modale, Tooltips, Dropdowns, Tabs oder Elemente verstreut, die erst nach einer vorherigen Interaktion erscheinen. Ein Mensch kann das visuell erkunden, ein Agent findet sie womöglich nie oder zu spät.
• Nicht parsbare Strukturen. Preisvergleiche, Produktspezifikationen und Vertragsbedingungen stecken mitunter in Bildern oder visuellen Layouts ohne echte semantische Struktur dahinter. Die Information ist technisch sichtbar, aber maschinell mehrdeutig.
• Verborgener Zustand. Wenn ein Rabatt greift, sich ein Preis ändert, eine Buchung in die nächste Phase wechselt oder ein Antrag unvollständig wird, ist davon im DOM, in der URL oder in einem anderen maschinenlesbaren Zustand womöglich nichts klar erkennbar. Der Agent muss dann ableiten, was passiert ist, und genau dort beginnen Fehler.

Schwache AX macht Agenten langsamer und, wichtiger noch, weniger zuverlässig. Der Agent handelt auf Basis von Informationen, die er falsch gelesen, übersehen oder falsch angenommen hat, und die Person, für die er arbeitet, trägt die Folgen.

Warum AX jetzt zählt, beim Design Ihres nächsten Projekts

AX unter „Brauchen wir irgendwann“ abzulegen, wäre ein Fehler. Wenn ein Team eine E-Commerce-Plattform, ein Portal für Finanzdienstleistungen, ein Buchungssystem oder ein Kundenservice-Erlebnis entwirft, lautet die Frage nicht mehr nur, ob Kundinnen und Kunden es gut nutzen können. Hinzu kommt eine zweite Frage: Können die Agenten, die für diese Kundschaft handeln, es zuverlässig bedienen?

Die praktischen Folgen sind schon jetzt erheblich. Ein Agent auf einer Plattform mit guter AX erledigt Aufgaben mit weniger Schritten und weniger Wiederholungen, was niedrigere Rechenkosten und geringere Latenz für die Endnutzenden bedeutet. Zudem greift er deutlich seltener zur falschen Aktion, wenn er seine Optionen, deren Folgen und den aktuellen Prozessstatus klar erkennen kann. Schwache AX ist ineffizient und schafft zugleich Einfallstore für Fehler.

Erste Forschungsergebnisse deuten in dieselbe Richtung. In einem Preprint von Said Elnaffar und Farzad Rashidi vom Juli 2026 wurde eine für Agenten aufbereitete Version eines E-Commerce-Prototyps in 89,3 % der Testläufe erfolgreich abgeschlossen, gegenüber 49,3 % bei einer ansonsten identischen Basisversion, und die Agenten brauchten im Schnitt 6,49 statt 9,31 Schritte. Die Studie ist klein: Sie umfasst einen Prototyp, fünf Aufgaben und drei Modelle. Sie ist daher ein Richtungssignal und kein Benchmark.

Das Vertrauen leidet leise. Wenn ein Agent eine Aufgabe nicht abschliesst, fragen Nutzende selten, ob die zugrunde liegende Website mehrdeutige Bedienelemente oder verborgenen Zustand hatte. Sie sehen nur einen Assistenten, der versagt hat, und schwache AX beschädigt insgesamt, wie verlässlich agentische Erlebnisse wirken.

Auch die Reichweite steht auf dem Spiel. Je stärker Agenten Suche, Vergleich und Transaktionen vermitteln, desto mehr wird die Lesbarkeit für sie zu einer weiteren Dimension von Auffindbarkeit und Bedienbarkeit. Eine Plattform, die Menschen nutzen können, mit der Agenten aber durchgehend Mühe haben, droht in agentenvermittelten Abläufen an Nutzen zu verlieren. Deshalb gehört AX von Anfang an in die Design- und Engineering-Diskussion und nicht in eine separate KI-Initiative.

Ein Ausgangspunkt für das Design mit AX im Blick

Für Agenten zu gestalten heisst nicht, zwei getrennte Produkte zu bauen, eines für Menschen und eines für Maschinen. In den meisten Fällen entsteht gute AX dadurch, dass das bestehende Produkt expliziter, strukturierter und vorhersehbarer wird.

• Aktionen nach Absicht benennen. Bedienelemente sollten sagen, was sie tun, und nicht nur, wo sie in einer Abfolge stehen. „Weiter zur Zahlung“ sagt Menschen wie Agenten mehr als „Weiter“, und „Buchung bestätigen“ ist klarer als „Absenden“. Die Folge einer Aktion sollte klar sein, bevor sie ausgeführt wird.
• Zustand sichtbar machen. Fortschritt in einem Ablauf, angewendete Rabatte, Verfügbarkeit, Validierungsfehler, sich ändernde Preise, gewählte Optionen und der Transaktionsstatus sollten alle explizit dargestellt werden. Agenten sollten den Anwendungszustand nicht aus visuellen Hinweisen rekonstruieren müssen.
• Inhalte für das Parsing strukturieren. Vergleichstabellen, Preisraster, Vertragsbedingungen, Produktspezifikationen und Bestellübersichten brauchen eine echte semantische Struktur. Wenn eine Information für eine Entscheidung zählt, darf sie nicht nur als visuelle Dekoration existieren.
• Fehler handlungsfähig machen. Ein Agent braucht mehr als „Etwas ist schiefgelaufen“. Eine hilfreiche Fehlermeldung erklärt, was fehlgeschlagen ist, wenn möglich warum, und ob die Aktion wiederholt oder korrigiert werden kann. Das ist bereits ein Kernprinzip guter DX, und AX weitet es auf Interaktionen aus, die über das Produkt selbst stattfinden.
• Aktionen sicher und vorhersehbar gestalten. Sobald Agenten Aktionen ausführen und nicht nur Informationen abrufen können, wird Vorhersehbarkeit entscheidend. Operationen mit Nebenwirkungen sollten sich konsistent verhalten, wiederholte Aktionen sollten nicht versehentlich doppelte Transaktionen erzeugen, und folgenreiche oder unumkehrbare Aktionen sollten ihre Konsequenzen offenlegen, bevor sie laufen. Je mehr Autonomie ein Agent hat, desto wichtiger werden diese Schutzmechanismen.
• Kritische Abläufe wie Verträge dokumentieren. Gute DX dokumentiert APIs. Gute AX sollte dasselbe Denken auf wichtige User Journeys übertragen: welche Aktionen verfügbar sind, welche Informationen sie erfordern, was sich nach jeder Aktion ändert, welche Zustände final sind, von welchen Fehlern man sich erholen kann und welche Aktionen eine ausdrückliche Bestätigung brauchen. Wer Abläufe als Verträge behandelt, macht Schnittstellen für Agenten vorhersehbarer und meist auch für Menschen klarer.
  
  

Für drei Zielgruppen gestalten

UX hat unser Design verbessert und DX unser Engineering. AX fordert uns auf, beides zusammenzubringen, mit einer neuen Tatsache im Blick: Unsere digitalen Produkte haben nicht mehr nur eine Art von Besuchenden.

KI-Agenten sind autonome, programmatische Clients, die im Auftrag realer Menschen handeln, und passen daher weder ins Muster der Power User noch in das klassischer APIs. Für sie zu gestalten heisst letztlich sicherzustellen, dass die Menschen, die Aufgaben an diese Maschinen delegieren, genaue und vorhersehbare Ergebnisse erhalten, denen sie vertrauen können.

Teams, die AX von Anfang an in ihren Prozess einbauen, erhalten Plattformen, die für Assistenten leichter zu navigieren, günstiger zu betreiben und weniger anfällig für agentenbedingte Fehler sind. Viele der Prinzipien, die eine Plattform agentenfreundlich machen, machen sie auch für Menschen und Developer besser: explizite Absicht, semantische Struktur, sichtbarer Zustand, vorhersehbare Aktionen und hilfreiche Fehlermeldungen.

Agenten tauchen längst auf Ihrer Plattform auf, die Frage ist also, ob sie darauf vorbereitet ist.

Hinweis zu den Daten

Die Zahlen in diesem Artikel sind Momentaufnahmen eines sich schnell verändernden Ökosystems und keine dauerhaften Referenzwerte. HUMAN Security nannte im April 2026 Comet, Atlas und Claude als die drei grössten Quellen des beobachteten agentischen Traffics, und im Juni hatte Claude Atlas überholt. Im April lagen Medien vor E-Commerce als grösstes Ziel; im Juni hatte E-Commerce die Führung übernommen.

Die Rangfolgen werden sich weiter ändern. Wichtiger ist das übergeordnete Muster: wachsende agentische Aktivität bei Suche, Handel, Authentifizierung, Konten und transaktionalen Abläufen. Prüfen Sie die aktuellen Daten von Cloudflare Radar und HUMAN Security, bevor Sie diese Zahlen in künftigen Publikationen wiederverwenden.