Die Idee der „Technikneutralität“ dient als Brücke, um ältere zivilrechtliche Prinzipien zur Automatisierung auf neue autonome KI-Systeme zu übertragen. Der Vergleich verschiedener Generationen von KI-Agenten verdeutlicht die rechtlichen Grenzen der bestehenden „technologieneutralen“ Ansätze. Für rechtsgültige Verträge sind daher neue Normen und Brückenprotolle erforderlich.

Im Juli 2026 formulierte ein CERRE-Gutachten (Centre on Regulation in Europe) zu Agentic AI und Consumer Protection eine interessante Strategie für den zivilrechtlichen Umgang mit Agentic Commerce – Freshfields thematisierte den Ansatz sogar schon 2025:

CERRE: „As a first step, it should be clarified how existing regulations apply to agentic transactions … Such an approach would build on the technology-neutral wording already present in many provisions of the UCPD and CRD, extending established regulatory approaches to cover agentic transactions through interpretation and targeted clarification rather than fundamentally new categories of rules.“

Freshfields: „However, the Unfair Commercial Practices Directive (UCPD), the Consumer Rights Directive (CRD) and the Unfair Contract Terms Directive (UCTD) – key elements of the existing EU consumer law framework – have built-in a relatively high readiness for automated contracting in light of their technology neutral approach.“ 

Eines der Kernprobleme, die mit diesem Ansatz gelöst werden sollen, ist die dogmatische Herleitung rechtsgültiger Verträge bei Agentic Commerce über das Prinzip des „automated contracting“. Rechtliche Basis für diesen Ansatz ist daher u.a. das UNCITRAL Model Law on Automated Contracting (MLAC). Es wurde ab 2021 entwickelt und 2024 verabschiedet. Es stammt somit aus einer Zeit, als moderne Commerce-Agenten, Multi-Agenten-Systeme oder proaktive Ambient Agents noch nicht existierten. Gleichwohl differenziert das MLAC bereits „deterministische“ und „non-deterministische“ Automatisierung.

Die Botschaft der Beiträge, die auf das MLAC verweisen, darf wie folgt interpretiert werden:

• Als ersten Schritt müsse versucht werden, bestehende Regulierungsansätze wie die des MLAC zur Automatisierung auf agentische Transaktionen zu übertragen, weil diese i.S.d. Modellnorm nicht-deterministsich sind, also grundsätzlich erfaßt sein könnten.
• Dieser Ansatz beruht auch auf dem vorhandenen technologie-neutralen Wortlaut in vielen Bestimmungen der EU-Verbraucherrechtsrichtlinien (UCPD und CRD).
• Der methodische Ansatz besteht darin, etablierte Regulierungsansätze des Modellgesetztes durch erweiterte Interpretation auf „agentic transactions“ auszudehnen, anstatt grundlegend neue Kategorien zu schaffen.

Alte Lösungsmodelle für neue Technologie?!

Die zuvor zitierten Statements und ähnliche Ansätze anderer Autoren klingen zunächst pragmatisch, innovationsfreundlich, unbürokratisch und rechtssicher. Eine Technolgieneutralität, die nicht-determnistische Systeme mit umfaßt, erscheint wie in eleganter Weg, um eine neue, hoch dynamische Technologie wie die des Agentic Commerce in einen bereits bestehenden, potenziell zeitlosen (Modell-)Rechtsrahmen integrieren zu können – ähnlich und doch anders wie bei der DSGVO oder der KI-Verordnung, die ebenfalls auf einem technologieneutralen Ansatz beruhen.

Gleichwohl muss man fragen: Kann dieses Verständnis der „Technologieneutralität“ tatsächlich auf die Besonderheiten des Agentic Commerce übertragen werden?

Vermutlich nicht, denn der nachfolgende Blick auf die technische Realität zeigt, es gibt nicht „den KI-Agenten“. Vielmehr sind verschiedene Varianten und Generationen begrifflich und rechtlich zu unterscheiden:

• So gibt es zunächst den AI Agent im engeren Sinne (dies kann, muss aber nicht zwingend ein deterministisches Werkzeug der Willensausführung sein, das feste Regeln abarbeitet).
• Darüber hinaus gibt es die Agentic AI (dies ist ein probabilistisches System der Willensgenerierung, das Ziele eigenständig orchestriert und emergent entscheidet – also nicht deterministisch).

Beide Varianten könnten vom Wortlaut des MLAC erfaßt sein, denn u.a. Ziffer 29 der Begründung besagt mit Bezug zu Art. 1 Abs. 2:

„The term “deterministic” is intended to denote a system that always generates the same output given the same input, which may also be referred to as a “rule-based system”. Conversely, a “non-deterministic” system may be said to operate in a stochastic manner, generating an output that may not be predicted in a particular case but within a range of probabilities.„

Nachfolgend werden die verschiedenen agentische Generationen in technischer, prozessualer und rechtlicher Hinsicht verglichen. Der Vergleich verdeutlicht, welche Grenzen der „technologieneutrale Rückgriff“ auf bestehende Normen im Hinblick auf agentische Transaktionen und Vertragsschlüsse besitzt – denn nicht jede Generation ist deterministisch bzw. non-deterministisch im Sinne des MLAC.

Die vier Generationen: Vom Werkzeug zur Emergenz

Um zu verstehen, warum das bisherige Verständnis der „Technikneutralität“ im Agentic Commerce kaum realistisch durchzuhalten ist, muss man sich die rasante Evolution agentischer Systeme vor Augen führen. Die nachfolgend skizzierten vier Generationen markieren den Übergang von der schlichten Ausführung zur autonomen Willensbildung.

Übersicht zu den vier Generationen automatisierter Verfahren:

Die verschiedenen Generationen werden nachfolgend im Hinblick auf Besonderheit und Abläufe näher dargestellt.

Generation 1: Der deterministische Erfüllungsgehilfe (Pre-2023)

Beispiele: IFTTT, Zapier, frühe regelbasierte Chatbots, klassische Webshop-Backends.

Hier handelt es sich streng genommen noch nicht um „agentic AI“, sondern um Automatisierung. Das System folgt einem festen, vom Menschen vollständig vorhersehbaren Pfad (fixed execution path).

flowchart TD
  A["Mensch"] -->|"(1) Exakter, deterministischer Befehl<br/>(z. B. WENN Lagerbestand unter 10, DANN bestelle 50 Einheiten bei Lieferant X)"| B["Regel-Engine / Skript"]
  B -->|"(2) Binäre Prüfung True/False<br/>Keine probabilistische Abwägung, keine Interpretation"| C["Aktion / API-Call"]
  C -->|"(3) Zurechnung unproblematisch<br/>System ist reines Werkzeug<br/>(analog Warenautomat oder § 278 BGB)"| D["Wirksamer Vertragsschluss"]

  classDef sicher fill:#d4edda,stroke:#28a745,color:#155724;
  class D sicher;

Dogmatischer Status: Sicher. Die Funktionsäquivalenz zur menschlichen Handlung ist gegeben. Das System agiert deterministisch. Es ist der Fall, auf den sich das MLAC explizit bezieht.

Generation 2: Der probabilistische Einzelkämpfer (~2023)

Beispiele: BabyAGI, AutoGPT, frühe LangChain-Agenten.

Der Durchbruch der LLMs. Der Agent erhält ein übergeordnetes Ziel und zerlegt es selbstständig in Zwischenschritte. Er kann Tools (Suche, Rechner) nutzen, aber die gesamte „Kognition“ läuft über ein einziges, großes Sprachmodell.

flowchart TD
  A["Mensch"] -->|"(1) Vager Prompt / Zielvorgabe<br/>(z. B. Finde und kaufe das beste Smartphone unter 500 Euro)"| B["LLM-Kern (Single Agent)"]
  B -->|"(2) Probabilistischer Loop<br/>Denken → Tool nutzen → Beobachten → Anpassen<br/>(Gefahr von Halluzinationen)"| C["Aktion / API-Call"]
  C -->|"(3) Zurechnung: erster Bruchpunkt<br/>Blanketterklärung wird gedehnt:<br/>Hat der Mensch die konkrete Auswahl antizipiert?"| D["Vertragsschluss?"]

  classDef fragil fill:#fff3cd,stroke:#ffc107,color:#856404;
  class D fragil;

Dogmatischer Status: Fragil. Schon hier ist zwischen „beherrschbarer Automatisierung“ und „unvorhersehbarer Eigenentscheidung“ im Einzelfall zu unterscheiden. Das System entscheidet nicht-deterministische im Sinne des MLAC, aber im Rahmen vorhersehbarer Möglichkeiten. Die Grundsätze zum „automated contracting“ können daher – je nach Argumentation und Einzelfall – durchaus „technologieneutral“ greifen.

Generation 3: Die multi-agentische Orchestrierung (~2024–2025)

Beispiele: AutoGen, CrewAI, Enterprise-Agenten-Schwärme mit spezialisierten Rollen.

Die Aufgabe wird nicht mehr von einem einzelnen LLM gelöst, sondern an ein Netzwerk spezialisierter Agenten delegiert, die untereinander kommunizieren (M2M), bevor sie nach außen treten.

flowchart TD
  A["Mensch"] -->|"(1) Strategische Zielvorgabe<br/>(z. B. Optimiere unsere Q4-IT-Beschaffung)"| B["Orchestrator-Agent (Manager)"]

  B -->|"(2) Delegation und M2M-Dialog"| C1["Researcher-Agent<br/>(Sucht Optionen, liest Bewertungen)"]
  B -->|"(2) Delegation und M2M-Dialog"| C2["Negotiator-Agent<br/>(Fragt API nach Rabatten)"]
  B -->|"(2) Delegation und M2M-Dialog"| C3["Compliance-Agent<br/>(Prüft Datenschutzklauseln)"]

  C1 -->|"Synthese der Teilergebnisse<br/>durch den Orchestrator"| D["Aktion / API-Call"]
  C2 -->|"Synthese der Teilergebnisse<br/>durch den Orchestrator"| D
  C3 -->|"Synthese der Teilergebnisse<br/>durch den Orchestrator"| D

  D -->|"(3) Zurechnung kritisch<br/>Multi-subjektive Emergenz von Bedeutung:<br/>Wessen Wille ist maßgeblich?<br/>Direkte Zurechnung kaum haltbar."| E["Vertragsschluss?"]

  classDef kritisch fill:#f8d7da,stroke:#dc3545,color:#721c24;
  class E kritisch;

Dogmatischer Status: Nicht umfat. Das Szenario ist weder mit den Grundlagen der ersten noch der zweiten Generation zu vergleichen, die dem MLAC zugrunde lagen. Diese Kombination und Interaktion mehrerer Agenten kann emergente Ergebnisse produzieren, die keinem der Einzelsysteme zurechenbar sind. „Automated contracting“ setzt implizit voraus, dass es ein (nicht-)deterministisches System gibt, dessen Output man einem Nutzer zuordnen kann.

Generation 4: Der ambient-proaktive Akteur (2026+)

Beispiele: Meta’s „Muse“, fortgeschrittene Personal Agent Protocols (PAP), Universal Carts.

Dies ist die aktuelle Frontier. Der Agent ist kein Werkzeug, das auf Befehl wartet, sondern ein persistenter, proaktiver Akteur. Er kennt die Präferenzen, den Kalender und den Kontext des Nutzers. Er handelt asynchron und initiiert Transaktionen, ohne dass pro Transaktion ein expliziter Prompt erfolgt. Und das auch noch mit Multi-Agenten-Technologie.

flowchart TD
  A["Mensch"] -->|"(1) Einmalige oder passive Profilierung<br/>(z. B. Büro-Papier automatisch nachkaufen,<br/>Max-Preis 20 Euro, Lieferant Y bevorzugen)"| B["Ambient Agent (z. B. Meta Muse)"]

  B -->|"(2) Kontinuierliche Überwachung<br/>und proaktive Entscheidung"| C["Erkennt Bedarf autonom"]
  C -->|"(3) M2M-Verhandlung (Agent-to-Agent)"| D["Ambient-Agent und Händler-Agent<br/>(Verhandeln Preis und Lieferzeit)"]
  D -->|"(4) Kryptografische Signierung<br/>und Ausführung (Wallet/Token)"| E["Vertragsschluss?"]

  E -->|"(5) Zurechnung: vollständiger Bruch<br/>Kein zeitnaher menschlicher Willensakt.<br/>Entweder Verneinung oder gesetzliche<br/>Zurechnungsfiktion mit HITL-Bestätigung."| F["Rechtliche Konsequenz?"]

  classDef ungeklaert fill:#f8d7da,stroke:#dc3545,color:#721c24;
  class F ungeklaert;

Dogmatischer Status: Ungeklärt und politisch umstritten (möglicherweise Gegenstand des kommenden Digital Fairness Act). Ohne technische Bestätigung ist der Vertragsschluss hier potenzielles Wunschdenken der Tech-Industrie. Das Übertragen „technologieneutraler“ Grundsätze des MLAC würde allerspätestens in der vierten Generation nur noch zu irreführender Scheinsicherheit führen, weil Interaktion der vierten Generation einen Möglichkeitsraum erzeugen, der nicht mehr als Wahrscheinlichkeitsverteilung im Sinne der Definition von „nicht-deterministisch“ beschreibbar ist

Das Matrix-Problem: Wenn Generationen aufeinandertreffen

Kann man also Gen 1 und Gen 4 wirklich „technologieneutral“ über einen Kamm scheren? Ist es dogmatisch haltbar, die Handlung eines Systems, das exakt vorprogrammierten Regeln folgt, mit der eines Systems gleichzusetzen, das in Millisekunden eigenständig Preise verhandelt, AGBs interpretiert und dabei halluzinieren kann? Und was passiert erst, wenn diese Generationen im echten „Agent-to-Agent“-Handel (M2M) aufeinandertreffen?

Die Antwort lautet „Nein“! Nur bei der ersten und zweiten Generation ist dies möglich. Bei Generation drei und vier nicht mehr!

Die nachfolgende Übersicht verdeutlicht die große Heterogenität, der sich ein „technologieneutraler“ Ansatz stellen müsste, sobald verschiedene Generationen auf Käufer und Händlerseite aufeinandertreffen:

Die Rolle der Protokolle: Infrastruktur, aber kein Wille

Als wäre das nicht schon komplex genug, befindet sich die technische Infrastruktur für Agentic Commerce auch noch in laufender Weiterentwicklung. Mittlerweile konkurrieren wenigstens vier Standards um die Vorherrschaft, was die Heterogenität und Komplexität der vorherigen Matrix zusätzlich erhöht.

Auf beiden Seiten (Käufer und Verkäufer) können die agentischen Prozesse der Logik der verschiedener Protokolle folgen (z.T. sind sie auch komplementär):

• MCP (Model Context Protocol, Anthropic): Fokussiert auf Tools, Resources und Data Sources. Stärken: Kontextmanagement und Tool-Integration.
• A2A (Agent-to-Agent Protocol, Google): Fokussiert auf Agent Cards, Tasks, Status Updates und Artifacts. Stärken: Umfassende Nachverfolgbarkeit von Transaktionen.
• ACP (Agent Communication Protocol, IBM): Wurde 2025 in A2A integriert und ist damit Teil des Google-Ökosystems.
• PAP (Personal Agent Protocol, Meta/Sierra): Fokussiert auf Authentifizierung, Autorisierung und Wallet-Integration für persönliche Shopping-Agenten. Stärken: Direkte Anbindung an Commerce-Plattformen (Shopify, Walmart).

Übersicht von drei Protokollen auf LinkedIn (Oktober 2026):

Die Übersicht von GenAI works zeigt, dass ein „technologieneutraler“ Rahmen wie das MLAC von 2024 (Entwurf von 2021) zum „automated contrating“ überhaupt nur dann zu Rechtssicherheit führen könnte, wenn die konkrete Kommunikations- und Entscheidungsarchitektur der dritten und vierten Generation von Agenten mit in den Blick genommen wird.

Die im Einzelfall verwendeten Protokolle sind die Brücke, welche den abstrakten Begriff der „Parteiautonomie“ und die Notwendigkeit der „Beweisbarkeit“ in der Praxis zusammenzuführen. Erst durch sie lässt sich beurteilen, ob und wie weit Agenten unterschiedlicher Generationen tatsächlich als „verlängerter Arm“ eines menschlichen Willens agiert oder ob er eine eigenständige, emergente Entscheidung getroffen hat, die rechtlich anders zu bewerten ist.

Jede Transaktion durchläuft dabei in der Regel einen Protokoll-Stack, der mit bisherigen Lösungsansetzen kaum mit einer bestehenden „one-size-fits-all“ Lösung gleichwertig bewertet werden kann:

flowchart TD
    subgraph Käufer["Käufer-Agent"]
        K1[Gen 1: Skript]
        K2[Gen 2: Einzel-LLM]
        K3[Gen 3: Multi-Agent]
        K4[Gen 4: Ambient]
    end

    subgraph ProtokollStack["Protokoll-Stack der Transaktion"]
        P1["Identität und Vollmacht\n(A2A Agent Card / PAP)"]
        P2["Intent und Produktfindung\n(MCP Resources / UCP)"]
        P3["Verhandlung und Angebot\n(A2A Tasks und Messages)"]
        P4["Zahlung und Freigabe\n(AP2 / Wallet / HITL)"]
        P5["Proof und Audit\n(A2A Artifacts / Logs)"]
        
        P1 --> P2 --> P3 --> P4 --> P5
    end

    subgraph Verkäufer["Verkäufer-Agent"]
        V1[Gen 1: Statischer Shop]
        V2[Gen 2: Pricing-Agent]
        V3[Gen 3: Orchestrierung]
        V4[Gen 4: Yield-Agent]
    end

    Käufer --> ProtokollStack
    ProtokollStack --> Verkäufer

• Die juristische Kernfrage lautet: Welches Protokoll löst das Zurechnungsproblem?
• Die Antwort ist ernüchternd: Keines!

Protokolle lösen nicht die Zurechnungsfrage. Sie verschieben sie nur: Von der Frage „Hat ein Mensch geklickt?“ hin zur Frage „Welche technische Kette lässt sich im Streitfall noch rekonstruieren – und belegt diese Kette tatsächlich einen Willen oder nur eine Ausführung?“

Nicht nur die Generation, auch die Architektur entscheidet

Für die juristische Analyse sind die folgenden vier Fragen entscheidender als das technische Label:

1. Wer bestimmt den konkreten Inhalt der Erklärung?
2. Welche Entscheidungsbefugnis wurde dem System tatsächlich eingeräumt?
3. Was lässt sich im Streitfall überhaupt noch nachweisen?
4. Wer trägt das Risiko, wenn diese Tatsachen unaufklärbar bleiben?

Ein deterministisches Skript (Gen 1) ist nicht allein deshalb unproblematisch, weil es fest programmiert ist. Und ein hochautonomer Agent (Gen 4) verliert nicht allein aufgrund seiner Autonomie jede Möglichkeit, rechtlich zurechenbare Erklärungen hervorzubringen. Der Teufel steckt im Detail der Willensbildung und ihrer Rekonstruierbarkeit. Dabei spielen Protokolltypen und Agenten-Generationen zusammen.

Der zusätzliche Sprengstoff: Die Beweislastfalle

Man stelle sich vor, ein Multi-Agenten-System (Gen 3) verhandelt mit einem Dynamic-Pricing-Agenten eines Händlers. Der Käufer-Agent akzeptiert ein Angebot, das aufgrund einer Halluzination oder eines Prompt-Fehlers 50 % über dem vom Nutzer gesetzten Limit liegt.

Die theoretische Frage, ob diese Handlung dem Nutzer grundsätzlich zugerechnet werden könnte, ist im echten Rechtsstreit oft sekundär. Die primäre Frage lautet: Kann der Händler beweisen, dass eine wirksame, dem Nutzer zurechenbare Erklärung mit diesem konkreten Inhalt vorlag?

Wenn zwei probabilistische Systeme im M2M-Dialog Vertragsbedingungen dynamisch anpassen, entsteht ein Text, den kein Mensch je gelesen oder gewollt hat – dies sprengt den Rahmen dessen, was im MLAC unter „nicht-deterministisch“ mit erfassen wollte.

Wenn die entscheidenden Tatsachen (Was war die letzte gültige Nutzervorgabe? War die Abweichung noch im tolerierten Korridor?) technisch nicht mehr lückenlos rekonstruierbar sind, greifen die gesetzlichen Beweislastregeln. Eine dogmatisch denkbare (aber bislang ohnehin fragliche) Zurechnung ist noch kein praktisch durchsetzbarer Anspruch.

Kryptografie ist kein Wille

Oft wird vorgeschlagen, das System müsse seine Handlungen kryptografisch protokollieren, um Rechtssicherheit zu schaffen. Das ist ein sinnvoller Ansatz, aber mit einer klaren Grenze:

• Ein manipulationsgeschützter Log beweist nur, dass ein bestimmter Datensatz von einem bestimmten Schlüssel signiert wurde.
• Er beweist nicht automatisch, dass der Schlüsselinhaber diese spezifische Erklärung rechtlich wirksam abgeben wollte.

Hier liegt die offene rechtspolitische Gestaltungsfrage:

• Soll die technische Architektur lediglich Beweismittel bereitstellen?
• Oder soll das Gesetz an bestimmte, nachweisbare Systemzustände (z. B. validierte Guardrails) eine gesetzliche Vermutung oder eine besondere Risikozuweisung knüpfen?

Nach der hier vertretenen Ansicht verschärfen die Beweislastthemen die Problematik in der Praxis. Sie sind aber nicht der eigentliche Grund, weshalb eine „technologieneutrale“ Lösung scheitert, wie sie im MLAC skizziert wird. Maßgeblich ist, dass die dortige Definition „nicht-deterministischer“ Automatisierung für Generation 3 und 4 sowie ihr Zusammenspiel mit Protokollen und den Verhältnissen Käufer/Verkäufer nicht greift.

Der regulatorische Spiegel: Wenn schon der AI Act die Rollen verliert

Ein Blick über den Tellerrand des Zivilrechts bestätigt diese Diagnose eindrücklich: Selbst das öffentliche Regulierungsrecht ringt mit genau diesem strukturellen Problem. Wie aktuelle Analysen zum EU AI Act zeigen, bricht die klare Trennung von „Anbieter“ (Provider) und „Betreiber“ (Deployer) in Multi-Agenten-Pipelines zusammen.

Wer eine Orchestrierungsschicht kontrolliert, die Drittanbieter-Agenten aufruft, einschränkt oder Sub-Agenten generiert, wird regulatorisch oft bereits als „Anbieter“ des gesamten zusammengesetzten Systems behandelt. Die Compliance-Frage verschiebt sich von „Welche KI nutze ich?“ zu „Welche KI baue und setze ich effektiv ein?“.

Wenn schon das Regulierungsrecht Schwierigkeiten hat, in diesem technischen Geflecht den verantwortlichen Akteur auf Systemebene zu identifizieren, wie soll dann das Zivilrecht im konkreten Einzelfall noch einen klaren, menschlichen „Rechtsbindungswillen“ isolieren können? Die Unschärfe der Systemrollen ist die direkte Ursache für die Unschärfe der Willenszurechnung. Wer die Orchestrierung kontrolliert, kontrolliert auch die Genese der Erklärung – und muss folglich auch das zivilrechtliche Risiko tragen.

Fazit: Das Dreieck der Verantwortung

Wer aus der abstrakten Möglichkeit einer Zurechnung bereits praktische Rechtssicherheit im Agentic Commerce ableitet, überspringt die Realität des Rechtsstreits. Das grundlegende Problem lässt sich nur durch ein Dreieck beschreiben:

• Zurechnung: Wessen Erklärung liegt rechtlich vor?
• Beweisbarkeit: Kann das Vorliegen dieser Erklärung im Streitfall nachgewiesen werden?
• Risikozuweisung: Wer trägt die Folgen, wenn die entscheidenden Tatsachen nicht feststellbar sind?

Die Lösung liegt nicht in der Aufgabe des Prinzips der Technologieneutralität, sondern in seiner Operationalisierung durch architektur- und beweisbezogene Regelungen. Das Recht muss an die tatsächliche Funktionsweise der Systeme anknüpfen – nicht an ihr technologisches Etikett.

Agentic Commerce ist nicht einfach nur ein schnellerer Webshop. Es ist eine Verschiebung der Willensgenese. Und die drängendste Frage an die Rechtspraxis lautet:

Wie muss das Recht mit technisch erzeugten Erklärungen umgehen, wenn die Zurechnung von Tatsachen abhängt, die ohne geeignete, protokoll-native Dokumentation nicht mehr zuverlässig bewiesen werden können?

Die Konsequenz: Warum es eine neue Norm braucht

Die bloße Interpretation bestehender, technologieneutraler Regeln reicht nach der hier Vertretenen Auffassung nicht aus, um die Lücke zwischen technischer Ausführung und rechtlicher Geltung zu schließen. Protokolle wie A2A oder PAP liefern zwar hervorragende Beweise dafür, was passiert ist. Aber sie können nicht die Geltung erzeugen, also die rechtliche Wirksamkeit der Willenserklärung.

Hier liegt der entscheidende Unterschied zwischen Beweis und Geltung: Ein kryptografischer Log beweist die Integrität einer Datenübertragung. Er beantwortet aber gerade nicht die zivilrechtliche Frage, ob der hinter dem Agenten stehende Rechtsträger die konkrete, emergent entstandene Vertragsklausel auch wirklich gewollt hat.

Die logische Konsequenz aus dieser Architektur-Analyse ist daher: Es braucht eine neue, konstitutive Norm.

Modellgesetze wie das MLAC sind nicht nur nicht rechtsgültige Normen, sie stammen auch aus einer Zeit der ersten Generation. Die Grundannahme basiert daher auf deterministischer Automatisierung:

• Ein System arbeitet vordefinierte Parameter und IF/THEN-Logiken ab.
• Der Mensch hat den Vertragsinhalt im Voraus exakt abstrakt determiniert.
• Der Vorgang ist vollständig kausal und rekonstruierbar.

Eine neue Norm kann und sollte von UNICTRAL entwickelt werden. Sie muss aber funktional ansetzen:

• Sie muss definieren, unter welchen architektonischen Voraussetzungen (z. B. validierte Guardrails, nachweisbare Mandatsrahmen, Human-in-the-Loop bei Schwellenwerten) der maschinell erzeugte Erklärungsakt dem Rechtsträger als eigene Willenserklärung zugerechnet wird.
• Die Norm benötigt zudem ein technisches Gegenstück, das allen Generationen gerecht wird. Dies sind Brückenprotokolle, die diesen rechtlichen Zurechnungsakt in maschinenlesbare, auditierbare Nachweise (wie digitale Vollmachten oder Transaktions-Logs innerhalb des Mandats) übersetzen.

Recht und Technik dürfen bei agentischen Transaktionen nicht länger nebeneinanderherlaufen. Wie im Beitrag „Agentic Commerce rollt aus – aber der Vertrag fehlt“ und dem dazugehörigen Gutachten dargelegt, ist ohne dieses Zusammenspiel aus konstitutiver Norm und Brückenprotokoll im B2B-Bereich kaum ein rechtssicherer Markt aufzubauen, der die unterschiedlichen Generationen von AI Agent bis Agentic AI gleichermaßen erfaßt.

Details zu Teil 1 des Gutachtens „Agentic Commerce – wie können rechtsverbindliche Verträge entstehen?“ finden sich hier:
Download als PDF (Deutsche Version)
Download as PDF (English Version)

Bezug zum Skript „Grundwissen-KI-Recht“: Randnummern 326 ff.

Inhalte des Beitrags, u.a.:

• Agentic Commerce
• Verträge/Vertragsschluss
• angeblich herrschende Meinung

PDF-Downloads:

• Download als PDF (Deutsche Version)
• Download as PDF (English Version)