Skip to content
Close
Erstberatung vereinbaren
Erstberatung vereinbaren
B2B-E-Commerce: Marktdaten 2024 und 2025, alle Branchen

B2B-Internethandel in Deutschland:
509 Milliarden Euro, drei Viertel
davon über Onlineshops (alle Branchen).

Die Zahlen des B2B-Marktmonitors sind eine allgemeine Erhebung über B2B-Shops von Herstellern und Großhandel aller Branchen; eine eigene Healthcare-Auswertung gibt es dort nicht. Sie zeigen, dass der Onlineshop im B2B der wichtigste digitale Bestellkanal ist. Wer dort nur das Standardsortiment zeigt, überlässt Zusatz- und Nachbestellungen dem Wettbewerb.

48%
der B2B-Einkäufer bestellen digital
bei bestehender Lieferantenbeziehung und erwarten im Shop Preis (82 %), Verfügbarkeit (80 %) und Lieferzeit (70 %); ibi research 20184
509 Mrd.
Euro B2B-Internethandel 2024
Hersteller und Großhandel in Deutschland, alle Branchen, plus 7 % gegenüber dem Vorjahr; Prognose für 2025: plus 6,3 %3
+10–15%
Umsatz-Lift
Personalisierung bringt laut McKinsey typischerweise 10 bis 15 % mehr Umsatz (Spanne 5 bis 25 %; Konsumentenstudie)1
+10–30%
Marketing-ROI
Personalisierte Kampagnen steigern den Marketing-ROI um 10 bis 30 % und senken Akquisitionskosten um bis zu 50 % (McKinsey, Konsumentenstudie)2
Drei Umsatzhebel, eine Engine

KI-Produktempfehlungen im MedTech-Shop:
Upselling, Cross-Selling
und After-Sales aus einer Engine.

Die med-sales Recommendation Engine analysiert komplexe B2B-Kaufmuster im Gesundheitswesen und generiert in Echtzeit präzise Empfehlungen für alle drei Umsatzdimensionen.

01
Upselling

Höherwertiger kaufen, kontextsensitiv

KI erkennt, wenn ein Kunde ein Produkt mehrfach betrachtet und zeigt ihm automatisch das passende Premium-Upgrade, mit dokumentierter Kompatibilität und den regulatorischen Unterschieden.

Implantat-Set Standard → Implantat-Set Premium
Einzel-Instrument → Komplettset mit Rabatt
Basisgerät → Gerät mit erweiterter Zertifizierung
Testpaket → Vollversorgungsvertrag
Höherwertige Alternativekontextsensitives Upselling im MedTech-Shop
02
Cross-Selling

Kompatibles Zubehör, automatisch vorgeschlagen

KI analysiert aktuelle Warenkorbinhalte und zeigt kompatibles Verbrauchsmaterial, Zubehör und notwendige Ergänzungen an, basierend auf regulatorisch zugelassenen Kombinationen und realen Kaufhistorien vergleichbarer Kunden.

Bohrset → kompatible Schrauben + Sterilbeutel
Implantat → Spezialwerkzeug + Nachbedarf
Gerät → Verbrauchsmaterial nach Intervall
Medikament → zugelassene Kombinationspräparate
Mehr Positionen je Bestellungdurch KI-Cross-Selling im Healthcare-Shop
03
After-Sales

Wartungszyklen und Nachbestellungen, proaktiv

KI-Prognosen zu Wartungszyklen und Verbrauchsintervallen lösen automatisch Nachbestellerinnerungen aus, bevor der Kunde merkt, dass er Nachschub braucht. Proaktive Angebotsstrategien auf Basis historischer Kaufrhythmen.

Verbrauchsmaterial-Nachbestellung im Verbrauchsrhythmus (Beispiel: 6 Wochen)
Gerät-Wartung: Service-Termin-Reminder
Zertifizierungsablauf → Erneuerungsangebot
Ersatzteile: vorausschauend statt reaktiv
Nachbestellung vor dem Bedarfproaktives After-Sales auf Basis der Verbrauchsintervalle je Kunde
Standard-Shop-Empfehlung, regelbasierte und KI-gestützte Produktempfehlung im B2B-Healthcare-Shop im Vergleich
KriteriumStandard („Kunden kauften auch")Regelbasiert (Kompatibilität, Intervall)KI-Modell (Recommendation Engine)
DatenbasisKaufhäufigkeit über alle KundenProduktdaten: Kompatibilitäten, Verbrauchsintervalle, ZubehörzuordnungBestellhistorie je Kunde plus Shop-Verhalten, trainiert auf dem eigenen Sortiment
Typische EmpfehlungBeliebtes ZubehörPassende Schrauben zum Bohrset, Nachbestellung zum FälligkeitsterminHöherwertige Alternative, Ergänzung und Nachbestellung je Kunde und Zeitpunkt
VoraussetzungShop-StandardStrukturierte ProduktdatenStrukturierte Produktdaten und Bestellhistorie; Faustregel aus unseren Projekten: ab etwa 200 Bestellungen pro Monat und 500 Artikeln
Zeit bis zum ersten NutzenSofortNach Pflege der ProduktdatenNach Potenzialanalyse, Training und Pilot, in unseren Projekten 8 bis 12 Wochen
NachvollziehbarkeitGeringVollständig, regelbasiertRegeln plus dokumentierter Score je Empfehlung in HubSpot

Faustregeln und Zeitangaben sind Erfahrungswerte aus unseren Projekten; welches Modell passt, klären wir in der Potenzialanalyse.

Echtzeit-Datenanalyse

Mikro-Signale im Healthcare-Shop:
was jeder Klick über die
Kaufbereitschaft verrät.

Moderne KI-Algorithmen analysieren nicht nur allgemeine Kaufmuster, sondern erkennen konkrete Verhaltensdaten auf Nutzerebene: wie lange ein Produkt betrachtet wird, welche Artikel im Warenkorb landen oder welche Seiten besonders häufig besucht werden.

Mit der integrierten HubSpot-Datenschnittstelle erhalten Sie einen lückenlosen Echtzeit-Einblick, alle Zero-Party- und First-Party-Daten gezielt einsetzbar. Dazu gehört seit 2024 auch der Einstieg über eine KI-Suche: 89 % der B2B-Käufer nutzen generative KI als Informationsquelle im Kaufprozess5, ein Besuch aus ChatGPT oder Perplexity ist deshalb ein spätes, starkes Signal.

KI im Healthcare E-Commerce: Blogartikel →
KI-gestützte Produktempfehlungen im B2B-Healthcare-Shop: Mikro-Signale wie Verweildauer, Warenkorb und Seitenaufrufe zeigen die Kaufbereitschaft
Mikro-Signal-Gewichtung Beispielgewichtung

Recommendation Engine: Score je Kunde

Gewichtung wird je Shop auf der Bestellhistorie kalibriert
Produktseite mehrfach besucht (>3×)
95%Gewicht
Verweildauer auf Produktseite (>120s)
85%
Produkt in Warenkorb gelegt (ohne Kauf)
80%
Datenblatt / MDR-Zertifikat geladen
75%
Suchbegriff: spezifisches Modell
65%
Produkt-E-Mail mehrfach geöffnet
55%
Firmenprofil: Fachrichtung + Größe
45%
Recommendation Score = Verhaltenssignale (60%) + Firmenprofil (25%) + Kaufhistorie (15%) Beispielaufteilung; das Modell wird auf Ihrer Bestellhistorie trainiert und quartalsweise nachkalibriert
Produktdaten-basiert ✓
HubSpot Integration

Vom Shop-Klick
zum HubSpot-Deal:
Integration in Echtzeit.

med-sales erkennt Mikro-Signale direkt im Shop, generiert eine personalisierte Empfehlung und überträgt sie automatisch an HubSpot. Workflows lösen Upselling-Mails, After-Sales-Sequenzen und Außendienst-Alerts aus, End-to-End messbar.

Echtzeit
Übertragung Shop → CRM
End-to-End
Attribution je Empfehlung
Art. 9
keine Gesundheitsdaten im CRM
Sync med-sales × HubSpot Beispielablauf
Schema
1
Mikro-Signal im Shop erkannt
Produktseite 3× besucht · Warenkorb angelegt · Zertifikat geladen
Echtzeit
2
Recommendation Engine berechnet Score
Verhalten + Firmenprofil + Kaufhistorie → Empfehlung generiert
Echtzeit
3
Personalisierte Empfehlung im Shop
Upselling · Cross-Selling · After-Sales, für diesen Kunden jetzt
Shop
4
Automatische HubSpot-Übertragung
Empfehlung + Score + Signal-Kontext → HubSpot CRM
API Sync
5
HubSpot Workflow getriggert
Personalisierte E-Mail-Sequenz oder Außendienst-Alert ausgelöst
Auto
6
End-to-End-Attribution
Welche Empfehlung hat welchen Umsatz generiert?
Report
Attribution in HubSpotje Empfehlung, Typ und Kunde
End-to-End attribuiert: vom ersten Shop-Klick bis zum Kaufabschluss.
Regulatorischer Rahmen

Empfehlungen aus Produktdaten,
nicht aus Wirkaussagen.

Die Engine empfiehlt Medizinprodukte anhand von Kompatibilität, Zubehörzuordnung, Verbrauchsintervall und Vertragskondition. Sie trifft keine Aussage zu Zweckbestimmung, Indikation oder Wirkung; damit entstehen keine Zweckbestimmungen außerhalb der Konformität nach MDR und keine Wirk- oder Heilversprechen nach HWG. DSGVO und EU AI Act sind der Rahmen, nicht das Verkaufsargument.

Produktdaten als einzige Grundlage

Empfehlungslogik aus Stammdaten des Herstellers: Kompatibilitäten, Zubehör, Verbrauchsintervalle, Prüfzyklen. Keine Bewertung von Indikation oder Wirkung, keine Formulierungen, die über die Zweckbestimmung des Herstellers hinausgehen.

MDR-Zweckbestimmung · HWG

DSGVO: keine Gesundheitsdaten

Nur Bestell- und Verhaltensdaten der Einkäufer, keine Gesundheitsdaten nach Art. 9 DSGVO. EU-Server, dokumentierter Consent, AV-Vertrag.

Art. 9 · EU-Server

Nachvollziehbar dokumentiert

Jede Empfehlung ist regelbasiert erklärbar; HubSpot hält Datengrundlage, Score und Aktion fest. Das deckt die Transparenzerwartung des EU AI Act an Empfehlungssysteme ab, ohne eigenes Compliance-System.

Audit-Trail
Unser Leistungsumfang

KI-Produktempfehlungen einführen:
von der Strategie zum laufenden Umsatzsystem.

Wir implementieren die med-sales Recommendation Engine vollständig: Datenstrategie, KI-Modell, HubSpot-Integration und laufende Optimierung, für Medizintechnik-Hersteller, Pharmaunternehmen und den medizinischen Fachhandel. In unseren Projekten dauert es 8 bis 12 Wochen bis zum ersten produktiven Pilot.

01

KI-Potenzialanalyse & Strategie

Analyse Ihrer Shop-Daten, Kaufhistorien und Katalog-Struktur. Identifikation der größten Upselling-, Cross-Selling- und After-Sales-Potenziale.

  • Shop-Daten & Kaufhistorie-Analyse
  • Top-3 Upselling/Cross-Selling-Cluster
  • After-Sales-Zyklus-Mapping
  • ROI-Projektion & Quick-Win-Roadmap
02

Recommendation Engine

Vollständige Konfiguration der med-sales Engine: Scoring-Modell trainieren, Empfehlungsregeln definieren, MDR-konforme Kombinationen hinterlegen.

  • Scoring-Modell auf Ihre Daten trainiert
  • Empfehlungsregeln je Produktkategorie
  • MDR-konforme Kombinationslogik
  • Produktdaten-Regelwerk statt Wirkaussagen (MDR, HWG)
03

HubSpot-Integration

Nahtlose Verbindung der Recommendation Engine mit HubSpot: Deal-Erstellung, Upselling-Sequenzen, Warenkorb- und After-Sales-Workflows.

  • Shop → HubSpot Empfehlungs-Sync (Echtzeit)
  • Upselling-E-Mail-Sequenzen (3 bis 5 Schritte)
  • Warenkorb-Abbruch-Reaktivierung
  • After-Sales-Reminder je Verbrauchsintervall
04

Shop-Personalisierung

Integration der Empfehlungen direkt im Shop: Widgets auf Produktseiten, Warenkorb-Ergänzungen, Startseiten-Personalisierung nach Fachrichtung.

  • Recommendation-Widgets auf Produktseiten
  • Warenkorb-Cross-Selling-Anzeige
  • Startseiten-Personalisierung
  • Mobile-optimierte Darstellung
05

Attribution & ROI-Reporting

HubSpot-Reporting für Empfehlungs-Performance: Umsatz pro Empfehlung, Warenkorbwert-Entwicklung, Conversion je Typ, monatlich.

  • End-to-End-Attribution Empfehlung → Kauf
  • Warenkorbwert-Tracking (vor/nach KI)
  • Upselling/Cross-/After-Sales-ROI
  • Monatliche Performance-Reviews
06

Kontinuierliche Optimierung

Die Engine lernt kontinuierlich. Wir kalibrieren das Modell quartalsweise neu, testen Empfehlungsregeln und optimieren E-Mail-Texte.

  • Quartalsweise Modell-Nachkalibrierung
  • A/B-Testing Empfehlungs-Platzierungen
  • E-Mail-Betreffzeilen-Optimierung
  • Neue Produktkategorien einpflegen
FAQ

Häufige Fragen zu KI
Produktempfehlungen
im MedTech-Shop

Fragen zur Integration in Ihren bestehenden med-sales Shop oder HubSpot? Im kostenlosen Erstgespräch (30 Minuten) zeigen wir Ihr Umsatzpotenzial, mit Kurzprotokoll innerhalb von zwei Werktagen.

Termin buchen →

Die Medical Device Recommendation Engine ist die Empfehlungs-KI von med-sales für den B2B-Healthcare-Shop. Sie analysiert Bestellhistorie und Shop-Verhalten und generiert in Echtzeit Produktempfehlungen für Upselling, Cross-Selling und After-Sales. Im Gegensatz zu generischen Recommendation Engines berücksichtigt sie Healthcare-spezifische Faktoren: regulatorisch zugelassene Produktkombinationen, Vertragskonditionen je Klinik oder Praxis und Kaufhistorien nach Fachrichtung.

Über drei Mechanismen: Upselling (höherwertige Alternative), Cross-Selling (kompatibles Zubehör) und After-Sales (Nachbestellung zum Fälligkeitstermin). Laut McKinsey bringt Personalisierung in Konsumentenstudien typischerweise 10 bis 15 % mehr Umsatz und 10 bis 30 % mehr Marketing-ROI1; für Ihren Shop ermitteln wir das Potenzial in der Analyse aus Ihrer eigenen Bestellhistorie, nicht aus Branchenwerten.

Ja, solange sie sich auf Produktdaten beschränken, und genau so arbeitet die Engine. Empfehlungen entstehen aus Kompatibilität, Zubehörzuordnung, Verbrauchsintervall und Vertragskondition, nicht aus Indikation oder Wirkung; damit gibt es keine Aussagen zur Zweckbestimmung außerhalb der MDR-Konformität und keine Wirk- oder Heilversprechen nach HWG. Verarbeitet werden Bestell- und Verhaltensdaten der Einkäufer, keine Gesundheitsdaten nach Art. 9 DSGVO; die Empfehlungslogik ist regelbasiert erklärbar und in HubSpot dokumentiert.

Zero-Party- und First-Party-Daten aus Shop und CRM, keine Gesundheitsdaten. Im Einzelnen: Besuche des Online-Shops, Interesse an Produkten (Verweildauer, Häufigkeit), Bestellhistorie, abgebrochene Warenkörbe, Einstieg über Suche oder KI-Suche sowie CRM-Daten aus HubSpot (Fachrichtung, Kliniksegment, Vertragskonditionen). Verarbeitung auf EU-Servern.

Eine wachsende: 89 % der B2B-Käufer nutzen generative KI als Informationsquelle im Kaufprozess (Forrester 2024)5. Ein Teil der Produktrecherche findet damit in ChatGPT, Perplexity oder Google AI Overviews statt, bevor der Einkäufer den Shop öffnet. Für den Shop heißt das: Produktdaten müssen strukturiert und maschinenlesbar sein (Product-Schema, Kompatibilitäten, Verbrauchsintervalle), damit Antwort-Engines sie als Quelle heranziehen können; dieselben Daten speisen die Recommendation Engine. Eine Garantie für die Nennung gibt es nicht, die Voraussetzungen lassen sich schaffen.

Den konkreten Rahmen erhalten Sie in der kostenlosen 30-Minuten-Potenzialanalyse auf Basis Ihrer Shop-Daten. Die Investition richtet sich nach Sortimentsgröße, Bestellvolumen und Integrationstiefe zu Shop, ERP und HubSpot. Ein typisches Projekt umfasst Potenzialanalyse, Konfiguration der Recommendation Engine, Shop-Personalisierung und Attribution-Reporting und dauert in unseren Projekten 8 bis 12 Wochen bis zum produktiven Pilot.

Strukturierte Produktdaten und eine Bestellhistorie. Die Engine ist für med-sales auf OXID-Basis vorkonfiguriert und über REST-API an andere Shop-Systeme anbindbar. Nötig sind Kategorien, Kompatibilitäten und Verbrauchsintervalle im Produktstamm sowie, als Faustregel aus unseren Projekten, eine Bestellhistorie von mindestens 6 Monaten. Für die HubSpot-Anbindung reicht Marketing Hub oder Sales Hub ab Professional. Fehlende Produktdaten-Strukturen zeigt die Potenzialanalyse und wir ziehen sie in Phase 1 nach.

Als Faustregel aus unseren Projekten: ab etwa 200 Bestellungen pro Monat und einem Sortiment von 500 Artikeln. Bei kleineren Shops starten wir regelbasiert aus Kompatibilitäts- und Verbrauchslogik (Zubehör, Nachbestellintervalle) und ergänzen die Regeln mit wachsender Datenbasis um KI-Muster. Gerade im medizinischen Fachhandel mit wiederkehrendem Sprechstundenbedarf wirkt die Nachbestell-Logik schon bei geringem Volumen.

Nein, sie entlastet ihn. Die Engine übernimmt die standardisierten Empfehlungen im Shop: passendes Zubehör, fällige Nachbestellungen, kompatible Verbrauchsmaterialien. Ihr Vertrieb erhält daraus über HubSpot konkrete Signale, etwa wenn ein Kunde wiederholt höherwertige Geräte ansieht, und konzentriert sich auf die Beratung mit Erklärungsbedarf.

Standard-Empfehlungen zählen Kaufhäufigkeit („Kunden kauften auch"), die Engine kennt Kompatibilität und Bestellrhythmus. Sie berücksichtigt Gerätekompatibilität, Zubehörzuordnung laut Herstellerangabe, Wartungs- und Prüfintervalle (STK/MTK), Verbrauchszyklen je Praxistyp und die Kundenrolle (Einkauf, Anwender, Key Account). Empfehlungen bleiben innerhalb der Produktdaten des Herstellers, sind nachvollziehbar dokumentiert und werden nie auf Basis von Gesundheitsdaten nach Art. 9 DSGVO berechnet.
Vertiefendes Wissen

KI Produktempfehlungen
im Gesundheitsmarkt.

Drei Perspektiven auf KI-gestützten B2B-Healthcare-Commerce: Compliance, Plattform und Integration.

01 Compliance · Personalisierung

KI im Healthcare E-Commerce: Effizienz für MedTech & Pharma

Intelligente Produktempfehlungen, Warenkorboptimierung und automatisiertes Cross-Selling, HubSpot als Single Point of Truth.

Blogartikel lesen
02 B2B E-Commerce · Plattform

med-sales B2B E-Commerce für MedTech & Pharma

Healthcare-spezifische Funktionen out of the box: KI-Empfehlungen vereint mit ERP- und CRM-Integration.

Blogartikel lesen
03 Out-of-the-Box · Integration

med-sales: Out-of-the-Box E-Commerce für den Gesundheitsmarkt

Recommendation Engine bis HubSpot- und ERP-Integration auf einen Blick: die Plattform, auf der die Empfehlungen laufen.

Produktseite ansehen
Alle Zahlen auf dieser Seite sind belegt: 5 Quellen, Beispielwerte gekennzeichnet. Geprüft am 03.10.2026 von André von Merzljak. Quellen ansehen

Bereit für KI Produkt­empfehlungen,
die Ihren Umsatz steigern?

In 30 Minuten analysieren wir kostenlos Ihre Bestelldaten und zeigen, wo Upselling, Cross-Selling und Nachbestell-Logik in Ihrem Shop ansetzen. Sie erhalten ein Kurzprotokoll innerhalb von zwei Werktagen.

Potenzialanalyse anfragen med-sales Produktseite →
Quellen und Einordnung (5 Quellen, Fußnoten 1 bis 5)
Quellen und Einordnung. Prozentwerte auf dieser Seite stammen aus den nachfolgend verlinkten Studien (Fußnoten). Die McKinsey-Werte sind Konsumentenstudien, die ECC- und ibi-Werte allgemeine B2B-Erhebungen über alle Branchen; keine davon ist eine Healthcare-Auswertung oder ein Messwert einer MERZLJAK-Implementierung; Gewichtungen, Score-Beispiele und der Integrationsablauf sind als Beispiel gekennzeichnet und zeigen keine Messwerte. Zeitangaben und Faustregeln sind Erfahrungswerte aus unseren Projekten. Reale Ergebnisse hängen von Datenqualität, Sortiment und Bestellvolumen ab. Fachlich verantwortet von André von Merzljak, Gründer MERZLJAK; Quellen zuletzt geprüft am 03.10.2026.
  1. McKinsey, „The value of getting personalization right, or wrong, is multiplying" (12.11.2021, Konsumentenbefragung): Personalisierung bringt typischerweise 10 bis 15 % Umsatz-Lift (Spanne 5 bis 25 % je Branche). Quelle
  2. McKinsey Explainers, „What is personalization?" (30.05.2023): bis zu 50 % niedrigere Akquisitionskosten, 5 bis 15 % mehr Umsatz, 10 bis 30 % mehr Marketing-ROI. Quelle
  3. ECC KÖLN mit FIS und Shopware, B2B-Marktmonitor 2025 (IFH Köln, 02.10.2025): allgemeine Erhebung über B2B-Shops von Herstellern und Großhandel aller Branchen in Deutschland, keine Healthcare-Auswertung: B2B-Internethandel 509 Mrd. € im Jahr 2024 (plus 7 %), Prognose plus 6,3 % für 2025 (541 Mrd. €); 76 % über Onlineshops, rund 24 % über Marktplätze; 12,1 % der Gesamtumsätze. Quelle
  4. ibi research an der Universität Regensburg, „Online-Kaufverhalten im B2B-E-Commerce 2018" (zitiert nach wlw.de): 48 % der Einkäufer nutzen digitale Bestellwege wie Websites und Onlineshops, wenn bereits eine Kundenbeziehung mit dem Lieferanten besteht; wichtigste Shop-Informationen Preis 82 %, Verfügbarkeit 80 %, Lieferzeit 70 %. Studie von 2018, bei der nächsten Prüfung durch eine aktuellere Erhebung ersetzen. Quelle
  5. Forrester, „B2B Buyer Adoption Of Generative AI", Data Overview Report, 20.11.2024 (Buyers’ Journey Survey 2024): 89 % der B2B-Käufer haben generative KI übernommen und nennen sie eine der wichtigsten Quellen für selbstgesteuerte Information in jeder Phase des Kaufprozesses. Quelle