Lotse: Shop-Pflege per Chat, bei der die KI nichts schreiben darf

Eine Händlerin will die Preise einer Kategorie um zehn Prozent senken, auf ,90 gerundet, nur für aktive Produkte. Im Shopware-Admin sind das je nach Katalog 40 Klicks oder ein CSV-Export mit anschließendem Import und der Hoffnung, dass keine Spalte verrutscht. Wer ein Skript schreibt, hat danach ein Skript, das niemand außer dem Autor versteht. Dieselbe Frage kommt wöchentlich in neuer Form: Welche Produkte haben keine Meta-Description? Wo fehlt der Alt-Text? Welche Landingpage braucht die Herbstaktion?

Aus diesen Aufgaben ist bei uns ein Werkzeug entstanden, das wir jetzt als Open Source veröffentlichen: Lotse. Man beschreibt im Chat, was im Shop passieren soll, Lotse zeigt die Änderung vorher als Vergleich und schreibt erst, wenn man freigibt. Dieser Beitrag erklärt, wie das aufgebaut ist und warum die KI darin bewusst nichts schreiben darf.

Wo die tägliche Shop-Pflege Zeit frisst

Der Shop-Alltag besteht zu einem großen Teil aus Aufgaben, die einfach zu beschreiben und mühsam auszuführen sind: Preise anpassen, Lieferzeiten setzen, Texte nachpflegen, Übersetzungen ergänzen, Rabattaktionen anlegen. Die meisten Shop-Admins sind dafür auf einzelne Datensätze ausgelegt. Sobald es 300 Produkte betrifft, wechselt man in Export, Tabellenkalkulation und Import, also in ein Verfahren ohne Vorschau und ohne Rückgängig.

Ein Sprachmodell kann die Beschreibung der Aufgabe verstehen und die Datensätze lesen. Was es nicht leisten sollte, ist das ungeprüfte Schreiben in einen Live-Shop. Ein falsch gerundeter Preis oder eine überschriebene Beschreibung fällt oft erst auf, wenn Kunden sie sehen.

Vier Stationen: beschreiben, nachfragen, vorschlagen, freigeben

Jede Aufgabe läuft in Lotse durch dieselben vier Schritte. Der erste und der letzte gehören dem Menschen.

• Beschreiben: Sie schreiben zum Beispiel „Alle Wohnaccessoires minus 10 %, auf ,90 runden“, optional mit gewählter Kategorie oder Produkt als Ziel.

• Nachfragen: Ist etwas unklar, etwa ob Streichpreise gelten sollen, fragt Lotse mit klickbaren Antworten zurück.

• Vorschlagen: Lotse liest Produkte, Kategorien, Layouts und den Styleguide des Shops und zeigt eine Vorher-Nachher-Tabelle oder bei Seiten eine Live-Vorschau.

• Freigeben: Erst der Klick auf Anwenden schreibt in den Shop. Einzelne Zeilen lassen sich abwählen, die Änderung wird protokolliert und ist rückgängig machbar.

Bei der Preisaufgabe sieht der Vorschlag so aus: Der Becher „Morgen“ geht von 18,00 € auf 15,90 €, die Vase „Kiesel“ von 49,00 € auf 43,90 €, das Plaid „Düne“ von 89,00 € auf 79,90 €. Die Rundung auf ,90 verschiebt den Rabatt je Artikel leicht, deshalb steht die tatsächliche Abweichung in Prozent dabei. Gerechnet wird vom Server, nicht vom Sprachmodell. Das Modell wählt die Operation, die Arithmetik kommt aus Code, der sich testen lässt.

Warum die KI nicht schreiben darf

Die zentrale Entscheidung in Lotse ist die Trennung von Lesen und Schreiben. Das Sprachmodell bekommt nur einen geschützten Lese-Client mit Freigabeliste. Dieser Client kennt keine Methode zum Anlegen, Ändern oder Hochladen. Geschrieben wird ausschließlich von einem getrennten Baustein, dem Executor, und nur nach dem Klick im Interface.

Daraus ergeben sich Eigenschaften, die sich prüfen lassen:

• Kunden, Bestellungen, Rechnungen, Zahlungen, Benutzer und Integrationen sind fest gesperrt, unabhängig von den Einstellungen. Bei Promotionen sieht Lotse nur Zählwerte wie die Zahl der Einlösungen.

• Sensible Felder werden vor der Übergabe an das Modell entfernt, und jeder Lesezugriff steht im Zugriffsprotokoll.

• Schreibzugriffe laufen gedrosselt (standardmäßig zwei parallel), mit Timeouts, Backoff bei 429 und 503 und höchstens 300 Einträgen je Änderungsset. Ein kleiner Server geht davon nicht in die Knie.

• Das Audit-Log speichert Vorher- und Nachher-Werte. Ein Klick stellt den alten Zustand wieder her.

• Zugangsdaten liegen AES-256-verschlüsselt im Datenvolume und gehen nie an das Modell.

Für Live-Shops empfehlen wir außerdem eine eigene Integration mit eingeschränkter Rolle statt eines Admin-Benutzers und den ersten Test in einem Staging-Shop. Das Sicherheitsmodell steht vollständig in der SECURITY.md im Repository.

Vier Shopsysteme, ein Modell

Lotse arbeitet mit Shopware 6 (6.5 bis 6.7), Shopify, Magento 2 einschließlich Mage-OS und OpenMage. Produkte, SEO, Preise, Übersetzungen, Promotionen und Landingpages gehen auf allen vieren. Einzelne Spezialitäten, etwa dynamische Produktgruppen oder der Rechts-Check, gibt es zuerst für Shopware.

Bei Shopware, Shopify und Magento 2 spricht Lotse über die Admin-API, es braucht kein Plugin im Shop. Bei OpenMage fehlt der alten API der Zugriff auf CMS, Preisregeln und URL-Rewrites. Dort liefert ein kleines Modul namens Lotse_Connector eine token-gesicherte JSON-API, die bewusst keine Routen für Kunden, Bestellungen, Warenkörbe oder Benutzer enthält.

Betrieb: ein Container und ein API-Schlüssel

Lotse läuft als Docker-Container auf dem eigenen Rechner oder Server. Der Port ist standardmäßig nur auf 127.0.0.1 erreichbar, das Dateisystem schreibgeschützt, der Prozess läuft ohne Root. Für Serverbetrieb gibt es ein Passwort und eine Host-Freigabe, davor gehört ein Reverse-Proxy mit HTTPS.

docker run -d --name lotse --restart unless-stopped \
  -p 127.0.0.1:3333:3333 -v lotse-data:/data \
  --read-only --cap-drop ALL --security-opt no-new-privileges:true \
  ghcr.io/coding9gmbh/lotse:latest

Als KI-Zugang braucht Lotse einen Anthropic-API-Schlüssel mit Abrechnung nach Verbrauch, alternativ ein ChatGPT-Abo über Codex. Ein Claude-Abo lässt sich nicht verwenden, weil Anthropic das für Drittprodukte auf Basis des Agent SDK nicht vorsieht. Wer sich vorher ansehen will, wie es sich anfühlt, startet mit make demo im Repository einen Dockware-Demo-Shop neben Lotse.

Was Lotse nicht ist

Lotse ist kein autonomer Agent, der nachts den Shop umbaut. Es führt Aufgaben aus, die jemand beschrieben und freigegeben hat. Das Modell kann Vorschläge machen, die fachlich falsch sind, etwa einen Text mit einer erfundenen Produkteigenschaft. Die Vorschau fängt das nur ab, wenn jemand sie liest. Bei rechtlich relevanten Angaben wie Garantien, Lieferzeiten und Pflichtinformationen bleibt die Prüfung bei Ihnen.

Große Kataloge sind kein Problem, aber auch kein Selbstläufer: Massenänderungen laufen in Paketen mit Fortschrittsanzeige, und vor der Freigabe stehen die Zahl der betroffenen Artikel, Beispiele und Warnungen bei Ausreißern. Eine Änderung an 5.000 Produkten sollte trotzdem zuerst an 20 getestet werden.

So fangen Sie an

Der Quelltext liegt unter MIT-Lizenz auf GitHub. Die Produktseite fasst Funktionen und Sicherheitsmodell zusammen. Wer eine Einrichtung mit Integration, Rollen und Styleguide für den eigenen Shop möchte, kann uns direkt ansprechen.