KI-Roadmap für den Einzelhandel: von sauberen Daten zu KI-Agenten

Ihre Website sagt, der marineblaue Pullover in Größe M ist vorrätig. Die Kundin fährt hin, und das Regal ist leer.

An genau dieser Lücke scheitern die meisten KI-Pläne im Handel. Deshalb muss eine KI-Roadmap für den Einzelhandel mit Daten beginnen, bevor sie sich einem Modell nähert.

Ich plane sie in vier Stufen. Zuerst eine vertrauenswürdige Sicht auf Artikel, Bestand und Kunden. Dann eine gesteuerte Schicht, die jedem Bericht und jedem KI-Werkzeug dieselbe Geschäftssprache gibt.

Danach kommen Agenten, die prognostizieren, nachbestellen, Preise setzen und Kunden bedienen. Zuletzt wird KI Teil davon, wie Merchandising, Supply Chain und Filialen jeden Tag arbeiten.

Der Handel erzeugt mehr Daten als fast jede andere Branche. Trotzdem melden Filialen, E-Commerce, Lager und Finanzen für denselben Tag oft unterschiedliche Bestände und unterschiedliche Umsätze.

Dieser Plan funktioniert unabhängig davon, welche Plattformen Sie für ERP, Kasse, Auftragsmanagement und E-Commerce nutzen. Zwei Handels- und FMCG-Programme habe ich ausführlich beschrieben: meine Fallstudie zur Migration eines Händlers im Nahen Osten und die Wiederherstellung des Reportings bei einem FMCG-Unternehmen.

Jede Stufe setzt voraus, dass die vorherige in ordentlichem Zustand ist.

Drei Jahre, vier Stufen

1. 01

   Jetzt: Datenfundament

   Artikel-, Bestands-, Umsatz- und Kundendaten aus Filialen und Onlineshop auf einer gesteuerten Plattform.

2. 02

   Jahr 1: gesteuerte Intelligenz

   Eine Geschäftssprache für Artikel, Standorte, Bestände und Kunden, KI-Governance und die ersten schnellen Erfolge.

3. 03

   Jahr 2: KI-Agenten skalieren

   Agenten für Prognose, Nachschub, Preise, Filialbetrieb und Kundenservice.

4. 04

   Jahr 3: KI im großen Maßstab verankert

   KI in Merchandising, Supply Chain und Filialen, mit angebundenen Lieferanten und Partnern.

Vor jeder KI brauchen Sie einen Ort, an dem all Ihre Handelsdaten ankommen und übereinstimmen. Das heißt, Systeme zu verbinden, die getrennt gewachsen sind: das ERP, die Kassen, den E-Commerce, das Auftragsmanagement, das Lager, das Kundenbindungsprogramm und das Lieferantenportal.

Das würde ich in den ersten Monaten einrichten:

1. Eine moderne Datenplattform, oft ein Lakehouse, also ein gemeinsamer Speicher für Roh- und bereinigte Daten. Sie nimmt Umsatz-, Bestands-, Auftrags-, Retouren- und Kundenkartendaten aus jedem Kanal auf, nahezu in Echtzeit, wo es darauf ankommt.
2. Verantwortliche und Qualitätsregeln für Artikel-, Standort- und Kundendaten, dazu ein Katalog, der zeigt, woher jede Zahl stammt. Kartendaten bleiben außerhalb der Plattform und innerhalb Ihrer PCI DSS-Kontrollen, dem Sicherheitsstandard der Kartenbranche.
3. Self-Service-Reporting, damit Einkäufer, Planer und Filialleiter dieselben Umsatz- und Bestandszahlen sehen wie die Finanzabteilung.

Der Artikelstamm ist meist der schwierigste Teil. Er enthält jeden Artikel, den Sie verkaufen, mit Größe, Farbe, Packung, Lieferant und Merkmalen.

Nehmen Sie einen Modehändler mit 40 Filialen und einer Website. Die Website führt ein Kleid in „Navy“ in den Größen 8 bis 16. Das Filialsystem führt es als „NVY“ in S, M und L, unter einer anderen Artikelnummer aus einer anderen Einkaufsdatei.

Fragen Sie irgendein KI-Werkzeug, wie sich dieses Kleid verkauft, sieht es zwei Produkte, die sich jeweils nur halb so gut verkaufen wie das echte. Die Lösung ist unspektakuläre Arbeit. Jemand ordnet die Nummern zu, legt eine Farbliste und eine Größenskala fest und macht das Einkaufsteam vom ersten Tag an für jeden neuen Artikel verantwortlich.

Stellen Sie sich jetzt einen Lebensmittelhändler vor, der Wasser als einzelne Flasche, als Sechserpack und als Kiste mit 24 Flaschen verkauft. Die Kassen zählen Flaschen, das Lager zählt Kisten und die Website zählt Packungen. Solange diese Einheiten nicht sauber umgerechnet werden, stimmt der Bestand für dasselbe Produkt nie überein, und jedes Nachschubwerkzeug, das darauf aufsetzt, bestellt die falsche Menge.

Woran erkennen Sie also, dass Sie fertig sind? Wenn der Leiter der Filialen und die Leiterin E-Commerce die gestrigen Umsätze derselben Filiale abrufen, bekommen beide dieselbe Zahl. Dafür würde ich gern drei Monate investieren, um ein Jahr Streit darüber zu vermeiden, warum die Prognose falsch ist.

1. 01KasseJeder Bon und jede Retoure, pro Filiale
2. 02E-Commerce und AufträgeAufträge, Klicks und Lieferungen
3. 03Lager und BestandBestand pro Standort und unterwegs
4. 04Landing ZoneRohkopien mit Datenherkunft
5. 05Ein ArtikelstammEine Nummer, eine Farbe, eine Packungsgröße
6. 06BerichteUmsätze und Bestände, die zu den Finanzen passen

Eine Sicht auf Artikel, Bestand und Kunden über alle Kanäle

Kern des ersten Jahres ist eine semantische Schicht. Das ist ein gemeinsames Wörterbuch. Es sagt jedem Bericht und jedem KI-Werkzeug, was Artikel, Filiale, Bestand, Aktion und Kunde bedeuten und wie sie berechnet werden.

Ein Vertriebsdirektor fragt nach der „Verfügbarkeit in den Top-50-Filialen“. Heißt Verfügbarkeit im Regal, im Lagerraum der Filiale oder im System?

Sind die Top 50 nach den Umsätzen dieses Jahres sortiert oder nach denen des Vorjahres? Antwortet ein Copilot mit seiner eigenen Vermutung, bekommen Sie eine selbstbewusste Zahl, die in der Montagsrunde zum Geschäftsverlauf niemand verteidigen kann. Die semantische Schicht klärt das einmal, und der Copilot nutzt dann dieselbe Regel wie der eigene Bericht des Vertriebsdirektors.

KI-Governance beginnt im selben Jahr. Personalisierung und Preisgestaltung nutzen Kundendaten, also setzen Einwilligung und Datenschutzregeln die Grenzen.

Ich würde ein einziges Register der KI-Anwendungsfälle führen. Jeder bekommt einen Verantwortlichen, eine Risikoeinstufung, Testergebnisse und einen Vermerk, wo ein Mensch das Ergebnis prüft.

Seien Sie sich im Klaren, welche Entscheidungen Kunden sehen können. Eine Produktbeschreibung ist ein geringes Risiko. Ein Preis, den jemand zahlt, oder ein Angebot, das eine Kundin bekommt und eine andere nicht, braucht viel mehr Sorgfalt.

Liefern Sie dann schnelle Erfolge. Diese mag ich, weil die Daten dahinter meist in vernünftigem Zustand sind:

1. Produkttexte: Beschreibungen, Merkmale und Übersetzungen, aus dem Artikelstamm entworfen und von einem Menschen geprüft.
2. Filial-Copiloten: Filialteams fragen in einfacher Sprache nach Beständen, Lieferungen, Aktionen und Abläufen.
3. Zusammenfassungen für den Kundenservice: Kontakthistorie und Auftragsstatus in einer kurzen Notiz für den Servicemitarbeiter.

Nehmen Sie einen Elektronikhändler, der jeden Monat einige Hundert neue Artikel aufnimmt. Jeder braucht eine Beschreibung, eine Tabelle mit technischen Daten und oft eine zweite Sprache. Der Copilot liest das Datenblatt des Lieferanten, entwirft die Seite und markiert Lücken, etwa einen Laptop ohne Angabe zur Akkulaufzeit.

Ein Merchandiser prüft jede Aussage und entscheidet, was live geht. Das Datenblatt des Lieferanten bleibt die einzige Quelle für Fakten, und diese Regel zählt mehr als das Modell, das Sie wählen.

Stellen Sie sich jetzt eine Filialleiterin an einem Donnerstag um 7 Uhr vor. Eine Aktion für Frühstücksflocken hat am Montag begonnen, und das Regal ist fast leer. Sie fragt den Copiloten, wann ihre nächste Lieferung Frühstücksflocken kommt und wie viele Kartons dabei sind.

Der Copilot prüft den Lieferplan und die offenen Bestellungen. Er sagt ihr, dass morgen um 6 Uhr 12 Kartons kommen, was bei der Abverkaufsrate dieser Woche nicht über das Wochenende reicht. Sie entscheidet, ob sie das Regionalteam anruft oder Ware aus dem Lagerraum holt.

1. 01Filialleiterin fragtWarum sind die Frühstücksflocken am Donnerstag schon wieder leer?
2. 02Semantische SchichtRegeln für Filiale, Artikel, Aktion und Verfügbarkeit
3. 03Gesteuerte DatenUmsätze, Bestände, Lieferungen und Aktionen
4. 04Copilot antwortetMit der Ursache und der Quelle jeder Zahl
5. 05Filialleiterin handeltÄndert die Bestellung oder meldet die Aktion

Eine Antwort, wie sie der Vertriebsdirektor geben würde

Geschäftlicher NutzenHochMittelNiedrig

• Dynamische Preisgestaltung
• Personalisierung

• Bedarfsprognose

• Filial-Copiloten

• Produkttexte
• Zusammenfassungen für den Service

NiedrigMittelHochDatenreife

• Später
• Planen
• Jetzt starten

Im zweiten Jahr geht es von Copiloten, die Fragen beantworten, zu Agenten, die innerhalb der Grenzen, die Sie setzen, handeln. Im Handel zahlen sich diese meist zuerst aus:

1. Prognose und Nachschub. Der Agent prognostiziert pro Filiale und Tag, schlägt Bestellungen vor und verlagert Ware zwischen Filialen, bevor Regale leer werden.
2. Preise und Abschriften. Er schlägt Preisreduzierungen für Langsamdreher und Preisänderungen innerhalb der Regeln vor, die das Commercial-Team festlegt.
3. Filialbetrieb. Regalkameras oder RFID-Etiketten (Funketiketten, die gezählt werden, ohne jeden Artikel zu scannen) melden Lücken, und der Agent legt eine Aufgabe für das Filialteam an.
4. Kundenservice. Er übernimmt Sendungsverfolgung, Retouren und einfache Beschwerden und gibt komplexe Fälle mit aufbereitetem Kontext an einen Menschen weiter.

So läuft ein Nachschubagent bei einem Lebensmittelhändler vor einem heißen Wochenende:

1. Am Donnerstagmorgen liest er die Wettervorhersage, die Umsätze ähnlicher Wochenenden im Vorjahr und den aktuellen Bestand jeder Filiale.
2. Er sieht, dass einer Gruppe von Filialen bis Samstagmittag Flaschenwasser und Eis ausgehen werden.
3. Er schlägt Zusatzbestellungen aus dem Zentrallager und eine Umlagerung aus zwei Filialen mit schwachem Absatz vor.
4. Bestellungen innerhalb der vereinbarten Grenzen gehen direkt durch. Alles Größere und jede Umlagerung zwischen Filialen wartet auf einen Planer.
5. Der Planer lehnt eine Umlagerung ab, weil in der betreffenden Filiale ein lokales Fußballspiel ansteht, und gibt den Rest frei.

Bei den Preisen läuft es genauso. Stellen Sie sich eine Modekette am Ende des Sommers mit Hunderten von Langsamdrehern vor.

Der Agent wählt die Artikel aus, die eine Preisreduzierung brauchen, um bis August abverkauft zu sein. Er schlägt 20 oder 30 Prozent Rabatt vor, oberhalb der Mindestpreise, die das Commercial-Team festgelegt hat.

Das Kernsortiment lässt er unberührt und geht nie unter die Kosten. Der Merchandiser hält Bademode zurück, die sich an Feiertagswochenenden noch verkauft, und gibt den Rest frei.

Im Luxussegment braucht es mehr Fingerspitzengefühl. Wer nach der Reparatur einer Handtasche im Wert von mehreren Tausend fragt, sollte von einem Menschen hören. Dort holt der Agent den Kaufbeleg und die Reparaturhistorie und entwirft eine Antwort, und ein Kundenberater schickt sie in eigenen Worten.

Jeder Agent braucht einen Verantwortlichen im Fachbereich. Der Commercial Director verantwortet den Preisagenten und der Leiter Supply Chain den Nachschub. Die IT betreibt die Plattform, und der Fachbereich verantwortet die Entscheidungen.

1. 01PrognostizierenBedarf pro Filiale und Tag, mit Wetter und Aktionen
2. 02AbgleichenGegen Bestand vor Ort und unterwegs
3. 03VorschlagenBestellungen und Umlagerungen zwischen Filialen
4. 04FreigebenPlaner prüft alles über dem Limit
5. 05BestellenBestellungen gehen an Lieferanten und Lager
6. 06LernenEchte Umsätze verfeinern die nächste Prognose

Ein fachlicher Verantwortlicher pro Agent

Im dritten Jahr steckt KI in Merchandising, Supply Chain, Filialen und Kundenansprache. Einkäufer, Planer und Filialteams arbeiten jeden Tag mit Agenten, und die ganze Kette läuft unter derselben Governance.

Der Datenaustausch mit Lieferanten verändert die Wirtschaftlichkeit.

Nehmen Sie einen Elektronikhändler, der wöchentliche Abverkaufszahlen und eine 12-Wochen-Prognose für Kopfhörer mit der Marke teilt, die sie herstellt. Der Lieferant plant seine Produktion gegen die echte Nachfrage. Der Händler hat bessere Chancen auf Ware vor dem Black Friday und weniger Restbestand im Januar.

Retail Media folgt demselben Muster. Ein Lebensmittelhändler lässt eine Getränkemarke in seiner App Angebote an Kunden ausspielen, die dem Empfang zugestimmt haben, über dieselbe gesteuerte Kundenschicht. Die Marke sieht Ergebnisse für Kundengruppen, und die Einzeldatensätze bleiben beim Händler.

Ist das in Ihrer KI-Roadmap für den Einzelhandel das Jahr für Personalisierung im großen Maßstab? Ja, wenn Artikelstamm und Einwilligungsdaten die Jahre eins und zwei überstanden haben.

1. Chief Operating OfficerVerantwortet das Agentenportfolio und seine Ergebnisse
   KI-GovernanceRegister, Tests und ein Notausschalter
2. Commercial Director und Leitung Supply ChainVerantworten die Agenten in ihrem Bereich

• PrognoseagentVerantwortet von der Leitung Planung
• PreisagentVerantwortet vom Commercial Director
• Agent für den FilialbetriebVerantwortet von der Leitung Filialen
• ServiceagentVerantwortet von der Leitung Kundenservice

1. 04KI-Agenten und CopilotenAgenten für Prognose, Nachschub, Preise, Filialen und Service, mit fachlichen Verantwortlichen
2. 03Gesteuerte IntelligenzschichtSemantisches Modell von Artikeln, Standorten, Beständen und Kunden, dazu das KI-Register
3. 02DatenfundamentLakehouse mit Umsatz-, Bestands-, Auftrags- und Kundenkartendaten, Katalog und Datenherkunft
4. 01HandelssystemeERP, Kasse, E-Commerce, Auftragsmanagement, Lager und Kundenbindung

Manches gilt vom ersten bis zum letzten Monat:

1. Einwilligung der Kunden und Datenschutz. Personalisierung funktioniert nur, wenn Kunden ihr vertrauen. Nutzen Sie Daten, deren Weitergabe sie zugestimmt haben, und halten Sie Kartendaten innerhalb der PCI DSS-Kontrollen.
2. Ein offenes Setup über mehrere Plattformen. Handelstechnologie ändert sich schnell. Bewahren Sie sich die Freiheit, Modelle, Plattformen und Partner zu wechseln.
3. Governance, die zum Risiko passt. Setzen Sie leichte Kontrollen für Inhalte und Copiloten ein und stärkere für Preise und alles, was Kunden sehen.
4. Geschulte Mitarbeitende. Filialteams und Einkäufer entscheiden, ob die Agenten genutzt werden. Schulen Sie sie früh und hören Sie ihnen zu.

Schulung wird leicht unterschätzt. Eine Filialleiterin, die in der ersten Woche zehn falsche Aufgaben von einer Regalkamera bekommt, ignoriert Aufgabe elf.

Der häufigste Fehler ist, eine Personalisierungs- oder Preis-Engine zu kaufen, bevor die Artikel- und Bestandsdaten sie tragen können. Die Engine empfiehlt einen Fernseher, der nicht vorrätig ist, oder kalkuliert eine Preisreduzierung mit den Kosten des Vorjahres. Vertrauen ist in Wochen verloren und braucht ein Jahr, um wieder zu wachsen. Deshalb bin ich bei jedem Plan vorsichtig, der mit der Engine beginnt.

Der zweite Fehler ist, KI als Projekt der Zentrale zu betreiben. Filialen sehen Agenten als Mehrarbeit, solange die Aufgaben, die sie erzeugen, nicht stimmen. Pilotieren Sie in einer Handvoll Filialen mit echten Filialleitern, beheben Sie, was sie Ihnen sagen, und rollen Sie erst dann aus.

Angenommen, ein Pilot zur Lückenerkennung meldet ein leeres Chipsregal. Die Chips waren für eine Aktion auf ein Display am Gangende umgezogen.

Niemand hat das Planogramm aktualisiert, den Plan, was wo steht. Der Agent liegt nach seinen Regeln richtig und in der Filiale falsch. Nur die Filialleitung würde das bemerken.

Woran es scheitertWas funktioniert

1. 01Woran es scheitert: Zuerst eine Preis- oder Personalisierungs-Engine gekauft→Was funktioniert: Zuerst Artikelstamm und Bestandsdaten bereinigt
2. 02Woran es scheitert: Artikel- und Bestandsdaten, denen niemand traut→Was funktioniert: Eine vertrauenswürdige Sicht über Filialen und Onlineshop
3. 03Woran es scheitert: Ein Projekt der Zentrale, um das die Filialen nie gebeten haben→Was funktioniert: Piloten mit echten Filialleitern
4. 04Woran es scheitert: Kein Verantwortlicher für die Entscheidungen der Agenten→Was funktioniert: Ein fachlicher Verantwortlicher für jeden Agenten

Sie überlegen, wo Ihr eigenes Unternehmen anfangen sollte? Buchen Sie ein Gespräch und bringen Sie eine echte Frage mit, etwa ob Ihr Artikelstamm bereit für Prognosen ist. Wir arbeiten sie gemeinsam durch.

Was ist eine KI-Roadmap für den Einzelhandel?

Es ist ein gestufter Plan für den Einsatz von KI in einem Handelsunternehmen. Er beginnt mit einer vertrauenswürdigen Sicht auf Artikel, Bestand und Kunden. Dann kommen gesteuerte KI und Agenten hinzu, und am Ende steht KI, die in die tägliche Arbeit im Handel eingebaut ist.

Wo sollte ein Händler mit KI anfangen?

Führen Sie zuerst Artikel-, Bestands- und Umsatzdaten aus jedem Kanal auf einer gesteuerten Plattform zusammen und bereinigen Sie den Artikelstamm. Liefern Sie dann schnelle Erfolge wie Produkttexte, Filial-Copiloten und Zusammenfassungen für den Kundenservice.

Welche KI-Anwendungsfälle im Handel zahlen sich zuerst aus?

Produkttexte und Zusammenfassungen für den Service sind schnell umgesetzt. Bedarfsprognose und Nachschub bringen meist den größten Nutzen, sobald die Daten bereit sind, dicht gefolgt von Preisen und Abschriften.

Brauchen Händler ein neues ERP, bevor sie KI nutzen?

Nein. KI setzt über das Datenfundament auf Ihren bestehenden Systemen auf. Entscheidend ist, dass Artikel-, Bestands- und Umsatzdaten in Filialen, Onlineshop und Finanzen gleich sind.

Wie lange dauert eine KI-Roadmap für den Einzelhandel?

Ich plane sie über drei Jahre, sobald die Arbeit am Datenfundament läuft. Jahr eins baut die gesteuerte Schicht, Jahr zwei skaliert Agenten und Jahr drei verankert KI. Schnelle Erfolge sollten im ersten Jahr einen Nutzen zeigen.