Künstliche Intelligenz verändert sowohl die Art und Weise, wie Verbraucher nach Produkten suchen, als auch die Art und Weise, wie Einzelhändler ihr Geschäft steuern.
Ein Kaufprozess, der früher über eine Suchmaschine, mehrere Online-Shops und verschiedene Produktseiten verlief, kann nun mit einem Gespräch mit einer KI beginnen. Der Verbraucher kann die KI bitten, ein Produkt zu suchen, mehrere Angebote zu vergleichen oder ihm bei der Auswahl nach seinen eigenen Kriterien zu helfen. Mit dem zunehmenden Einsatz von Chatbots könnte ein Teil dieser Aufgaben nach und nach von der KI selbst übernommen werden.
Für den Einzelhandel stellt diese Entwicklung eine doppelte Herausforderung dar. Ihr Angebot muss sichtbar und relevant bleiben, wenn KI-Systeme in den Kaufprozess eingreifen. Gleichzeitig verfügen ihre Unternehmen bereits über KI-gestützte Lösungen zur Verbesserung ihrer Prognosen, Preisgestaltung oder operativen Entscheidungen.
Die agentenbasierte KI ist Teil dieses Wandels. Sie dient nicht mehr nur dazu, Informationen oder Empfehlungen zu generieren: Sie kann ein Ziel verfolgen und innerhalb eines festgelegten Rahmens mehrere Schritte nacheinander ausführen.
Was bedeutet diese Entwicklung für den Einzelhandel? Inwiefern verändert sie die Beziehung zu den Verbrauchern? Und welche Voraussetzungen müssen die Einzelhandelsunternehmen erfüllen, um davon zu profitieren?
Was ist agentische KI?
Der Begriff „agentische KI“ bezeichnet Systeme der künstlichen Intelligenz, die in der Lage sind, ein Ziel mit einem gewissen Maß an Autonomie zu verfolgen.
Eine generative KI wird in der Regel durch eine vom Nutzer formulierte Anfrage ausgelöst. Ein Agent kann jedoch noch einen Schritt weiter gehen: Er kann einen Auftrag interpretieren, die zu seiner Ausführung erforderlichen Schritte ermitteln, verschiedene Informationsquellen oder Werkzeuge heranziehen und sein Vorgehen an die jeweilige Situation anpassen.
Der Unterschied liegt also weniger in der Fähigkeit, eine Antwort zu geben, als vielmehr in der Fähigkeit,mehrere Schritte nacheinander auszuführen, um zu einem Ergebnis zu gelangen.
Im Einzelhandelskontext kann ein klassisches System beispielsweise eine Anomalie bei den Verkaufszahlen erkennen oder eine Prognose erstellen. Ein Mitarbeiter kann diese Informationen nutzen, um den erforderlichen Kontext zu ermitteln, verschiedene Systeme abzufragen und anschließend die weitere Vorgehensweise in dieser Situation festzulegen.
Diese Logik bedeutet nicht, dass der Agent die vom Einzelhändler bereits eingesetzten Spezialsoftwareprogramme oder -modelle ersetzt. Er agiert in einem Umfeld, in dem KI bereits weitgehend in die Fachanwendungen integriert ist.
Prädiktive KI, generative KI und agentenbasierte KI: Worin bestehen die Unterschiede?
Die prädiktive KI zielt in erster Linie darauf ab, ein Phänomen vorherzusagen. Im Einzelhandel kann sie insbesondere dazu genutzt werden, die Nachfrage zu prognostizieren oder bestimmte Verhaltensweisen zu erkennen.
Generative KI erzeugt oder synthetisiert Informationen. Sie kann eine Situation erläutern, verschiedene Daten zusammenfassen, eine Frage beantworten oder Inhalte generieren.
Die agentenbasierte KI verfügt über eine Handlungslogik. Sie kann verschiedene Fähigkeiten einsetzen, um ein Ziel zu erreichen, und – sofern ihr Autonomiegrad dies zulässt – mehrere Schritte ausführen, ohne auf eine neue Anweisung durch den Menschen zu warten.
Diese Ansätze ergänzen sich daher eher, als dass sie miteinander konkurrieren.
Inwiefern verändert agentenbasierte KI den Kaufprozess?
Einer der bedeutendsten Wandel vollzieht sich direkt auf Seiten der Verbraucher.
Lange Zeit basierte der digitale Kaufprozess auf einer relativ vorhersehbaren Abfolge von Schritten: eine Suche durchführen, mehrere Ergebnisse einsehen, verschiedene Websites besuchen, Produktbeschreibungen lesen, Preise vergleichen und schließlich eine Auswahl treffen.
Dialogorientierte Schnittstellen beginnen, diese Funktionsweise zu verändern.
Von der Stichwortsuche zur dialogorientierten Suche
Der Verbraucher muss seinen Bedarf nicht mehr unbedingt in eine Reihe von Anfragen umwandeln.
Er kann eine komplexe Absicht direkt zum Ausdruck bringen: ein Produkt für einen bestimmten Verwendungszweck zu suchen, ein Budget einzuhalten, bestimmte Eigenschaften zu vergleichen oder einer schnellen Verfügbarkeit den Vorzug zu geben.
Die KI kann somit einen Teil der Recherche- und Vorauswahlarbeit übernehmen, noch bevor der Internetnutzer auf die Website eines Einzelhändlers gelangt.
Diese Entwicklung ist bereits zu beobachten. Deloitte gibt an, dass die Zugriffe über ChatGPT und andere dialogorientierte Schnittstellen mittlerweile 15 bis 20 % des Referral-Traffics bei bestimmten Einzelhändlern. Das Beratungsunternehmen berichtet zudem von Schätzungen, wonach KI-Agenten in bis zu 25 % des weltweiten E-Commerce-Umsatzes bis 2030.
Die Herausforderung des digitalen Handels beschränkt sich daher nicht mehr darauf, die interne Suchmaschine einer Website zu optimieren oder in den Ergebnissen einer herkömmlichen Suchmaschine zu erscheinen. Ein Teil der Kundenakquise könnte sich nach und nach auf neue Vermittler verlagern.
Von der Unterstützung zur Delegation
Die dialogorientierte Suche stellt lediglich einen ersten Schritt dar.
Heutzutage kann der Verbraucher eine KI damit beauftragen, zu recherchieren und zu vergleichen. Die agentenbasierte Logik ermöglicht es, eine umfassendere Delegation in Betracht zu ziehen: ein Angebot im Auge zu behalten, mehrere Kriterien zu überprüfen oder bestimmte Schritte zu übernehmen, die für die Durchführung eines Kaufs erforderlich sind.
Der Prozess entwickelt sich schrittweise von „Helfen Sie mir beim Finden“ hin zu „Helfen Sie mir bei der Auswahl“ und schließlich möglicherweise zu „Erledigen Sie diese Aufgabe für mich gemäß meinen Kriterien“.
Die Führungskräfte der Branche sehen diesen Wandel bereits voraus. In seiner globalen Studie 2026 weist Deloitte darauf hin, dass neun von zehn Führungskräften im Einzelhandel Die Befragten rechnen damit, dass KI zunehmend anstelle von Suchmaschinen zum Einsatz kommen wird. Die Hälfte geht zudem davon aus, dass der derzeitige, mehrstufige Kaufprozess bis zum Jahr 2027 zugunsten von Interaktionen, die stärker auf KI ausgerichtet sind, in Frage gestellt werden wird.
Neue Vermittler zwischen dem Einzelhändler und dem Verbraucher
Diese Entwicklung kann die Beziehung zwischen den Handelsketten und ihren Kunden verändern.
Bei einem herkömmlichen Kaufprozess hat der Einzelhändler einen Großteil des Umfelds, in dem die Produkte entdeckt werden, unter seiner Kontrolle: seine interne Suchmaschine, seine Kategorien, seine Produktbeschreibungen, seine Empfehlungen sowie seine Inhalte.
Wenn die Suche in einer KI-Oberfläche beginnt, verlagert sich ein Teil dieser Vermittlung. Das System kann die Angebote bereits vor ihrer Präsentation gegenüber dem Verbraucher auswählen, organisieren oder zusammenfassen.
Für den Einzelhändler ergibt sich eine neue Herausforderung: von der Maschine richtig verstanden zu werden, noch bevor er vom Verbraucher ausgewählt wird.
Dies setzt insbesondere voraus, dass die Informationen, die zum Vergleich der Angebote herangezogen werden, zuverlässig sind. Die Preispositionierung und die Fähigkeit, die Nachfrage tatsächlich zu bedienen, können von besonderer Bedeutung sein, wenn ein Entscheidungsträger zwischen mehreren Optionen abwägt. Diese Entwicklung wird in unserer Analyse zu Agentenbasierte KI und die Herausforderungen in Bezug auf Preise und Lagerbestände für den Einzelhandel
Warum gewinnt die Datenqualität zunehmend an strategischer Bedeutung?
Ein Mitarbeiter kann Produkte oder Handelsketten nur dann angemessen vergleichen, wenn die ihm zur Verfügung stehenden Informationen ausreichend präzise und aussagekräftig sind.
Ein mehrdeutiges Produktmerkmal, ein veralteter Preis oder eine falsche Angabe zur Verfügbarkeit können dazu führen, dass ein Angebot anders verstanden und dargestellt wird.
Deloitte empfiehlt den Einzelhändlern daher, ihre Produkt- und Preisdaten korrekt, zugänglich und für die Auswertung durch KI-Systeme geeignet zu gestalten. Andernfalls könnten bestimmte Angebote in diesen neuen Einkaufsumgebungen an Sichtbarkeit verlieren.
Die Datenqualität ist für den Einzelhandel kein neues Thema. Agentenbasierte KI kann jedoch die Auswirkungen unzureichend zuverlässiger Informationen verstärken.
Falsche Daten beeinträchtigen nicht mehr nur eine interne Analyse. Sie können sich direkt darauf auswirken, wie ein Produkt gefunden, verglichen oder empfohlen wird.
Produktdaten
Die Mitarbeiter müssen genau verstehen, was verkauft wird, und zwischen Artikeln unterscheiden können, die sich teilweise nur geringfügig unterscheiden.
Die Qualität der Beschreibungen, Attribute, Formate, Varianten und technischen Informationen kommt daher eine entscheidende Bedeutung zu. Je präziser eine Verbraucheranfrage wird, desto besser muss das System über ausreichend strukturierte Daten verfügen, um das entsprechende Angebot zu identifizieren.
Der Preis
Der Preis bleibt ein offensichtliches Vergleichskriterium. Seine Zuverlässigkeit gewinnt besonders dann an Bedeutung, wenn eine KI in die Auswahl einbezogen wird.
Der angegebene Preis muss dem Angebot entsprechen, das dem Verbraucher tatsächlich zur Verfügung steht, die Geschäftsbedingungen korrekt berücksichtigen und ausreichend aktuell sein.
Die Verfügbarkeit
Das gleiche Prinzip gilt für den Lagerbestand.
Ein Produkt kann zwar genau den Anforderungen eines Verbrauchers entsprechen, verliert jedoch jegliche Relevanz, wenn es letztendlich nicht verfügbar ist.
Für den Einzelhändler beruht diese Verfügbarkeit auf soliden operativen Grundlagen: der Qualität der Prognosen, der Transparenz hinsichtlich der Lagerbestände und der Fähigkeit, die Beschaffung an sich ändernde Nachfrage anzupassen. Wir gehen in unserem Artikel zum Thema die Auswirkungen agentenbasierter KI auf die Produktverfügbarkeit.
Kann agentenbasierte KI die Sichtbarkeit von Einzelhändlern verändern?
Die Suchmaschinenoptimierung hat lange Zeit einen wesentlichen Teil der digitalen Sichtbarkeit geprägt.
Einzelhändler haben gelernt, ihre Präsenz in Suchmaschinen, auf Marktplätzen, in Preisvergleichsportalen und in ihren eigenen E-Commerce-Umgebungen zu optimieren.
KI-Schnittstellen fügen nun eine weitere Ebene hinzu.
Der Verbraucher fragt möglicherweise nicht mehr nur, welche Websites ein Produkt verkaufen. Er kann direkt erfragen, welche Option einer bestimmten Reihe von Kriterien am besten entspricht.
Auf einer herkömmlichen Suchergebnisseite werden mehrere Anbieter angezeigt, und der Verbraucher führt einen Großteil des Vergleichs selbst durch.
In einer dialogorientierten Umgebung kann das System einen Teil dieser Auswahl bereits im Vorfeld vornehmen.
Die Sichtbarkeit hängt somit möglicherweise stärker davon ab, inwieweit das System in der Lage ist, ein Angebot zu verstehen und zu erkennen, dass es der zum Ausdruck gebrachten Absicht entspricht.
Generative KI bei der Analyse von Textdaten
Die generative künstliche Intelligenz erweitert zudem die Analysemöglichkeiten für den Einzelhandel, insbesondere in Bezug auf Daten, deren Auswertung in großem Maßstab bislang schwierig war.
Kundenbewertungen, Produktkommentare, Online-Diskussionen oder Produktbeschreibungen stellen eine wichtige Informationsquelle hinsichtlich der Erwartungen der Verbraucher und der Marktentwicklung dar. Ihre Analyse gestaltete sich jedoch häufig komplex, bedingt durch das Datenvolumen, die sprachliche Vielfalt sowie die Schwierigkeit, den Kontext und die Nuancen richtig zu interpretieren.
Große Sprachmodelle erleichtern diese Arbeit heute. Sie können dabei helfen, große Mengen an Inhalten zusammenzufassen, wiederkehrende Themen zu identifizieren, den Kontext eines Kommentars zu interpretieren oder auch mehrsprachige Daten einfacher zu verarbeiten.
Für den Einzelhandel können diese Informationen insbesondere dazu dienen, die Bedürfnisse und Ärgernisse der Kunden besser zu verstehen, sich abzeichnende Trends zu erkennen oder die Wahrnehmung verschiedener Produkte zu vergleichen.
Diese Funktion ergänzt die übrigen Anwendungsbereiche der KI im Einzelhandel: Strukturierte Daten ermöglichen eine Verbesserung der Prognosen oder Preisentscheidungen, während generative KI die Nutzung eines Teils der Textdaten, die sich auf Produkte und Verbraucher beziehen, erleichtert.
Wir gehen in unserem Artikel zum Thema der Analyse von Textdaten mittels generativer KI im Einzelhandel.
Warum sollten Einzelhändler den Einsatz von KI-gestützten Tools vorantreiben?
Einzelhändler treiben ihre Investitionen in künstliche Intelligenz stark voran, da diese nicht mehr nur ein Automatisierungswerkzeug ist, sondern zu einem echten Hebel für Wettbewerbsfähigkeit und Rentabilität wird.
Die Anwendungsfälle nehmen entlang der gesamten Wertschöpfungskette zu: Nachfrageprognose, Bestandsmanagement, Sortimentsoptimierung, personalisiertes Marketing, Kundenbeziehungen, aber auch Preisgestaltung. Damit wird ein doppeltes Ziel verfolgt: die operative Effizienz zu steigern und gleichzeitig schnellere und präzisere geschäftliche Entscheidungen zu treffen.
Diese Dynamik schlägt sich unmittelbar in den Investitionen nieder. Nach Angaben der Boston Consulting Group gehört der Einzelhandel mittlerweile zu den drei Branchen, die ihre Ausgaben für KI am stärksten steigern. Der Nettoanteil der Einzelhändler, die angeben, ihre Investitionen in diese Technologie zu erhöhen, ist von 26 % bis 47 % zwischen den beiden von BCG untersuchten Zeiträumen.
Diese Beschleunigung lässt sich insbesondere durch zunehmend greifbare wirtschaftliche Ergebnisse erklären. Die Preisgestaltung ist hierfür ein gutes Beispiel. Laut BCG haben Einzelhändler, die Lösungen für KI-gestützte Preisgestaltung hat ihren Bruttogewinn um 5 % bis 10 % gesteigertund verzeichneten gleichzeitig ein nachhaltiges Umsatzwachstum sowie eine verbesserte Wertwahrnehmung seitens der Kunden.
Mithilfe von KI lassen sich tatsächlich weitaus umfassendere Lösungen realisieren als mit herkömmlichen Methoden der Preisgestaltung. Einzelhändler können die Preise auf Produkt- und Filialebene anpassen und dabei gleichzeitig zahlreiche Parameter berücksichtigen: Nachfrageelastizität, Wettbewerb, Geschäftsziele, Kostenentwicklung sowie das Verbraucherverhalten.
Auch in konkreten Fällen können die Gewinne beträchtlich sein. In einem von BCG vorgestellten Beispiel, das einen nordamerikanischen Lebensmitteleinzelhändler betrifft, führte der Einsatz von KI zur Umgestaltung der Preisstrategie dazu, dass +4 % bis +5 % Bruttogewinn und +2 % bis +5 % Umsatz bereits im ersten Jahr, ohne Erhöhung des durchschnittlichen Preisniveaus.
Allerdings haben nicht alle Handelsketten denselben Reifegrad erreicht. Eine von BCG und The Consumer Goods Forum im Jahr 2026 durchgeführte Studie zeigt, dass 45 % der befragten Einzelhändler befinden sich bereits in der Phase der großflächigen Einführung von KI, während ein vergleichbarer Anteil sich noch in der Anfangsphase der Einführung befindet.
Es geht also nicht mehr nur darum, ob Einzelhändler KI einsetzen werden, sondern wie schnell sie in der Lage sein werden, diese in ihre strategischen Geschäftsprozesse zu integrieren.
In dem Maße, in dem sich die Vorteile konkret messen lassen, entwickelt sich die KI somit von einem technologischen Experiment zu einem Instrument, das in direktem Zusammenhang mit Wachstum, Margen und der Wettbewerbsfähigkeit der Handelsunternehmen steht.
Steht eine Neubewertung der Markentreue bevor?
Das Aufkommen dieser Vermittler wirft zudem die Frage nach der Markenpräferenz auf.
Wenn ein Verbraucher einen Mitarbeiter bittet, die beste Option entsprechend einem Budget, einem Verwendungszweck oder einer Lieferfrist zu ermitteln, kann das System der Eignung des Angebots mehr Gewicht beimessen als allein der Bekanntheit.
Deloitte gibt somit an, dass 81 % der befragten Führungskräfte der Ansicht sind, dass generative KI die Markentreue bis zum Jahr 2027 schwächen könnte, insbesondere durch eine stärkere Fokussierung auf den Wert oder die Eignung des Angebots.
Diese Perspektive bedeutet nicht, dass Marken an Bedeutung verlieren werden. Sie deutet vielmehr darauf hin, dass die Präferenz zunehmend mit der Fähigkeit von KI-Systemen konkurrieren könnte, verschiedene Alternativen schnell miteinander zu vergleichen.
Welche Bereiche des Einzelhandels werden bereits durch KI verändert?
Agentenbasierte KI steht derzeit im Fokus der Aufmerksamkeit, doch sie hält Einzug in einen Sektor, in dem künstliche Intelligenz bereits einen Mehrwert schafft.
McKinsey schätzt, dass eine Transformation der gesamten Wertschöpfungskette durch KI innerhalb von fünf Jahren einen wirtschaftlichen Wert von 240 bis 320 Milliarden Euro für den europäischen Einzelhandel. Das Beratungsunternehmen hebt insbesondere das Potenzial in den Bereichen Merchandising, Preisgestaltung, Verkaufsförderung und Lieferkette hervor. Seine Analysen zeigen zudem, dass die Vorteile in der Regel nicht aus einer isolierten Anwendung resultieren, sondern aus der Fähigkeit, KI unternehmensweit einzusetzen.
KI in der Preisgestaltung
Die Preisgestaltung gehört zu den Bereichen, in denen KI bereits messbare Ergebnisse liefert.
Durch künstliche Intelligenz optimierte Preisgestaltungslösungen können gleichzeitig eine Vielzahl von Variablen berücksichtigen: Absatz, Preise der Wettbewerber, Kosten, Margen, Preiselastizität, saisonale Schwankungen, Vertriebsrichtlinien oder die Entwicklung der Nachfrage.
Diese Funktion ermöglicht es Einzelhändlern, über eine Preisgestaltung hinauszugehen, die sich hauptsächlich auf statische Regeln oder die Beobachtung von Marktentwicklungen stützt. Die Modelle können verschiedene Szenarien analysieren und den Teams dabei helfen, einen feineren Ausgleich zwischen Wettbewerbsfähigkeit, Absatzmengen und Rentabilität zu finden.
Die beobachteten Ergebnisse können von großer Bedeutung sein. Nach Angaben der Boston Consulting Group haben Einzelhändler, die ihre Vorgehensweisen in Richtung von Lösungen für KI-gestützte Preisgestaltung hat ihren Bruttogewinn um 5 bis 10 % gesteigertund konnten gleichzeitig ihre Umsätze sowie die Wertwahrnehmung durch ihre Kunden nachhaltig verbessern.
Diese Leistung beruht nicht allein auf dem Algorithmus. BCG betont zudem die Bedeutung eines gut strukturierten Preisgestaltungsteams, von Prozessen, die eine schnelle Reaktion ermöglichen, sowie einer ausreichend integrierten Datenplattform.
In einem Umfeld, in dem Verbraucher und KI-Assistenten Angebote leichter vergleichen können, wird es umso wichtiger, über eine kohärente Preisstrategie sowie über Tools zu verfügen, mit denen diese präzise umgesetzt werden kann.
Um dieses Thema näher zu beleuchten, erläutern wir die Funktionsweise und die Vorteile der KI-Algorithmen im Bereich der Preisgestaltung
KI in der Nachfrageprognose
Die Nachfrageprognose stellt ein weiteres wichtiges Anwendungsgebiet der künstlichen Intelligenz dar.
Die Modelle können Verkaufshistorien, saisonale Schwankungen, Werbeaktionen, Ereignisse und verschiedene erklärende Variablen analysieren, um die zukünftige Nachfrage genauer abzuschätzen.
Der Nutzen besteht nicht nur darin, eine genauere Prognose zu erstellen. Mithilfe der KI lassen sich zudem Datenmengen verarbeiten, die manuell nur schwer zu analysieren sind, bestimmte Entwicklungen schneller erkennen und vielfältige Faktoren besser einbeziehen.
Die Qualität dieser Prognose wirkt sich wiederum unmittelbar auf die Lagerbestände, den Nachschubbedarf, die Produktverfügbarkeit sowie die Fähigkeit zur Vorbereitung einer Vertriebsmaßnahme aus.
In einem Umfeld mit stärker schwankender Nachfrage besteht die Herausforderung daher darin, die Diskrepanz zwischen dem, was der Einzelhändler zu verkaufen glaubt, und dem, was er tatsächlich verkauft, zu verringern.
KI in der Lieferkette
In der Lieferkette trägt künstliche Intelligenz ebenfalls dazu bei, die Vorausschaufähigkeit zu verbessern.
Prognosen, Lagerbestände, Zuteilung und Nachschub können von Modellen profitieren, die in der Lage sind, mehr Signale zu verarbeiten und das Risiko von Lieferengpässen oder Überschüssen besser zu erkennen.
McKinsey schätzt, dass KI zu einer Steigerung des EBITDA um 1 bis 2 Prozentpunkten in der Lieferkette und der Logistik des europäischen Einzelhandels. Im Lebensmittelbereich geht das Beratungsunternehmen davon aus, dass der größte Teil des Wertpotenzials der KI insbesondere aus regelmäßigen und schrittweisen Verbesserungen in Bezug auf die Effizienz der Lieferkette, die Reduzierung von Verschwendung und gezieltere Werbeaktionen resultieren wird.
Diese Optimierung steht in direktem Zusammenhang mit dem Kundenerlebnis. Ein Angebot, das dem richtigen Kunden empfohlen wird, schafft keinen Mehrwert, wenn das Produkt nicht verfügbar ist, wenn er es kaufen möchte.
KI im Merchandising
KI kann zudem den Teams im Bereich Merchandising und Category Management dabei helfen, große Informationsmengen schneller zu verarbeiten, Trends zu erkennen oder bestimmte Entscheidungen hinsichtlich Sortimentsgestaltung und Warenverteilung zu optimieren.
McKinsey identifiziert das kommerzielle Merchandising zu Recht als einen der Bereiche mit dem größten Potenzial. Das Beratungsunternehmen ist der Ansicht, dass KI zu einer Verbesserung von 2 bis 4 Prozentpunkte des EBITDA in diesem Bereich.
In seinen Programmen zur Unterstützung von Merchandising-Teams berichtet McKinsey zudem von Verbesserungen bei der 2 bis 3 % der Bruttomarge sowie von 2 bis 5 % Umsatz , wenn Technologie, Daten, Prozesse und Organisation kombiniert werden, um die Qualität und Schnelligkeit der Entscheidungen zu verbessern.
Diese Ergebnisse verdeutlichen einen wesentlichen Punkt: Der Wert der KI ergibt sich nicht allein aus dem verwendeten Modell. Er hängt auch davon ab, inwieweit sie in die Arbeitsabläufe der Teams integriert werden kann.
KI im E-Commerce
Auch der E-Commerce hat einen tiefgreifenden Wandel durchlaufen.
Zu den Anwendungsbereichen zählen bereits die Personalisierung, Produktempfehlungen, die interne Suche, die Verhaltensanalyse, die Erstellung von Inhalten sowie der Kundenservice.
Das Aufkommen dialogorientierter Schnittstellen erweitert nun den Themenbereich: KI kommt nicht mehr nur auf der Website des Einzelhändlers zum Einsatz, sondern potenziell bereits im Vorfeld der Customer Journey.
Die Unternehmen müssen daher gleichzeitig daran arbeiten, die Relevanz ihres digitalen Kundenerlebnisses zu verbessern und sicherzustellen, dass ihre Informationen in diesen neuen Umgebungen korrekt interpretiert werden können.
Welche neuen Herausforderungen bringt die agentenbasierte KI für den Einzelhandel mit sich?
Die Agentenbasierte Technologie stellt nicht lediglich eine neue Generation von Technologien dar. Sie kann mehrere historische Gleichgewichte im Handel verändern.
Eine direkte Beziehung zum Verbraucher pflegen
Je mehr die Suche und der Vergleich über KI-vermittelte Dienste erfolgen, desto wichtiger wird die Frage der Steuerung der Kundenbeziehung.
Wenn ein Verbraucher ein Produkt entdeckt und die Alternativen über eine Schnittstelle eines Drittanbieters vergleicht, hat der Händler weniger Möglichkeiten, sein Sortiment, seine Dienstleistungen oder sein Treueprogramm hervorzuheben.
Von KI-Systemen lesbar sein
Die Unternehmen werden wahrscheinlich gleichzeitig zwei Zielgruppen im Blick behalten müssen: den Verbraucher und die Systeme, die ihn unterstützen.
Ein Produktdatenblatt muss stets den Menschen überzeugen, doch müssen die darin enthaltenen Informationen zudem so strukturiert sein, dass auch eine Maschine verstehen kann, was angeboten wird.
Das Marketingversprechen mit der betrieblichen Realität in Einklang bringen
Ein empfohlenes Angebot, das auf einem falschen Preis oder einer veralteten Verfügbarkeit basiert, kann sofort zu einer negativen Kundenerfahrung führen.
Die Qualität des Prozessablaufs hängt somit unmittelbar davon ab, inwieweit die dargestellten Geschäftsdaten mit der betrieblichen Realität übereinstimmen.
Eine neue technologische Abhängigkeit vermeiden
Die Einzelhändler haben bereits gelernt, mit Suchmaschinen, Marktplätzen und sozialen Netzwerken umzugehen.
Agentenbasierte Schnittstellen könnten zu einem neuen Zugang zum Handel werden.
Die Einzelhandelsunternehmen müssen daher entscheiden, welchen Anteil an der Kundenansprache, der Kundenbeziehung und gegebenenfalls der Transaktion sie Drittplattformen überlassen möchten.
Welche Rolle kommt den Teams im Einzelhandel noch zu?
In dem Maße, wie die Tools in der Lage sind, einen größeren Teil der Analysen zu übernehmen, verändert sich die Rolle des Menschen.
Zahlreiche Teams verwenden nach wie vor Zeit darauf, Daten zu recherchieren, verschiedene Quellen miteinander abzugleichen, wesentliche Abweichungen zu identifizieren oder sich wiederholende Aufgaben auszuführen.
KI kann einen Teil dieser Arbeitsbelastung verringern und es den Mitarbeitern ermöglichen, mehr Zeit für Entscheidungsfindungen, Ausnahmesituationen und strategische Aufgaben aufzuwenden.
Fachkompetenz ist daher nach wie vor von entscheidender Bedeutung.
McKinsey betont dies im Übrigen ausdrücklich: Zu den Einzelhändlern, die mit KI Mehrwert schaffen können, werden nicht nur diejenigen gehören, die die Tools am schnellsten einführen, sondern auch diejenigen, denen es gelingt, menschliches Urteilsvermögen, Technologie, Daten und neue Arbeitsmethoden.
Was sind die größten Risiken der agentenbasierten KI?
Handlungsfähigkeit kann Prozesse beschleunigen, aber sie kann auch einen Fehler verstärken.
Falsche Informationen können zu einer ungeeigneten Entscheidung führen. Schlecht definierte Ziele können zu einer lokalen Optimierung auf Kosten eines übergeordneten Ziels führen. Bestimmte atypische Situationen können zudem den vom System vorgesehenen Rahmen sprengen.
Die Agentik verstärkt schließlich die Herausforderungen im Zusammenhang mit der Sicherheit und den Zugriffsrechten. Ein System, das in der Lage ist, auf mehrere Anwendungen zuzugreifen oder bestimmte Aktionen auszuführen, darf nur über die für seine Aufgabe erforderlichen Berechtigungen verfügen.
Die Autonomie muss daher parallel zur Regierungsführung voranschreiten.
Wie bereitet man sein Unternehmen auf agentenbasierte KI vor?
Der Übergang zur agentenbasierten Architektur erfordert nicht, dass das gesamte Unternehmen sofort umgestellt wird.
Ein schrittweiser Ansatz kann mit Aufgaben oder Entscheidungen beginnen, die häufig genug erfolgen, um einen Mehrwert zu schaffen, aber gleichzeitig so klar umrissen sind, dass eine wirksame Kontrolle möglich ist.
Anschließend müssen die Einzelhändler ermitteln, welche Informationen erforderlich sind, welche Tools betroffen sind und welche Rolle sie dem System zuweisen möchten.
Die Leistung darf nicht ausschließlich anhand technologischer Kriterien bewertet werden. Zeitersparnis, Entscheidungsqualität, Auswirkungen auf die Marge, Umsatz, Verfügbarkeit oder Produktivität sind ebenfalls von entscheidender Bedeutung.
Dies belegen die von BCG und McKinsey beobachteten Ergebnisse: Der Mehrwert entsteht nicht einfach durch den Einsatz von KI, sondern durch deren Integration in ausreichend solide Tools, Daten und Geschäftsprozesse.
Ein durch KI und neue Einkaufsprozesse neu gestalteter Einzelhandel
KI kommt nun auf beiden Seiten der Geschäftsbeziehung zum Einsatz.
Aus Sicht der Verbraucher entwickelt sie sich nach und nach zu einem neuen Vermittler, über den bestimmte Schritte des Kaufprozesses recherchiert, verglichen und gegebenenfalls abgewickelt werden können.
Im Einzelhandel trägt sie bereits zur Verbesserung der Preisgestaltung, der Prognosen, des Merchandisings und der Lieferkette bei. Die agentenbasierte KI eröffnet eine neue Dimension, indem sie die Art und Weise verändert, wie bestimmte Informationen zur Erreichung eines Ziels genutzt werden können.
Diese beiden Veränderungen gehen Hand in Hand.
Wenn Verbraucher ihre Recherchen zunehmend an KI-Systeme delegieren, müssen Einzelhändler sicherstellen, dass ihre Angebote, Preise und Verfügbarkeiten präzise erfasst werden können.
Gleichzeitig führt die Beschleunigung von Vergleichen und Entscheidungsprozessen dazu, dass Instrumente, die KI nutzen, um die Qualität der Preisgestaltung, der Prognosen und der Steuerung der Lieferkette zu verbessern, zunehmend an Bedeutung gewinnen.
Agentische KI bedeutet also nicht, dass die Grundlagen des Einzelhandels verschwinden.
Im Gegenteil, sie kann sie sogar noch strategischer machen.
Die Qualität der Daten, die Konsistenz der Preise, die Genauigkeit der Prognosen und die Fähigkeit, das Versprechen der Verfügbarkeit einzuhalten, sind nach wie vor entscheidend. Was sich verändert, ist die Geschwindigkeit, mit der diese Informationen genutzt werden können, sowie die zunehmende Bedeutung der KI zwischen Absicht, Entscheidung und Handlung.
Für den Einzelhandel stellt sich daher nicht mehr lediglich die Frage, ob er KI einsetzen wird.
Die Frage lautet zunehmend: Wie lassen sich künstliche Intelligenz, Fachwissen und Datenqualität miteinander verbinden, um in einem zunehmend von Algorithmen gesteuerten Geschäftsumfeld wettbewerbsfähig zu bleiben?
Häufig gestellte Fragen zur agentenbasierten KI im Einzelhandel
Was versteht man unter agentischer KI im Einzelhandel?
Der Begriff „agentische KI“ bezeichnet Systeme, die in der Lage sind, ein Ziel zu verfolgen, mehrere Informationsquellen zu nutzen und verschiedene Schritte mit einem gewissen Maß an Autonomie durchzuführen. Im Einzelhandel kann sie sowohl im Kaufprozess als auch in bestimmten internen Abläufen zum Einsatz kommen.
Was ist der Unterschied zwischen KI und agentenbasierter KI?
Künstliche Intelligenz wird im Einzelhandel bereits eingesetzt, um die Nachfrage zu prognostizieren, Preise zu optimieren, Verhaltensweisen zu analysieren oder Anomalien zu erkennen. Die agentenbasierte KI erweitert diese Möglichkeiten um die Fähigkeit, ein Ziel in mehreren Schritten zu verfolgen und gegebenenfalls innerhalb eines festgelegten Rahmens zu handeln.
Inwiefern verändert agentische KI den Kaufprozess?
Sie kann einen Teil der Recherche- und Vergleichsarbeit des Verbrauchers auf KI-basierte Vermittler verlagern, die in der Lage sind, mehrere Kriterien gleichzeitig zu bewerten und bestimmte Angebote auszuwählen.
Welche Ergebnisse kann KI im Bereich der Preisgestaltung liefern?
BCG berichtet, dass Einzelhändler, die KI-gestützte Preisgestaltungslösungen eingeführt haben, eine Steigerung ihres Bruttogewinns um 5 bis 10 % verzeichnen konnten, begleitet von einem nachhaltigen Anstieg des Umsatzes und der Wertwahrnehmung.
Welches Potenzial birgt die KI für den Einzelhandel?
McKinsey schätzt, dass eine Transformation der Wertschöpfungskette durch KI für den europäischen Einzelhandel über einen Zeitraum von fünf Jahren einen wirtschaftlichen Mehrwert von 240 bis 320 Milliarden Euro darstellen könnte. Das Potenzial variiert je nach Bereich und hängt stark von der Fähigkeit der Unternehmen ab, KI in großem Maßstab einzusetzen.
Warum sind Daten für die agentenbasierte KI wichtig?
Denn die Systeme treffen ihre Entscheidungen auf der Grundlage der Informationen, auf die sie Zugriff haben. Ungenaue Produkt-, Preis- oder Bestandsdaten können die Art und Weise beeinflussen, wie ein Angebot analysiert oder empfohlen wird.
Wird die agentenbasierte KI Lösungen für die Preisgestaltung oder die Lieferkette ersetzen?
Nicht unbedingt. Diese Lösungen nutzen bereits KI, um Optimierungen, Prognosen oder fachspezifische Empfehlungen zu erstellen. Agentenbasierte Systeme entwickeln sich in diesem Umfeld weiter und sind ihrerseits von der Qualität der Daten und den verfügbaren Fachkenntnissen abhängig.
Was sind die größten Herausforderungen der agentenbasierten KI für den Einzelhandel?
Sie betreffen insbesondere die Datenqualität, die Interoperabilität der Systeme, die Sicherheit, die Steuerung, die Rückverfolgbarkeit und die Festlegung des angemessenen Grades an Autonomie.
