KI im Handel: Die Insights der ExpertInnen zu Hype, Haltung und harten Entscheidungen

Künstliche Intelligenz ist im Handel angekommen und hat sich häuslich eingerichtet, aber nicht dort, wo sie den größten Unterschied machen könnte. Während sich Unternehmen an Tools, Prompts und Piloten abarbeiten, bleibt die strategische Frage oft unbeantwortet: Was bedeutet KI eigentlich für mein Geschäftsmodell, meine Differenzierung und meine Rolle im Markt?

Die aktuelle Debatte ist geprägt von Aktivität, aber nicht zwingend von Klarheit. KI wird eingeführt, getestet, diskutiert und gleichzeitig erstaunlich selten konsequent zu Ende gedacht. Wir haben mit vier ExpertInnen gesprochen, um Klarheit in eine Debatte zu bringen, die viel Bewegung kennt, aber oft wenig Richtung.

Warum KI im Handel kein neues Thema ist – aber erstmals strategisch verhandelt wird 

Künstliche Intelligenz wird im Handel nach wie vor als disruptive Neuerung diskutiert. Dabei ist KI – insbesondere in Form von Machine-Learning-Modellen – seit Jahren Bestandteil zentraler Handelsprozesse. Prognosen, Nachfrageplanung, Preisoptimierung oder Fraud Detection basieren längst auf datengetriebenen Modellen. Neu ist weniger die Technologie selbst als ihre Sichtbarkeit und damit ihre Relevanz auf Management-Ebene.

Paul Krauss, Partner AI bei Team One, ordnet ein, warum KI gerade jetzt strategisch aufgeladen wird: „Machine Learning ist seit Jahren essentieller Teil von Operations, nur war es lange komplex, unsichtbar und damit oft eher ein IT-Thema. Erst als KI mit ChatGPT eine Oberfläche bekam, die jeder bedienen kann, wurde sie für Vorstände relevant. Nicht weil sie neu ist, sondern weil sie plötzlich greifbar wirkt.“

Gleichzeitig warnt er davor, Künstliche Intelligenz vorschnell auf Tools oder Interfaces zu reduzieren: „Das Problem ist nur: KI wird weiterhin als Werkzeug gedacht, nicht als Ausgangspunkt. Kaum jemand geht wirklich auf First-Principles-Ebene und fragt, wo er spielt und warum er dort überhaupt gewinnen sollte. Stattdessen bleibt der Blick im Chatfenster hängen. Das ist bequem, sichtbar und leicht zu erklären. Die eigentlichen Hebel liegen aber tiefer.“

Diese Verkürzung auf sichtbare Anwendungsfälle ist kein rein technologisches Problem, sondern ein organisatorisches. Alexandra Wudel, Founder & CEO von FemAI, beobachtet in ihrer Beratungspraxis, dass KI in vielen Unternehmen zunächst als individuelles Kompetenzthema behandelt wird: „Ist es ein Frage-Antwort-Spiel und ich prompte etwas und bekomme ein Ergebnis? Dann geht es wie in allen Large Language Modellen sehr viel mehr um KI Kompetenz und darum, die richtige Frage zu stellen, als um: Wie nutzen deutsche Unternehmen KI im Allgemeinen?“

Auch Yara Molthan, Partner bei Etribes, beschäftigt die zunehmende Präsenz von KI auf Entscheiderebene, sieht darin aber eine ambivalente Entwicklung. Einerseits beeinflusse KI strategische Entscheidungen stärker als früher, andererseits geschehe dies oft auf fragiler Datenbasis: „Auf Händlerseite glaube ich, dass im Topmanagement mehr Entscheidungen durch KI direkt oder indirekt beeinflusst werden und damit aber leider auch auf Basis der ja teilweise relativ schlechten Datenbasis, die dahinterliegt.“

Yara beobachtet außerdem, dass KI-Nutzung – gerade auf Führungsebene – noch immer nicht offen thematisiert wird: „Gleichzeitig glaube ich aber auch, dass die wenigsten es zugeben, weil KI-Nutzung gerade im Topmanagement, aber auch in allen anderen Bereichen, immer noch ein bisschen beschämt besprochen wird.“

Ihr Appell zielt daher auf eine Normalisierung und Enttabuisierung von KI im Arbeitsalltag:

„Ich sage sowohl meinen Studierenden als auch den Teams, mit denen ich arbeite, immer: Share it with Pride. Denn wenn ihr nicht KI nutzt, habt ihr eigentlich eher einen Wettbewerbsnachteil gegenüber anderen und ihr müsst da irgendwie vorne mit dabei sein.“

– Yara Molthan

KI ist im Handel kein neues Phänomen, wohl aber ein neu bewertetes. Die aktuelle Dynamik entsteht weniger aus technologischen Durchbrüchen als aus der Tatsache, dass KI erstmals breit sichtbar, niedrigschwellig nutzbar und damit strategisch diskutierbar wird. 

Wo KI im Handel heute wirklich Wert schafft: Backend, Frontend und operative Hebel

Die öffentliche Wahrnehmung von KI im Handel wird aktuell stark durch sichtbare Anwendungen geprägt: Chatbots, generierte Texte oder automatisierte Antworten im Kundenservice. Diese Frontend-Anwendungen sind leicht verständlich, schnell einsetzbar und medial gut vermittelbar. Der eigentliche wirtschaftliche Hebel von KI liegt jedoch an anderer Stelle: dort, wo Entscheidungen vorbereitet, priorisiert und operationalisiert werden.

Paul beschreibt diese Trennlinie sehr deutlich und grenzt Oberfläche von Substanz ab: „Forecasting, Echtzeit-Nachfrage, Clustering, Personalisierung. Also genau dort, wo Entscheidungen getroffen werden – nicht dort, wo sie nur erklärt werden. ‚Where’s my order?‘ ist Oberfläche. Die Frage, welche Ware man für wen und in welcher Menge produziert, ist Substanz.“

Damit verweist er auf einen zentralen Punkt: KI entfaltet ihren größten Wert nicht dort, wo sie Kommunikation übernimmt, sondern dort, wo sie Entscheidungslogiken strukturiert. Gerade im Handel, wo Planungsfehler, Überbestände oder Fehlallokationen direkte Auswirkungen auf Marge und Liquidität haben, sind diese Anwendungsfälle geschäftskritisch.

Zahlreiche HändlerInnen investieren parallel in ähnliche KI-Initiativen, ohne daraus echte Wettbewerbsvorteile zu entwickeln. Vor diesem Hintergrund stellt sich weniger die Frage, ob KI eingesetzt wird, sondern wo und mit welchem Ziel. Auf die Frage nach tatsächlich wertstiftenden Anwendungen antwortet Paul: „Die unspektakulären Use Cases sind meist die wertvollsten. Sie bekommen nur keine Bühne.“

Ein zentrales Beispiel ist für ihn die Personalisierung: ein Thema, das im Handel seit Jahren diskutiert wird, dessen Umsetzung jedoch häufig fragmentarisch bleibt:

„Personalisierung ist so ein Beispiel. Zehn Jahre später sind viele Unternehmen immer noch nicht an dem Punkt, zumindest zu sagen: Es ist derselbe Kunde. CDP, Omnichannel – alles bekannte Themen, aber strukturell unterrepräsentiert. Das sind Hausaufgaben, an denen man nicht vorbeikommt.“

– Paul Krauss

Neben Planung und Personalisierung rückt damit eine weitere, oft unterschätzte Dimension in den Fokus: die strukturelle Qualität der zugrunde liegenden Daten.

Livia von Mitschke-Collande, Industry Leader Retail bei Google, formuliert das sehr deutlich: „Im Handel ist das Fundament entscheidend: die Datenstruktur. Unternehmen müssen jetzt ihre Datensilos aufbrechen. Wenn wir das mit dem Digitalmarketing vergleichen, geht es um Fragen wie: Wie hochwertig ist mein Produkt-Feed? Wie sind meine Produkte aufbereitet? In naher Zukunft werden ‚KI-Agenten‘ Webseiten scannen, um Verfügbarkeiten und Preislimits für KonsumentInnen zu prüfen. Wer hier keine saubere Datenstruktur hat, findet nicht statt.“

Klar ist: Je stärker KI in operative und strategische Entscheidungsprozesse eingebunden wird, desto größer wird die Abhängigkeit von Datenqualität, Governance und klaren Verantwortlichkeiten. 

Warum viele KI-Initiativen im Handel scheitern: Piloten, Hype und organisatorische Realität

Trotz hoher Aufmerksamkeit, steigender Investitionen und einer wachsenden Zahl an Tools zeigt sich im Handel ein wiederkehrendes Muster: Viele KI-Initiativen kommen über Pilotprojekte nicht hinaus. Es wird getestet, präsentiert und intern kommuniziert, ohne dass sich daraus nachhaltige Veränderungen für Geschäftsmodell oder Organisation ergeben. Die Ursachen liegen dabei selten in der Technologie selbst.

Alexandra weiß aus eigener Erfahrung, warum viele KI-Projekte früh an Wirkung verlieren. Zum einen, weil Qualitäts- und Kontrollmechanismen fehlen: „Uns fehlt es an Transparenz darüber, wo KI ein Tick in the Box vom Management, ein kurzzeitiges Kosteneinsparungspotenzial, aber vielleicht langfristiges Reputationsrisiko ist. (...) Was wir sehen ist, dass diese Qualitätskontrolle nicht stattfindet und das ist gefährlich. (...) Ein Beispiel aus der Forschung: 40 Prozent der Quellenangaben von ChatGPT, die genannt werden, sind faktisch falsch.“

Yara ergänzt diese Perspektive um einen Blick auf die organisatorische Realität in Handelsunternehmen: „Ich sehe oft, dass KI-Piloten in einem abgeschnittenen Bereich eingesetzt werden und der Effekt dann voll verpufft. Wir nennen das oft scherzhaft den Pilotenfriedhof.“

Dass viele KI-Initiativen in Pilotphasen verharren, hat aus Livias Sicht auch mit einer falschen Schwerpunktsetzung zu tun:

„Ich glaube nicht, dass man das trennen muss. KI wird im Kern immer ein Werkzeug bleiben – ein Mittel zum Zweck, das den ‚Human in the Loop‘ unterstützt. (...) Wir haben die reine Pilotierungsphase verlassen. Es geht heute nicht mehr darum, lediglich einfache Chatbots zu aktivieren. Der Fokus liegt nun auf dem messbaren Business Impact: (...)Unternehmen müssen heute genau wissen, was sie mit der Implementierung einer KI-Lösung erreichen wollen und wo sie nachsteuern müssen.“

– Livia von Mitschke-Collande

Paul ordnet diese Beobachtungen in einen größeren Kontext ein. Für ihn ist das Scheitern vieler KI-Initiativen kein neues Phänomen, sondern ein bekanntes Muster aus IT- und Transformationsprojekten: „Auch bei klassischen IT-Projekten verfehlen rund 80 Prozent ihre Ziele, meist nicht wegen der Technologie, sondern weil Strategie, Governance und Umsetzung nicht sauber geklärt sind.“

Der zentrale Fehler liegt für ihn in der fehlenden strategischen Einbettung: „KI wird oft neben das bestehende Geschäftsmodell gestellt, nicht in es integriert. (...) Dann ist es am Ende mehr Aktivität, aber keine echte Veränderung.“

KI im Handel scheitert selten an Rechenleistung oder Algorithmen. Sie scheitert daran, dass Organisationen sich nicht festlegen – weder strategisch noch strukturell. Solange KI als Experiment behandelt wird, bleibt sie wirkungslos. Erst dort, wo sie in das Kerngeschäft integriert wird, beginnt sie tatsächlich relevant zu werden.

KI als Führungs- und Kulturthema: Angst, Verantwortung und Kompetenz

Der praktische Einsatz von KI im Allgemeinen und im Handel im Besonderen macht klar, dass technologische Fragen nur einen Teil der Herausforderung ausmachen. Mindestens ebenso entscheidend sind kulturelle, organisatorische und menschliche Faktoren. KI verändert Arbeitsweisen, Rollenbilder und Entscheidungslogiken und stellt damit bestehende Führungsmodelle infrage.

Alexandra beschreibt, wie stark KI im Arbeitsalltag als zusätzliche Belastung wahrgenommen wird: „In meinen Beratungen sehe ich, dass sich für 51 Prozent der Mitarbeitenden KI lernen anfühlt, wie einen zweiten Job zu lernen und das ist mit Führungskräften nicht anders.“

Yara beobachtet zudem immer wieder emotionale Widerstände bei der Einführung von KI: „Da darf man einfach nicht vergessen, dass damit natürlich Ängste wie Arbeitsplatzverlust einhergehen.“

Diese Ängste und die Unsicherheit äußern sich teilweise offen, teilweise indirekt: „Manchmal sehe ich beispielsweise, dass es fast zueiner Art Boykott kommt bei der Einführung von Neuerungen. Da fehlt es dann oft an soften Faktoren wie Change Management, Zusicherungen, Kommunikation und so weiter.“

„Ich höre auch immer wieder, dass sich viele auf Grund der DSGVO und Co. nicht trauen, KI ‚offiziell‘ einzusetzen und lieber ‚heimlich‘ damit arbeiten.“

– Yara Molthan

Als Gegenpol zu dieser Unsicherheit unterstreicht Yara die Rolle interner Netzwerke: „Ganz wichtig für jeden Transformationsprozess sind Multiplikatoren. Nicht nur die 20-jährigen Uni-Absolventen, sondern auch erfahrene KollegInnen kurz vor der Rente, die genauso Lust auf KI haben.“

KI wirkt im Unternehmen zuerst auf Menschen, Rollen und Führung. Ob sie dort Akzeptanz findet oder auf Widerstand stößt, entscheidet sich nicht im Tool, sondern im Umgang mit Unsicherheit, Verantwortung und Veränderung.

Ethik, Governance und Regulierung: Warum Vertrauen zur strategischen Ressource wird

Je stärker KI Entscheidungen vorbereitet oder automatisiert, desto weniger lässt sich ihr Einsatz als internes Optimierungsthema behandeln. Governance, Ethik und Regulierung werden zu strukturellen Voraussetzungen dafür, dass KI im Handel skalierbar und verantwortbar bleibt. Hier geht es weniger um abstrakte Moral als um ökonomische Risiken und langfristige Wettbewerbsfähigkeit.

Alexandra positioniert Ethik dabei nicht als moralische Ergänzung, sondern als ökonomische Notwendigkeit: 

Fotocredit: Dirk Reps

„Am Ende bedeutet Ethik, dass ich eine bessere Performance habe, dass ich mein Reputationsrisiko bei Fehlverhalten von KI eindämme und dass ich wahrscheinlich auch einen Wettbewerbsvorteil dadurch erlangen kann, weil meine Produkte grundsätzlich eine höhere Qualität haben.“

– Alexandra Wudel

In einem Marktumfeld, in dem KI-Entscheidungen skaliert werden, wird Vertrauen zur wirtschaftlichen Ressource. Alexandra sieht hier insbesondere für Europa eine strategische Chance: „Wenn jemand weltweit für Qualität in Europa steht, für Qualität von KI steht, dann ist es Europa. Die Datenschutzgrundverordnung wurde in Deutschland geboren, die KI-Verordnung auch. Nun kann man sie stark kritisieren und gleichzeitig aber auch als Wettbewerbsvorteil interpretieren.“

Gleichzeitig darf Governance nicht auf Compliance reduziert werden: „Das kann aber nicht nur aus der Frage bestehen, wie bin ich compliant, sondern auch aus der Frage, wo setze ich KI ein? Wir sehen auch, dass grundsätzlich im Bereich der KI Compliance erwiesen ist, je früher ich mich darum kümmere bei der KI Integration, desto günstiger und desto besser.“

Yara macht zudem deutlich, wie konkret diese Fragen im Handelsalltag werden: „Wenn wir ganz konkret über KI-Einsatz reden, wird es schnell sehr spezifisch – beispielsweise im Hinblick auf Themen wie ‚werden hier Mitarbeiter überwacht‘. Es gibt beispielsweise Tools, die vereinfacht gesagt Calls analysieren und dann Feedback geben, wie gut man als Verkaufsberater verhandelt hat.“

Der Zweck entscheide über die Legitimität: “Wenn das ein Coaching-Aspekt ist, finde ich das total gut. Wenn es aber zur Überwachung eingesetzt wird oder als Bonussystem, dann ist das eben wieder dieser schmale Grat, den wir immer ausloten müssen.“

Ethik, Governance und Regulierung sind keine Begleitmusik zur KI-Strategie, mit der man sich ‘irgendwann mal’ (heißt: nie, es sei denn, es könnte Ärger geben) auseinandersetzt, sondern eine ihrer Voraussetzungen. Je stärker KI-Entscheidungen vorbereitet oder automatisiert werden, desto zentraler wird Vertrauen; als interne Führungsaufgabe ebenso wie als externe Wettbewerbsressource.

Kein Tool-Upgrade, sondern ein Strukturtest

Der Einsatz von Künstlicher Intelligenz im Handel ist damit weniger eine technologische Revolution als ein Strukturtest. Sie legt offen, wie klar Unternehmen entscheiden, wie sauber sie Verantwortung organisieren und wie belastbar ihre Daten, Prozesse und Führungsmodelle tatsächlich sind. Die Technologie selbst ist dabei erstaunlich geduldig: Sie funktioniert auch ohne strategische Klarheit, nur eben nicht zugunsten derjenigen, die sie einsetzen.

Der entscheidende Unterschied entsteht deshalb nicht durch das nächste Tool, den nächsten Piloten oder den nächsten Use Case. Er entsteht dort, wo Unternehmen bereit sind, KI nicht als Abkürzung zu verstehen, sondern als Verstärker bestehender Entscheidungen. Wer diese Logik akzeptiert, gewinnt Handlungsspielraum. Wer sie ignoriert, überlässt anderen die Gestaltung; oft leise, oft schleichend, aber selten reversibel.

Die ExpertInnen

Yara Molthan

Yara Molthan ist Partner bei Etribes und unterstützt Unternehmen dabei, digitale Geschäftsmodelle und E‑Commerce-Setups mit Hilfe von KI strategisch weiterzuentwickeln. Mit über 15 Jahren Erfahrung in Digital Commerce und Transformation verbindet sie Business-Know-how mit Tech-Kompetenz und legt einen besonderen Fokus darauf, KI pragmatisch im Alltag von Teams einzusetzen. In Projekten entwickelt sie mit ihren KundInnen KI-gestützte Use Cases entlang der gesamten Wertschöpfungskette: von datengetriebenem Marketing über Automatisierung im Operativen bis hin zu neuen, AI-basierten Services.

Alexandra Wudel

Alexandra Wudel ist Gründerin & CEO von FemAI und positioniert sich klar an der Schnittstelle von Künstlicher Intelligenz, Governance und gesellschaftlicher Verantwortung. Sie treibt die Integration intersektionaler und ethischer Perspektiven in KI-Strategien voran und berät Unternehmen bei der strukturellen Verankerung verantwortungsvoller Systeme. Ihr Anspruch ist es, Vertrauen nicht als Kommunikationsmaßnahme, sondern als strategische Infrastruktur zu denken. 2024 wurde sie als „AI Person of the Year“ ausgezeichnet und zählt international zu den relevanten Stimmen für ethische KI-Transformation.

Paul Krauss

Paul Krauss ist Partner AI bei der Technologieberatung Team One und unterstützt Unternehmen beim Einsatz von KI für digitale Produkte und Geschäftsmodelle. In Vorträgen und Formaten wie der K5 Konferenz spricht er über die Schnittstelle von KI, Commerce und klarer Entscheidungsfindung in Organisationen. Neben seiner Beratungstätigkeit ist er als Dozent im Kontext AI Transformation aktiv. 

Livia von Mitschke-Collande

Livia von Mitschke-Collande zählt zu den prägenden Stimmen an der Schnittstelle von Retail und Technologie. Als Industry Leader Retail bei Google begleitet sie die strategische Weiterentwicklung des Handels: von Künstlicher Intelligenz über datengetriebene Personalisierung bis hin zu strukturellen Herausforderungen digitaler Geschäftsmodelle. Ihr Fokus liegt dabei auf der praktischen Umsetzung technologischer Innovationen im Markt. Darüber hinaus engagiert sie sich für mehr Sichtbarkeit und Vernetzung von Frauen in der Branche und setzt sich aktiv für Female Empowerment ein.