Expert-Talk: GEO-PR: "Es geht um Relevanz in KI-Systemen" Video-Podcast ansehen
Wer in ChatGPT, Gemini oder Perplexity sichtbar sein will, darf sich nicht auf die eigene Website verlassen. Denn KI-Systeme prüfen, was andere über eine Marke sagen - auf Fachportalen, Bewertungsplattformen, Vergleichsseiten, Reddit oder YouTube. Hier setzt GEO-PR an. Video-Podcast ansehen
Was ist Deine Digitalagentur wert? Agenturwert berechnen
Sechs Zahlen aus der BWA genügen, um herauszufinden, was aktuell Deine Agentur wert ist und welche Faktoren den Wert beeinflussen.
Agenturwert berechnen

November 2026 · Unser Geburtstagsgeschenk

35 Jahre iBusiness.
Im November alles frei lesen.

Zum Jubiläum öffnen wir alle iBusiness-Inhalte: vom 1. bis 30. November, für alle, ohne Anmeldung und ohne Bezahlschranke.

Alle Inhalte im November kostenlos
Heute frei lesen. Morgen nichts verpassen.

Registrieren Sie sich kostenlos und abonnieren Sie anschließend den iBusiness-Newsletter. So bleiben Sie bei den Themen auf dem Laufenden, die für Sie zählen.

Das Newsletter-Abo erhalten Sie im Rahmen der kostenlosen Registrierung.

KI im Handel: Warum viele Projekte keinen messbaren Mehrwert liefern

20.11.2026 Der Handel investiert viel Geld in KI-Anwendungen, doch der wirtschaftliche Ertrag bleibt häufig unklar. Woran es meistens fehlt: messbare Ziele, integrierte Prozesse und klare Verantwortlichkeiten. Dabei gibt es Anwendungen, die bereits Wirkung zeigen.

 (Bild: Sebastian Halm/ChatGPT)
Bild: Sebastian Halm/ChatGPT
KI-Projekte gibt es im Handel reichlich. Doch zwischen erfolgreichen Pilotprojekten und wirtschaftlicher Wertschöpfung klafft weiterhin eine erhebliche Lücke: So kam eine Neuhandeln-Analyse zum Ergebnis, dass es zwar viel KI, aber wenig Strategie dahinter gibt: Nur 14 Prozent messen die tatsächliche Wirkung ihrer KI-Projekte - etwa durch definierte KPIs, ROI-Berechnungen oder Performancevergleiche. Und bei Nutzern von Voice KI gab nur jeder fünfte Shop an, ein genaues Ziel zu verfolgen.

Entscheidend sind weniger zusätzliche Anwendungen als die richtige Priorisierung, belastbare Geschäftsmodelle und eine Organisation, die KI systematisch in ihre Wertschöpfung integriert. 60 Prozent der Unternehmen setzen Künstliche Intelligenz bereits in ihren Kernprozessen ein. Doch nur knapp die Hälfte dieser Unternehmen kann einen messbaren wirtschaftlichen Mehrwert nachweisen. Das geht aus dem "Digital Excellence Outlook" hervor, einer Studie der Digitalberatung Valantic    und des Handelsblatts  . Die Diskrepanz zwischen KI-Nutzung und wirtschaftlichem Ergebnis verweist auf ein grundlegendes Problem: Unternehmen stecken Geld in Anwendungen, aber keine Mühe in die Definition von Zielen geschweige denn in Messungen ihres Beitrags zur Wertschöpfung. Projekte werden häufig danach ausgewählt, ob die Technik sie hinkriegt, aber nicht ob sie etwas bringen.

Expertin für iBusiness

Julia Saswito

Julia Saswito , Senior Vice President Customer Experience und verantwortlich für die Branchenaktivitäten in Handel und Konsumgüter bei Valantic, zeigte auf der iBusiness-Konferenz "Transformation des Handels 2026", welche Anwendungen bereits wirtschaftliche Wirkung entfalten und welche Voraussetzungen für ihre Skalierung notwendig sind.

Dabei sind die Erwartungen hoch - oder vielleicht eher die der FOMO: Mehr als 80 Prozent der befragten Händler rechnen mit Produktivitätssteigerungen durch KI, doch ebenso viele Unternehmen befürchten Wettbewerbsnachteile, wenn Künstliche Intelligenz nicht in ihre Kernprozesse integriert wird.

Ein wirtschaftlicher Nutzen von KI zeigt sich aktuell vor allem in der Bestands- und Lieferkettenplanung, bei der Preisoptimierung sowie in der Betrugsprävention. Hier lassen sich Ergebnisse anhand konkreter Kennzahlen erfassen.
  • Bei der Bestandsplanung stehen nicht die Prognosemodelle selbst im Vordergrund, sondern Veränderungen bei Warenverfügbarkeit, Kapitalbindung und Abschriften. Verbesserte Nachfrageprognosen entfalten ihren Nutzen erst, wenn sie unmittelbar in Disposition, Nachschubsteuerung und Bestandsverteilung einfließen.
  • Bei der Preisoptimierung entsteht der wirtschaftliche Hebel durch die Verknüpfung von Wettbewerberpreisen, Nachfrageentwicklung, Margenvorgaben und Promotionplanung. Entscheidend ist, ob daraus profitablere Preisentscheidungen entstehen.
  • Ähnliches gilt für die Betrugsprävention: Relevant sind nicht allein erkannte Auffälligkeiten, sondern vermiedene Schäden unter Berücksichtigung fälschlich blockierter Transaktionen.
Für Agenturen folgt daraus eine klare Reihenfolge: Zunächst werden die betriebswirtschaftliche Zielgröße und der betroffene Geschäftsprozess definiert. Erst danach folgen Datenarchitektur und technische Umsetzung.

Warum isolierte Automatisierung häufig zu kurz greift

Dagegen ist die Diskrepanz zwischen Verbreitung und wirtschaftlichem Nutzen vor allem im Kunden- und Mitarbeiterservice ausgeprägt. Ein häufiger Fehler besteht darin, KI-Assistenten an der Breite ihres Wissens oder ihrer Dialogfähigkeit zu messen, statt an ihrer Prozesswirkung. Wirtschaftlich relevanter sind häufig klar abgegrenzte Aufgaben: die Klassifizierung und Priorisierung von Anfragen, automatisierte Weiterleitung, strukturierte Beschwerdebearbeitung und die Dokumentation von Kontaktursachen. "Die schnellste Wirkung und die größte Wirkung bekommt man aber eigentlich in den hier aufgeführten Basis-Use-Cases", sagt Julia Saswito. Die systematische Erfassung von Kontaktursachen ermöglicht außerdem, wiederkehrende Produkt-, Liefer- oder Prozessprobleme zu identifizieren. Damit kann die Automatisierung im Kundenservice Verbesserungen in anderen Unternehmensbereichen anstoßen.

Ein vergleichbares Problem zeigt sich im Marketing. Automatisierte Contentproduktion reduziert zunächst Kosten und Durchlaufzeiten. Ein größerer Effekt entsteht jedoch erst, wenn Zielgruppenanalyse, Kampagnenplanung, Kreation, Ausspielung und Erfolgsmessung miteinander verbunden werden. Agenturen sollten deshalb vollständige Wertschöpfungsketten untersuchen, statt einzelne Tätigkeiten isoliert zu automatisieren. Dabei geht es auch darum, welche Prozessschritte künftig entfallen, zusammengelegt oder grundlegend verändert werden können.

Voraussetzung für diese Integration ist eine Datenarchitektur, die Informationen aus unterschiedlichen Unternehmensbereichen kontextbezogen verfügbar macht. Produktdaten, Transaktionen, Kundeninformationen, Lieferantenvereinbarungen und internes Unternehmenswissen müssen für die jeweiligen Anwendungen zugänglich sein, ohne fachliche Zuordnung und Zugriffsrechte zu verlieren. Die Herausforderung besteht weniger in einer vollständigen Zentralisierung aller Daten als in der Integration vorhandener Systeme. Darauf aufbauend lassen sich auch komplexere Prozesse automatisieren, etwa die Prüfung von Lieferantenkonditionen, die Auswertung vertraglicher Verpflichtungen oder die Freigabe von Produktinformationen.

Für Digitalagenturen und Technologieberater gewinnen damit klassische Integrationsaufgaben an Bedeutung. Schnittstellen, Stammdatenmanagement und Prozessstandardisierung werden zu wesentlichen Voraussetzungen für skalierbare KI-Anwendungen.

Governance trennt KI-Vorreiter von Nachzüglern

Neben der technischen Integration entscheidet die organisatorische Steuerung über den Erfolg. Die Studie zeigt hier einen deutlichen Unterschied: 70 Prozent der Unternehmen, die bereits nachweislich wirtschaftlichen Mehrwert mit KI erzielen, verfügen über etablierte Governance-Strukturen. Bei weniger erfolgreichen Unternehmen beträgt dieser Anteil lediglich 23 Prozent, sagt Julia Saswito: "Governance ist keine Bremse, sie ist das Fundament, das Skalierung sowieso überhaupt erst ermöglicht." KI-Governance wird häufig vor allem mit regulatorischen Anforderungen, Sicherheitsvorgaben und Freigabeprozessen verbunden. Für die wirtschaftliche Skalierung sind jedoch insbesondere drei weitere Funktionen entscheidend:
  1. die Priorisierung von Investitionen,
  2. die eindeutige Zuordnung von Ergebnisverantwortung und
  3. die kontinuierliche Erfolgskontrolle.
Fehlen diese Strukturen, entstehen parallele Initiativen ohne gemeinsame Zielsetzung. In einem von Valantic begleiteten Handelsunternehmen wurden beispielsweise 48 gleichzeitig laufende KI-Projekte identifiziert, deren Beitrag zu den Unternehmenszielen nicht ausreichend transparent war. Eine wirksame Governance benötigt deshalb einen Überblick über Anwendungen, Budgets und Verantwortlichkeiten. Verbindliche Kriterien für die Weiterentwicklung oder Einstellung von Projekten verhindern, dass wirtschaftlich unbedeutende Initiativen dauerhaft Ressourcen binden.

Die Fachbereiche müssen die Ergebnisverantwortung übernehmen

KI-Projekte werden häufig von Technologieabteilungen oder eigens ernannten KI-Verantwortlichen vorangetrieben, die weder über ausreichende Budgets noch über Entscheidungskompetenz verfügen.
Eine tragfähige Struktur verankert die wirtschaftliche Verantwortung dagegen im jeweiligen Fachbereich. Ein Mitglied der Unternehmensführung stellt Budget und Entscheidungskompetenz bereit. Ein regelmäßig tagendes Gremium priorisiert Initiativen und entscheidet über deren Fortführung, Julia Saswito: "Es gibt ein Business Owner aus einem Fachbereich, ehrlich gesagt nicht aus der IT." Damit liegt die Verantwortung für eine verbesserte Warenverfügbarkeit beispielsweise im Einkauf beziehungsweise in der Disposition. Die wirtschaftlichen Ergebnisse automatisierter Marketingprozesse müssen im Marketing verantwortet werden, während die technische Umsetzung bei den entsprechenden SpezialistInnen verbleibt.

Sieben Prioritäten für Händler und Agenturen

Aus den Ergebnissen lassen sich konkrete Handlungsempfehlungen ableiten:

KI-Portfolios konsolidieren: Laufende Projekte, eingesetzte Plattformen und Betriebskosten erfassen. Redundante Anwendungen zusammenführen und Initiativen ohne nachvollziehbaren Geschäftszweck überprüfen.

Wertschöpfungsketten optimieren: Anwendungsfälle entlang vollständiger Prozesse entwickeln. Vorrang erhalten Vorhaben mit messbarem Einfluss auf Kosten, Umsatz, Marge oder Kapitalbindung.

Business Cases verbindlich machen: Ausgangswerte, Zielgrößen und Investitionen dokumentieren. Entscheidungen über Skalierung oder Abbruch an überprüfbare Kriterien knüpfen.

Datenarchitekturen konsolidieren: Datenqualität, Zugriffsrechte und Integrationsfähigkeit prüfen. Investitionen auf mehrfach nutzbare Daten- und Prozesskomponenten konzentrieren.

Verantwortung in Fachbereichen verankern: Projektverantwortung, Budget und wirtschaftliche Zielsetzung zusammenführen. Übergreifende Gremien priorisieren das KI-Portfolio.

Produktiven Betrieb absichern: Modelländerungen, Qualitätsabweichungen und Berechtigungen kontinuierlich kontrollieren. Für kritische Prozesse Testverfahren und Rückfallmechanismen etablieren.

Transformation organisatorisch vorbereiten: Nicht nur Tätigkeiten automatisieren, sondern künftige Prozessstrukturen, Rollen und Kompetenzen definieren. MitarbeiterInnen entsprechend qualifizieren.

Für Agenturen bedeutet das, dass KI-Projekte AuftraggeberInnen mit Ergebnis- und Budgetverantwortung benötigen. Rein technologiegetriebene Projektmandate reichen häufig nicht aus, um notwendige Veränderungen der Geschäftsprozesse durchzusetzen.

Klare Befugnisse: Mit der Integration von KI in Kernprozesse steigen die Anforderungen an den Betrieb. Insbesondere bei KI-Agenten, die auf Unternehmenssysteme zugreifen oder eigenständig Aktionen ausführen, müssen Berechtigungen, Handlungsspielräume und Eskalationswege verbindlich definiert sein.

Regelmäßige Qualitätstests: Modellaktualisierungen können dazu führen, dass Anwendungen andere Ergebnisse erzeugen oder zuvor eingehaltene Vorgaben verletzen. Festgelegte Referenztests mit fachlichen und qualitativen Bewertungskriterien müssen solche Veränderungen frühzeitig sichtbar machen.

Richtlinien: Im Marketing betrifft das Markenrichtlinien und inhaltliche Qualität, bei produktbezogenen Anwendungen die Korrektheit von Eigenschaften, Preisen und Verfügbarkeiten. Für kritische Prozesse sind außerdem Möglichkeiten zur kurzfristigen Deaktivierung notwendig.

Damit gewinnen für Agenturen neben Entwicklung und Integration auch Monitoring, Modelltests und die kontinuierliche Optimierung produktiver KI-Anwendungen an Bedeutung.

Fazit: KI verändert auch das Geschäftsmodell der Agenturen

Für Händler verschiebt sich der Schwerpunkt von der Erprobung einzelner Anwendungen zur wirtschaftlichen Steuerung ihres KI-Portfolios. Entscheidend sind belastbare Business Cases, integrierte Prozesse und klare Ergebnisverantwortung.

Für Agenturen gewinnen Prozessberatung, Datenarchitektur, organisatorische Transformation und der kontinuierliche Betrieb an Bedeutung. Der eigentliche Wert entsteht zunehmend nicht bei der Implementierung einzelner KI-Tools, sondern bei der dauerhaften Verbesserung der Wertschöpfung.
Neuer Kommentar  Kommentare:
Schreiben Sie Ihre Meinung, Erfahrungen, Anregungen mit oder zu diesem Thema. Ihr Beitrag erscheint an dieser Stelle.
alle Veranstaltungen Webcasts zu diesem Thema:
Dienstleister-Verzeichnis Agenturen/Dienstleister zu diesem Thema:
Experten-Profile Genannte Personen: