Handel & E-Commerce

Handel ist heute vor allem Informationslogistik

Auf den ersten Blick besteht Handel aus Produkten, Preisen, Bestellungen und Lieferungen.

Im Hintergrund muss jedoch eine große Menge an Informationen koordiniert werden:

• Welche Produkte sind verfügbar?
• Welche Variante passt zur Anfrage?
• Welche Beschreibung ist aktuell?
• Welcher Preis gilt?
• Wann kann geliefert werden?
• Wo befindet sich die Bestellung?
• Warum wurde eine Retoure angelegt?
• Welche Reklamation muss eskaliert werden?
• Welche Kampagne bewirbt welchen Bestand?
• Welche Informationen fehlen im Shop?
• Welche Kundenfragen treten regelmäßig auf?

Diese Informationen liegen selten in einem einzigen System.

Sie verteilen sich beispielsweise auf:

• Product Information Management,
• Warenwirtschaft oder ERP,
• Onlineshop,
• Marktplätze,
• CRM,
• Lagerverwaltung,
• Versanddienstleister,
• E-Mail-Postfächer,
• Ticketsysteme,
• Marketingplattformen,
• Analysewerkzeuge,
• Tabellen,
• und Lieferantendokumente.

Jedes System erfüllt eine bestimmte Aufgabe.

Die Probleme entstehen an den Übergängen.

Im Handel entscheidet nicht nur die Qualität des einzelnen Systems. Entscheidend ist, ob Produkt-, Bestell-, Lager- und Kundendaten gemeinsam einen verlässlichen Prozess bilden.

Kunden erleben keine Systeme – sie erleben den Gesamtprozess

Ein Kunde unterscheidet nicht zwischen Shop, Warenwirtschaft, Versand und Service.

Er erlebt nur:

• Ist das Produkt verständlich beschrieben?
• Ist die angezeigte Verfügbarkeit korrekt?
• Funktioniert die Bestellung?
• Wird der Liefertermin eingehalten?
• Erhalte ich eine verständliche Statusinformation?
• Wird meine Reklamation ernst genommen?
• Muss ich meine Angaben mehrfach wiederholen?
• Kennt der Service meinen bisherigen Vorgang?

Intern können mehrere Systeme und Abteilungen beteiligt sein.

Nach außen sollte daraus trotzdem ein zusammenhängendes Kauferlebnis entstehen.

Ein typischer Bruch sieht so aus:

1. Im Shop wird ein Produkt als verfügbar angezeigt.
2. Nach der Bestellung stellt sich heraus, dass der Lagerbestand nicht aktuell war.
3. Der Kunde fragt per E-Mail nach.
4. Der Service sucht die Bestellung im Shopsystem.
5. Der tatsächliche Bestand wird in der Warenwirtschaft geprüft.
6. Der Lieferstatus kommt aus einem weiteren System.
7. Die Antwort wird manuell formuliert.
8. Die Kommunikation wird nicht vollständig im CRM dokumentiert.

Kein einzelner Schritt wirkt außergewöhnlich kompliziert.

In der Summe entsteht jedoch:

• zusätzlicher Aufwand,
• eine längere Reaktionszeit,
• Fehlerpotenzial,
• und ein negatives Kundenerlebnis.

Die eigentliche Aufgabe lautet deshalb:

Wie gelangen die richtigen Informationen im richtigen Moment zum Kunden und zu den Mitarbeitenden, die den Vorgang bearbeiten?

Produktdaten sind der Anfang der Verkaufskette

Ein Produkt kann nur so gut verkauft werden, wie es beschrieben und gefunden wird.

Dafür werden zahlreiche Informationen benötigt:

• Produktname,
• Kategorie,
• Marke,
• Artikelnummer,
• Varianten,
• Abmessungen,
• Materialien,
• Farben,
• technische Werte,
• Lieferumfang,
• Kompatibilität,
• Anwendung,
• Pflegehinweise,
• Zertifizierungen,
• Bilder,
• Videos,
• Preise,
• Verfügbarkeit,
• und rechtlich notwendige Angaben.

In vielen Unternehmen stammen diese Daten aus unterschiedlichen Quellen:

• Herstellerdateien,
• Lieferantenportalen,
• Excel-Tabellen,
• Datenblättern,
• ERP-Systemen,
• PIM-Systemen,
• oder manuellen Eingaben.

Dadurch entstehen typische Probleme:

• Pflichtfelder fehlen.
• Einheiten sind uneinheitlich.
• Produktnamen unterscheiden sich.
• Varianten werden falsch zugeordnet.
• Materialangaben widersprechen sich.
• Bilder passen nicht zur ausgewählten Ausführung.
• Beschreibungen enthalten veraltete Aussagen.
• Ein Produkt ist im Shop anders beschrieben als auf dem Marktplatz.

Eine KI-gestützte Content-Produktion darf deshalb nicht direkt mit dem Schreiben beginnen.

Sie muss zuerst prüfen, ob die zugrunde liegenden Produktdaten ausreichend belastbar sind.

Erst Datenqualität, dann Produkttext

Sprachmodelle können auch aus wenigen Angaben einen überzeugenden Produkttext formulieren.

Genau darin liegt ein Risiko.

Fehlen Informationen, können plausible, aber nicht belegte Aussagen entstehen.

Beispiele:

• „besonders langlebig“,
• „für Allergiker geeignet“,
• „nachhaltig produziert“,
• „spülmaschinenfest“,
• „für alle gängigen Systeme geeignet“,
• „ideal für den professionellen Einsatz“,
• oder „energiesparend“.

Solche Aussagen können verkaufsstark klingen.

Sie können aber falsch, unzulässig oder missverständlich sein.

Eine belastbare Produkt-Content-Pipeline sollte deshalb unterscheiden zwischen:

• Fakt: durch eine freigegebene Quelle belegtes Produktmerkmal
• Ableitung: nachvollziehbarer Kundennutzen aus einem belegten Merkmal
• Claim: werbliche Aussage, die geprüft und freigegeben werden muss
• Annahme: nicht belegte Interpretation, die nicht veröffentlicht werden darf

Beispiel

Belegtes Merkmal: Das Gerät ist 28 Zentimeter breit.

Zulässige Ableitung: Die schmale Bauform eignet sich für Arbeitsflächen mit begrenztem Platz.

Nicht automatisch zulässiger Claim: Das perfekte Gerät für jede kleine Küche.

Die KI kann bei der Formulierung unterstützen.

Die Faktenbasis und die Claim-Regeln müssen jedoch vom Unternehmen vorgegeben werden.

Aus Produktattributen werden kanalgerechte Inhalte

Dasselbe Produkt benötigt je nach Kanal unterschiedliche Inhalte.

Im Onlineshop

Benötigt werden beispielsweise:

• klarer Produkttitel,
• kurze Nutzenbeschreibung,
• ausführlicher Beschreibungstext,
• technische Daten,
• Varianteninformationen,
• FAQ,
• SEO-Titel,
• Meta-Description,
• interne Suchbegriffe,
• und Bild-Alt-Texte.

Auf einem Marktplatz

Dort können gelten:

• feste Titellängen,
• definierte Bullet Points,
• Pflichtattribute,
• eigene Kategorien,
• eingeschränkte Formatierungen,
• und besondere Regeln für werbliche Aussagen.

Im Newsletter

Hier stehen stärker im Vordergrund:

• Anlass,
• Relevanz,
• ein konkreter Vorteil,
• eine kurze Geschichte,
• und ein klarer nächster Schritt.

In Social Media

Ein Produkt kann aus verschiedenen Perspektiven erzählt werden:

• Problem und Lösung,
• Anwendungssituation,
• Material und Verarbeitung,
• Detailfunktion,
• Vergleich,
• saisonaler Einsatz,
• oder Kombination mit anderen Produkten.

Im Kundenservice

Dort werden andere Informationen benötigt:

• Kompatibilität,
• Bedienung,
• Lieferumfang,
• Ersatzteile,
• häufige Fehler,
• Rückgabevoraussetzungen,
• und Garantiebestimmungen.

Alle Formate können aus derselben geprüften Produktbasis entstehen.

Sie dürfen unterschiedlich formuliert sein.

Ihre Fakten dürfen sich jedoch nicht widersprechen.

Markenstimme muss auch bei großen Sortimenten erkennbar bleiben

Bei wenigen Produkten lassen sich Texte individuell bearbeiten.

Bei mehreren hundert oder tausend Artikeln wird die konsistente Sprache zur organisatorischen Herausforderung.

Häufig stammen Inhalte von:

• verschiedenen Lieferanten,
• unterschiedlichen Agenturen,
• internen Teams,
• automatisch importierten Daten,
• oder historischen Produktbeständen.

Dadurch klingt ein Sortiment nicht wie eine gemeinsame Marke.

Eine Produkt-Content-Pipeline kann deshalb verbindliche Sprachregeln berücksichtigen:

• direkte oder formelle Ansprache,
• bevorzugte Satzlängen,
• Verhältnis von Fachsprache und Alltagssprache,
• erlaubte Nutzenformulierungen,
• unerwünschte Superlative,
• Aufbau von Produktvorteilen,
• Schreibweise von Einheiten,
• Regeln für Nachhaltigkeitsaussagen,
• und kanalbezogene Handlungsaufforderungen.

So entsteht keine sprachliche Gleichförmigkeit.

Es entsteht eine erkennbare Markenidentität über viele Produkte und Formate hinweg.

Mehrsprachigkeit ist mehr als automatische Übersetzung

Internationaler Handel benötigt häufig Inhalte für mehrere Märkte.

Eine reine Übersetzung reicht dafür selten aus.

Zu berücksichtigen sind:

• lokale Produktbezeichnungen,
• Maßeinheiten,
• Währungen,
• Suchbegriffe,
• rechtliche Pflichtangaben,
• technische Normen,
• kulturelle Erwartungen,
• regionale Verfügbarkeit,
• und unterschiedliche Marktplatzregeln.

Ein Produkt kann technisch identisch sein und trotzdem je nach Markt andere Informationen benötigen.

Eine mehrsprachige Content-Pipeline sollte deshalb unterscheiden zwischen:

• global gültigen Produktfakten,
• regionalen Merkmalen,
• lokal zulässigen Claims,
• sprachlichen Varianten,
• kanalbezogenen Regeln,
• und marktspezifischen Pflichtangaben.

Die Übersetzung ist dann nur ein Teil des Prozesses.

Das eigentliche Ziel ist eine kontrollierte Lokalisierung.

Produktänderungen müssen alle betroffenen Inhalte erreichen

Eine häufig unterschätzte Herausforderung entsteht nach der Veröffentlichung.

Was passiert, wenn:

• sich ein Material ändert,
• ein Lieferumfang angepasst wird,
• eine Kompatibilität entfällt,
• ein Produkt umbenannt wird,
• ein Zertifikat ausläuft,
• oder eine technische Angabe korrigiert werden muss?

In vielen Unternehmen beginnt dann eine manuelle Suche:

• Wo ist das Produkt veröffentlicht?
• Welche Texte enthalten die alte Aussage?
• Welche Marktplätze sind betroffen?
• Gibt es dazu Newsletter oder Social-Media-Inhalte?
• Welche Übersetzungen müssen angepasst werden?

Eine integrierte Produkt-Content-Pipeline kann die Herkunft und Verwendung von Aussagen dokumentieren.

Dadurch wird sichtbar:

• welche Inhalte auf einem Merkmal basieren,
• auf welchen Kanälen sie veröffentlicht wurden,
• welche Varianten betroffen sind,
• welche Texte neu erzeugt werden müssen,
• und welche Änderungen eine erneute Freigabe benötigen.

So wird Produktkommunikation aktualisierbar statt statisch.

Kundenservice beginnt mit der richtigen Einordnung

Im Handel treffen täglich unterschiedlichste Anfragen ein:

• Wo bleibt meine Bestellung?
• Kann ich die Lieferadresse noch ändern?
• Passt dieses Zubehör zu meinem Produkt?
• Wie funktioniert die Rückgabe?
• Meine Lieferung ist beschädigt angekommen.
• Ein Artikel fehlt im Paket.
• Ich habe die falsche Variante erhalten.
• Wann wird das Produkt wieder verfügbar sein?
• Wie kann ich eine Rechnung korrigieren lassen?
• Ist die Reklamation bereits bearbeitet?

Diese Nachrichten kommen über:

• E-Mail,
• Kontaktformular,
• Chat,
• Social Media,
• Marktplätze,
• Telefonnotizen,
• oder Ticketsysteme.

Bevor eine Antwort möglich ist, müssen Mitarbeitende häufig:

1. das Anliegen verstehen,
2. den Kunden identifizieren,
3. die Bestellung suchen,
4. Statusinformationen zusammentragen,
5. Regeln prüfen,
6. den Vorgang kategorisieren,
7. und eine Antwort formulieren.

Ein intelligenter Serviceprozess kann diesen administrativen Vorlauf verkürzen.

Von der Nachricht zum bearbeitbaren Servicefall

Eine eingehende Anfrage kann automatisch strukturiert werden.

Aus der Nachricht:

Mein Paket ist angekommen, aber statt der bestellten schwarzen Ausführung war die graue Variante enthalten. Ich benötige das Produkt spätestens am Freitag.

kann beispielsweise entstehen:

• Anfragetyp: Falschlieferung
• Priorität: erhöht
• Bestellnummer: erkannt oder noch zu ermitteln
• bestellte Variante: schwarz
• gelieferte Variante: grau
• zeitliche Anforderung: Ersatz bis Freitag
• benötigte Prüfung: Lagerbestand und Versandmöglichkeit
• nächster Schritt: Ersatzlieferung prüfen und Antwort vorbereiten

Das System kann anschließend:

• die Bestellung suchen,
• die bestellte Variante prüfen,
• Lagerinformationen abrufen,
• Rücksendeoptionen vorbereiten,
• und einen Antwortentwurf erstellen.

Die verbindliche Zusage erfolgt erst, wenn Bestand, Versand und interne Regeln geprüft sind.

Regeln und KI übernehmen unterschiedliche Aufgaben

Ein belastbarer Serviceprozess kombiniert klassische Regeln und KI-Unterstützung.

Regeln eignen sich für eindeutige Abläufe

Beispiele:

• Rückgabe innerhalb eines definierten Zeitraums
• Eskalation ab einem bestimmten Warenwert
• Prüfung bei geänderter Lieferadresse
• Freigabe für Kulanz über einer festgelegten Grenze
• Pflichtinformationen für eine Reklamation
• Weiterleitung bestimmter Produktgruppen an Spezialisten
• Ausschluss automatischer Erstattung bei unklarem Zahlungsstatus

KI eignet sich für Sprache und Kontext

Beispiele:

• Anliegen aus freiem Text erkennen
• Tonalität und Dringlichkeit einordnen
• mehrere Fragen in einer Nachricht trennen
• relevante Angaben extrahieren
• lange Nachrichten zusammenfassen
• ähnliche frühere Fälle finden
• passende Antwortbausteine vorschlagen
• unklare oder widersprüchliche Angaben markieren

Regeln schaffen Verbindlichkeit. KI hilft, die sprachliche Vielfalt realer Kundenanfragen zu verarbeiten.

Nicht jede Anfrage sollte automatisiert beantwortet werden

Ein häufiger Fehler besteht darin, eine möglichst hohe Automatisierungsquote anzustreben.

Für das Kundenerlebnis ist jedoch nicht entscheidend, wie viele Antworten ohne menschliche Beteiligung erzeugt werden.

Entscheidend ist, ob die Antwort:

• korrekt,
• hilfreich,
• nachvollziehbar,
• respektvoll,
• und im konkreten Fall angemessen ist.

Eine automatische Bearbeitung kann sinnvoll sein bei:

• eindeutigem Bestellstatus,
• allgemeinen Produktinformationen,
• Standardhinweisen zur Rückgabe,
• Versandinformationen,
• oder der Bestätigung, dass ein Vorgang eingegangen ist.

Eine menschliche Prüfung ist besonders wichtig bei:

• beschädigten oder fehlenden Lieferungen,
• wiederholten Beschwerden,
• hohen Warenwerten,
• rechtlichen Auseinandersetzungen,
• Kulanzentscheidungen,
• widersprüchlichen Informationen,
• emotionalen Eskalationen,
• Betrugsverdacht,
• und möglichen Sicherheitsproblemen.

Ein gutes System erkennt seine Grenzen.

Es übergibt komplexe Fälle mit einer verständlichen Zusammenfassung an die richtige Person.

Die Übergabe an Menschen muss Teil des Prozesses sein

„Human in the Loop“ darf nicht bedeuten, dass ein ungeklärter Vorgang einfach in einem allgemeinen Postfach landet.

Eine gezielte Übergabe sollte enthalten:

• Kunden- und Bestelldaten,
• Zusammenfassung des Anliegens,
• bisherige Kommunikation,
• relevante Produktinformationen,
• bereits ausgeführte Prüfungen,
• offene Fragen,
• erkannte Risiken,
• mögliche nächste Schritte,
• und den Grund für die Eskalation.

Beispiel:

Die Kundin meldet zum zweiten Mal eine beschädigte Lieferung desselben Artikels. Der Warenwert liegt oberhalb der automatischen Kulanzgrenze. Fotos wurden beigefügt. Eine manuelle Entscheidung zu Ersatzlieferung oder Erstattung ist erforderlich.

Der Mitarbeiter beginnt damit nicht wieder bei null.

Er erhält einen vorbereiteten, nachvollziehbaren Fall.

Retouren sind nicht nur Kosten – sie sind eine Informationsquelle

Retouren werden häufig als unvermeidbarer Teil des Handels betrachtet.

Sie enthalten jedoch wertvolle Hinweise auf:

• unklare Produktbeschreibungen,
• falsche Größenangaben,
• unzureichende Bilder,
• Qualitätsprobleme,
• beschädigte Verpackungen,
• Kompatibilitätsmissverständnisse,
• Lieferfehler,
• oder falsche Kundenerwartungen.

Eine intelligente Retourenanalyse kann:

• Rückgabegründe strukturieren,
• freie Kommentare auswerten,
• Muster über Produkte und Varianten erkennen,
• wiederkehrende Ursachen sichtbar machen,
• und Informationen an Produktmanagement, Einkauf oder Content zurückspielen.

Beispiel:

Ein Produkt wird auffällig häufig mit dem Hinweis zurückgesendet:

Kleiner als erwartet.

Dann sollte nicht nur die Retourenquote betrachtet werden.

Zu prüfen sind auch:

• Sind die Maße im Shop ausreichend sichtbar?
• Zeigen die Bilder den realistischen Größenvergleich?
• Ist die Produktbezeichnung missverständlich?
• Fehlt ein Anwendungshinweis?
• Wird die falsche Zielgruppe angesprochen?

So wird Servicefeedback zum Bestandteil der Sortiments- und Content-Optimierung.

Reklamationen müssen Ursache und Wirkung verbinden

Eine Reklamation kann verschiedene Ursachen besitzen:

• Produktionsfehler,
• Transportschaden,
• falsche Kommissionierung,
• unpassende Beschreibung,
• Bedienfehler,
• fehlende Kompatibilität,
• oder unvollständiger Lieferumfang.

Wenn Reklamationen lediglich abgeschlossen werden, ohne ihre Ursachen strukturiert auszuwerten, geht wertvolles Wissen verloren.

Ein integrierter Prozess kann:

1. den Reklamationsgrund erfassen,
2. Produkt und Variante zuordnen,
3. Bestellung und Versand prüfen,
4. ähnliche Fälle identifizieren,
5. Fotos oder Dokumente zuordnen,
6. den zuständigen Bereich bestimmen,
7. eine Lösung vorbereiten,
8. und die Ursache für spätere Analysen speichern.

Dadurch entstehen Rückkopplungen zu:

• Einkauf,
• Qualitätssicherung,
• Lager,
• Versand,
• Produktdaten,
• Lieferanten,
• und Marketing.

Die einzelne Reklamation wird gelöst.

Gleichzeitig kann das Unternehmen aus ihr lernen.

Bestellstatus muss nicht manuell recherchiert werden

Ein großer Teil der Serviceanfragen betrifft den Status einer Bestellung.

Die Antwort kann jedoch mehrere Systeme erfordern:

• Shopstatus,
• Zahlungsstatus,
• Lagerbestand,
• Kommissionierung,
• Versandübergabe,
• Tracking,
• Teillieferungen,
• oder Rückstände.

Wenn diese Informationen nicht verbunden sind, muss ein Mitarbeiter sie zusammensuchen.

Eine integrierte Statuslogik kann daraus eine verständliche Kundeninformation erzeugen.

Nicht nur:

Bestellung in Bearbeitung.

Sondern beispielsweise:

Ihre Bestellung wurde vollständig kommissioniert und an den Versanddienstleister übergeben. Die Sendungsnummer wurde bereits erstellt. Eine erste Tracking-Aktualisierung wird nach der Verarbeitung im Verteilzentrum erwartet.

Wichtig ist, nur gesicherte Informationen zu kommunizieren.

Ein System sollte keinen Liefertermin versprechen, wenn die zugrunde liegenden Daten dafür nicht ausreichen.

Verfügbarkeit ist mehr als ein Lagerbestand

Die Anzeige „auf Lager“ wirkt eindeutig.

In der Praxis kann Verfügbarkeit von mehreren Faktoren abhängen:

• physischer Bestand,
• reservierte Mengen,
• offene Bestellungen,
• Retouren in Prüfung,
• beschädigte Ware,
• Lieferantenzusagen,
• mehrere Lagerstandorte,
• Bearbeitungszeiten,
• und Versandkapazitäten.

Eine bessere operative Steuerung verbindet diese Informationen.

Dadurch kann ein Unternehmen realistischer beantworten:

• Ist der Artikel tatsächlich verkaufsfähig?
• Wann kann er versendet werden?
• Aus welchem Lager sollte geliefert werden?
• Welche Bestellungen haben Priorität?
• Welche Kampagne muss angepasst werden?
• Wann sollte nachbestellt werden?

KI kann bei der Prognose und Mustererkennung unterstützen.

Die zugrunde liegenden Bestands- und Prozessdaten müssen jedoch belastbar sein.

Nachfrage lässt sich nicht aus einer einzigen Kennzahl verstehen

Absatzplanung wird häufig anhand historischer Verkäufe vorgenommen.

Diese Daten sind wichtig, aber nicht vollständig.

Relevante Signale können zusätzlich sein:

• Suchanfragen im Shop,
• Produktaufrufe,
• Warenkorbabbrüche,
• Wunschlisten,
• Newsletter-Klicks,
• Kampagnenreichweite,
• Serviceanfragen,
• Retouren,
• regionale Unterschiede,
• Saisonalität,
• und geplante Marketingmaßnahmen.

Eine steigende Zahl von Produktaufrufen ohne Käufe kann beispielsweise verschiedene Ursachen haben:

• Preis,
• fehlende Verfügbarkeit,
• unklare Beschreibung,
• schwache Bilder,
• falsche Zielgruppe,
• oder ein technisches Problem im Checkout.

Ein integriertes Lagebild hilft, diese Signale gemeinsam zu betrachten.

Es ersetzt keine kaufmännische Entscheidung.

Es verbessert die Grundlage dafür.

Kampagnen müssen zur tatsächlichen Lieferfähigkeit passen

Marketing und Warensteuerung arbeiten in vielen Unternehmen mit unterschiedlichen Planungsständen.

Dadurch können Situationen entstehen wie:

• Ein stark beworbenes Produkt ist kaum verfügbar.
• Eine Kampagne läuft weiter, obwohl ein Liefertermin verschoben wurde.
• Überbestände werden nicht ausreichend beworben.
• Varianten mit hohem Lagerbestand bleiben unsichtbar.
• Serviceprobleme werden in der Kommunikation nicht berücksichtigt.

Eine bessere Verzahnung verbindet:

• Kampagnenplanung,
• Produktdaten,
• Lagerbestand,
• Nachfrage,
• Margen,
• und Servicefeedback.

So können operative Hinweise entstehen:

• Kampagne reduzieren, weil Bestand kritisch wird
• alternative Variante stärker ausspielen
• Produktbeschreibung anpassen, weil häufige Rückfragen auftreten
• Kampagne für einen Überbestand vorbereiten
• Werbeaussage prüfen, weil Retourengründe auf falsche Erwartungen hinweisen

Damit wird Marketing nicht vollständig automatisiert.

Es erhält bessere Informationen für Planung und Priorisierung.

PIM, Shop, ERP und CRM müssen klare Rollen besitzen

Eine integrierte Handelsarchitektur benötigt eindeutige Datenverantwortung.

Für jeden Datentyp sollte feststehen, welches System führend ist.

Beispielsweise:

• PIM: Produktattribute, Beschreibungen und Medien
• ERP: Artikelstamm, Einkauf, Preise und Aufträge
• Shop: Darstellung, Warenkorb und Checkout
• CRM: Kundenbeziehung und Kommunikation
• Lagerverwaltung: physischer Bestand und Bewegung
• Ticketsystem: Servicevorgänge und Bearbeitungsstatus
• Analyseplattform: verdichtete Kennzahlen und Entwicklungen

Diese Aufteilung kann je nach Unternehmen anders aussehen.

Entscheidend ist die Klarheit.

Ohne klare Verantwortlichkeit entstehen Fragen wie:

• Wo muss ein Produktname korrigiert werden?
• Welcher Preis ist verbindlich?
• Welches System darf den Bestellstatus ändern?
• Wo wird eine Reklamation dokumentiert?
• Welche Anwendung enthält die aktuelle Kundenadresse?

Eine Integration sollte Daten nicht wahllos kopieren.

Sie sollte definierte Informationen kontrolliert zwischen den verantwortlichen Systemen bewegen.

Schnittstellen entscheiden über die Belastbarkeit

Eine überzeugende KI-Anwendung kann in einer Demonstration auch mit manuell bereitgestellten Daten funktionieren.

Im Alltag benötigt sie jedoch verlässliche Schnittstellen.

Diese müssen klären:

• Welche Daten werden übertragen?
• In welchem Format?
• In welcher Richtung?
• Wie häufig?
• Mit welchen Berechtigungen?
• Was passiert bei Fehlern?
• Wie werden doppelte Vorgänge verhindert?
• Wie wird eine Änderung nachvollzogen?
• Welches System bleibt führend?

Mögliche technische Wege sind:

• APIs,
• Webhooks,
• Ereignisnachrichten,
• standardisierte Importe,
• Workflow-Plattformen,
• oder Integrationsdienste.

Die konkrete Technik ist weniger wichtig als ein sauber definierter Datenfluss.

Ein weiteres Tool löst kein Integrationsproblem

Viele Handelsunternehmen besitzen bereits zahlreiche spezialisierte Anwendungen.

Eine neue KI-Lösung kann leicht zu einem zusätzlichen Silo werden.

Dann entstehen:

• eine weitere Datenbank,
• eine neue Benutzerverwaltung,
• zusätzliche Exporte,
• neue manuelle Übergaben,
• und ein weiterer Ort für unklare Statusinformationen.

Deshalb sollte vor jeder Einführung geprüft werden:

• Kann die Funktion in den bestehenden Prozess integriert werden?
• Welche Daten existieren bereits?
• Wo müssen Ergebnisse gespeichert werden?
• Welche Oberfläche nutzen Mitarbeitende heute?
• Welche bestehenden Rechte können übernommen werden?
• Wie wird der Vorgang später nachvollzogen?

Das Ziel sollte keine isolierte KI-Oberfläche sein.

Das Ziel ist ein besserer Handelsprozess.

Datenschutz und Sicherheit gehören in die Prozessarchitektur

Handels- und E-Commerce-Prozesse verarbeiten sensible Informationen:

• Namen,
• Adressen,
• Kontaktdaten,
• Bestellhistorien,
• Zahlungsinformationen,
• Retourengründe,
• Beschwerden,
• und Kommunikationsverläufe.

Deshalb muss klar sein:

• Welche Daten werden für eine Aufgabe benötigt?
• Welche Systeme dürfen darauf zugreifen?
• Werden externe KI-Dienste verwendet?
• Welche Informationen werden an ein Modell übertragen?
• Wo findet die Verarbeitung statt?
• Wie lange werden Daten gespeichert?
• Wie werden Zugriffe protokolliert?
• Wie werden Lösch- und Auskunftsprozesse unterstützt?
• Welche Rollen dürfen welche Vorgänge einsehen?

Nicht jede Analyse benötigt den vollständigen Kundendatensatz.

Daten können je nach Aufgabe:

• gefiltert,
• pseudonymisiert,
• gekürzt,
• oder in einer kontrollierten Umgebung verarbeitet werden.

Die technische Möglichkeit zum Zugriff ist keine ausreichende Begründung für die Verarbeitung.

Automatisierung braucht nachvollziehbare Entscheidungen

Ein Handelsprozess kann finanzielle und rechtliche Auswirkungen besitzen.

Dazu gehören:

• Erstattungen,
• Kulanz,
• Rabatte,
• Ersatzlieferungen,
• Stornierungen,
• Adressänderungen,
• und Sperrungen.

Ein gutes System dokumentiert deshalb:

• den auslösenden Vorgang,
• verwendete Daten,
• angewendete Regeln,
• vorgeschlagene Entscheidung,
• menschliche Freigabe,
• ausgeführte Aktion,
• und Ergebnis.

Beispiel:

Erstattung wurde nicht automatisch ausgelöst, weil der Warenwert oberhalb der definierten Grenze liegt und die Retoure noch nicht im Lager bestätigt wurde.

Eine solche Erklärung ist für Mitarbeitende wesentlich hilfreicher als ein allgemeiner Status „manuelle Prüfung erforderlich“.

Fehlerfälle gehören zum normalen Betrieb

Im Handel treten täglich technische und organisatorische Ausnahmen auf:

• ein Marktplatz ist nicht erreichbar,
• ein Produktdatensatz ist unvollständig,
• ein Trackingdienst liefert keinen Status,
• eine Bestellung wurde doppelt übertragen,
• ein Artikel besitzt mehrere widersprüchliche Preise,
• ein Kunde kann nicht eindeutig zugeordnet werden,
• oder eine Erstattung schlägt technisch fehl.

Ein belastbarer Prozess benötigt deshalb:

• eindeutige Statuswerte,
• verständliche Fehlermeldungen,
• Wiederholungsmechanismen,
• Warnungen,
• Protokollierung,
• manuelle Korrekturwege,
• und klar benannte Verantwortliche.

Ein Fehler darf nicht unbemerkt zwischen zwei Systemen verschwinden.

Er muss sichtbar, einordbar und bearbeitbar werden.

Ein Praxisbeispiel: Produktdaten für mehrere Verkaufskanäle

Ein mittelständischer Händler vertreibt mehrere tausend Produkte über:

• eigenen Onlineshop,
• Marktplätze,
• Newsletter,
• und Social Media.

Die Lieferantendaten kommen als:

• Excel,
• CSV,
• XML,
• PDF,
• und E-Mail-Anhang.

Der bisherige Ablauf:

1. Daten werden importiert.
2. Mitarbeitende suchen fehlende Angaben.
3. Produktnamen werden manuell vereinheitlicht.
4. Shoptexte werden geschrieben.
5. Marktplatztexte werden separat erstellt.
6. Übersetzungen werden beauftragt.
7. Änderungen müssen auf mehreren Kanälen nachgepflegt werden.

Eine integrierte Produkt-Content-Pipeline könnte:

1. Lieferantendaten importieren,
2. Attribute vereinheitlichen,
3. fehlende Pflichtfelder markieren,
4. widersprüchliche Angaben zur Prüfung vorlegen,
5. freigegebene Produktkerne erzeugen,
6. Shop- und Marktplatztexte ableiten,
7. mehrsprachige Varianten vorbereiten,
8. SEO-Metadaten ergänzen,
9. kritische Claims in eine Review-Queue geben,
10. freigegebene Inhalte an die Zielsysteme übertragen.

Die Mitarbeitenden schreiben nicht mehr jeden Text von Grund auf.

Sie konzentrieren sich auf:

• Datenqualität,
• Ausnahmen,
• Positionierung,
• und Freigabe.

Ein Praxisbeispiel: Bestell- und Retourenservice

Ein E-Commerce-Unternehmen erhält täglich zahlreiche Anfragen über ein gemeinsames Servicepostfach.

Häufige Themen:

• Bestellstatus,
• Lieferverzögerung,
• Adressänderung,
• Rückgabe,
• Falschlieferung,
• beschädigte Ware,
• und fehlende Erstattung.

Ein unterstützter Prozess könnte:

1. die Nachricht erfassen,
2. das Anliegen klassifizieren,
3. Bestellung und Kundenkonto zuordnen,
4. relevante Statusinformationen abrufen,
5. Regeln und Fristen prüfen,
6. einen Antwortentwurf vorbereiten,
7. einfache Fälle zur kontrollierten Bearbeitung freigeben,
8. komplexe Fälle gezielt eskalieren,
9. und den Verlauf im CRM oder Ticketsystem dokumentieren.

Der Kundenservice gewinnt Zeit für:

• schwierige Beschwerden,
• individuelle Lösungen,
• Kulanzentscheidungen,
• und persönliche Kommunikation.

Automatisiert wird die Informationsbeschaffung.

Nicht die Empathie.

Ein Praxisbeispiel: Nachfrage und Kampagnensteuerung

Ein Handelsunternehmen plant regelmäßig Kampagnen für saisonale Produktgruppen.

Bisher werden hauptsächlich historische Verkaufszahlen und verfügbare Marketingflächen betrachtet.

Eine integrierte Entscheidungsgrundlage könnte zusätzlich verbinden:

• aktuellen Lagerbestand,
• erwartete Lieferungen,
• Shop-Suchanfragen,
• Produktaufrufe,
• Conversion Rate,
• Retourenquote,
• Servicefragen,
• Deckungsbeitrag,
• und laufende Kampagnen.

Dadurch werden beispielsweise Auffälligkeiten sichtbar:

• hohe Nachfrage bei niedrigem Bestand,
• hohe Produktaufrufe bei schwacher Conversion,
• steigende Retouren nach einer bestimmten Kampagne,
• oder Überbestand bei geringer Sichtbarkeit.

Das System kann Handlungsmöglichkeiten vorbereiten.

Die Entscheidung über Preise, Budgets und Kampagnen bleibt bei den zuständigen Personen.

Welche Kennzahlen den Nutzen zeigen

Der Erfolg sollte nicht allein an der Zahl automatisch erzeugter Texte oder beantworteter Anfragen gemessen werden.

Sinnvolle Kennzahlen betreffen mehrere Ebenen.

Produkt und Content

• Zeit bis zur Veröffentlichung
• Anteil vollständiger Produktdaten
• Korrekturaufwand pro Artikel
• Zahl widersprüchlicher Attribute
• Wiederverwendung über mehrere Kanäle
• Zeit für Lokalisierungen
• Aktualisierungsdauer nach Produktänderungen

Service

• Zeit bis zur ersten qualifizierten Reaktion
• Bearbeitungszeit pro Vorgang
• Anteil korrekt klassifizierter Anfragen
• Zahl manueller Systemwechsel
• Eskalationsquote
• Wiederkontaktquote
• Kundenzufriedenheit

Bestellung und Retoure

• Durchlaufzeit von Rückgaben
• Zeit bis zur Erstattung
• Zahl unklarer Statusfälle
• Anteil automatisch zugeordneter Vorgänge
• wiederkehrende Retourengründe
• Fehler durch manuelle Übertragung

Steuerung

• Prognosequalität
• Bestandsreichweite
• Überbestände
• verpasste Verkäufe durch fehlende Verfügbarkeit
• Kampagnenwirkung
• Conversion Rate
• Retourenquote

Nicht jede Kennzahl muss sofort optimiert werden.

Wichtig ist, den Ausgangszustand zu kennen und die tatsächliche Wirkung eines Piloten sichtbar zu machen.

Der beste Einstieg ist ein klar abgegrenzter Prozess

Handel und E-Commerce bieten zahlreiche Automatisierungsmöglichkeiten.

Trotzdem sollte nicht die gesamte Verkaufskette gleichzeitig umgebaut werden.

Ein geeigneter Pilot besitzt:

• einen klaren Anfang,
• ein klares Ende,
• bekannte Systeme,
• ausreichend häufige Vorgänge,
• messbaren manuellen Aufwand,
• eine verantwortliche Fachperson,
• und überschaubare Risiken.

Geeignete Einstiege können sein:

• Produktdaten einer einzelnen Kategorie prüfen und aufbereiten,
• Bestellstatusanfragen aus einem Servicekanal strukturieren,
• Retourengründe einer Produktgruppe auswerten,
• mehrsprachige Produkttexte für einen Markt vorbereiten,
• oder Lager- und Kampagnendaten für eine saisonale Produktgruppe verbinden.

Weniger geeignet für den ersten Schritt sind Vorhaben, die:

• gleichzeitig PIM, Shop, ERP und CRM ersetzen sollen,
• vollkommen unstrukturierte Stammdaten voraussetzen,
• Erstattungen ohne klare Regeln automatisieren,
• oder keinen benannten Prozessverantwortlichen besitzen.

Wie ein erstes Projekt abläuft

1. Geschäftlichen Engpass auswählen

Wir bestimmen, welcher konkrete Prozess heute:

• Zeit kostet,
• Fehler erzeugt,
• Kunden ausbremst,
• oder operative Entscheidungen erschwert.

2. Tatsächlichen Ablauf aufnehmen

Wir betrachten:

• beteiligte Personen,
• Systeme,
• Datenquellen,
• Übergaben,
• Ausnahmen,
• Wartezeiten,
• und manuelle Hilfslösungen.

3. Datenverantwortung klären

Für zentrale Informationen wird festgelegt:

• Welches System ist führend?
• Wer pflegt die Daten?
• Welche Qualität ist erforderlich?
• Welche Anwendung darf lesen oder verändern?

4. Zielprozess entwickeln

Der neue Ablauf beschreibt:

• automatisierte Schritte,
• Geschäftsregeln,
• KI-Unterstützung,
• menschliche Entscheidungen,
• Eskalationen,
• und Protokollierung.

5. Pilot mit realen Fällen umsetzen

Die Lösung wird nicht nur mit idealisierten Beispielen getestet.

Einbezogen werden:

• Standardfälle,
• unvollständige Daten,
• Widersprüche,
• technische Fehler,
• und kritische Ausnahmen.

6. Menschliche Prüfung etablieren

Es wird definiert:

• welche Ergebnisse automatisch weiterverarbeitet werden,
• welche Stichproben erforderlich sind,
• welche Fälle zwingend geprüft werden,
• und wer die Verantwortung übernimmt.

7. Wirkung messen

Verglichen werden beispielsweise:

• Bearbeitungszeit,
• Fehlerquote,
• Zahl manueller Schritte,
• Content-Qualität,
• Reaktionszeit,
• und Kundenerlebnis.

8. Schrittweise erweitern

Erst nach einem stabilen Pilot werden weitere:

• Produktgruppen,
• Servicefälle,
• Sprachen,
• Kanäle,
• oder Systeme

integriert.

Typische Fehler bei KI-Projekten im Handel

Mit einem Chatbot statt mit dem Prozess beginnen

Eine neue Oberfläche löst keine fehlenden Datenverbindungen.

Produkttexte vor der Datenprüfung erzeugen

Plausible Formulierungen ersetzen keine belastbaren Attribute.

Jede Anfrage automatisch beantworten wollen

Ein kontrollierter Eskalationsweg ist wichtiger als eine maximale Automatisierungsquote.

Retouren nur als abgeschlossene Vorgänge betrachten

Rückgabegründe enthalten wertvolle Hinweise für Produkt, Content und Qualität.

Marketing von Verfügbarkeit trennen

Eine starke Kampagne für nicht lieferbare Produkte schadet dem Kundenerlebnis.

Neue Datensilos aufbauen

Eine KI-Lösung muss Ergebnisse in bestehende Systeme zurückführen.

Berechtigungen und Datenschutz zu spät betrachten

Kunden- und Bestelldaten benötigen von Anfang an einen kontrollierten Zugriff.

Den Betrieb unterschätzen

Schnittstellen, Zugangsdaten, Datenformate und externe Dienste verändern sich.

Nur auf Geschwindigkeit achten

Schnelle falsche Antworten sind für Kunden und Unternehmen teurer als eine gezielte menschliche Prüfung.

Menschen aus dem Prozess entfernen wollen

Gerade Beschwerden, Kulanz und komplexe Kaufentscheidungen benötigen Erfahrung und Verantwortung.

Was eine belastbare Handelslösung auszeichnet

Eine gute Lösung verbindet:

• Datenqualität: Produkt- und Stammdaten werden geprüft.
• Integration: PIM, Shop, ERP, CRM und Service arbeiten zusammen.
• Konsistenz: Inhalte folgen gemeinsamen Marken- und Kanalregeln.
• Nachvollziehbarkeit: Aussagen und Entscheidungen besitzen eine erkennbare Herkunft.
• Rechte: Kunden- und Unternehmensdaten werden kontrolliert verarbeitet.
• Ausnahmen: Unklare Fälle werden sichtbar und gezielt übergeben.
• Betrieb: Fehler, Wiederholungen und Verantwortlichkeiten sind geregelt.
• Messbarkeit: Wirkung wird anhand konkreter Prozesskennzahlen bewertet.
• Menschliche Kontrolle: Kritische Entscheidungen bleiben bei zuständigen Personen.

Die KI ist ein Bestandteil dieses Systems.

Sie ist nicht das gesamte System.

Jede Datenbewegung sollte das Kauferlebnis unterstützen

Im Handel werden täglich große Mengen an Informationen bewegt:

• vom Lieferanten in das PIM,
• vom PIM in den Shop,
• vom Shop in das ERP,
• vom Lager in die Verfügbarkeitsanzeige,
• vom Kunden in den Service,
• vom Service zurück in Produktmanagement und Content,
• und aus Nachfrage- und Kampagnendaten in die operative Steuerung.

Diese Datenbewegungen sollten nicht nur technisch funktionieren.

Sie sollten einen erkennbaren Beitrag leisten:

• Produkte verständlicher machen,
• Verfügbarkeit realistischer darstellen,
• Antworten beschleunigen,
• Rückgaben reduzieren,
• Entscheidungen verbessern,
• und Kunden zuverlässiger durch den Kaufprozess begleiten.

Jede Schnittstelle ist letztlich Teil des Kundenerlebnisses – auch wenn der Kunde sie niemals sieht.

Wo verliert Ihre Verkaufskette heute Informationen?

Vielleicht werden Produktdaten noch mehrfach gepflegt.

Vielleicht entstehen Texte für Shop, Marktplatz und Social Media getrennt voneinander.

Vielleicht recherchiert der Service Bestellinformationen in mehreren Systemen.

Vielleicht werden Retourengründe erfasst, aber nicht ausgewertet.

Vielleicht laufen Kampagnen unabhängig von Bestand und Lieferfähigkeit.

Dann lohnt sich ein gemeinsamer Blick auf den tatsächlichen Prozess:

• Welche Daten existieren bereits?
• Welches System ist für welche Information verantwortlich?
• Wo entstehen manuelle Übergaben?
• Welche Kundenanfragen wiederholen sich?
• Welche Entscheidungen können besser vorbereitet werden?
• Welche Fälle müssen beim Menschen bleiben?
• Und welcher begrenzte Pilot erzeugt schnell einen messbaren Nutzen?

Bringen Sie eine Produktgruppe, einen Serviceprozess oder eine konkrete Schwachstelle Ihrer Verkaufskette mit. Gemeinsam prüfen wir den Use Case ohne Technologie-Theater und entwickeln einen integrierten Einstieg, der Produktdaten, Service, Bestellungen und operative Steuerung sinnvoll miteinander verbindet.

Grundlage: Handel & E-Commerce, ciferecigo.