KI und Automatisierung im E-Commerce

Automatisierung im E-Commerce klingt nach großer Technik, beginnt aber klein. Wer weiß, welche Aufgaben viel Zeit kosten und nach festen Regeln ablaufen, kann sie Schritt für Schritt abgeben, an Software oder an KI. Dieser Beitrag zeigt, welche Aufgaben zuerst dran sind, was Automatisierung nicht löst und welche Regeln dazugehören.

Automatisierung und KI sind nicht dasselbe

Automatisierung heißt, dass eine Aufgabe ohne menschliches Eingreifen abläuft. Das ist nichts Neues: Bestellbestätigungen, Rechnungen und Versandbenachrichtigungen laufen seit Jahren automatisch. Neu ist, dass sich auch Aufgaben abbilden lassen, die früher eine Entscheidung gebraucht haben, etwa das Formulieren eines Produkttextes oder das Beantworten einer Kundenfrage.

Künstliche Intelligenz ist der Teil, der diese Entscheidungen übernimmt. Sie erkennt Muster, schlägt vor und formuliert. Automatisierung ist die Kette, in der der Vorschlag ohne weitere Handarbeit ankommt. In der Praxis greifen beide ineinander, deshalb lohnt die getrennte Betrachtung: Nicht jede Automatisierung braucht KI, und nicht jede KI-Anwendung automatisiert etwas.

Für die Praxis folgt daraus eine Reihenfolge. Zuerst wird der Ablauf geklärt, dann entschieden, ob an einer Stelle eine KI nötig ist. Wer mit der KI beginnt und den Ablauf später klärt, baut zweimal.

Wo KI im E-Commerce heute arbeitet

Neben den klassischen Automatismen arbeitet KI heute an mehreren Stellen im Shop. Die Suche ordnet Ergebnisse nach Wahrscheinlichkeit, Empfehlungen schlagen Produkte vor, und in der Preisgestaltung werden Nachfrage und Bestand berücksichtigt. In der Werbung entscheidet sie mit, welches Budget auf welchen Kanal geht.

Diese Anwendungen laufen im Hintergrund und sind kaum sichtbar. Sichtbarer ist die Arbeit an Inhalten und Anfragen, weil sie direkt beim Team landet. Für den Einstieg ist genau das ein Vorteil: Der Nutzen lässt sich dort leichter messen, weil die gesparte Zeit sofort auffällt.

Welche Aufgaben sich zuerst lohnen

Der Einstieg gelingt dort, wo viel Volumen auf klare Regeln trifft. Drei Bereiche fallen in fast jedem Shop zuerst auf.

Produktinhalte

Produktbeschreibungen, Kurztexte, Übersetzungen und Bildvarianten entstehen in großer Zahl und folgen einem Muster. Ein Entwurf von der KI, der von einer Person geprüft und freigegeben wird, verkürzt die Arbeit deutlich. Wichtig bleibt die Freigabe: Ein Text, der nicht geprüft wird, verbreitet einen Fehler in allen Sprachfassungen gleichzeitig.

Besonders wirksam ist das bei Kategorien mit vielen ähnlichen Artikeln, etwa Zubehör oder Ersatzteile. Der Aufwand liegt dort nicht im Schreiben, sondern im Prüfen. Genau dieses Prüfen lässt sich mit klaren Vorgaben beschleunigen.

Kundenservice

Wiederkehrende Fragen zu Lieferzeit, Größe, Retoure und Zahlung machen einen großen Teil der Anfragen aus. Diese Fragen lassen sich vorsortieren, zusammenfassen und mit Antwortvorschlägen versehen. Die Entscheidung bleibt beim Menschen, die Such- und Schreibarbeit fällt weg.

Ein häufiger Fehler ist, Antworten ungeprüft zu versenden. Sinnvoller ist der Entwurf: Die KI schlägt vor, der Mensch entscheidet und versendet. So bleibt die Verantwortung beim Team, während die Routinearbeit sinkt.

Auswertung und Reporting

Kennzahlen liegen meist vollständig vor, werden aber selten gelesen. Eine Automatisierung, die regelmäßig die wichtigsten Veränderungen zusammenfasst und erklärt, was sie bedeuten könnten, bringt mehr als ein weiteres Dashboard. Die Zusammenfassung ist ein Vorschlag zur Prüfung, keine Entscheidung.

Der Nutzen liegt weniger in einer neuen Zahl als in der Regelmäßigkeit. Wer jede Woche eine kurze, verständliche Zusammenfassung erhält, reagiert früher, als wer den Bericht selbst zusammenstellt.

Was Automatisierung nicht löst

Automatisierung verstärkt, was schon da ist. Sind die Produktdaten falsch, werden sie schneller und in mehr Sprachen falsch. Ist der Prozess unklar, automatisiert man den Umweg mit. Deshalb steht vor jeder Automatisierung die Frage, ob die Aufgabe selbst sauber definiert ist.

Ebenso wenig ersetzt Automatisierung Verantwortung. Jede Kette braucht eine Person, die das Ergebnis prüft und für Fehler geradesteht. Ohne diese Zuordnung wächst die Menge, aber nicht die Qualität.

Ein weiterer Irrtum ist die Annahme, ein Werkzeug löse ein Organisationsproblem. Fehlt die Zuständigkeit, hilft die beste Automatisierung nicht. Deshalb steht vor dem Werkzeug die Frage, wer was entscheidet.

Was Automatisierung im Shop voraussetzt

Drei Voraussetzungen entscheiden, ob ein Use Case gelingt.

• Saubere Daten: Die KI arbeitet mit dem, was im Shop steht. Fehlende Attribute, doppelte Artikel und veraltete Texte fallen danach erst richtig auf.
• Ein definierter Ablauf: Beschreiben Sie, welcher Auslöser gilt, was das Ergebnis ist und wann ein Mensch eingreift.
• Eine zuständige Person: Jede Kette braucht jemanden, der das Ergebnis prüft und für Fehler geradesteht.

Agenten und Workflows: der aktuelle Stand

Der Begriff Agent beschreibt Software, die eine Aufgabe mit mehreren Schritten selbstständig abarbeitet, etwa eine Anfrage einordnen, Daten nachschlagen und einen Antwortentwurf erstellen. Das ist der aktuelle Rand der Entwicklung, und er verschiebt sich schnell. Für die Praxis zählt weniger der Begriff als die Frage, wie viele Schritte eine Aufgabe hat und an welcher Stelle eine Kontrolle nötig ist.

Für die meisten Shops ist der Nutzen anfangs nicht der Agent, sondern der einfache Workflow: eine Aufgabe, ein klarer Auslöser, ein definiertes Ergebnis. Diese Ketten sind leichter zu prüfen und zu warten.

Wer mit einem einfachen Workflow beginnt, sammelt Erfahrung mit Auslösern, Prüfschritten und Fehlern. Diese Erfahrung ist die Grundlage für die komplexeren Aufgaben, die danach kommen.

Governance: die Regeln, die den Unterschied machen

Governance klingt nach Verwaltung, ist aber der Teil, der entscheidet, ob Automatisierung trägt. Dazu gehören vier Fragen. Welche Daten dürfen verarbeitet werden. Wer prüft ein Ergebnis, bevor es veröffentlicht wird. Wie ist erkennbar, dass ein Text oder Bild mit KI entstanden ist. Und wer ist ansprechbar, wenn etwas schiefgeht.

Diese Regeln sind kein Papier für die Schublade. Sie verhindern, dass eine falsche Angabe in hundert Produkttexten landet, und sie machen die Arbeit überprüfbar. Transparenz gehört dazu: Wo KI Inhalte erzeugt, sollte das erkennbar sein.

Gute Regeln sind kurz und konkret. Ein Satz zur erlaubten Verwendung von Daten, eine Liste der Aufgaben mit Freigabe und ein Name für Rückfragen reichen für den Anfang. Sie wachsen mit den Use Cases, nicht vor ihnen.

Wie sich der Nutzen messen lässt

Der Nutzen einer Automatisierung zeigt sich an zwei Größen: der gesparten Zeit und der Fehlerquote. Beides lässt sich vorher festhalten. Ohne diese Ausgangslinie wird der Erfolg später schwer zu belegen, und das nächste Vorhaben bekommt keine Grundlage.

Hilfreich ist ein einfaches Vorgehen: Aufgabe, Zeitaufwand vorher, Zeitaufwand nachher, Zahl der Korrekturen. Diese vier Werte genügen, um zu entscheiden, ob ein Use Case weiter ausgebaut wird oder nicht.

Ein Fahrplan in drei Schritten

1. Bestandsaufnahme: Notieren Sie die Aufgaben, die viel Zeit kosten und nach klaren Regeln ablaufen. Sortieren Sie die Liste nach Aufwand und Nutzen.
2. Ein Use Case, vollständig: Wählen Sie den obersten Eintrag und setzen Sie ihn bis zum Ende um, mit Qualitätskontrolle und einer zuständigen Person. Erst messen, dann erweitern.
3. Regeln festhalten: Schreiben Sie auf, welche Daten erlaubt sind, wer prüft und wie KI-Inhalte gekennzeichnet werden. Damit ist der nächste Use Case schneller umgesetzt.

Wer die Hebel einmal geordnet hat, kann sie auf jeden weiteren Bereich übertragen. Der Unterschied zwischen einzelnen Tool-Versuchen und einem tragfähigen Aufbau wird in der Definition von AI Commerce beschrieben.

Häufige Fragen zu KI und Automatisierung

• Womit sollte ich anfangen? Mit der Aufgabe, die am meisten Zeit kostet und am klarsten geregelt ist, meist Produktinhalte oder wiederkehrende Service-Anfragen.
• Brauche ich dafür ein eigenes Team? Nein. Aufgabenauswahl, Datenqualität und Regeln sind wichtiger als Programmierung. Technik lässt sich zukaufen.
• Muss ich kennzeichnen, dass Inhalte mit KI entstanden sind? Transparenz gehört zu einer belastbaren Nutzung. Wo KI Inhalte erzeugt, sollte das erkennbar sein.
• Wie messe ich den Nutzen? Über die gesparte Zeit und die Fehlerquote, nicht über die Zahl der eingesetzten Werkzeuge.
• Wie viel Zeit sollte ich einplanen? Für die Bestandsaufnahme rund einen halben Tag, für den ersten Use Case etwas mehr. Der Aufwand steckt in der Vorbereitung, nicht im Werkzeug.

Wer den Aufbau systematisch mit dem eigenen Shop durchgehen möchte, findet im Seminar AI in E-Commerce Masterclass die passende Form.