Bessere Daten allein machen KI im Handel nicht verlässlich. Olivier Goethals, Head of Engineering Retail & Consumer Products bei Publicis Sapient und Mitglied des Etailment.de-Expertenrats, zeigt, welche Regeln vor dem Start eines Piloten feststehen müssen und wer sie verantwortet.
Ein Produkt gilt im Onlineshop als lieferbar. Im Warenwirtschaftssystem ist der Bestand bereits reserviert, in der Filiale nicht auffindbar. Welche dieser Angaben darf ein automatisiertes System verwenden?
Der Verweis auf das „führende System“ hilft wenig, wenn niemand festgelegt hat, welches System in welchem Fall führt. Solange ein Mensch eine Bestellung prüft, lässt sich diese Unklarheit überbrücken. Sobald eine KI Liefertermine nennt, Preise anpasst oder Erstattungen anstößt, wird daraus eine operative Entscheidung.
Für mich liegt hier die unterschätzte Aufgabe des Handels. Bessere Daten allein lösen das Problem nicht. Entscheidend ist, welchen Daten das Unternehmen in einer konkreten Situation vertraut und wer dafür geradesteht.
Verantwortung ist noch die Ausnahme
Eine aktuelle Befragung von OneTrust und Sapio Research aus dem Jahr 2026 unter 1.200 Führungskräften aus acht Ländern, darunter Deutschland, zeigt die Lücke. Nur fünf Prozent gaben an, dass Koordination und Verantwortung über den Lebenszyklus ihrer KI-Anwendungen klar geregelt seien. 87 Prozent fördern den Einsatz von KI-Agenten, aber nur 47 Prozent sehen ihn durch klare Regeln, Aufsicht und Kontrollen gestützt.
Die Studie bezieht sich nicht speziell auf den Handel. Das Muster kenne ich aus der Praxis. Die IT betreibt Systeme, der Einkauf vereinbart Lieferantendaten, Commerce ergänzt Shopinhalte, die Logistik aktualisiert Bestände. Keiner kann allein bestimmen, welche Information in einer automatisierten Entscheidung den Ausschlag geben soll.
Bei der Verfügbarkeit wird das konkret. Der physische Bestand sagt, was im Lager liegt. Der verfügbare Bestand berücksichtigt Reservierungen. Eine Lieferzusage hängt außerdem von Bearbeitungszeit, Transportweg und Verkaufskanal ab. Alle Werte können korrekt sein und dennoch verschiedene Antworten liefern. Das Modell kann diesen Widerspruch nicht sinnvoll klären. Hier fehlt schlicht eine Geschäftsregel.
Seit dem 2. August 2026 gelten weitere Bestimmungen des EU AI Act, darunter neue Transparenzpflichten für bestimmte KI-Systeme. Nicht jede Handelsanwendung ist hochriskant. Allerdings fehlt ohne Klarheit über die entscheidenden Daten schon intern die Nachvollziehbarkeit.
Datenqualität hängt von der Entscheidung ab
Eine vollständig bereinigte Datenlandschaft ist für Händler mit mehreren Ländern, Marken und Kanälen kein realistischer Startpunkt, und sie ist auch nicht nötig. Ein Assistent für Pflegehinweise braucht andere Sicherheiten als ein System für Liefertermine oder Retouren. Eine fehlende Pflegeangabe kann eine Rückfrage auslösen, ein falscher Liefertermin zu erheblichen Mehrkosten führen. Bei einer automatischen Erstattung kommt ein finanzielles Risiko hinzu.
Ich halte Datenqualität deshalb für eine Geschäftsentscheidung. Bei den entscheidenden Datenfeldern will ich wissen: Woher kommt der Wert? Wie alt darf er sein? Und wer entscheidet, wenn zwei Systeme Verschiedenes melden? Eine verbindliche Lieferzusage darf beispielsweise nur auf einer Bestandsinformation beruhen, die nicht älter als die vom Händler festgelegte Frist ist. Ist sie veraltet oder widerspricht ihr eine andere Quelle, nennt das System keinen verbindlichen Termin und übergibt den Fall an einen Menschen.
Der richtige Grenzwert hängt vom Geschäft ab und muss verbindlich festgelegt sein. Mit „guter Datenqualität“ als Vorgabe lässt sich kein laufender Betrieb steuern.
Piloten müssen Widersprüche aushalten
Ich würde keinen KI-Anwendungsfall in den Betrieb überführen, solange sein Handlungsspielraum nicht schriftlich feststeht. Eine Produktempfehlung darf großzügiger arbeiten als eine automatische Erstattung. Ebenso muss vor dem Start klar sein, welche Quelle bei einem Konflikt Vorrang hat, sonst entscheidet im Zweifel eine technische Voreinstellung, nicht das Geschäft.
Viele Piloten werden danach bewertet, ob Antworten plausibel wirken und die Bedienung überzeugt. Für den späteren Betrieb interessiert mich eine andere Frage: was geschieht, wenn sich Quellen widersprechen?
Ein Pilot sollte solche Fälle bewusst provozieren, etwa reservierte Bestände, verspätete Preisänderungen, doppelte Kundenprofile oder fehlende Freigaben. Im Test muss sich zeigen, ob das System den Konflikt erkennt, welche Regel es anwendet und wann es einen Menschen einbezieht. Dabei zeigt sich meist auch, dass Fachbereiche unter „verfügbar“, „aktuell“ oder „freigegeben“ Verschiedenes verstehen. Diese Begriffe zu klären ist Führungsarbeit.
Zu jedem Anwendungsfall gehört deshalb eine verantwortliche Person, die nicht nur Fehlerlisten abarbeitet. Sie muss eine Quelle sperren, einen Grenzwert ändern oder den Prozess anhalten können. Ein zusätzliches Gremium brauche ich dafür nicht. Entscheidend ist, dass diese Person im Zweifel tatsächlich Stopp sagen darf.
Vertrauen braucht einen Verantwortlichen
Händler müssen ihre Daten nicht vollständig sanieren, bevor sie KI einsetzen. Für jede automatisierte Entscheidung muss aber feststehen, welche Informationen gelten und wer bei einem Widerspruch entscheidet.
Eine überzeugende Demo reicht mir nicht. Wenn Shop, Warenwirtschaft und Kampagnensystem unterschiedliche Antworten liefern, will ich wissen, wer verbindlich entscheidet und die Folgen verantwortet. Gibt es diese Person nicht, würde ich den Piloten nicht für den Betrieb freigeben.