Alles zum Thema

Künstliche Intelligenz und Machine Learning im Handel 2021

Künstliche Intelligenz (KI) spielt im Einzelhandel eine immer wichtigere Rolle. Wir erklären, welche Technologien sich hinter dem Buzzword verbergen, welche Vorteile und Chancen mit ihnen verknüpft sind und wie Unternehmen KI im Handel einsetzen können. 

AI in retail

Table of Contents

Was ist Künstliche Intelligenz?

Künstliche Intelligenz, kurz KI, ist nicht einheitlich definiert. Da Künstliche Intelligenz ein interdisziplinäres Forschungsfeld von Informatik, Kognitions- und Ingenieurwissenschaften ist, unterscheiden sich die Definitionen von KI, je nach Fachgebiet. Für die praktische Anwendung hat sich folgende allgemeine Definition bewährt:

Künstliche Intelligenz bezeichnet Computer, Roboter oder andere Maschinen, die menschliche Intelligenz imitieren und intelligente Verhaltensweisen zeigen.

Die IT-Systeme sind nicht mehr nur in der Lage Inputs nach Anweisung zu verarbeiten, sondern übernehmen zunehmend Aufgaben, die Urteilsvermögen, Lernen und Logik erfordern. Sie können Probleme eigenständig lösen, Entscheidungen treffen und diese auf Basis ihrer Erfahrungen verbessern.

Obwohl die Beschreibung von Künstlicher Intelligenz Assoziationen an superintelligente Roboter weckt, sind heutige Anwendungen weit von diesem Szenario entfernt. Denn es sind zwei Arten von Künstlicher Intelligenz zu unterscheiden:

  • Schwache Künstliche Intelligenz 
  • Starke Künstliche Intelligenz 

Die Bezeichnung schwache Künstliche Intelligenz ist etwas irreführend. Denn was diese Art von KI leistet, ist enorm. Schwach meint in diesem Fall nur, dass sie auf ein bestimmtes Aufgabenfeld begrenzt ist. Eine schwache KI für die Prozessoptimierung in der Logistik kann nicht in der Preisgestaltung eingesetzt werden. In ihrem Bereich kann sie Unternehmen aber leicht hunderttausende Euros sparen. Die Leistungsfähigkeit von schwacher KI hat in den vergangenen Jahren riesige Fortschritte gemacht. Mittlerweile ist sie in immer mehr Business-Anwendungen integriert. 

Typische Anwendungsfälle von KI im Handel: 

Unterstützung von Managemententscheidungen, vorausschauende Wartung von Maschinen, Chat Bots im Kundensupport, Optimierung von Lieferrouten, Preisoptimierung

Starke Künstliche Intelligenz ist bisher vor allem ein philosophisches Gedankenexperiment. Sie meint superintelligente Maschinen, die Menschen in jedem Bereich überlegen sind. Diese werden aber wohl noch viele Jahrhunderte Science Fiction bleiben. 

Die Unterschiede: KI, Machine Learning, Deep Learning

Im Zusammenhang mit Künstlicher Intelligenz fallen häufig auch die Schlagworte Deep Learning und Machine Learning bzw. maschinelles Lernen. Oft werden sie synonym zu KI verwendet, obwohl dies inhaltlich nicht ganz korrekt ist. 

KI-Experte Andrew Ng erklärt den Zusammenhang einleuchtend: 

Künstliche Intelligenz beschreibt sämtliche Technologien, die Systeme intelligent handeln lassen. Zum Einsatz können simple Methoden wie Wenn-Dann-Regeln oder Entscheidungsbäume kommen, aber auch komplexere Methoden wie Machine-Learning-Algorithmen oder Deep Learning. 

Im Machine Learning werden IT-Systeme mithilfe so programmiert, dass sie anhand von großen Mengen Beispieldaten oder Erfahrungswerten, einen bestimmten Vorgang immer besser auszuführen, weil sie ihre Entscheidungskriterien optimieren. 

Deep Learning ist wiederum eine Form des maschinellen Lernens, bei dem Computer mithilfe von künstlichen neuronalen Netzen eigenständig aus ihren Erfahrungen lernen. 

KI im Handel

Abildung 1: Künstliche Intelligenz, Machine learning und Deep learning

Was ist Machine Learning und wann wird es verwendet?

Machine Learning gilt als Schlüsseltechnologie für die Künstliche Intelligenz. Denn Lernen ist Voraussetzung, um intelligentes Verhalten zu entwickeln und zu verbessern.

Beim maschinellen Lernen werden Algorithmen zur Lösung bestimmter Probleme entwickelt und mit riesigen Datensätzen gespeist. Je größer die Datenbasis, desto besser erkennen die Systeme Muster und umso präzisere Ergebnisse können sie liefern bzw. umso passgenauere Empfehlungen und Vorhersagen können sie treffen.

In der Regel müssen die Systeme von Menschen trainiert werden, um zu lernen, wann sie Daten falsch zugeordnet/bewertet haben und um ihre Effizienz zu verbessern. Teilweise lernen die Systeme auch anhand der von ihnen erzeugten Ergebnisse und passen ihren Algorithmus selbst an. Typische Anwendungsfälle sind Bilderkennung oder der automatisierte Aktienkauf zur Portfolio-Optimierung.

Wie kann Machine Learning unterstützen?

Deskriptiv (Beschreibend)
Prediktiv (Vorhersagend)
Preskriptiv (Empfehlend)
  • Auswertung vorhandener Daten

  • Anwendung in allen Branchen weit verbreitet

  • Prognosen über zukünftige Entwicklungen und Ereignisse

  • Einsatz vor allem in datengetriebenen Unternehmen in der Strategieentwicklung

  • Handlungsempfehlungen zur Zielerreichung

  • Intensiv genutzt von großen Tech- und Internetunternehmen 

Die KI-gestützte Auswertung großer Datenmengen kann die Arbeit in vielen Unternehmensbereichen erleichtern. Vor allem einfache, wiederholende Tätigkeiten und solche, die eine hohe Genauigkeit erfordern, können  Machine-Learning-Systeme besser als Menschen erledigen. 

Was ist Deep Learning und wann wird es verwendet?

Beim Deep Learning lernen Computer über neuronale Netzwerke. Die Systeme müssen nicht oder weniger intensiv von Menschen trainiert werden. Deep-Learning-Systeme können außerdem größere Datenmengen verarbeiten.

Die künstlichen neuronalen Netze sind dem menschlichen Gehirn nachempfunden, in dem Nervenzellen (Neuronen) über Nervenbahnen miteinander vernetzt sind. Bei künstlichen neuronalen Netzen wird ein Input durch ein mehrschichtiges Netz aus künstlichen Neuronen hindurch geleitet und verarbeitet. Je vielschichtiger das neuronale Netz, desto komplexer kann die Informationsverarbeitung ausfallen. Das System lernt mit jeder Schicht mehr über die Information, erkennt, ob seine Annahmen aus den Daten korrekt waren und korrigiert sein Vorgehen selbstständig.

Anders als traditionelles Machine Learning können Deep-Learning-Systeme unstrukturierte Daten, d.h. Sprache und nicht-kategorisierte Bilder, Texte und Videos verarbeiten. Die Einstiegshürde für Deep Learning ist damit niedriger, der Zeitaufwand für die Pflege des Systems fällt wesentlich geringer aus. Gleichzeitig ist die Qualität der Vorhersagen und Empfehlungen deutlich präziser und treffender als bei traditionellen ML-Systemen. 

Während Machine Learning gute Ergebnisse in der Mustererkennung liefert, spielt Deep Learning seine Stärken bei Prognosen und Handlungsempfehlungen aus. Hier liegt auch ein Schwerpunkt der KI-Forschung. Denn smarte Anwendungen, die Menschen vor Fehlentscheidungen bewahren und sie unterstützen, bessere strategische Entscheidungen zu treffen, bieten einen größeren Mehrwert als einfache KI-Datenauswertung. 

KI im Handel

Abildung 2: Neuronales Netzwerk mit Deep Learning

Einsatzszenarien und Nutzen von Künstlicher Intelligenz im Handel

KI lässt sich im Handel in jedem Geschäftsprozess wertschöpfend einsetzen. Mit smarten Tools lassen sich Abläufe effizienter durchführen, Kundenbedürfnisse akkurater erkennen und das Geschäft leichter skalieren. 

Von der Kundengewinnung über die Produktgestaltung und Logistik bis zu Preissetzung und Kundenmanagement – überall wird KI in Zukunft als selbstverständlicher Bestandteil des Unternehmens sein und menschliche Mitarbeitende in ihren Entscheidungen und Aufgaben unterstützen.

Künstliche Intelligenz …

…. erhöht die Effizienz von Geschäftsprozessen.

Texterkennung, Automatisierung, Sensorik – Künstliche Intelligenz wird aktuell vor allem zur Prozessverbesserung und Effizienzsteigerung eingesetzt. Aus gutem Grund: Das Sparpotenzial ist enorm. 

Laut einer Capgemini-Befragung können Einzelhändler ihre Ausgaben auf diese Weise um bis zu 340 US-Dollar pro Jahr senken.

... verbessert die Kundenkommunikation und das Kundenmanagement

Automation, KI und Chat Bots können die Kundenzufriedenheit deutlich verbessern. 

In einer Studie von Liveperson und Forrester Consulting gaben mehr als die Hälfte der befragten Unternehmen an, dass die Kundenzufriedenheit sich in den vergangenen zwölf Monaten besser entwickelt habe als geplant. Drei Viertel der Unternehmen stellte außerdem ein höheres Umsatzwachstum fest, was sie auf den Einsatz der KI-Anwendungen zurückführten.

...senkt Kosten in der Supply Chain und erhöht die Lieferzuverlässigkeit.

Unternehmen, die in neueste digitale Technologien in ihrer Supply Chain investieren, profitieren von Umsatzsteigerungen. 

Laut einer PwC-Studie können Unternehmen mit einem Plus von bis zu 7,7 Prozent pro Jahr und Kostensenkungen um 6,8 Prozent pro Jahr rechnen. 

Smarte Anwendungen können erkennen, welche Waren wann nachgeordert werden müssen und melden Informationen über Lagerbestände an die Produktion zurück. Und bereits heute können Unternehmen Lieferrouten mithilfe von KI-Anwendungen optimieren, Lieferzeiten verkürzen und Kosten senken. In Zukunft ermöglichen autonom fahrende Fahrzeuge noch effizientere Abläufe – ganz ohne menschliches Eingreifen.

...verbindet stationären Einzelhandel mit Online-Shopping.

Trotz steigender Online-Umsätze shoppt die Mehrheit der Verbraucher weiterhin vor Ort. Künstliche Intelligenz kann Unternehmen helfen, ihren stationären Einzelhandel mit ihrem Online-Shop so zu verbinden, dass mehr Verkäufe zustande kommen. Über Apps, E-Mail-Marketing und Kundenkonten lassen sich Erkenntnisse über Kundenbedürfnisse und -verhalten gewinnen und Maßnahmen ableiten, um Offline-Shoppingerlebnisse im Netz personalisiert weiterzuführen.

Laut Harvard Business Review können Unternehmen, die KI im Vertrieb einsetzen, die Zahl ihrer Leads um mehr als 50 Prozent erhöhen und dank intelligenter Online-Kundenansprache Telefonzeiten um bis zu 60-70 Prozent reduzieren.

… erhöht die IT-Sicherheit

IT-Sicherheit gehört zu den wichtigsten Anwendungsfeldern von KI und wird in immer mehr Firmen eingesetzt. Zwei Drittel der Unternehmen sind laut einem Capgemini Report überzeugt, Cyberbedrohungen zukünftig nur mithilfe von KI identifizieren zu können. 

Die smarten Systeme erkennen ungewöhnliche Datenbewegungen früher als menschliche Administratoren und können entsprechende Hinweise geben oder Bedrohungen eigenständig eliminieren. Neben bekannter Gefahren können Deep-Learning-Systeme auch neue Formen von Schadsoftware identifizieren und unschädlich machen.

...ermöglicht die Konzentration auf strategisch wichtige Tätigkeiten und fördert Innovation.

Einer der einfachsten Anwendungsfälle von Künstliche Intelligenz liegt in der Automatisierung von wiederholenden und wenig anspruchsvollen Aufgaben. 

Laut einer ZEW-Studie im Auftrag des Bundeswirtschaftsministeriums können Unternehmen, die KI einsetzen, rund 25 Prozent mehr Gewinn erwirtschaften – und das nicht nur wegen Kostenersparnissen, sondern weil sie die freigewordenen Ressourcen in die Innovationsentwicklung investieren können. Die Zahl der Unternehmen, die Weltmarktneuheiten hervorbringen, sei so um 4 Prozent gestiegen.

… optimiert Preise und Gewinnmargen

Die Preisgestaltung ist ein wesentlicher Wachstumshebel für Unternehmen. Mit KI-gestütztem dynamischen Pricing können Unternehmen optimale Preise automatisch berechnen lassen. 

Die smarten Systeme analysieren Angebot und Nachfrage, ermitteln, welche Preise Kunden noch bereit sind zu zahlen und aktualisieren die Preise im Online-Shop voll automatisch. Das Ergebnis: Umsatzsteigerungen von bis zu 10 Prozent.

Vorteile der KI

KI im Handel

Abbildung 3: Ki hat eine Vielfalt von Vorteilen, hier sind einige aufgelistet. 

KI im Handel: Welche Rolle spielt künstliche Intelligenz für Dynamic Pricing?

Händler und insbesondere Online-Händler müssen bei der Preissetzung eine Fülle von Faktoren berücksichtigen, um optimale Preise zu setzen. Das Umfeld ist dabei hoch dynamisch: Wettbewerber ändern Preise mit hoher Frequenz, Saisonalitäten, Lagerbestände und sogar Wetterdaten wirken sich auf das Nachfrageverhalten der Kunden aus. 

Bisher nutzen Online-Händler traditionelle, regelbasierte Systeme zur dynamischen Preisoptimierung: Sanken die Preise beim Wettbewerber, reduzierte das Tool im vorgegebenen Rahmen die eigenen Preise. Diese Anwendungen reagieren allerdings zu langsam und arbeiten zu unspezifisch. Laut einer McKinsey-Studie gelingt es Unternehmen in 30% der Fällen nicht, den besten Preis zu ermitteln.

Um die Chancen der sich schnell verändernden Marktbedingungen ausnutzen, setzen daher immer mehr Online-Händler auf KI-gestützte Preisoptimierung. Die smarten Anwendungen sorgen dafür, dass Unternehmen jederzeit die für sie besten Preise verlangen. Sie balancieren den schmalen Grat zwischen „zu günstig“ und „zu teuer“ und finden automatisch den optimalen Preispunkt, mit dem Anbieter ihre Gewinne optimieren. 

Für die Berechnung dieser optimalen Preise kommt neueste Machine Learning Technologie zum Einsatz. Die Algorithmen werten interne und externe Datenquellen aus und berücksichtigen hierbei wesentlich mehr Einflussfaktoren als traditionelle Systeme, zum Beispiel 

  • Saisonalität
  • Wetterbedingungen
  • Lagerbestände
  • Verkaufshistorie
  • Produkteigenschaften

Die Preise werden nicht mehr Kostengetrieben ermittelt, sondern richten sich nach den Zielen und der Geschäftsstrategie der Unternehmen. 

Anwender können mit wenigen Klicks angeben, welchen Absatz, Umsatz und Gewinn sie erzielen wollen und welche Faktoren die smarten Tools in ihre dynamischen Preisoptimierung einbeziehen sollen. Die Software ermittelt daraus innerhalb weniger Minuten die besten Preise. Dank KI können die Anwendungen valide Prognosen zur Umsatz- und Gewinnentwicklung geben. Anders als bei traditionellen Systemen können Unternehmen Trends nun frühzeitig erkennen und ihre Preise anpassen.

Dynamisches Pricing konnte früher meist nur für das gesamte Sortiment oder eine Produktkategorie erfolgen. Auch hier eröffnet KI neue Möglichkeiten: Unternehmen können ihre Preise dank smarter Tools heute schnell und bis auf Produktebene automatisch anpassen. So lässt sich auch das Umsatzpotenzial kurzfristiger Marktveränderungen ausschöpfen. 

Umsatzsteigerungen von bis zu 10 Prozent sprechen für sich und haben dazu geführt, dass KI sich im Online-Handel als Standard in der Preisgestaltung etabliert. Kalkulierte laut einer PwC-Studie 2019 nur jedes fünfte Unternehmen seine Preise automatisch, dürfte der Anteil mittlerweile deutlich höher ausfallen. Sicher ist: Wer in Zukunft auf smarte Unterstützung verzichtet, wird es offline und online schwer haben.

Warum lohnt sich die KI-gestützte Preisoptimierung mit 7Learnings?

7Learnings bietet Unternehmen einen einfachen und smarten Weg, um ihre Preise zu optimieren. Mithilfe neuester Deep-Learning-Technologie sagt unsere Anwendung Nachfrage, Umsatz und Preiselastizität für jedes Produkt voraus. Und mit nur einem Klick können unsere Kunden marktgerechte Preise generieren, die den Gewinn maximieren und dabei begrenzende Faktoren wie aktuelle Lagerbestände berücksichtigen. 

Die Preisoptimierung  lässt sich anhand von individueller Preisstrategie und zuvor festgelegten KPI konfigurieren, sodass Unternehmen ihren Zielumsatz schneller erreichen, ihre Marktposition ausbauen und ihre Unternehmensmarke stärken. Die smarte Preisoptimierung spart unseren Kunden Zeit und gibt ihnen den nötigen Freiraum, um ihr Wachstum weiter voranzutreiben. 

Führende europäischen Online-Händler vertrauen auf 7Learnings. Der Erfolg schlägt sich in der Bilanz nieder. Lesen Sie hier einige Case Studies

KI-Anwendungen: Make-or-Buy-Entscheidung treffen

Bei jeder IT-Investition – auch bei KI-Anwendungen – stellt sich im Handel die Frage: Inhouse entwickeln oder extern einkaufen? Eine pauschale Empfehlung kann es nicht geben. Viele Unternehmen meinen allerdings, mit einer Eigenentwicklung Kosten für vermeintlich teure externe Tools zu sparen. Doch gerade bei Anwendungen mit künstlicher Intelligenz greift diese Logik zu kurz.

KI im Handel ist Neuland. Die IT-Angestellten in Unternehmen verfügen nur selten über das nötige Fachwissen, um Machine-Learning-Algorithmen zu entwickeln und zu trainieren und müssten es sich erst sukzessive erarbeiten. Die Projekte nehmen zudem meist mehr Zeit in Anspruch als geplant und in der Umsetzung müssen Fehlschläge einkalkuliert werden, ehe die KI zufriedenstellende Ergebnisse liefert.

Soll künstliche Intelligenz im Einzelhandel oder Großhandel unterstützen, ist es in vielen Fällen kostengünstiger und für die Qualität der Anwendung vorteilhafter, auf externe Tools zurückzugreifen. So können sich die IT-Mitarbeiter auf andere strategisch wichtige Aufgaben konzentrieren und es ist sichergestellt, dass die Anwendung in überschaubarer Zeit, zu fixen Kosten und in verlässlicher Qualität einsatzbereit ist.

Aber wie groß ist der Vorteil, wenn auch der Wettbewerb solche Anwendungen nutzt? Künstliche Intelligenz ist im Einzelhandel im Netz  auf dem Vormarsch, aber noch längst nicht etabliert. In der Theorie mögen individuelle Algorithmen also bessere Ergebnisse erzielen, doch wenn Ihre Mitbewerber KI noch nicht einsetzen, schaffen Sie sich als Unternehmen auch mit vermeintlichen Standardlösungen einen Wettbewerbsvorsprung. Sollte in Ihrer Branche smarte Preisoptimierung schon üblich sein, haben Sie mit leistungsstarken Tools dennoch beste Chancen, sich auf Augenhöhe mit Ihrem Wettbewerb zu bringen. Es gibt nur ein Szenario, in dem Sie sicher verlieren: Wenn Sie die Investition in Künstliche Intelligenz weiter hinausschieben.