E-Commerce und Großhandel: Wo KI sich rechnet, etwa bei Produktdaten

Die kurze Antwort: KI rechnet sich im Onlinehandel und Großhandel dort, wo Abläufe oft vorkommen, festen Regeln folgen und heute Stunden kosten: im Kundenservice, bei Produktdaten, bei Großhandelsanfragen, bei Status- und Berichtsarbeit und in der Retourenauswertung. Bei der Produktdatenpflege schreibt die KI den Entwurf aus den Stammdaten, der Mensch prüft und gibt frei, und in unserem Rechenbeispiel mit angenommenen Werten sinkt der Aufwand je Artikel von 20 auf 6 Minuten.

Wo rechnet sich KI im Onlinehandel und Großhandel?

KI im Onlinehandel wird oft als Frage nach dem richtigen Tool verkauft. Das ist die falsche Reihenfolge. Die richtige Frage lautet: Welcher Ihrer täglichen Abläufe wiederholt sich oft genug, läuft regelbasiert genug und kostet genug Stunden, dass sich ein System lohnt?

E-Commerce und Großhandel sind für KI besonders ergiebig, genau weil hier so viele Prozesse beides sind: hochvolumig und regelbasiert. Das macht den Onlinehandel zu einem der dankbarsten Felder für KI. Vorausgesetzt, wir rechnen nüchtern statt zu hypen.

Die Rechenbeispiele unten sind keine zitierte Studie, sondern typisierte Beispiele mit angenommenen Werten. Auch die Umsetzungskosten sind Annahmen zum Nachrechnen, keine Angebotspreise. Sie können dieselbe Logik auf Ihr eigenes Unternehmen anwenden, bevor Sie einen Euro investieren.

Was ändert sich bei der Produktdatenpflege gegenüber Handarbeit?

Wer Hunderte oder Tausende Artikel führt, kennt das Problem: Jede neue Produktreihe braucht Beschreibungen, Attribute, Suchmaschinentexte und oft mehrere Marktplatz-Varianten. Heute schreibt das jemand von Hand, oder es bleibt liegen, was Umsatz kostet.

Der Unterschied liegt nicht darin, dass die Arbeit verschwindet, sondern darin, wer den ersten Entwurf macht:

Schritt	Von Hand	KI-gestützt
Ausgangsdaten	Datenblatt, Lieferantenliste und Fotos werden zusammengesucht	Die KI liest Stammdaten und Lieferantenangaben ein
Beschreibung	Wird je Artikel neu geschrieben, der Ton schwankt je nach Verfasser	Entwurf aus den Stammdaten in einheitlichem Ton
Attribute (Maße, Material, Farbe)	Von Hand abgetippt, je Kanal mit anderen Feldnamen	Aus dem Datenblatt übernommen und den Feldern je Kanal zugeordnet
Marktplatz-Varianten	Je Kanal kopiert und angepasst	Aus einem Entwurf je Kanal abgeleitet
Prüfung	Fällt bei Zeitdruck oft weg	Der Mensch prüft jeden Entwurf und gibt frei
Zeit je Artikel (Annahme)	20 Minuten	6 Minuten

Was beim Menschen bleibt: die Freigabe, alle Angaben mit rechtlichem Gewicht wie Sicherheitshinweise, und der Blick dafür, ob ein Text zur Marke passt. Die KI kann nur so gut schreiben, wie die Stammdaten sind. Sind Maße falsch oder Kategorien lückenhaft, schreibt sie das Falsche schneller. Wie Sie das vorher prüfen, steht im Beitrag zur Datenqualität als Voraussetzung für KI.

Rechenbeispiel mit angenommenen Werten: Ein Händler mit 120 Mitarbeitenden pflegt monatlich 250 neue oder überarbeitete Artikel ein. Pro Artikel fallen rund 20 Minuten für Beschreibung, Attribute und Marktplatz-Anpassung an.

• Zeitaufwand: 250 Artikel × 20 Minuten × 12 Monate = 1.000 Stunden pro Jahr
• Kosten bei angenommenen 40 Euro pro Stunde: 40.000 Euro pro Jahr
• KI erzeugt Beschreibungen, Attribute und Varianten aus den Stammdaten; der Mensch prüft und gibt frei (6 statt 20 Minuten)
• Einsparung: 14 von 20 Minuten, also 70 Prozent → 28.000 Euro pro Jahr
• Umsetzungskosten (Annahme): 14.000 Euro
• Break-even nach rund 6 Monaten

Nebeneffekt: einheitlichere Daten über alle Kanäle, schwer in Euro zu fassen, aber direkt umsatzwirksam.

Welche fünf Hebel rechnen sich?

Hebel 1: Kundenservice- und Retouren-Triage

Der größte Posten in den meisten Shops sind wiederkehrende Standardfragen: „Wo ist meine Bestellung?“, „Wie schicke ich zurück?“, „Ist das wieder lieferbar?“. Diese Fälle sind individuell formuliert, aber inhaltlich identisch, und sie kosten echte Stunden.

Ein Onlinehändler mit 80 Mitarbeitenden bearbeitet täglich rund 110 Service-Anfragen. Etwa 60 Prozent sind Standardfälle. Drei Mitarbeitende verbringen je 1,5 Stunden täglich mit dieser Triage und den Standardantworten.

• Zeitaufwand: 4,5 Stunden pro Tag × 220 Arbeitstage = 990 Stunden pro Jahr
• Kosten bei angenommenen 40 Euro pro Stunde: 39.600 Euro pro Jahr
• KI-gestützte Triage klassifiziert Anfragen und beantwortet einen Teil der Standardfälle vollständig (mit Anbindung an den Bestellstatus); angenommen wird, dass so 55 Prozent der Arbeit wegfallen
• Einsparung: 55 Prozent → ca. 21.800 Euro pro Jahr
• Umsetzungskosten (Annahme): 8.500 Euro
• Break-even nach knapp 5 Monaten

Wichtig: Die Sonderfälle landen weiterhin beim Menschen. KI übernimmt das Volumen, nicht die Verantwortung.

Wie sich das anfühlt, wenn eine KI-Lösung im Kundenservice des Tagesgeschäfts läuft, beschreibt ein Kunde aus dem Ersatzteilhandel:

„Vorher waren das ein paar Minuten pro Suche. Bei 60 Anfragen am Tag waren das mehrere Stunden, jeden Tag, nur um das richtige Ersatzteil zu finden. Diese Zeit ist mit ID-Scout praktisch weg.“

Enrico Brauer, Ersatzteil-Shop24

Hebel 2: Produktdaten, Listings und Beschreibungen

Die Gegenüberstellung von Handarbeit und KI-gestützter Pflege samt Rechenbeispiel steht im Abschnitt oben. Kurz: Die KI schreibt den Entwurf aus den Stammdaten, der Mensch gibt frei, und im Beispiel spart das 70 Prozent der Zeit je Artikel.

Hebel 3: Großhandels- und Angebotsanfragen vorqualifizieren

Im Großhandel kommen Anfragen unstrukturiert herein: per E-Mail, mit PDF-Anhang, mit handgeschriebenen Mengen. Bevor überhaupt ein Angebot entsteht, muss jemand die Anfrage lesen, Artikel zuordnen, Verfügbarkeit prüfen und Preise nachschlagen.

Ein Großhändler mit 90 Mitarbeitenden erhält täglich 14 individuelle Anfragen. Die reine Vorqualifizierung (Lesen, Zuordnen, Datenabruf) kostet rund 22 Minuten pro Anfrage, verteilt auf zwei Mitarbeitende.

• Zeitaufwand: 14 × 22 Minuten × 220 Tage ≈ 1.130 Stunden pro Jahr
• Kosten bei angenommenen 40 Euro pro Stunde: ca. 45.200 Euro pro Jahr
• KI extrahiert Artikel und Mengen, gleicht sie mit dem ERP ab und legt einen vorbefüllten Angebotsentwurf an
• Einsparung: angenommen 65 Prozent → ca. 29.400 Euro pro Jahr
• Umsetzungskosten (Annahme): 16.000 Euro
• Break-even nach rund 6,5 Monaten

Das ist klassisches HanseImpact-Terrain: Die Logik dahinter haben wir in unserer Übersicht zu fünf Prozessen, die KI im Mittelstand übernehmen kann an weiteren Beispielen aufgeschlüsselt.

Hebel 4: Bestellstatus, Lieferstatus und Reporting

Viele Händler führen wöchentlich Daten aus Shop, ERP und Versanddienstleister von Hand zusammen, für Statusauskünfte, Lieferübersichten und das Management-Reporting. Diese Arbeit ist vollständig regelbasiert und damit ein idealer Kandidat.

Ein Händler mit 50 Mitarbeitenden konsolidiert wöchentlich Daten aus drei Systemen in ein Reporting-Dashboard. Zwei Mitarbeitende, je 3,5 Stunden pro Woche.

• Zeitaufwand: 7 Stunden pro Woche × 48 Wochen = 336 Stunden pro Jahr
• Kosten bei angenommenen 40 Euro pro Stunde: 13.440 Euro pro Jahr
• Ein Workflow (n8n mit Datenbank- und API-Anbindung) läuft ohne Handarbeit, einschließlich der Statusauskünfte
• Einsparung: ca. 13.440 Euro pro Jahr
• Umsetzungskosten (Annahme): 9.000 Euro
• Break-even nach rund 8 Monaten

Hier ist der eigentliche Gewinn oft nicht die Stunde, sondern die Aktualität: Daten in Echtzeit statt einmal pro Woche.

Hebel 5: Muster- und Anomalieerkennung bei Retouren

Retouren sind im E-Commerce ein strukturell teurer Posten, und ein Datenschatz, der meist ungenutzt bleibt. KI ist hier weniger Abarbeitung als Auswertung: Sie erkennt, welche Produkte, Größenangaben oder Lieferanten überdurchschnittlich oft zurückkommen, und macht das Muster sichtbar, bevor es im Quartalsbericht auffällt.

Rechenbeispiel mit angenommenen Werten: Ein Händler mit 5.000 Bestellungen pro Monat und 12 Prozent Retourenquote hat 600 Retouren im Monat. Löst eine fehlerhafte Größentabelle 60 zusätzliche Retouren im Monat aus, bei angenommenen 15 Euro Kosten je Retoure für Versand, Prüfung und Wiedereinlagerung, kostet dieser eine Fehler 900 Euro im Monat. Fällt er zwei Monate früher auf, sind das 1.800 Euro für einen einzigen Artikel.

• Heute von Hand: Auswertung passiert sporadisch, oft erst bei spürbarem Schmerz
• KI: fortlaufende Mustererkennung, Hinweis bei Abweichungen
• Umsetzungskosten (Annahme): 12.000 Euro
• Break-even: hängt davon ab, wie oft solche Fehler vorkommen; im Beispiel ab rund sieben früher erkannten Fällen im Jahr

Dieser Hebel ist der unsicherste in der Größenordnung, aber häufig der mit dem meisten Spielraum nach oben.

Wie fangen wir an?

Was alle fünf Hebel verbindet: Der ROI entsteht nicht durch die KI, sondern durch die Auswahl des richtigen Prozesses. Falsch priorisiert, verpufft das Budget. Richtig priorisiert, rechnet sich die Investition in unseren Beispielen innerhalb eines Jahres.

Deshalb arbeiten wir bei HanseImpact prozessbasiert statt produktgetrieben. Als Orchestrator nutzen wir n8n, das wir direkt in Ihren Shop und Ihr ERP integrieren. KI sitzt dort, wo der Prozess ohnehin läuft, statt als isoliertes Zusatz-Tool nebenher. Wie sich die Investition vorab kalkulieren lässt, haben wir in unserem Beitrag zu KI-Beratung, Kosten und ROI im Detail beschrieben.

Entscheidend ist dabei nicht die Mitarbeiterzahl, sondern das Volumen wiederkehrender, regelbasierter Aufgaben. Ein Händler mit 80 Mitarbeitenden und hohem Anfragevolumen hat oft mehr Hebel als einer mit 300 und vielen Sonderfällen.

Sie müssen nicht alle fünf Hebel gleichzeitig angehen. Sinnvoller ist, mit einer ehrlichen Stundenschätzung zu starten und die zwei bis drei lohnendsten Prozesse zuerst zu identifizieren.

Häufige Fragen

Wo rechnet sich KI im Onlinehandel und Großhandel? Dort, wo Abläufe oft vorkommen, festen Regeln folgen und heute Stunden kosten: Kundenservice, Produktdaten, Großhandelsanfragen, Status und Reporting, Retourenauswertung.

Was ist der Unterschied zwischen manueller und KI-gestützter Produktdatenpflege? Von Hand schreibt jemand jeden Artikel selbst. KI-gestützt entsteht der Entwurf aus den Stammdaten, der Mensch prüft und gibt frei. Im Rechenbeispiel mit angenommenen Werten sinkt der Aufwand von 20 auf 6 Minuten je Artikel.

Welche KI-Anwendungsfälle gibt es im Onlinehandel? Service- und Retouren-Triage, Produktdaten, Vorqualifizierung von Großhandelsanfragen, Status und Reporting sowie die Auswertung von Retouren.

Ab welcher Größe lohnt sich KI für einen Onlinehändler? Entscheidend ist das Volumen wiederkehrender Aufgaben. Ab erfahrungsgemäß etwa 10 Mitarbeiter-Stunden pro Woche in regelbasierten Abläufen lohnt sich ein strukturierter Check. Wir arbeiten mit Unternehmen von 50 bis 500 Mitarbeitenden.

Der nächste Schritt

Der einfachste Einstieg: Unser KI Impact Audit (Report 48 Stunden nach dem Interview) macht genau das für Ihr Unternehmen. In einem 60-minütigen Tiefen-Interview gehen wir Ihre Abläufe durch; der KI-augmentierte Report liefert anschließend drei konkrete KI-Hebel mit Stunden- und Euro-Schätzung, speziell für E-Commerce und Großhandel, ohne Folgeverpflichtung.

KI Impact Audit buchen →