KI gilt im Einzelhandel längst als unverzichtbar – doch zwischen dem Wissen darum und der tatsächlichen Umsetzung klafft eine gefährliche Lücke. Eine neue Studie zeigt: 91 Prozent der Führungskräfte im Handel sind überzeugt, dass KI bis 2030 zur Grundvoraussetzung wird, aber nur 29 Prozent haben die nötige Infrastruktur dafür geschaffen. Was die Branche aufhält und welche fünf Hürden Händler jetzt kennen müssen, lesen Sie hier.
Strategie ohne Fundament: Das KI-Paradox im Einzelhandel
Die Zahlen klingen alarmierend, und das zu Recht. Im Rahmen der Studie „The Retail CXO Outlook – Roadmap to 2030″ hat Manhattan Associates gemeinsam mit dem World Retail Congress und Incisiv weltweit 336 C-Level-Führungskräfte aus dem Einzelhandel befragt – darunter auch Manager aus Deutschland. Das Ergebnis ist ein klares Bild von einer Branche, die strategisch denkt, aber operativ hinterherhinkt.
Neun von zehn Führungskräften sind sich einig: Wer bis 2030 wettbewerbsfähig bleiben will, kommt an KI nicht vorbei. Gleichzeitig hat weniger als ein Drittel die technologischen und datenseitigen Grundlagen gelegt, um diesen Anspruch auch einzulösen. Das ist kein kleines Missverhältnis – das ist eine strukturelle Schwäche, die sich in den kommenden Jahren rächen wird.
Sebastian Kirbus, Principal Solutions Consultant bei Manhattan Associates, bringt es auf den Punkt: Unternehmen fühlen sich gut vorbereitet, weil sie die richtige Strategie kennen. Aber es fehlt ihnen die Infrastruktur, um sie umzusetzen. Diese Illusion der Bereitschaft ist möglicherweise das größte Risiko, das der Handel gerade eingeht.
Besonders aufschlussreich ist dabei der Blick auf die Studienstruktur selbst. Die Befragung wurde im ersten Quartal 2026 durchgeführt und umfasste Führungskräfte aus vier Regionen: Nordamerika mit 41 Prozent, Lateinamerika mit 20 Prozent, EMEA mit 19 Prozent und APAC mit 21 Prozent. Abgedeckt wurden drei Einzelhandelsformate – Lebensmittel, Bekleidung und Schuhe sowie Fach- und Kaufhäuser. Das Ziel der Studie war dabei ausdrücklich nicht, die Ansichten der Branche zu dokumentieren, sondern zu untersuchen, was sie tatsächlich tut, wo sie Defizite aufweist und was die Händler, die 2030 führend sein werden, anders machen als jene, die ihnen lediglich folgen. Diese Fragestellung macht die Ergebnisse besonders wertvoll – und besonders unbequem.
Grund 1: Die Datenbasis ist schlicht nicht vorhanden
KI-Systeme sind nur so gut wie die Daten, mit denen sie arbeiten. Und genau hier liegt das erste und fundamentalste Problem vieler Händler. Produktdaten sind unvollständig, Bestandsinformationen veraltet, Kundendaten über verschiedene Systeme verstreut und kaum miteinander verknüpft. Eine KI, die auf dieser Grundlage arbeitet, kann keine verlässlichen Empfehlungen aussprechen – und schon gar keine Entscheidungen in Echtzeit treffen.
Ein konkretes Beispiel aus der Praxis: Die KI erkennt eine Nachfragespitze für ein bestimmtes Produkt in einer Region. Wenn die Bestandsübersicht jedoch unvollständig ist, die Auftragsabwicklung isoliert läuft und die Filialabläufe nicht vernetzt sind, kann diese Erkenntnis nicht rechtzeitig in Handlungsschritte übersetzt werden. Die Chance ist vertan – nicht weil das Modell versagt hat, sondern weil das System schlicht nicht reagieren konnte.
Saubere, vernetzte und unternehmensweit zugängliche Daten sind keine optionale Ergänzung zur KI-Strategie. Sie sind deren Voraussetzung. Wer diesen Schritt überspringt, investiert in Technologie, die ihr volles Potenzial nie entfalten kann.
Das Problem der Datenqualität ist dabei vielschichtiger, als es auf den ersten Blick erscheint. Es geht nicht allein darum, möglichst viele Daten zu sammeln. Entscheidend ist, dass diese Daten konsistent gepflegt, regelmäßig aktualisiert und in einem Format vorliegen, das von KI-Systemen interpretiert werden kann. Strukturierte Produktdaten etwa – also Informationen zu Maßen, Materialien, Verfügbarkeiten und Varianten – sind eine Grundvoraussetzung dafür, dass Algorithmen ein Produkt überhaupt korrekt einordnen und empfehlen können. Händler, die hier investieren, schaffen nicht nur die Basis für KI-Anwendungen im eigenen Haus, sondern verbessern auch ihre Chancen, in externen KI-gestützten Suchsystemen sichtbar zu bleiben.
Grund 2: Isolierte Systeme blockieren die Ausführung im Handel
Viele Händler arbeiten noch immer mit gewachsenen IT-Landschaften, in denen Warenwirtschaft, E-Commerce-Plattform, Filialsysteme und Logistik weitgehend unabhängig voneinander operieren. Diese Silos waren schon vor dem KI-Zeitalter ein Problem – jetzt werden sie zum echten Wettbewerbsnachteil.
In einer Welt, in der KI Sortiment, Preisgestaltung und Auftragsabwicklung gleichzeitig optimieren kann, ist Intelligenz nicht mehr das limitierende Element. Es ist die Fähigkeit, mit der Geschwindigkeit zu agieren, die diese Intelligenz vorgibt. Fulfillment-Netzwerke müssen so aufgebaut sein, dass sie in Echtzeit auf Entscheidungen reagieren können. Der Filialbetrieb muss in digitale Kanäle integriert sein, anstatt parallel dazu als eigenständiger Bereich zu laufen.
Die Konsequenz isolierter Systeme zeigt sich besonders deutlich in Ausnahmesituationen: bei plötzlichen Nachfragespitzen, Lieferengpässen oder kurzfristigen Preisanpassungen durch Wettbewerber. In solchen Momenten entscheidet die Reaktionsgeschwindigkeit über Umsatz und Kundenzufriedenheit. Wer dann erst manuell Daten aus verschiedenen Systemen zusammenführen muss, bevor eine Entscheidung getroffen werden kann, hat den Moment bereits verpasst. KI kann diese Entscheidungen nur dann automatisiert und in der nötigen Geschwindigkeit treffen, wenn alle relevanten Systeme miteinander kommunizieren und auf einer gemeinsamen Datenbasis operieren.
Wer mehr darüber erfahren möchte, wie sich diese strukturellen Defizite im deutschen Einzelhandel konkret auswirken, findet auf digital-magazin.de eine ausführliche Analyse zu den Schwachstellen beim Unified Commerce im Einzelhandel, die viele dieser Zusammenhänge beleuchtet.
Grund 3: KI verändert die Sichtbarkeit von Marken grundlegend
{INLINE_IMAGE}
Der Einzelhandel basierte jahrzehntelang auf einer simplen Annahme: Marken steuern selbst, wie und wo ihre Produkte gefunden werden. Über Ladengeschäfte, Websites und Suchmaschinenoptimierung bestimmten Händler, was der Kunde zu sehen bekommt. Diese Kontrolle schwindet – und zwar schneller als viele wahrhaben wollen.
KI wird zunehmend zum Vermittler zwischen Verbrauchern und Produkten. Ob über Suchmaschinen, digitale Assistenten oder integrierte Empfehlungssysteme: Algorithmen filtern Optionen, stellen Empfehlungen zusammen und beeinflussen Kaufentscheidungen, noch bevor ein Kunde überhaupt direkten Kontakt mit einem Händler aufnimmt. Die Konsequenz ist dramatisch: 98 Prozent der befragten Führungskräfte befürchten, dass KI-gestützte Suche die Sichtbarkeit ihrer Marke verringern wird.
Der Wettbewerb verlagert sich damit an einen früheren Punkt in der Customer Journey. Statt im Moment des Kaufs zu konkurrieren, müssen Händler nun darum kämpfen, überhaupt in die algorithmisch generierte Auswahl relevanter Anbieter aufgenommen zu werden. Sichtbarkeit hängt dabei nicht mehr allein von Marketingbudgets oder Markenbekanntheit ab – sie wird von strukturierten Produktdaten, Verfügbarkeit, Lieferfähigkeit und Vertrauenskennzahlen bestimmt.
Auffindbarkeit ist damit kein Marketingproblem mehr. Es ist eine Herausforderung von Daten und operativer Umsetzung. Händler, die ihre Bestände nicht sauber, korrekt und lieferfähig abbilden können, werden von KI-Systemen schlicht nicht empfohlen – und verschwinden damit aus dem Blickfeld potenzieller Käufer.
Diese Verschiebung hat weitreichende strategische Konsequenzen, die über die klassische Suchmaschinenoptimierung hinausgehen. Während SEO bislang darauf ausgerichtet war, in von Menschen durchgeführten Suchanfragen sichtbar zu sein, geht es künftig darum, von KI-Systemen als vertrauenswürdige und lieferfähige Quelle eingestuft zu werden. Das erfordert nicht nur saubere Produktdaten, sondern auch eine nachweislich hohe Lieferzuverlässigkeit, positive Kundensignale und eine konsistente Darstellung über alle Kanäle hinweg. Händler, die diese neue Form der Auffindbarkeit unterschätzen, riskieren, in einer zunehmend KI-vermittelten Kaufwelt strukturell benachteiligt zu sein – unabhängig davon, wie bekannt ihre Marke beim Endkunden ist.
Grund 4: Fehlende Investitionen in Mitarbeitende und Prozesse
Technologie allein löst keine Probleme. Das klingt wie eine Binsenweisheit, wird aber im Kontext der KI-Transformation im Handel besonders deutlich. Selbst Unternehmen, die in moderne Systeme investieren, scheitern häufig daran, dass ihre Belegschaft nicht entsprechend geschult ist und interne Prozesse nicht auf die neuen Möglichkeiten ausgerichtet wurden.
Die Studie macht deutlich: Die Händler, die 2030 führend sein werden, treffen ihre Entscheidungen bereits heute – und zwar nicht nur in Bezug auf Technologie, sondern auch auf Menschen und Strukturen. KI-Kompetenz muss in der gesamten Organisation verankert sein, vom Einkauf über die Logistik bis hin zum Filialpersonal. Wer KI als reines IT-Projekt behandelt, wird die erhofften Effizienzgewinne nicht realisieren.
Hinzu kommt, dass viele Transformationsprojekte an fehlender interner Akzeptanz scheitern. Wenn Mitarbeitende nicht verstehen, warum sich ihre Arbeitsweise verändern soll, und wenn Führungskräfte KI-Empfehlungen nicht vertrauen, weil sie die Grundlage dieser Empfehlungen nicht kennen, bleibt selbst die beste Technologie wirkungslos.
Die Frage der internen Akzeptanz ist dabei eng mit der Frage der Transparenz verknüpft. KI-Systeme, die Entscheidungen treffen, ohne dass die betroffenen Mitarbeitenden nachvollziehen können, auf welcher Grundlage diese Entscheidungen basieren, erzeugen Misstrauen. Dieses Misstrauen führt dazu, dass KI-Empfehlungen ignoriert oder manuell überschrieben werden – womit der Mehrwert der Technologie verpufft. Händler, die in die Erklärbarkeit ihrer KI-Systeme investieren und ihre Belegschaft aktiv in den Transformationsprozess einbeziehen, schaffen eine deutlich bessere Grundlage für eine nachhaltige Nutzung. Das bedeutet konkret: Schulungen, die nicht nur die Bedienung neuer Tools erklären, sondern auch vermitteln, warum KI bestimmte Empfehlungen ausspricht und wie Mitarbeitende diese sinnvoll in ihren Arbeitsalltag integrieren können.
Grund 5: Der Druck durch KI-gestützte Wettbewerber wächst rasant
Während viele traditionelle Händler noch über ihre KI-Strategie nachdenken, haben andere bereits gehandelt. Plattformen und digital-native Wettbewerber verfügen über die Dateninfrastruktur, die Fulfillment-Netzwerke und die technologische Agilität, die für eine effektive KI-Nutzung notwendig sind. Sie können Preise dynamisch anpassen, Bestände in Echtzeit steuern und personalisierte Empfehlungen ausspielen – und das in einem Tempo, das klassische Händler mit fragmentierten Systemen schlicht nicht mithalten können.
Die Studie wurde im ersten Quartal 2026 unter Führungskräften aus vier Regionen und drei Einzelhandelsformaten durchgeführt – Lebensmittel, Bekleidung und Schuhe sowie Fach- und Kaufhäuser. Die Ergebnisse zeigen, dass die Lücke zwischen technologisch gut aufgestellten und schlecht vorbereiteten Unternehmen sich weiter vergrößert. Wer jetzt nicht investiert, holt den Rückstand kaum noch auf.
Besonders kritisch ist dabei die Geschwindigkeit des Wandels. KI-Modelle entwickeln sich in einem Tempo weiter, das strategische Fünfjahrespläne schnell überholt. Händler, die ihre Infrastruktur nicht kontinuierlich modernisieren, riskieren, dass ihre KI-Investitionen bereits veraltet sind, bevor sie vollständig implementiert wurden. Der Digital Commerce Report liefert dazu weitere Einblicke in aktuelle Marktentwicklungen, die zeigen, wie stark sich das Wettbewerbsumfeld bereits verändert hat.
Der Wettbewerbsdruck entsteht dabei nicht nur durch direkte Konkurrenten im gleichen Marktsegment. Auch branchenfremde Akteure, die über ausgereifte Dateninfrastrukturen und KI-Kapazitäten verfügen, dringen zunehmend in traditionelle Handelsbereiche vor. Die Grenzen zwischen Plattform, Marktplatz und klassischem Einzelhandel verschwimmen. In diesem Umfeld ist die operative Reaktionsfähigkeit – also die Fähigkeit, KI-Erkenntnisse tatsächlich in Handlungen umzusetzen – der entscheidende Differenzierungsfaktor. Nicht die Größe des Unternehmens, nicht das Marketingbudget und nicht die Bekanntheit der Marke allein werden darüber entscheiden, wer 2030 noch relevant ist.
Praktische Einordnung: Wo Händler ihren Reifegrad realistisch einschätzen sollten
Die Ergebnisse der Studie legen nahe, dass viele Unternehmen ihren eigenen KI-Reifegrad systematisch überschätzen. Das ist kein Vorwurf, sondern eine strukturelle Beobachtung: Wer eine klare Strategie formuliert hat und erste Pilotprojekte abgeschlossen hat, fühlt sich verständlicherweise gut aufgestellt. Doch zwischen dem erfolgreichen Piloten und der unternehmensweiten, echtzeit-fähigen KI-Integration liegt ein erheblicher Abstand – technologisch, organisatorisch und kulturell.
Eine ehrliche Selbsteinschätzung sollte daher mehrere Dimensionen umfassen. Erstens die Datendimension: Sind die relevanten Produktdaten vollständig, aktuell und maschinenlesbar strukturiert? Sind Bestandsdaten in Echtzeit verfügbar und über alle Kanäle hinweg konsistent? Zweitens die Systemdimension: Kommunizieren die zentralen IT-Systeme miteinander, oder existieren nach wie vor manuelle Schnittstellen und Medienbrüche? Drittens die Prozessdimension: Sind die internen Abläufe so gestaltet, dass KI-generierte Empfehlungen ohne Zeitverzug in operative Entscheidungen überführt werden können? Und viertens die Kompetenzdimension: Verfügt die Organisation über das nötige Wissen, um KI-Systeme sinnvoll zu betreiben, zu hinterfragen und weiterzuentwickeln?
Wer diese vier Fragen ehrlich beantwortet, erhält ein realistisches Bild des eigenen Stands – und damit eine belastbare Grundlage für die Priorisierung der nächsten Investitionsschritte. Die Studie macht deutlich, dass die meisten Unternehmen in mindestens zwei dieser vier Dimensionen erhebliche Lücken aufweisen. Das ist keine Katastrophe, aber es ist ein klares Signal, dass die Transformation noch am Anfang steht.
Risiken, die Händler bei der KI-Transformation kennen müssen
Neben den strukturellen Hürden gibt es spezifische Risiken, die bei der Planung und Umsetzung von KI-Projekten im Handel häufig unterschätzt werden. Das erste ist das Risiko der Scheintransformation: Unternehmen investieren in KI-Tools, ohne die zugrundeliegenden Daten- und Prozessstrukturen zu verändern. Das Ergebnis sind Systeme, die technisch funktionieren, aber keinen messbaren Mehrwert erzeugen – weil sie auf schlechten Daten operieren oder weil ihre Empfehlungen nicht in operative Entscheidungen überführt werden können.
Das zweite Risiko ist die Abhängigkeit von einzelnen Technologieanbietern. Wer seine gesamte KI-Infrastruktur auf einer einzigen Plattform aufbaut, ohne auf Interoperabilität zu achten, schränkt seine zukünftige Flexibilität erheblich ein. KI-Technologien entwickeln sich schnell weiter, und die Fähigkeit, neue Lösungen zu integrieren, ohne das gesamte System neu aufbauen zu müssen, wird zunehmend zum strategischen Vorteil.
Das dritte Risiko betrifft den Datenschutz und die regulatorische Compliance. KI-Systeme, die auf Kundendaten basieren, unterliegen in Europa strengen Anforderungen. Händler, die hier nicht von Anfang an auf rechtssichere Architekturen setzen, riskieren nicht nur Bußgelder, sondern auch einen erheblichen Vertrauensverlust bei ihren Kunden. Die Datenschutz-Grundverordnung und die sich entwickelnden KI-Regulierungen auf europäischer Ebene sind dabei keine Hindernisse, die es zu umgehen gilt, sondern Rahmenbedingungen, die von Beginn an in die Systemarchitektur einbezogen werden müssen.
Was Händler jetzt konkret tun müssen
Die Erkenntnisse der Studie lassen sich in vier operative Handlungsfelder übersetzen, die Händler priorisieren sollten. Erstens: Datenhygiene und -vernetzung. Ohne saubere, konsistente und unternehmensweite Datenbasis ist jede KI-Initiative zum Scheitern verurteilt. Zweitens: Integration von Filialbetrieb und digitalen Kanälen. Wer Omnichannel ernst meint, muss die technologischen Voraussetzungen dafür schaffen – nicht nur die Marketingbotschaft.
Drittens müssen Fulfillment-Netzwerke so aufgebaut werden, dass sie auf KI-Entscheidungen in Echtzeit reagieren können. Das bedeutet flexible Lagerstrukturen, klare Prozesse und Systeme, die miteinander kommunizieren. Viertens braucht es eine konsequente Investition in die KI-Kompetenz der Mitarbeitenden – auf allen Ebenen der Organisation.
Außerdem empfiehlt sich eine klare Priorisierung nach dem Prinzip der operativen Wirksamkeit: Welche KI-Anwendung erzeugt den größten messbaren Nutzen in den Bereichen, in denen bereits eine ausreichende Datenbasis vorhanden ist? Dieser pragmatische Ansatz erlaubt es, erste Erfolge zu erzielen und intern Vertrauen in die Technologie aufzubauen, ohne auf eine vollständige Transformation warten zu müssen. Gleichzeitig sollten diese frühen Projekte konsequent dazu genutzt werden, die Datenbasis zu verbessern und die Systemintegration voranzutreiben – sodass jeder Schritt die Grundlage für den nächsten legt.
Die gute Nachricht: Es ist noch nicht zu spät. Aber das Fenster für eine geordnete Transformation schließt sich. Unternehmen, die heute die richtigen Grundlagen legen, werden in der Lage sein, KI-Erkenntnisse tatsächlich in Wettbewerbsvorteile zu übersetzen. Alle anderen werden zusehen, wie ihre Sichtbarkeit schwindet und ihre Margen unter Druck geraten.
Wie KI das Einkaufserlebnis der Zukunft konkret gestalten kann, zeigt ein weiterer Beitrag auf digital-magazin.de, der sich mit KI im Handel als neuem Shopping-Erlebnis beschäftigt und praktische Anwendungsfälle vorstellt. Die technologischen Möglichkeiten sind vorhanden – die Frage ist nur, wer die organisatorischen Voraussetzungen schafft, um sie zu nutzen.
Die Studie von Incisiv macht unmissverständlich klar: Der Unterschied zwischen den Gewinnern und Verlierern im Handel der Zukunft wird nicht die KI-Strategie sein. Es wird die Fähigkeit sein, diese Strategie auch tatsächlich umzusetzen.
