Branche

Einzelhandel und E-Commerce

Acht Anwendungsfälle, die der deutsche Handel bereits umsetzt oder plant — jeweils mit dem Prozess, an dem sie hängen, dem belegten Nutzen und dem, was den Aufwand im Filialnetz treibt.

Einordnung

Im Handel entscheidet sich der Wert einer Anwendung an wenigen Größen: Abschriftenquote, Regalverfügbarkeit, Bestandsreichweite, Spanne je Warengruppe, Inventurdifferenz. Ein Fall zählt erst, wenn er eine davon bewegt — und zwar dort, wo die Arbeit anfällt: im täglichen Bestellvorschlag der Warendisposition, im Planogramm auf der Fläche, im Artikelstammsatz vor der Listung, am Self-Checkout-Terminal.

Der Einstieg liegt hinter der Branche. Der HDE-KI-Index 2025 misst 47,3 % der befragten Handelsunternehmen mit KI-Einsatz, doppelt so viele wie zwei Jahre zuvor; der Anteil, der KI auch nicht plant, ist von 67,8 % auf 35,9 % gefallen. Aufschlussreicher als der Anstieg ist, was liegen bleibt: Kassenloser Supermarkt, intelligente Theke und Predictive Baskets führen unabhängig von der Unternehmensgröße die Liste der nicht geplanten Anwendungsfälle an. Den Grund nennt der HDE selbst — der Roll-out ins Filialnetz treibt die Komplexität, in der Zentrale rechnet sich dieselbe Investition schneller.

Die Trennlinie verläuft damit nicht zwischen guten und schlechten Ideen, sondern zwischen Zentrale und Fläche. Ein Modell im Category Management kostet einmal Integration. Dasselbe Modell auf der Fläche kostet Hardware je Regalmeter, Montage je Standort und Nachzug bei jedem Umbau — und es braucht den Betriebsrat am Tisch, sobald eine Kamera auch Beschäftigte erfasst (§ 87 Abs. 1 Nr. 6 BetrVG).

Dazu kommt, dass der Händler die Daten, an denen die meisten Fälle hängen, nicht besitzt. Artikelstammdaten laufen über das GDSN vom Lieferanten ein, und korrigiert werden müssen sie dort. Wer Artikeltexte generiert, muss die Pflichtangaben nach LMIV vom freien Text trennen — ein halluziniertes Allergen ist ein Rechtsverstoß, kein Textfehler. Und die Größenschere ist real: Der KI-Index weist für Unternehmen über 1 Mrd. Euro Nettoumsatz 73,2 % KI-Anwendung aus, für Häuser bis 50 Mio. Euro 25 %. Priorisierung ist im Handel deshalb weniger eine Frage der Ideenmenge als der Reihenfolge.

Begriffe, die in diesem Geschäft selbstverständlich sind:

Warendisposition / Disposition (die tägliche Bestellmengenermittlung je Artikel und Filiale)
Bestellvorschlag (der maschinell erzeugte, vom Disponenten freigegebene Vorschlag)
Warenwirtschaftssystem (WWS) — das Leitsystem, an dem jeder Fall anzudocken ist
Category Management, Einkauf, Eigenmarken (laut HDE der Bereich mit der höchsten Planungsquote: 50 %)
Aktionsmanagement, Handzettel, Aktionswoche, Zweitplatzierung
Abschriften und Abschriftenquote (nicht „Ausschuss“ oder „Verlust“)
Mindesthaltbarkeitsdatum (MHD), Restlaufzeit, Ultrafrische
Inventurdifferenz (der Branchenbegriff für Schwund; „Diebstahl“ ist nur eine der vier Ursachen)
Regalverfügbarkeit, Regallücke, Out-of-Stock (OOS)
Planogramm, Regalmeter, Flächenplanung, Planogram Compliance
Bestandsreichweite, Sicherheitsbestand, Anlieferrhythmus
Filialnetz, Filialbelieferung, Zentrallager, Streckengeschäft
Sortimentsbreite und Sortimentstiefe, Listung und Auslistung
Artikelstammdaten, Konsumenteneinheit, GTIN, GDSN, GS1 DQX
LMIV (Lebensmittelinformationsverordnung) — die Pflichtangaben, die KI nicht erzeugen darf
PIM (Product Information Management), Attributschema, Kanalvariante
Betriebsformen: Discounter, SB-Warenhaus, großer Supermarkt, Supermarkt, Verbrauchermarkt
Self-Checkout (SCO), Non-Scan, Bottom of Basket, Pushout
Kassensystem, TSE (technische Sicherheitseinrichtung), Belegausgabepflicht
Bonwert, Kundenfrequenz, Warenkorb, Conversion Rate
Spanne je Warengruppe, Flächenproduktivität, Umsatz je Quadratmeter
Retourenquote, A-Ware, Wiedereinlagerung, Retourengrund
Wegeoptimierte Kommissionierung, Lagerflächenoptimierung
Retail Media, In-Store Retail Media, Digital Signage
Omnichannel, Click & Collect, Marktplatz-Listing, Fulfillment
Kundenbindungsprogramm, Payback-/Kartenkunde, Predictive Basket
WKZ (Werbekostenzuschuss), Konditionen, Zentralregulierung
Formatentwicklung (im HDE-Ranking eine eigene Unternehmensfunktion neben Marketing)

Anwendungsfälle

Filialdisposition Frische — Absatzprognose auf Artikel-Filial-Tag-Ebene

Prozess: Täglicher Bestellvorschlag je Artikel und Filiale in der Warendisposition: Prognose der Abverkaufsmenge, Abgleich mit Regalkapazität, Anlieferrhythmus und MHD-Restlaufzeit, Übergabe ins Warenwirtschaftssystem. Der Fall hängt an der Disposition, nicht am Einkauf.
Nutzenhebel: Der Hebel ist die Gegenläufigkeit von Abschriften und Regallücken. Belegte Größenordnung: SPAR Österreich erreicht mit KI-Bedarfsprognose über 90 % Prognosegenauigkeit für die optimale Obst- und Gemüsemenge je Filiale und hat die Lebensmittelverschwendung auf 1 % gesenkt. Zur Einordnung des Gesamtvolumens: Im deutschen Handel fallen 0,8 Mio. t Lebensmittelabfälle an, 7 % des deutschen Gesamtaufkommens von 10,8 Mio. t (Bezugsjahr 2022); der Einzelhandelsumsatz lag 2023 bei 650,5 Mrd. Euro — jeder Zehntelprozentpunkt Abschriftenquote bewegt dreistellige Millionenbeträge. Im HDE-Ranking stehen allgemeine Absatzprognosen auf Rang 5 der bereits umgesetzten Anwendungsfälle.
Aufwandstreiber: Der Roll-out-Multiplikator: Die Lösung muss je Filiale wirken, nicht je Zentrale. Genau das benennt der HDE als Grund, warum filialbezogene Fälle liegen bleiben — Unternehmen konzentrieren sich auf KI-Anwendungen mit schnell sichtbaren Ergebnissen in der Zentrale, wo sich Investitionen schneller rechnen als in einem umfangreichen Filialnetz. Dazu: MHD- und Chargendaten liegen im Warenwirtschaftssystem selten in Prognosequalität vor, Aktions- und Saisonüberlagerung verzerrt die Historie, und die Anbindung an gewachsene Warenwirtschafts- und Bestellsysteme ist Integrationsarbeit, keine Modellarbeit. Komplexere Systemlandschaften mit zahlreichen Schnittstellen und Umsystemen nennt der HDE ausdrücklich als Herausforderung mittlerer und großer Händler.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 14–21; SPAR-Zahlen: EuroShop mag „KI-gestütztes Bestandsmanagement und Shelf Planning im Lebensmitteleinzelhandel“ (28.03.2024) und Microsoft News Center Österreich; Abfallmengen: BMLEH, Lebensmittelabfälle in Deutschland nach Sektoren; Umsatz: HDE-Zahlenspiegel 2024 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Absatzprognose für das Aktionsmanagement

Prozess: Mengenplanung für Handzettel- und Aktionsware: Prognose des Aktionsabverkaufs je Filiale und Aktionsmechanik, Vorbevorratung im Zentrallager, Nachsteuerung während der Aktionswoche, Abverkauf der Restmenge.
Nutzenhebel: Ein eigener Fall neben der Grunddisposition — der HDE führt „Absatzprognosen für das Aktionsmanagement“ getrennt und auf Rang 10 der umgesetzten Fälle, während allgemeine Absatzprognosen auf Rang 5 stehen. Der Hebel liegt in gebundenem Kapital und Restmengen: Aktionsware wird in Wochenmengen bevorratet, Fehlmengen kosten Aktionsumsatz, Überhänge werden zu Abschriften. RELEX weist für Migros Online als Ergebnis eine gesenkte Ausverkaufsrate bei Aktionsprodukten aus. Der Nutzen skaliert mit der Aktionsdichte, nicht mit der Sortimentsgröße.
Aufwandstreiber: Kannibalisierung und Vorzieheffekte machen die Historie unbrauchbar: Der Aktionsartikel entzieht der Warengruppe Absatz, und der Kunde zieht Käufe vor. Je Aktionsmechanik — Preisaktion, Treuepunkte, Mehrstückrabatt, Zweitplatzierung — existieren nur wenige vergleichbare Vorgängeraktionen. Rechtlich bindet § 11 PAngV: Bei Preisermäßigungen ist der niedrigste Gesamtpreis der letzten 30 Tage anzugeben. Beworbene Aktionspreise lassen sich also nicht algorithmisch nachziehen — die KI darf die Menge steuern, nicht den ausgelobten Preis.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 14/16; RELEX/Migros-Online-Fallstudie in: KI Bundesverband, „KI im Einzelhandel — State-of-the-Art-Report“, April 2025, S. 18; § 11 PAngV · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Generierung von Artikeltexten und Anreicherung der Artikeldaten (PIM)

Prozess: Erzeugung von Produktbeschreibungen, Bullet Points und Kanalvarianten aus Lieferantenstammdaten — im PIM, vor der Ausspielung in Onlineshop, Marktplatz-Listing und Handzettel. Der Fall hängt an der Listung und am Category Management, nicht am Marketing.
Nutzenhebel: Rang 1 der bereits umgesetzten Anwendungsfälle im deutschen Handel und zugleich Rang 4 der geplanten — der einzige Fall, der in beiden Ranglisten oben steht. Der Nutzen multipliziert sich über Sortimentsbreite mal Kanäle mal Sprachen: Bei 88,8 Mrd. Euro Nettoonlineumsatz in Deutschland ist die Textproduktion ein Mengenproblem, kein Kreativproblem. Der HDE ordnet den Fall dem Nutzenmuster „Beschleunigung“ zu — Automatisierung repetitiver und kreativer Prozesse.
Aufwandstreiber: Die Trennlinie zwischen freiem Text und Pflichtangabe. Lebensmittelrechtliche Angaben nach LMIV und Sicherheitsangaben dürfen nicht generiert, sondern müssen aus dem Lieferantendatensatz übernommen werden — ein halluziniertes Allergen ist ein Rechtsverstoß, kein Textfehler. Dazu die Marktplatz-Attributschemata: Jede Plattform verlangt andere Pflichtfelder und Zeichenlängen. Und die Datenhoheit liegt beim Lieferanten: Seit 20.05.2023 sind die GS1-DQX-Prüfvorgaben für neue Konsumenteneinheiten im Food-/Near-Food-Sortiment im deutschen Zielmarkt beim GDSN-Datenaustausch verpflichtend.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 14–19; Onlineumsatz: HDE Online-Monitor 2025; GS1 Germany, Sicherung der Produktstammdatenqualität / DQX-Pflicht seit 20.05.2023 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Massenprüfung von Artikel- und Lieferantenstammdaten

Prozess: Automatisierte Prüfung eingehender Lieferantendatensätze auf Vollständigkeit, Plausibilität und Regelkonformität, bevor der Artikel gelistet und in Warenwirtschaft, Regaloptik und Onlineshop übernommen wird.
Nutzenhebel: Rang 3 der umgesetzten Anwendungsfälle; die Prüfung von Lieferantendaten ist laut HDE für Unternehmen bis 50 Mio. Euro Nettoumsatz überdurchschnittlich relevant — der Fall trägt also auch im Mittelstand. Belegte Größenordnung aus dem Regelbetrieb: In der dreimonatigen Pilotphase des GS1 Data Quality Gate mit 200 Lieferanten und 18.000 Artikeln senkten 91 der 200 Lieferanten die Fehlerquote bei LMIV-relevanten Attributen auf null Prozent; von ursprünglich 10.250 fehlerhaften Artikeln wurden 5.600 bereinigt, eine Qualitätsverbesserung von 54 %. Zur Basisgröße: Über 250.000 GTINs von mehr als 1.350 Unternehmen sind im deutschen DQX-Verfahren geprüft, das entspricht rund vier Fünfteln des FMCG-Umsatzes ohne Eigenmarken.
Aufwandstreiber: Der Händler besitzt die Daten nicht, die er prüfen muss — sie kommen über das GDSN vom Lieferanten, und die Korrektur muss dort passieren. Die Fehlerbehebung ist damit ein Lieferantenmanagement-Prozess mit Eskalationsstufen, kein IT-Projekt. Dazu die Zuständigkeitslücke zwischen Category Management, das listet, und Stammdatenpflege, die verantwortet. Und die Durchdringung schwankt stark nach Warengruppe: Bei Fleisch, Wurst und Geflügel erreicht das DQX-Verfahren erst 52 % des Umsatzes gegenüber 94 % bei Brot und Backwaren.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 16; GS1 Germany, „Data Quality Gate: Pilotphase mit 200 Lieferanten führt zu deutlich reduzierten Fehlerquoten“; GS1 Germany, „Quo vadis Datenqualität“ (08.05.2025) zur Durchdringung je FMCG-Segment · Stand: GS1-Pilotphase über drei Monate; HDE-KI-Index 2025; abgerufen 28.08.2026

Smart Shelf und Regallückenerkennung inklusive Planogram Compliance

Prozess: Kamera- oder sensorgestützte Überwachung des Regals auf der Fläche: Erkennung von Leerstellen, Meldung an das Filialteam zum Nachräumen und Abgleich der tatsächlichen Platzierung gegen das hinterlegte Planogramm.
Nutzenhebel: Rang 4 der umgesetzten Fälle — bemerkenswert, weil es der einzige stark filialgebundene Fall unter den Top 5 ist. Der Nutzen hängt an der Regalverfügbarkeit: Ein Artikel, der im Bestand steht, aber nicht im Regal, ist doppelt teuer. Angrenzend belegt: REWE setzt seit 2020 auf automatisch erstellte, filialspezifische Planogramme und hat davor mit einem manuellen, zeitaufwendigeren Werkzeug gearbeitet. Der Fall bemisst sich in Regalmetern, nicht in Artikeln — die Verkaufsfläche allein der deutschen Lebensmittelgeschäfte betrug 2023 rund 37,3 Mio. m².
Aufwandstreiber: Die Investition skaliert mit Regalmeter und Filiale, der Nutzen mit dem Abverkauf — die klassische Falle der Aufwandsachse im Filialgeschäft. Hardware muss je Standort montiert, gewartet und bei jedem Umbau nachgezogen werden. Kameras auf der Verkaufsfläche lösen zudem die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG aus, also die Einführung und Anwendung technischer Einrichtungen, die zur Überwachung von Verhalten oder Leistung der Arbeitnehmer bestimmt sind. Der Betriebsrat sitzt vor dem Roll-out mit am Tisch, nicht danach.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 14/16; REWE/RELEX: EuroShop mag, 28.03.2024; Verkaufsfläche Lebensmittelgeschäfte 37,3 Mio. m² (2023, Quelle EHI): HDE-Zahlenspiegel 2024; § 87 Abs. 1 Nr. 6 BetrVG · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Verlustprävention am Self-Checkout (Non-Scan-Erkennung)

Prozess: Computer Vision über dem SB-Kassenterminal erkennt in Echtzeit, wenn ein Artikel nicht gescannt wird, und fordert den Kunden über das Display zum Nachscannen auf; alternativ Freischaltung durch Aufsichtspersonal. Angrenzend: Bottom-of-Basket- und Pushout-Erkennung an der klassischen Kasse.
Nutzenhebel: Die Kennzahl heißt Inventurdifferenz und wird im Handel jährlich vermessen. Aktuell: 5,11 Mrd. Euro Inventurdifferenzen (Bezugsjahr 2025, plus 3,2 % bei nur 2 % Umsatzwachstum), davon 3,05 Mrd. Euro Kundendiebstahl, 910 Mio. Euro Mitarbeiterdiebstahl, 370 Mio. Euro Lieferanten und Servicekräfte sowie 780 Mio. Euro organisatorische Mängel; geschätzt 24,8 Mio. unentdeckte Diebstähle pro Jahr mit im Schnitt 123 Euro. Der Handel gibt zusätzlich rund 3,3 Mrd. Euro oder 0,33 % des Umsatzes für Sicherung aus. Auf Fallebene rechenbar: Ein durchschnittlicher Non-Scan am SCO-Terminal hat nach Anbieterangaben einen Wert von 5,50 Euro — damit lässt sich der Nutzen je Terminal und Monat direkt kalkulieren.
Aufwandstreiber: Drei Schichten übereinander. Erstens der Roll-out je Terminal und Filiale. Zweitens Datenschutz und Mitbestimmung: Kameras an der Kasse erfassen zwangsläufig auch Mitarbeitende, § 87 Abs. 1 Nr. 6 BetrVG greift. Drittens der EU AI Act: Emotionserkennung am Arbeitsplatz und biometrische Kategorisierung nach sensiblen Merkmalen sind nach Art. 5 verboten, Verstöße kosten bis zu 35 Mio. Euro oder 7 % des weltweiten Jahresumsatzes — Kamerasysteme im Verkaufsraum müssen also vor dem Piloten rechtlich eingeordnet werden. Hinzu kommt, dass das Kassensystem selbst nach § 146a AO durch eine zertifizierte technische Sicherheitseinrichtung geschützt sein muss; Eingriffe in den Kassenprozess sind kein reines UX-Thema.

Beleg: EHI Retail Institute, Studie „Inventurdifferenzen“, veröffentlicht 23.06.2026 (Bezugsjahr 2025); Verursacheranteile: HDE-Zahlenspiegel 2024; 5,50 Euro je Non-Scan: Signatrix in: KI Bundesverband, „KI im Einzelhandel“, April 2025, S. 33; Art. 5 EU AI Act: Bundesnetzagentur, Verbotene Praktiken; § 146a AO · Stand: EHI-Studie vom 23.06.2026, Bezugsjahr 2025; abgerufen 28.08.2026

Retourenprognose und Retourenvermeidung im Onlinehandel

Prozess: Vorhersage der Retourenwahrscheinlichkeit je Artikel-Kunden-Kombination noch im Bestellprozess: Größen- und Passformberatung vor dem Klick, Erkennung retourentreibender Muster in Produktdaten und Bildern, Steuerung von Bestandsreservierung und Wiedereinlagerung.
Nutzenhebel: Die Größenordnung ist für Deutschland vermessen: rund 530 Mio. Retourenpakete mit etwa 1,3 Mrd. Artikeln (Bezugsjahr 2021, Schwerpunkt Fashion), durchschnittliche Bearbeitungskosten von 2,85 Euro je retourniertem Artikel für Transport und Handling. 93,2 % der Retouren gehen als A-Ware zurück in den Verkauf, nur 1,3 % werden direkt entsorgt. Wichtig für eine ehrliche Nutzenrechnung: Die häufig zitierten 10 bis 15 Euro je Retoure sind laut der Bamberger Händlerbefragung zu hoch angesetzt — der Hebel liegt in der Menge, nicht im Einzelfall. Prozessseitig belegt: OTTO wertet täglich rund 2,5 Mio. Artikelnummern für die nächsten 450 Tage aus, erzeugt über 30 Mrd. Einzelprognosen pro Monat und bestellt 35 % der Sortimente automatisiert nach.
Aufwandstreiber: Passform ist markenspezifisch: Dieselbe Konfektionsgröße fällt je Lieferant und Schnitt anders aus, brauchbare Modelle brauchen also Retourengründe auf Artikel- und Markenebene, nicht nur Retourenquoten. Zweitens ist die Retoure im Fernabsatz ein Verbraucherrecht und kein Prozessfehler — der Hebel liegt zwingend vor der Bestellung, was die Maßnahme in die Conversion-Verantwortung schiebt und einen Zielkonflikt mit dem Umsatzziel erzeugt. Drittens fehlen Retourengründe in vielen Shopsystemen als strukturiertes Feld.

Beleg: Forschungsgruppe Retourenmanagement, Universität Bamberg, „European Return-o-Meter“ (EUROM), Händlerbefragung mit 411 Onlinehändlern, Pressemitteilung 07.09.2022; OTTO, „Wissen, was morgen gekauft wird“; Marktvolumen: HDE Online-Monitor 2025 · Stand: Pressemitteilung 07.09.2022, Bezugsjahr 2021; abgerufen 28.08.2026

Personalbedarfs- und Personaleinsatzplanung in der Filiale

Prozess: Ableitung des Personalbedarfs je Filiale, Tag und Stunde aus Frequenz-, Kassen- und Anlieferdaten und Übersetzung in einen Dienstplan über Vollzeit-, Teilzeit- und geringfügig Beschäftigte hinweg.
Nutzenhebel: Rang 9 der geplanten Anwendungsfälle und laut HDE für Unternehmen bis 50 Mio. Euro Nettoumsatz überdurchschnittlich relevant. Der Hebel ist strukturell: Der deutsche Einzelhandel beschäftigte zum 30.09.2023 rund 3,13 Mio. Menschen, davon nur etwa 1,17 Mio. sozialversicherungspflichtig in Vollzeit — der Rest ist Teilzeit und geringfügige Beschäftigung. Personalplanung ist damit ein kleinteiliges Kombinationsproblem über viele kurze Schichten, genau die Struktur, in der manuelle Planung Reserven lässt. Der HDE ordnet den Fall den Prozessen zu, in denen Softwareanbieter KI-Funktionen in bestehende Systeme einbetten — der Zugang ist eher Konfiguration als Eigenentwicklung.
Aufwandstreiber: Mitbestimmung ist hier kein Nebenschauplatz, sondern der Taktgeber: § 87 Abs. 1 Nr. 2 BetrVG (Beginn und Ende der täglichen Arbeitszeit einschließlich Pausen sowie Verteilung auf die Wochentage) und Nr. 3 (vorübergehende Verkürzung oder Verlängerung der betriebsüblichen Arbeitszeit) machen den Dienstplan zwingend mitbestimmungspflichtig; sobald das System Leistungsdaten je Mitarbeitendem verarbeitet, kommt Nr. 6 hinzu. Dazu Tarifbindung, Ladenöffnungsgesetze der Länder und die Akzeptanz in der Filiale — der HDE weist professionelles Change-Management als denjenigen Erfolgsfaktor aus, der am stärksten an Relevanz gewonnen hat (plus 24,3 Prozentpunkte).

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 14/18/32–33; Beschäftigtenstruktur (Bundesagentur für Arbeit, Stichtag 30.09.2023): HDE-Zahlenspiegel 2024; § 87 Abs. 1 Nr. 2, 3, 6 BetrVG · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Hürden

Roll-out-Multiplikator über das Filialnetz

Der zentrale Aufwandstreiber der Branche, und er ist primär belegt: Kosten- und zeitintensive Fälle wie kassenloser Supermarkt (7,3 %), intelligente Theke (6,5 %) und Predictive Baskets (5,5 %) führen unabhängig von der Unternehmensgröße die Liste der NICHT geplanten Anwendungsfälle an. Der HDE nennt als Grund ausdrücklich die größere Komplexität beim Roll-out in Filialnetzwerken und dass sich Investitionen in der Zentrale schneller rechnen als im umfangreichen Filialnetz. Die Rangordnung hat sich gegenüber 2023 kaum verändert.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 20–21 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Größenschere zwischen Konzern und Mittelstand

KI-Anwendung liegt bei Unternehmen über 1 Mrd. Euro Nettoumsatz bei 73,2 %, bei 50 Mio. bis 1 Mrd. Euro bei 51,7 %, bei bis zu 50 Mio. Euro nur bei 25 %. KI-Projekte geplant, umgesetzt oder abgeschlossen: 86,4 % beziehungsweise 90 % gegenüber nur 46,9 % bei den kleinen Häusern. Der mittlere KI-Reifegrad liegt bei 2,7 von 5, kleine Unternehmen überwiegend bis 2,25.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 9–10 und 37–41 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Gewachsene Systemlandschaft

Der HDE benennt komplexere Systemlandschaften mit zahlreichen Schnittstellen und Umsystemen als Kernherausforderung mittlerer und großer Händler und beschreibt die Abwägung zwischen beschränkter Passgenauigkeit von Standardlösungen und ressourcenintensiver Individuallösung als Grund für längere Entscheidungsprozesse. 63,6 % nutzen (Cloud-)Dienste, 61 % kaufen Standardlösungen, 44,2 % entwickeln selbst.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 26–27 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Artikelstammdaten liegen in fremder Hoheit

Produktdaten kommen über das GDSN vom Lieferanten. Seit 20.05.2023 sind die GS1-DQX-Prüfvorgaben für neue Konsumenteneinheiten im Food-/Near-Food-Sortiment im deutschen Zielmarkt verpflichtend. Die Durchdringung ist stark warengruppenabhängig: 94 % des Umsatzes bei Brot und Backwaren, aber erst 52 % bei Fleisch, Wurst und Geflügel.

Beleg: GS1 Germany, Sicherung der Produktstammdatenqualität, und GS1 Germany, „Quo vadis Datenqualität“ (08.05.2025) · Stand: DQX-Pflicht seit 20.05.2023; Segmentzahlen vom 08.05.2025; abgerufen 28.08.2026

Mitbestimmung nach § 87 BetrVG

Kameras auf der Fläche, an der Kasse und im Lager sowie Systeme zur Personaleinsatzplanung fallen unter § 87 Abs. 1 BetrVG — Nr. 6 (Einführung und Anwendung technischer Einrichtungen, die zur Überwachung von Verhalten oder Leistung der Arbeitnehmer bestimmt sind), Nr. 2 (Beginn und Ende der täglichen Arbeitszeit und Verteilung auf die Wochentage) und Nr. 3 (vorübergehende Verkürzung oder Verlängerung der Arbeitszeit).

Beleg: § 87 BetrVG, Gesetze im Internet · Stand: abgerufen 28.08.2026

EU AI Act, Artikel 5

Emotionserkennung am Arbeitsplatz und biometrische Kategorisierung nach sensiblen Merkmalen sind verboten; Bußgelder bis 35 Mio. Euro oder 7 % des weltweiten Jahresumsatzes. Für den Handel unmittelbar relevant, weil Kamerasysteme im Verkaufsraum sowohl Kunden als auch Beschäftigte erfassen.

Beleg: Bundesnetzagentur, Verbotene Praktiken nach dem EU AI Act · Stand: abgerufen 28.08.2026

Kenntnislücke beim AI Act

35,2 % der Handelsunternehmen kennen die Auswirkungen des EU AI Act nicht, weitere 31,3 % haben davon gehört, es aber nicht tiefer analysiert; nur 12,5 % haben Maßnahmen umgesetzt. Mehr als 30 % der Unternehmen, die bereits KI-Projekte umsetzen, geben an, den AI Act nicht zu kennen. Bei Unternehmen bis 50 Mio. Euro Umsatz liegt der Anteil „nicht bekannt“ bei 58,9 %.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 44–45 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Preisrecht begrenzt dynamische und personalisierte Preise

§ 3 PAngV verlangt die Gesamtpreisangabe, § 4 PAngV den Grundpreis, und § 11 PAngV schreibt bei Preisermäßigungen die Angabe des niedrigsten Gesamtpreises der letzten 30 Tage vor. Beworbene Aktionspreise lassen sich damit nicht algorithmisch nachziehen.

Beleg: Preisangabenverordnung (PAngV), Gesetze im Internet · Stand: abgerufen 28.08.2026

Kassenrecht bindet jeden Eingriff am Checkout

Elektronische Aufzeichnungssysteme müssen nach § 146a AO durch eine zertifizierte technische Sicherheitseinrichtung geschützt sein, dazu kommen Belegausgabepflicht und Meldepflicht bei Anschaffung und Außerbetriebnahme. Eingriffe in den Kassen- und Self-Checkout-Prozess sind damit steuerrechtlich gebunden.

Beleg: § 146a AO, Gesetze im Internet · Stand: abgerufen 28.08.2026

Datenschutz in der Kundenanalyse

Die Fallstudie Advertima mal SPAR — Alters- und Geschlechtserkennung an Filialmonitoren — wird im Branchenreport ausdrücklich mit datenschutzrechtlichen Bedenken versehen: Anonymisierte Daten könnten unter bestimmten Umständen re-identifizierbar sein. Der KI Bundesverband fordert deshalb Rechtsklarheit und Experimentierräume.

Beleg: KI Bundesverband, „KI im Einzelhandel — State-of-the-Art-Report“, April 2025, S. 32 und 38–42 · Stand: April 2025; abgerufen 28.08.2026

Kompetenz vor Technik

Größtes Hemmnis für mehr KI-Projekte ist der Ausbau der fachlichen KI-Kompetenz (58,3 %) vor der technischen (41,7 %) und dem Fehlen konkreter Anwendungsfälle (45,8 %, klar rückläufig). Neu stark gestiegen: fehlende Unterstützung des Top-Managements mit 27,8 % gegenüber 8,9 % im Jahr 2023.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 34–35 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Datenqualität als Fundament

89,1 % nennen hohe Datenqualität als relevanten Erfolgsfaktor, Mittelwert 5,1 von 6 — der höchste Wert aller Erfolgsfaktoren. Professionelles Change-Management hat mit plus 24,3 Prozentpunkten am stärksten an Relevanz gewonnen.

Beleg: HDE/Safaric Consulting, KI-Index 2025, S. 32–33 · Stand: Befragung 12.11.–15.12.2024, 175 mittelständische und große Handelsunternehmen; abgerufen 28.08.2026

Bürokratielast als Grundrauschen

51 % der Handelsunternehmen schätzen ihre bürokratische Belastung als sehr hoch ein, 64 % sehen sie in fünf Jahren deutlich erhöht. Jedes zusätzliche Compliance-Thema konkurriert damit um dieselben knappen Zentralressourcen.

Beleg: Bürokratieumfrage der Handelsverbände 2024, in: HDE-Zahlenspiegel 2024 · Stand: Stand Oktober 2024; abgerufen 28.08.2026

Kennzahlen

In diesen Größen misst die Branche Wirkung. Wer den Nutzen eines Anwendungsfalls beziffern will, rechnet in ihnen — nicht in Modellgüte.

Abschriftenquote und Verderbnisrate — SPAR Österreich senkte die Lebensmittelverschwendung mit KI-Bedarfsprognose auf 1 % bei über 90 % Prognosegenauigkeit für Obst und Gemüse je Filiale (Quelle: EuroShop mag, „KI-gestütztes Bestandsmanagement und Shelf Planning im Lebensmitteleinzelhandel“, 28.03.2024, Fallgeber Microsoft/paiqo, https://www.euroshop.de/de/euroshopmag/ki-gestuetztes-bestandsmanagement-und-shelf-planning-im-lebensmitteleinzelhandel)
Lebensmittelabfälle im Handel — 0,8 Mio. t, also 7 % des deutschen Gesamtaufkommens von 10,8 Mio. t; private Haushalte 58 %, Außer-Haus 18 %, Verarbeitung 15 %, Primärproduktion 2 %; Bezugsjahr 2022 (Quelle: BMLEH, Studie Lebensmittelabfälle in Deutschland, https://www.bmleh.de/DE/themen/ernaehrung/lebensmittelverschwendung/studie-lebensmittelabfaelle-deutschland.html)
Inventurdifferenz — 5,11 Mrd. Euro (Bezugsjahr 2025, plus 3,2 % bei 2 % Umsatzwachstum); Vorjahr 4,95 Mrd. Euro entsprechend 0,64 % vom Nettoumsatz zu Einstandspreisen. Verursacher: Kunden 58,7 %, Mitarbeiter 18,9 %, Organisation 14,6 %, Lieferanten und Servicekräfte 7,8 % (Quellen: EHI Retail Institute, Studie „Inventurdifferenzen“, 23.06.2026, https://logistik-heute.de/news/studie-anteil-inventurdifferenzen-hat-sich-2025-weiter-erhoeht-270343.html und 24.06.2025, https://www.stores-shops.de/technology/security/ehi-studie-mehr-verluste-durch-ladendiebstahl/; Verursacheranteile: HDE-Zahlenspiegel 2024, https://einzelhandel.de/images/Zahlenspiegel_2024.pdf)
Sicherungsaufwand — 0,33 % des Umsatzes beziehungsweise rund 3,3 Mrd. Euro pro Jahr; geschätzt 24,8 Mio. unentdeckte Diebstähle mit durchschnittlich 123 Euro; entgangene Umsatzsteuer rund 590 Mio. Euro (Quelle: EHI Retail Institute, 23.06.2026, https://logistik-heute.de/news/studie-anteil-inventurdifferenzen-hat-sich-2025-weiter-erhoeht-270343.html)
Wert eines Non-Scans am Self-Checkout — 5,50 Euro im Durchschnitt; damit ist der Nutzen je Terminal und Monat direkt rechenbar (Quelle: Signatrix in: KI Bundesverband, „KI im Einzelhandel — State-of-the-Art-Report“, April 2025, S. 33, https://ki-verband.de/wp-content/uploads/2025/05/ki-im-einzelhandel_report-1.pdf)
Retourenkosten — 2,85 Euro durchschnittliche Bearbeitungskosten je retourniertem Artikel für Transport und Handling; rund 530 Mio. Retourenpakete mit etwa 1,3 Mrd. Artikeln in Deutschland; 93,2 % gehen als A-Ware zurück in den Verkauf, 1,3 % werden direkt entsorgt; Bezugsjahr 2021 (Quelle: Forschungsgruppe Retourenmanagement, Universität Bamberg, „European Return-o-Meter“, Pressemitteilung 07.09.2022, https://www.uni-bamberg.de/presse/pm/artikel/erste-europaeische-haendlerbefragung-retourenmanagement/)
Stammdaten-Fehlerquote — GS1 Data Quality Gate, Pilot mit 200 Lieferanten und 18.000 Artikeln: 91 von 200 Lieferanten auf 0 % Fehlerquote bei LMIV-Attributen, 5.600 von 10.250 fehlerhaften Artikeln bereinigt, also 54 % Qualitätsverbesserung (Quelle: GS1 Germany, https://www.gs1-germany.de/service/presse/meldung/meldung/data-quality-gate-pilotphase-mit-200-lieferanten-fuehrt-zu-deutlich-reduzierten-fehlerquoten-512)
Marktgrößen für die Nutzenrechnung — Einzelhandelsumsatz 650,5 Mrd. Euro (2023); 278.068 Unternehmen, 407.808 örtliche Einheiten, 3,23 Mio. Beschäftigte im Einzelhandel im engeren Sinne; Verkaufsfläche der Lebensmittelgeschäfte 37,3 Mio. m² (2023, Quellenangabe EHI); Beschäftigte 3.131.896 zum 30.09.2023, davon nur rund 1,17 Mio. sozialversicherungspflichtig in Vollzeit (Quelle: HDE-Zahlenspiegel 2024, Stand Oktober 2024, https://einzelhandel.de/images/Zahlenspiegel_2024.pdf)
Onlineumsatz — 88,8 Mrd. Euro netto in Deutschland; alle Branchen im Plus, stärkstes Wachstum bei FMCG; CE/Elektro sowie Fashion & Accessoires sind die einzigen Branchen mit einem Onlineanteil über 20 % am Gesamtmarkt (Quelle: HDE Online-Monitor 2025, https://einzelhandel.de/images/Konjunktur/Online_Monitor_2025_HDE.pdf)
Prognosevolumen als Aufwandsindikator — OTTO analysiert täglich rund 2,5 Mio. Artikelnummern für die nächsten 450 Tage, erzeugt über 30 Mrd. Einzelprognosen pro Monat und bestellt 35 % der Sortimente automatisiert nach (Quelle: OTTO, „Wissen, was morgen gekauft wird“, https://www.otto.de/unternehmen/de/technologie/wissen-was-morgen-gekauft-wird-wie-otto-kuenstliche-intelligenz-zur-absatzprognose-einsetzt)
KI-Reifegrad als Selbsteinschätzung — Gesamtmittelwert 2,7 von 5; KI-Wertschöpfung 2,8, KI-Bewusstsein und -Kultur 2,7, KI-Strategie und KI-Expertise je 2,6; 20 % auf Stufe 1, 31 % auf Stufe 2, 29 % auf Stufe 3, 11 % auf Stufe 4, unter 9 % auf Stufe 5 (Quelle: HDE/Safaric Consulting, KI-Index 2025, S. 37–41, https://einzelhandel.de/images/publikationen/Safaric_HDE_KI-Index_2025.pdf)
Projektzielerreichung — Qualitätsanforderungen 87,7 %, Projektmeilensteine 82,2 %, Projektbudget 80,8 %, Projektumfang 80 % im Plan oder besser; gleichzeitig bleiben rund 20 % hinter Umfang, Meilensteinen beziehungsweise Budget zurück (Quelle: HDE/Safaric Consulting, KI-Index 2025, S. 30–31, https://einzelhandel.de/images/publikationen/Safaric_HDE_KI-Index_2025.pdf)

Häufige Fragen

Womit fängt ein Handelsunternehmen an, wenn Zentrale und Filialnetz um dasselbe KI-Budget konkurrieren?

Zuerst mit den Fällen, deren Aufwand einmalig in der Zentrale anfällt: Generierung von Artikeltexten, Massenprüfung von Artikelstammdaten und Absatzprognosen stehen im HDE-KI-Index 2025 auf den Rängen 1, 3 und 5 der bereits umgesetzten Anwendungsfälle. Kassenloser Supermarkt, intelligente Theke und Predictive Baskets führen dagegen unabhängig von der Unternehmensgröße die Liste der nicht geplanten Fälle an; als Grund nennt der HDE die höhere Komplexität beim Roll-out in Filialnetzwerken und dass sich Investitionen in der Zentrale schneller rechnen. Für die Priorisierung heißt das: Ein Fall, dessen Kosten je Filiale, Terminal oder Regalmeter anfallen, braucht einen deutlich größeren Nutzenhebel als derselbe Fall in der Zentrale.

Wie viel Abschriften lassen sich mit einer KI-Absatzprognose in der Frischedisposition tatsächlich einsparen?

Eine belastbare deutsche Vorher-Nachher-Zahl liegt nicht öffentlich vor. Die einzige mit Zahlen belegte europäische Referenz ist SPAR Österreich: über 90 % Prognosegenauigkeit für die optimale Obst- und Gemüsemenge je Filiale und eine auf 1 % gesenkte Lebensmittelverschwendung (EuroShop mag, 28.03.2024, Fallgeber Microsoft/paiqo). Die Größenordnung des Hebels lässt sich dennoch abschätzen: Im deutschen Handel fallen 0,8 Mio. t Lebensmittelabfälle an, 7 % des Gesamtaufkommens von 10,8 Mio. t (BMLEH, Bezugsjahr 2022), bei einem Einzelhandelsumsatz von 650,5 Mrd. Euro im Jahr 2023 (HDE-Zahlenspiegel 2024). Wer den Business Case rechnet, sollte deshalb mit der eigenen Abschriftenquote je Warengruppe arbeiten und nicht mit einer fremden Fallstudie.

Dürfen Artikeltexte für Lebensmittel vollständig von einer KI geschrieben werden?

Nein — der freie Text ja, die Pflichtangaben nicht. Produktbeschreibungen, Bullet Points und Kanalvarianten sind der im deutschen Handel am häufigsten umgesetzte KI-Anwendungsfall überhaupt (Rang 1 der umgesetzten Fälle, HDE/Safaric Consulting, KI-Index 2025). Lebensmittelrechtliche Angaben nach der Lebensmittelinformationsverordnung, insbesondere Zutaten und Allergene, müssen dagegen aus dem Lieferantendatensatz übernommen werden: Ein halluziniertes Allergen ist ein Rechtsverstoß und kein Textfehler. Praktisch bedeutet das eine harte Trennung im PIM zwischen generiertem Marketingtext und durchgereichter Pflichtangabe aus dem GDSN-Datensatz.

Ab wann rechnet sich eine Non-Scan-Erkennung am Self-Checkout?

Die Rechnung lässt sich je Terminal aufmachen: Ein durchschnittlicher Non-Scan am SB-Kassenterminal hat nach Anbieterangaben einen Wert von 5,50 Euro (Signatrix in: KI Bundesverband, „KI im Einzelhandel“, April 2025, S. 33). Multipliziert mit der erkannten Non-Scan-Menge je Terminal und Monat steht der Nutzen dem Aufwand aus Hardware, Montage und Wartung je Terminal und Filiale gegenüber. Als Bezugsgröße für die Gesamtdimension dient die Inventurdifferenz: 5,11 Mrd. Euro im Bezugsjahr 2025, davon 3,05 Mrd. Euro Kundendiebstahl (EHI Retail Institute, Studie „Inventurdifferenzen“ vom 23.06.2026; Verursacheranteile HDE-Zahlenspiegel 2024). Zum Aufwand gehören außerdem die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG und die Bindung des Kassenprozesses an die zertifizierte technische Sicherheitseinrichtung nach § 146a AO.

Was muss der Betriebsrat mitentscheiden, bevor Kameras im Verkaufsraum Regallücken melden?

Die Einführung und Anwendung technischer Einrichtungen, die zur Überwachung von Verhalten oder Leistung der Arbeitnehmer bestimmt sind, ist nach § 87 Abs. 1 Nr. 6 BetrVG mitbestimmungspflichtig. Eine Kamera, die auf das Regal zielt, erfasst zwangsläufig auch die Beschäftigten auf der Fläche — der Betriebsrat sitzt daher vor dem Roll-out mit am Tisch und nicht danach. Zusätzlich greift Artikel 5 des EU AI Act: Emotionserkennung am Arbeitsplatz und biometrische Kategorisierung nach sensiblen Merkmalen sind verboten, Verstöße kosten bis zu 35 Mio. Euro oder 7 % des weltweiten Jahresumsatzes (Bundesnetzagentur, Verbotene Praktiken). Dass diese Prüfung häufig fehlt, ist belegt: 35,2 % der befragten Handelsunternehmen kennen die Auswirkungen des AI Act nicht, bei Häusern bis 50 Mio. Euro Umsatz sind es 58,9 % (HDE/Safaric Consulting, KI-Index 2025).