Onlinehandel mit AI: Elf Abläufe vom Einkauf bis zum Produkttext und wo sich der Einsatz lohnt

Ein Onlineshop ist eine Kette aus vielen kleinen Abläufen: einkaufen, Preise setzen, Bestände führen, Zahlungen abgleichen, Fragen beantworten, Kampagnen steuern, Texte schreiben. Die meisten davon wiederholen sich täglich, und genau das macht den Onlinehandel zu einem guten Feld für Automatisierung.

AI ist dabei nicht überall das richtige Werkzeug. Sie ist stark, wo Prognosen, Sprache oder Muster in großen Datenmengen gefragt sind. Bestandsabgleich, Pflichtangaben und Zahlungsregeln dagegen erledigen feste Regeln zuverlässiger und günstiger. Dieser Artikel geht elf Bereiche durch: was AI dort übernimmt, wo der Mensch entscheidet, welche Belege es gibt und was rechtlich gilt.

Die Ausgangslage

Der Onlinehandel mit Waren setzte 2025 in Deutschland laut HDE Online-Monitor 92,3 Milliarden Euro nettoU um, 3,9 Prozent mehr als im Vorjahr. Das sind 13,5 Prozent des gesamten Einzelhandels. Für 2026 erwartet der HDE ein Plus von 4,3 Prozent. 56,7 %U der Onlineumsätze liefen über Marktplätze. Amazon.de kommt mit eigenem Handel und Marktplatz zusammen auf 63,3 %U.

Beim Einsatz von AI liegt der Einzelhandel knapp unter dem Schnitt aller Branchen. Laut Eurostat nutzten 2025 23,4 %A der Einzelhandelsunternehmen in Deutschland mit mindestens zehn Beschäftigten AI, über alle Branchen waren es 26 Prozent. Im EU-Einzelhandel lag der Anteil bei 15,5 Prozent. Unter mittelständischen und großen Händlern ist der Anteil höher: In einer HDE-Umfrage unter 175 Unternehmen gaben 47,3 %U an, AI zu nutzen, doppelt so viele wie 2023.

Auch die Kundschaft hat sich verändert. Laut HDE nutzen 35 % der MenschenU in Deutschland bereits AI-Chatbots für die Produktrecherche.

Überblick: elf Bereiche

Der Ablauf

Die Bereiche hängen zusammen. Was die Prognose im Einkauf vorschlägt, bestimmt Bestand und Preis. Was im Support und in den Retouren ankommt, gehört zurück in Produkttexte und Einkauf. Der Ablauf zeigt diesen Kreislauf.

Grundlage für alles sind saubere Stammdaten: Artikelnummer, Maße, Material, Hersteller, Sicherheitshinweise, Bilder. Eine AI, die Texte, Listings oder Prognosen erstellt, ist nur so gut wie diese Daten. Viele Händler halten sie in einem PIM-System (Product Information Management) oder direkt in der Warenwirtschaft. Wichtig ist, dass es genau eine Quelle gibt, aus der alle Kanäle gespeist werden.

1. Warenbeschaffung: Prognose statt Bauchgefühl

Im Einkauf entscheidet sich, wie viel Geld im Lager gebunden ist und wie oft Artikel ausverkauft sind. AI-Modelle schätzen die Nachfrage je Artikel aus Verkaufshistorie, Saison, Aktionen, Preisen und weiteren Signalen. Daraus entsteht ein Bestellvorschlag, den der Einkauf prüft.

Wie viel bessere Methoden bringen, zeigt der Prognosewettbewerb M5 mit Verkaufsdaten von Walmart. Die beste Methode, ein Machine-Learning-Verfahren, war dort 22,4 % genauerS als der beste statistische Vergleichswert. Nur 7,5 % der TeamsS schlugen diesen Vergleichswert überhaupt. Die Lehre: Gute Prognosen sind möglich, aber einfache Verfahren sind ein harter Maßstab. Wer ein AI-Tool einführt, sollte es gegen die bisherige Methode testen.

Aus der Praxis gibt es vor allem Herstellerangaben. Bei Otto, das seit Jahren mit Blue Yonder arbeitet, verkaufen sich laut Fallstudie 90 % der bestellten WareH innerhalb von 30 Tagen.

In den Standardwerkzeugen kommt die Prognose gerade an. JTL testet seit Oktober 2026 in einer geschlossenen Beta den Agenten Juno, der Bestände prüft und Bestellvorschläge zur Freigabe vorbereitet.H Shopify gibt an, dass Sidekick die Nachfrage prognostiziert und Bestellungen anlegen kann, ohne Methode oder Genauigkeit offenzulegen.H In anderen Warenwirtschaften arbeiten Bestellvorschläge weiterhin mit festen oder dynamischen Meldebeständen.

So setzt du es um:

• Artikel einteilen: Prognose-AI lohnt sich für Artikel mit Verkaufshistorie und nennenswertem Umsatz. Für Neuheiten und Langsamdreher bleiben Regeln oder Vergleiche mit ähnlichen Artikeln.
• Freigabe behalten: Die AI schlägt vor, der Einkauf bestellt. Abweichungen über einer Schwelle markiert das System zur Prüfung.
• Messen: Vergleiche Prognosefehler, Fehlbestände und Lagerreichweite vor und nach der Einführung.

Wie der Einkauf selbst mit Bestellprozess und Lieferanten schlanker wird, beschreibt der Beitrag Einkauf mit System.

2. Pricing-Strategie: Leitplanken zuerst

Preise im Onlinehandel ändern sich oft mehrmals täglich. AI kann Preise je Artikel vorschlagen, abhängig von Nachfrage, Bestand, Wettbewerb und Marge. Die Strategie bleibt beim Menschen: Mindestmarge, Preisschwellen, maximale Änderung pro Tag, Aktionszeiträume.

Wie viel das bringen kann, zeigt eine Studie von Zalando. In 23 A/B-Tests in zwölf Ländern mit rund 6,2 Millionen Artikeln stieg der Gewinn mit dem neuen Preissystem um 6,0 %S. Umsatz und Verkäufe nach Retouren veränderten sich dagegen nicht messbar. Die Studie stammt von Zalando selbst und ist noch nicht begutachtet.

Rechtlich sind vier Punkte zu beachten:

• Preisermäßigungen: Wer eine Preissenkung ankündigt, muss den niedrigsten Gesamtpreis der letzten 30 Tage angeben (§ 11 PAngV). Prozentangaben und Werbeaussagen müssen sich laut EuGH auf genau diesen Preis beziehen. Ein Preis, den ein Algorithmus kurz anhebt und danach als reduziert bewirbt, ergibt deshalb keine zulässige Ermäßigung.
• Personalisierte Preise: Wird ein Preis auf Basis automatisierter Entscheidungen für einzelne Personen angepasst, muss der Shop darauf hinweisen (Art. 246a § 1 EGBGB). Dynamische Preise, die für alle gleich gelten, fallen nicht darunter.
• Kartellrecht: Laut den Horizontal-Leitlinien der EU-Kommission können sich Unternehmen nicht damit entlasten, dass ihre Preise von Algorithmen bestimmt wurden. Abgestimmtes Verhalten per Software bleibt ein Kartell.
• Was kommt: Die EU-Kommission will im vierten Quartal 2026 den Digital Fairness Act vorschlagen. Er soll sich auch mit unfairer Personalisierung befassen. Ein Entwurf liegt noch nicht vor.

3. Bestands- und Warenwirtschaft: Auffälligkeiten finden

Bestände zwischen Shop und Marktplätzen abzugleichen, ist eine Aufgabe für Regeln, nicht für AI. AI hilft an anderer Stelle: Sie findet Auffälligkeiten, etwa Artikel mit plötzlichem Absatzeinbruch, ungewöhnliche Inventurdifferenzen oder Ware, die zu lange liegt. Und sie beantwortet Fragen in normaler Sprache, etwa: „Welche Artikel reichen bei aktuellem Absatz weniger als 14 Tage?“

Die großen Warenwirtschaften bauen solche Funktionen gerade ein. Xentral bietet einen Co-Pilot, der in den ERP-Daten sucht. AI ist laut Xentral in jedem Tarif enthalten, den Umfang der Nutzung bestimmt der Händler.H Bei plentyONE lassen sich Auswertungen seit Mai 2026 im Chat mit dem AI-Assistenten abrufen, zunächst als befristeter Test.H

Entscheidend ist, dass die AI aus der Datenbank liest und ihre Abfrage offenlegt. Eine Zahl, die das Modell nur „schätzt“, gehört nicht in eine Lagerentscheidung.

4. Zahlungssysteme und Buchhaltung: zuordnen und prüfen

Im deutschen Onlinehandel dominieren laut EHI PayPal mit 28,7 %U des Umsatzes und der Kauf auf Rechnung mit 26,1 %U. Es folgen Lastschrift (14,4 Prozent) und Karten (13,7 Prozent). Der hohe Anteil des Rechnungskaufs macht Betrugsprüfung und Mahnwesen wichtig.

AI hilft hier an drei Stellen:

• Betrugsverdacht: Zahlungsanbieter bewerten Bestellungen mit Modellen, die auf großen Datenmengen trainiert sind. Stripe nennt für sein Produkt Radar eine durchschnittliche Reduktion von Betrug um 32 %H, ohne Methode und Zeitraum.
• Zuordnung: Auszahlungen von Marktplätzen und Zahlungsanbietern enthalten oft Sammelbeträge mit Gebühren, Retouren und Rückbuchungen. AI schlägt vor, welche Bestellungen und Gebühren zu einer Auszahlung gehören. Die Buchhaltung bestätigt.
• Rückbuchungen: AI sortiert Chargebacks nach Grund und stellt die Belege für den Widerspruch zusammen.

Zwei Regeln verändern den Rahmen. Seit dem 9. Oktober 2025 prüfen Banken im Euroraum vor Überweisungen, ob IBAN und Empfängername zusammenpassen. Das schützt etwa vor gefälschten Lieferantenrechnungen mit fremder Kontonummer. Und im Geschäft zwischen Unternehmen gilt die E-Rechnung: Empfangen müssen alle seit 2025, ausstellen müssen Unternehmen mit mehr als 800.000 Euro Vorjahresumsatz ab 2027, alle anderen ab 2028. Für Rechnungen an Verbraucher gilt das nicht.

Wie Eingangsrechnungen halbautomatisch gebucht werden, zeigt der Beitrag Von der Rechnung zur Buchung. Für offene Rechnungskäufe hilft der Ablauf aus Mahnwesen halbautomatisch.

5. Customer Support: Status automatisch, Reklamation persönlich

Laut EHI E-Commerce-Report 2026 bieten 40,8 %U der 1.000 wichtigsten Onlineshops in Deutschland einen Kundenchat an. Bei 77,9 %U davon ist AI im Spiel. Die Kundschaft ist skeptischer: In einer Bitkom-Umfrage unter Onlinekäufern bevorzugen 62 Prozent einen schnell erreichbaren Menschen, 36 Prozent einen Chatbot. Laut Gartner sagen 87 %U der Kundinnen und Kunden, dass Unternehmen mit AI im Kundenservice einen Weg zu Menschen anbieten müssen.

Dass gut gemachte Assistenz den Umsatz steigern kann, zeigt eine Reihe von Feldexperimenten auf einer großen grenzüberschreitenden Handelsplattform. Ein AI-Chatbot für Fragen vor dem Kauf steigerte die Verkäufe dort um 16,3 %S. Die Studie ist noch nicht begutachtet.

Ein bewährter Ablauf:

• Einordnen: Die AI sortiert jede Anfrage: Lieferstatus, Rücksendung, Defekt, Rechnung, Produktfrage, Beschwerde.
• Status beantworten: Fragen wie „Wo ist meine Bestellung?“ beantwortet das System automatisch aus Bestell- und Versanddaten.
• Entwerfen: Für Produktfragen und Rücksendungen schreibt die AI einen Entwurf, ein Mensch prüft und sendet.
• Übergeben: Beschwerden, Kulanz, rechtliche Fragen und verärgerte Kundschaft gehen direkt an das Team.

Ordne die folgende Kundenanfrage genau einer Kategorie zu: LIEFERSTATUS, RUECKSENDUNG, DEFEKT, RECHNUNG, PRODUKTFRAGE, BESCHWERDE, SONSTIGES. Nutze die angehängten Bestelldaten. Gib als JSON zurück: kategorie, bestellnummer (oder null), stimmung (ruhig, unzufrieden, verärgert), braucht_mensch (true oder false) mit einem Satz Begründung. Setze braucht_mensch auf true bei BESCHWERDE, bei rechtlichen Themen und bei verärgerter Stimmung. Erfinde keine Bestelldaten.

Seit dem 2. August 2026 muss ein Chatbot nach Art. 50 AI Act offenlegen, dass er eine AI ist, sofern das nicht offensichtlich ist. Ein allgemeines Recht auf einen menschlichen Ansprechpartner gibt es in der EU bislang nicht. Was die Zahlen zu AI-Assistenz im Kundenservice insgesamt zeigen, steht im Beitrag Kundenservice mit AI-Assistenz.

6. CRM: Segmente und Vorhersagen

Im Kundenmanagement übernimmt AI drei Aufgaben. Sie bildet Segmente aus einer Beschreibung in normaler Sprache, etwa „Kundinnen, die zweimal Laufschuhe gekauft und seit 90 Tagen nicht bestellt haben“. Sie sagt Kundenwert, Abwanderungsrisiko und das voraussichtliche nächste Bestelldatum voraus. Und sie wählt die Versandzeit je Person.

Solche Vorhersagen brauchen Daten. Klaviyo etwa setzt für seine Vorhersagen mindestens 500 Kunden mit Bestellungen und 180 Tage Bestellhistorie voraus.H Bei Brevo ist die AI-gestützte Versandzeit ab dem Standard-Tarif enthalten, AI-Segmente erst im Professional-Tarif.H

Personalisierung wirkt, aber oft anders als erwartet. In einem Feldexperiment, veröffentlicht in Marketing Science, steigerte allein der Name des Empfängers in der Betreffzeile die Öffnungen um 20 %S und die Anfragen um 31 Prozent. Die Abmeldungen sanken um 17 Prozent.

Für E-Mail-Werbung an Bestandskunden ohne Einwilligung gelten vier Bedingungen nach § 7 Abs. 3 UWG: Die Adresse stammt aus einem Kauf, beworben werden eigene ähnliche Produkte, die Person hat nicht widersprochen, und sie wurde bei der Erhebung und in jeder Mail auf ihr Widerspruchsrecht hingewiesen. Für alle anderen Mails braucht es eine Einwilligung. Wie AI im Vertriebsalltag Notizen und Follow-ups ins CRM bringt, zeigt der Beitrag Gesprächsnotiz, CRM, Follow-up.

7. Prozess- und Verkaufsanalysen: Fragen statt Dashboards

AI verändert, wie Händler mit ihren Zahlen arbeiten. Statt Berichte zu bauen, stellen sie Fragen. Shopify Sidekick schreibt dafür Abfragen, erstellt Diagramme und exportiert Berichte. Änderungen am Shop nimmt Sidekick laut Shopify nur nach Freigabe vor.H

Besonders lohnend ist die Auswertung von Freitext: Retourengründe, Bewertungen, Support-Anfragen. Der Bedarf ist groß. Laut der Forschungsgruppe Retourenmanagement der Universität Bamberg gingen 2025 rund 542 Millionen PaketeS zurück, fast jedes vierte Paket im Onlinehandel mit Verbrauchern. Mehr als 80 Prozent davon entfallen auf Mode. Eine europäische Händlerbefragung der Forschungsgruppe bezifferte die Kosten 2022 auf durchschnittlich 2,85 Euro je zurückgeschicktem ArtikelS, nur für Transport und Bearbeitung. Laut EHI übernehmen inzwischen 60,6 %U der befragten Händler die Kosten der Rücksendung vollständig.

Werte die angehängten Retourengründe und Bewertungen eines Artikels aus. Bilde höchstens sechs Kategorien, zum Beispiel "fällt kleiner aus" oder "Farbe weicht vom Foto ab". Gib für jede Kategorie die Anzahl, zwei typische Zitate und eine konkrete Maßnahme an: Größentabelle anpassen, Produkttext korrigieren, Foto ersetzen, Lieferant ansprechen. Zähle nur, was in den Daten steht, und schätze keine Zahlen.

Wichtig ist auch hier: Zahlen kommen aus der Datenbank, nicht aus dem Sprachmodell. Lass dir zu jeder Auswertung die zugrunde liegende Abfrage zeigen.

8. Marktplatz-Management: ein Datensatz, viele Kanäle

Marktplätze sind für viele Händler der größte Vertriebskanal. Jeder Marktplatz verlangt andere Kategorien, Attribute und Textlängen. AI entwirft aus einem Stammdatensatz die passenden Listings je Kanal. Feste Regeln prüfen danach, ob alle Pflichtfelder gefüllt sind.

Die Marktplätze bieten eigene AI-Werkzeuge. Laut Amazon erstellten Verkäufer 2025 mehr als 12 Millionen ListingsH mit generativer AI. Schon 2024 übernahmen Verkäufer die vorgeschlagenen Attribute laut Amazon in fast 80 Prozent der Fälle. eBay bietet privaten Verkäufern in Deutschland eine AI-Funktion, die aus einem Foto ein Angebot erstellt.H

Zwei Pflichten gelten unabhängig vom Werkzeug:

• Produktsicherheit: Seit dem 13. Dezember 2024 müssen Onlineangebote nach Art. 19 der Produktsicherheitsverordnung (GPSR) unter anderem den Hersteller mit Post- und E-Mail-Adresse, bei Herstellern außerhalb der EU die verantwortliche Person in der EU, ein Produktbild und die Sicherheitshinweise in Landessprache zeigen. Eine AI kann jedes Listing vor der Veröffentlichung auf diese Angaben prüfen.
• Händlerangaben: Marktplätze müssen nach Art. 30 Digital Services Act die Identität ihrer Händler erfassen und prüfen. Halte diese Daten aktuell, sonst droht die Sperrung.

9. SEO: Sichtbar in Suche und AI-Antworten

Die Suche verändert sich schnell. Google zeigt in Deutschland seit März 2025 AI-Übersichten und seit Oktober 2025 den KI-Modus. Laut Pew Research klickten Nutzer bei Suchen mit AI-Zusammenfassung nur in 8 %U der Fälle auf ein normales Ergebnis, ohne Zusammenfassung in 15 Prozent. Auswertungen von Agenturen zeigen bei Suchanfragen mit AI-Übersicht deutlich sinkende Klickraten. Google selbst betont, die verbleibenden Klicks seien hochwertiger.

Was bedeutet das für Shops?

• AI-Texte sind erlaubt, Massenware nicht: Laut Google verstößt der „angemessene Einsatz von AI“ nicht gegen die Richtlinien. Viele Seiten mit generativer AI zu erzeugen, ohne Nutzern einen Mehrwert zu bieten, gilt dagegen als Spam.
• Daten pflegen: Für AI-Übersichten und den KI-Modus braucht es laut Google keine besonderen Auszeichnungen. Strukturierte Daten müssen aber zum sichtbaren Text passen, und die Angaben im Merchant Center müssen aktuell sein.
• Einkaufen über Chatbots: OpenAI startete im September 2025 in den USA einen Kauf direkt in ChatGPT und hat ihn im März 2026 wieder zurückgefahren. Google stellte im Januar 2026 mit Shopify, Etsy, Wayfair, Target und Walmart das offene Universal Commerce Protocol vor. Einen Checkout direkt im Chatbot gibt es in Deutschland nach unserer Recherche noch nicht. Was überall zählt, sind vollständige und korrekte Produktfeeds.

10. Performance- und Online-Marketing: Automatik mit Kontrolle

Die großen Werbeplattformen automatisieren Gebote, Zielgruppen und zunehmend auch die Anzeigen selbst. Google gibt für Performance Max im Schnitt 27 % mehr ConversionsH oder mehr Umsatzwert bei ähnlichen Kosten an. Bei Meta erreichten die automatisierten Werbelösungen im zweiten Quartal 2026 laut Unternehmen eine Jahresrate von mehr als 75 Milliarden US-DollarH. Laut Wall Street Journal will Meta bis Ende 2026 erreichen, dass Marken nur noch Produktbild und Budget liefern.

Unabhängige Belege sind seltener. Der Messdienstleister Haus wertete 640 Tests zur zusätzlichen Wirkung von Meta-Kampagnen aus. Bei 58 %D der Marken brachten manuell gesteuerte Kampagnen mehr zusätzlichen Umsatz je Werbe-Euro als die Automatik. Auch im Feldexperiment auf der Handelsplattform brachten AI-optimierte Anzeigentitel keinen messbaren Vorteil.

Daraus folgt eine klare Arbeitsteilung:

• Die Automatik steuert: Gebote, Budgetverteilung, Anzeigenvarianten.
• Der Mensch setzt den Rahmen: Margenziele statt Umsatzziele, Ausschlüsse, Markenregeln, Freigabe neuer Motive.
• Wirkung testen: Miss regelmäßig mit Kontrollgruppen, etwa Regionen ohne Kampagne, wie viel Umsatz wirklich zusätzlich entsteht.
• Einwilligung: Für Nutzer im EWR verlangt Google seit März 2024 Einwilligungssignale über den Consent Mode, sonst fehlen Messung und Personalisierung.

Wie AI Feedback und Kampagnenarbeit im Marketing beschleunigt, beschreibt der Beitrag AI in Marketing-Ops.

11. Product Content: schneller texten, Fakten prüfen

Produkttexte, Übersetzungen und Alternativtexte für Bilder gehören zu den naheliegendsten Einsatzfeldern. Im bereits erwähnten Feldexperiment mit rund 4,8 Millionen Kundinnen und Kunden steigerten AI-erstellte Produktbeschreibungen die Verkäufe um 2,1 %S. Bei großen Sortimenten ist das viel.

Damit die Qualität stimmt, schreibt die AI nur aus den Stammdaten:

Schreibe eine Produktbeschreibung für den Onlineshop. Nutze ausschließlich die angehängten Produktdaten. Aufbau: ein Satz zum Nutzen, dann drei bis fünf Stichpunkte zu Material, Maßen und Pflege, dann ein kurzer Absatz zur Anwendung. Höchstens 120 Wörter, Du-Form, keine Superlative. Schreib zusätzlich einen Alternativtext für das Hauptbild mit höchstens 125 Zeichen. Fehlen Angaben wie Material oder Maße, schreib "FEHLT: [Angabe]" statt etwas zu erfinden. Erwähne keine Eigenschaften, die nicht in den Daten stehen.

Vier Regeln gelten für Produktinhalte:

• Barrierefreiheit: Seit dem 28. Juni 2025 müssen Onlineshops für Verbraucher nach dem Barrierefreiheitsstärkungsgesetz zugänglich sein. Bilder brauchen Alternativtexte. Ausgenommen sind Kleinstunternehmen mit weniger als zehn Beschäftigten und höchstens zwei Millionen Euro Umsatz oder Bilanzsumme, soweit sie Dienstleistungen anbieten.
• Pflichtangaben: Die Angaben nach der Produktsicherheitsverordnung gehören in jedes Angebot, siehe Abschnitt 8.
• Produktbilder: Google Merchant Center verlangt, dass AI-generierte Bilder eine entsprechende Kennzeichnung in den Metadaten behalten. Das Hauptbild muss genau den angebotenen Artikel zeigen.
• AI Act und Wettbewerbsrecht: Ein AI-Bild, das ein Produkt anders zeigt, als es tatsächlich aussieht, kann als Deepfake im Sinne des AI Act gelten und muss dann gekennzeichnet werden. Irreführend und damit wettbewerbswidrig ist es ohnehin. Weniger heikel ist es, nur den Hintergrund echter Produktfotos zu tauschen, solange das Produkt selbst unverändert bleibt.

Grenzen und Risiken

• Daten vor Modell: Unvollständige Stammdaten führen zu falschen Texten, Listings und Prognosen. Die meiste Arbeit steckt in der Datenpflege.
• Automatik ohne Bremse: Preis- und Werbealgorithmen reagieren aufeinander. Ohne Grenzen für Preisänderungen und Budgets können Fehler sich in Stunden aufschaukeln.
• Herstellerangaben dominieren: Die meisten Zahlen zu AI im Handel stammen von Anbietern. Unabhängige Belege wie der M5-Wettbewerb oder die Studie von Pew sind selten, die Studien von Zalando und der Handelsplattform sind noch nicht begutachtet.
• Datenschutz: Kundendaten in AI-Werkzeugen brauchen einen Auftragsverarbeitungsvertrag, eine Rechtsgrundlage und Datensparsamkeit. Für Profiling und personalisierte Werbung gelten zusätzliche Regeln.
• Abhängigkeit: Je mehr Umsatz über Marktplätze und automatisierte Werbung läuft, desto stärker bestimmen deren Regeln das Geschäft. Eigene Kundendaten und ein eigener Shop bleiben wichtig.

So startest du

1. Bestandsaufnahme: Schreib für jeden der elf Bereiche auf, wie viele Stunden pro Woche er kostet und wo Fehler entstehen. Wähle drei Bereiche mit hohem Aufwand und klaren Regeln.
2. Stammdaten prüfen: Ergänze fehlende Pflichtangaben, Attribute und Alternativtexte, bevor eine AI damit arbeitet.
3. Schnelle Erfolge: Starte mit Support-Einordnung samt automatischer Statusantwort, Produkttext-Entwürfen mit Freigabe und der Auswertung von Retourengründen.
4. Leitplanken festlegen: Lege für Pricing und Werbung Mindestmargen, maximale Änderungen und Budgetgrenzen fest, bevor du automatisierst.
5. Wirkung messen: Wähle je Bereich eine Kennzahl, etwa Prognosefehler, Marge, erste Antwortzeit, Retourenquote oder Conversion, und teste wo möglich gegen eine Kontrollgruppe.

Quellen

1. UHDE Online-Monitor 2026 (Daten: IFH Köln)
2. AEurostat: Use of artificial intelligence in enterprises
3. UHDE: KI im Handel 2025
4. SMakridakis u. a.: M5 accuracy competition, International Journal of Forecasting 2022
5. HRetail Systems: Otto und Blue Yonder
6. HJTL: KI-Agent Juno
7. HShopify: Enhanced inventory management
8. SZalando: High-Frequency Pricing at Scale for E-Commerce (Preprint 2026)
9. RPreisangabenverordnung, § 11
10. REuGH, C-330/23 (Aldi Süd), Urteil vom 26. September 2024
11. REGBGB, Art. 246a § 1
12. REU-Kommission: Horizontal-Leitlinien 2023
13. REuropäisches Parlament: Legislative Train, Digital Fairness Act
14. HXentral: Preise und Tarife
15. HplentyONE: Produkt-Updates
16. UEHI: Zahlungssysteme im Einzelhandel 2026
17. HStripe Radar
18. RVerordnung (EU) 2024/886 (Instant Payments, Empfängerüberprüfung)
19. RUmsatzsteuergesetz, § 27 (Übergangsregeln E-Rechnung)
20. UEHI: E-Commerce-Report Deutschland 2026
21. UBitkom: Kundenservice beim Online-Shopping
22. UGartner: 87 Prozent wollen Zugang zu Menschen im GenAI-Kundenservice
23. SFang u. a.: Generative AI and Sales Productivity, Field Experiments in Online Retail (Preprint)
24. REU-Kommission: Leitlinien zu den Transparenzpflichten nach Art. 50 AI Act
25. RGesetz gegen den unlauteren Wettbewerb, § 7
26. HKlaviyo: Predictive analytics
27. HBrevo: Tarife und Funktionen
28. SSahni, Wheeler, Chintagunta: Personalization in Email Marketing, Marketing Science 2018
29. SForschungsgruppe Retourenmanagement, Universität Bamberg: Retourenpakete 2026
30. SUniversität Bamberg: Erste europäische Händlerbefragung zum Retourenmanagement
31. UEHI: Retourenstudie 2026
32. HShopify-Hilfe: Sidekick
33. HAmazon: Small Business Empowerment Report 2025
34. HAmazon: Generative AI für Produktlistings
35. HeBay: Magical Listing
36. RVerordnung (EU) 2023/988 über die allgemeine Produktsicherheit, Art. 19
37. RDigital Services Act, Art. 30
38. HGoogle: KI-Modus startet in Deutschland, Österreich und der Schweiz
39. UPew Research Center: Clicks when an AI summary appears
40. DSeer Interactive: AI Overviews and CTR, September 2025
41. HGoogle Search Central: AI features and your website
42. HGoogle Search Central: Spam policies
43. MDigital Commerce 360: OpenAI shifts checkout plans
44. HOpenAI: Product feed specification
45. HGoogle: Universal Commerce Protocol
46. HGoogle Ads Help: Performance Max
47. HMeta: Earnings Call Q2 2026
48. MReuters: Meta aims to fully automate advertising with AI (nach Wall Street Journal)
49. DHaus: Lessons from 640 incrementality experiments on Meta
50. HGoogle Tag Manager Help: Consent Mode
51. RBundesfachstelle Barrierefreiheit: Online-Shops und BFSG
52. RBarrierefreiheitsstärkungsgesetz, § 2 und § 3
53. HGoogle Merchant Center: Anforderungen an Bilder