KI-Agenten für den Einzelhandel: Welche Arbeiten sie wirklich abnehmen können

Jede Woche läuft dasselbe Spiel: Der Einkäufer prüft Abverkaufsdaten in der Warenwirtschaft, gleicht sie mit dem Lagerbestand ab, trägt die Zahlen in eine Excel-Tabelle und schreibt dann per E-Mail an den Lieferanten. Währenddessen stapeln sich Kundenanfragen im Posteingang — Fragen zum Liefertermin, Reklamationen, Produktauskünfte. Die Produktbeschreibungen für den Online-Shop? Warten seit zwei Wochen auf jemanden, der Zeit findet, sie zu schreiben.

Das ist kein Randproblem. Es ist der Alltag in vielen mittelständischen Einzelhandelsbetrieben. Und es ist genau die Art von Arbeit, für die ein individuell entwickelter KI-Agent im Einzelhandel entworfen werden kann: konkrete Aufgaben übernehmen, Informationen aufbereiten und Menschen dort freihalten, wo ihre eigentliche Arbeit liegt.

Dieser Artikel erklärt, was ein solcher Agent bei typischen Routinearbeiten im Einzelhandel tatsächlich tut — für vier konkrete Aufgabenbereiche, mit den jeweiligen Systemvoraussetzungen, den Grenzen und der Frage, wo ein Mensch die Freigabe behalten muss.

Was ein KI-Agent ist — und was ihn von einfacher Automatisierung unterscheidet

Bevor es konkret wird: Ein KI-Agent ist kein Regelwerk, das auf ein „Wenn X, dann Y" reduzierbar wäre. Er kombiniert ein Sprachmodell (Large Language Model) mit dem Zugriff auf Datenquellen und Systeme, kann mehrstufig vorgehen, Kontext interpretieren und dabei strukturierte Ausgaben erzeugen, die direkt weiterverarbeitet werden.

Der Unterschied zu einer klassischen Automatisierung: Ein Automatisierungsablauf folgt starren Wenn-Dann-Regeln. Ein KI-Agent kann eine E-Mail lesen, den Inhalt einordnen, passende Daten aus dem ERP abrufen, einen Entwurf formulieren und ihn zur Prüfung vorlegen — ohne dass jede Variante vorher manuell programmiert wurde. Das macht ihn nützlich für unstrukturierte Eingaben, uneinheitliche Dokumente und Aufgaben mit variierendem Kontext.

Das bedeutet aber auch: Er trifft keine eigenständigen geschäftlichen Entscheidungen. Bestellmengen, Kulanzentscheidungen, Preise — das sind Freigaben, die beim Menschen bleiben. Der Agent bereitet vor; der Mensch entscheidet.

Mehr zu den Grundprinzipien individueller KI-Lösungen: KI-Agenten für Unternehmen: Funktionen, Einsatzbereiche und Beispiele

Aufgabe 1: Bestandsüberwachung und Nachbestellvorschläge vorbereiten

Was der Agent tut

Der Agent liest in regelmäßigen Abständen — oder auf Auslöser hin — die Bestandsdaten aus der Warenwirtschaft aus. Er vergleicht den aktuellen Lagerbestand mit einem definierten Meldebestand, berücksichtigt die durchschnittliche Abverkaufsgeschwindigkeit der letzten Wochen und prüft, ob bereits eine offene Bestellung beim Lieferanten vorhanden ist.

Aus diesen Daten erstellt er einen Vorschlag: Welche Artikel nähern sich dem Mindestbestand? Welche Lieferanten müssen kontaktiert werden? Welche Bestellmenge ist auf Basis der bisherigen Abverkaufsrate sinnvoll? Das Ergebnis landet als strukturierte Liste — entweder als Dokument, in einem Ticket-System oder direkt im Einkaufs-Workflow.

Welche Daten und Systeme er braucht

• Warenwirtschaftssystem oder ERP mit aktuellem Lager- und Bewegungsbestand (Lesezugriff per API oder Datenbankabfrage)
• Abverkaufsdaten der letzten definierten Perioden (z. B. 4 oder 8 Wochen)
• Lieferantenstammdaten mit Mindestbestellmengen und üblichen Lieferzeiten
• Optional: Saisonkalender oder Aktionsplanung als Zusatzkontext

Wo der Mensch die Freigabe behält

Der Agent schlägt vor, er bestellt nicht. Der Einkäufer prüft den Vorschlag, korrigiert Mengen bei bekannten Sondersituationen (Aktionen, Sortimentswechsel, Lieferantenprobleme) und gibt die Bestellung frei. Das ist keine Formalität — der Agent kennt keinen strategischen Kontext, den der Einkäufer kennt.

Hypothetisches Beispiel

Ein Sporthändler mit 3.000 aktiven Artikeln prüft seinen Bestand bisher wöchentlich manuell durch Sichtung der Warenwirtschaft. Hypothetisch eingesetzt würde ein KI-Agent täglich alle Artikel mit einer Abverkaufsrate von mehr als zwei Einheiten pro Woche und einem Bestand unter zehn Einheiten markieren und für jeden dieser Artikel einen Nachbestellvorschlag mit Mengenempfehlung generieren. Der Einkäufer sieht morgens eine aufbereitete Liste statt sich durch das System klicken zu müssen.

Aufgabe 2: Produkttexte vorbereiten

Was der Agent tut

Neue Artikel kommen in der Regel mit Lieferantendaten: Artikelnummer, technische Spezifikationen, Maße, Materialien — oft als strukturierter Datensatz oder PDF. Ein KI-Agent liest diese Rohdaten, kombiniert sie mit hinterlegten Vorgaben zur Tonalität, zur Zielgruppe und zur Textlänge und erstellt daraus einen ersten Entwurf für die Produktbeschreibung im Online-Shop.

Er kann dabei mehrere Varianten erzeugen — eine kurze Teaser-Beschreibung, eine ausführliche Detailbeschreibung und eine Bullet-Point-Liste mit Kernmerkmalen. Er formatiert die Ausgabe passend zur Shopstruktur und legt den Entwurf zur Prüfung in ein Content-Management-System oder einen Freigabe-Workflow.

Welche Daten und Systeme er braucht

• Lieferantendaten als strukturierter Import (CSV, JSON, PDF mit OCR-Verarbeitung)
• Redaktionsleitfaden oder Beispieltexte als Referenz (Tonalität, Länge, Format)
• Zugriff auf das Shopsystem oder CMS für die Ablage der Entwürfe (Schreibzugriff nur auf Entwurfsstatus)
• Optional: Kategorie- und Keyword-Informationen für SEO-Texte

Wo der Mensch die Freigabe behält

Kein Entwurf geht automatisch live. Ein Redakteur oder Produktmanager prüft, ob die Aussagen korrekt und vollständig sind, ob der Ton zur Marke passt und ob rechtlich relevante Angaben (z. B. bei Elektrogeräten oder Lebensmitteln) stimmen. Der Agent liefert einen 80-%-Entwurf; die letzten 20 % sind inhaltliche Verantwortung.

Hypothetisches Beispiel

Ein Möbelhändler nimmt pro Saison mehrere hundert neue Artikel ins Sortiment. Bisher schreibt der Produktmanager jeden Text manuell aus den Lieferantendaten. Ein KI-Agent würde bei jedem neu importierten Artikel automatisch einen Textvorschlag in drei Varianten generieren und ihn im CMS als Entwurf anlegen. Der Produktmanager bewertet, korrigiert und gibt frei — statt bei Null anzufangen.

Aufgabe 3: Kundenanfragen und Reklamationen vorsortieren

Was der Agent tut

Der Posteingang eines Einzelhändlers enthält täglich Anfragen sehr unterschiedlicher Art: Fragen zu Öffnungszeiten, Lieferstatus-Anfragen, Produktfragen, Rücksendewünsche, Reklamationen, Beschwerden, manchmal auch Spam oder Bewerberanschreiben. Ein KI-Agent liest jede eingehende Nachricht, ordnet sie einer Kategorie zu, ermittelt den Dringlichkeitsgrad und bereitet eine Empfehlung für die Weiterleitung oder — bei Standardanfragen — einen ersten Antwortentwurf vor.

Bei einer Lieferstatus-Anfrage beispielsweise: Der Agent erkennt die Anfrage, liest die Bestellnummer aus der E-Mail, ruft den aktuellen Versandstatus aus dem Shop- oder Versandsystem ab und schreibt einen Antwortentwurf mit den aktuellen Informationen. Der Mitarbeiter prüft den Entwurf und sendet ihn ab — oder passt ihn an.

Bei einer Reklamation: Der Agent liest das Problem, ordnet es ein (defektes Produkt, Falschlieferung, Unzufriedenheit), markiert den Fall mit der entsprechenden Priorität und legt einen vorausgefüllten Vorgang im Ticketsystem an, inklusive der relevanten Bestelldaten.

Welche Daten und Systeme er braucht

• E-Mail-Postfach mit API-Zugriff oder Webhook-Integration (z. B. über eine Integrationsplattform wie n8n)
• Bestellmanagementsystem oder Shopsystem für Bestellhistorie und Versandstatus
• Ticketsystem für Reklamationen und strukturierte Vorgänge
• Kategorien- und Eskalationsdefinition als Konfiguration (was ist dringend, was ist Standard, was soll eskaliert werden?)

Wo der Mensch die Freigabe behält

Kein Antwortentwurf geht ohne Prüfung raus. Besonders bei Reklamationen, Kulanzentscheidungen und rechtlich relevanten Situationen (z. B. Widerrufsrecht, Gewährleistung) bleibt die Entscheidung beim Mitarbeiter. Der Agent sortiert und bereitet vor — er kommuniziert nicht eigenständig nach außen, es sei denn, es ist für klar abgegrenzte Standardfälle explizit so konfiguriert und freigegeben.

Haftung und Kulanz sind keine KI-Entscheidungen. Das ist keine technische Einschränkung, sondern eine bewusste Designentscheidung.

Hypothetisches Beispiel

Ein Online-Händler für Haushaltsgeräte erhält täglich mehrere dutzend Anfragen im gemeinsamen Postfach. Bisher liest ein Mitarbeiter jede E-Mail, entscheidet über die Weiterleitung und sucht manuell die Bestelldaten heraus. Ein KI-Agent würde jede E-Mail lesen, kategorisieren, die Dringlichkeit markieren und für jede Anfrage entweder einen Antwortentwurf oder einen vorausgefüllten Vorgang im Ticketsystem erstellen. Der Mitarbeiter entscheidet und sendet ab, statt zuerst zu suchen.

Passend dazu: Kundenanfragen automatisch bearbeiten und weiterleiten

Aufgabe 4: Lieferantenkommunikation vorbereiten

Was der Agent tut

Lieferantenkommunikation ist im Einzelhandel oft wiederkehrend und dennoch aufwendig: Bestellbestätigungen anfordern, Lieferverzögerungen klären, Lieferscheine mit Bestellungen abgleichen, Preisanpassungen dokumentieren. Viel davon folgt denselben Mustern — und genau dort kann ein KI-Agent die Vorarbeit leisten.

Der Agent erstellt auf Basis eines freigegebenen Nachbestellvorschlags (aus Aufgabe 1) eine strukturierte Bestellanfrage, die der Einkäufer nur noch überprüfen und absenden muss. Er vergleicht eingehende Lieferscheine mit offenen Bestellungen und markiert Abweichungen — fehlende Positionen, Mengenunterschiede, unerwartete Artikel. Bei angekündigten Lieferverzögerungen liest er die Zustandsänderung aus dem System und bereitet eine interne Eskalationsnotiz oder eine Kundeninformation vor.

Welche Daten und Systeme er braucht

• ERP oder Warenwirtschaft mit Zugriff auf offene Bestellungen und Bestellhistorie
• Lieferschein-Extraktion per OCR für eingehende PDF-Dokumente
• Vorlagenbibliothek für Kommunikationsmuster (Bestellanfrage, Reklamation beim Lieferanten, Klärungsanfrage)
• Optionaler E-Mail-Versand im Entwurfsmodus — keine automatische Absendung ohne Freigabe

Wo der Mensch die Freigabe behält

Jede ausgehende Kommunikation an Lieferanten braucht eine menschliche Freigabe. Preisverhandlungen, Reklamationen gegenüber dem Lieferanten und strategische Einkaufsentscheidungen sind keine Agent-Aufgaben. Der Agent erstellt den Rahmen; der Einkäufer schreibt ihn ggf. um und sendet ab.

Systemvoraussetzungen im Überblick

Damit ein KI-Agent im Einzelhandel funktionieren kann, braucht er Zugang zu den relevanten Systemen — idealerweise über standardisierte Schnittstellen. Die folgende Tabelle zeigt, welche Systemzugänge für welche Aufgabe mindestens erforderlich sind:

Branchensoftware im Einzelhandel ist vielfältig — von spezialisierten Warenwirtschaftssystemen bis zu generischen ERP-Lösungen. SWBS bindet KI-Agenten über die vorhandenen Schnittstellen an, soweit diese technisch zugänglich sind. Systeme, die keine API anbieten, können häufig über dateibasierte Exporte oder Integrationsmiddleware eingebunden werden. Das wird in der Analyse vorher geprüft.

Zum Thema Systemanbindung: API-Integration: Systeme, Daten und Prozesse automatisiert verbinden

Grenzen, die ausdrücklich genannt werden müssen

Ein KI-Agent im Einzelhandel ist kein universelles Werkzeug. Es gibt Aufgaben, für die er sich strukturell nicht eignet:

Preisverhandlungen und Einkaufsstrategie. Ob ein Lieferant attraktiv bleibt, welche Rabattstaffel verhandelt wird, welches Sortiment künftig geführt wird — das sind geschäftliche Entscheidungen mit strategischem Kontext und Haftungsrelevanz.

Rechtlich relevante Kundenkommunikation ohne Prüfung. Widerrufsrecht, Gewährleistungsansprüche, Zahlungsstreitigkeiten: Hier darf kein Agent eigenständig nach außen kommunizieren.

Qualitätsbeurteilung von Waren. Ob eine Reklamation begründet ist, ob ein Rückläufer wieder verkaufsfähig ist, ob ein Lieferant dauerhaft Qualitätsprobleme hat — das erfordert Urteilsvermögen und Erfahrung, die ein Sprachmodell nicht ersetzt.

Unstrukturierte oder sehr heterogene Datenbasis. Ein Agent braucht lesbare, zugängliche Daten. Sind die Grunddaten unvollständig, inkonsistent oder nicht digitalisiert, arbeitet auch ein KI-Agent schlechter. Vor der Einführung lohnt es sich, die Datenqualität zu prüfen.

Die EU-KI-Verordnung (EU) 2024/1689 legt je nach Einsatzzweck und Risikoklasse unterschiedliche Pflichten für Anbieter und Betreiber fest. Welche Anforderungen für einen konkreten Einzelhandels-Agenten gelten, hängt vom Einsatzszenario ab und ist im Einzelfall zu prüfen.

Datenschutzrechtlich sind bei jedem KI-Agenten, der Kundendaten verarbeitet, die Anforderungen der DSGVO zu berücksichtigen: Rechtsgrundlage, Auftragsverarbeitung, Datenminimierung, Speicherort, Löschung und Information der Betroffenen. Das ist keine Formalie, sondern Teil der Systemauslegung. Detailfragen klären Datenschutzbeauftragte und Rechtsberatung.

Wie individuell entwickelte KI-Agenten sich von Standardtools unterscheiden

Viele Standardtools versprechen KI-Funktionen für den Einzelhandel. Der Unterschied zu einem individuell entwickelten Agenten liegt nicht im Modell dahinter, sondern in der Anbindung und im Zuschnitt:

Ein Standardtool funktioniert mit den Daten, die es erwartet — in dem Format, das es vorgibt, mit den Schnittstellen, die es unterstützt. Ein individuell entwickelter Agent wird auf die vorhandene Systemlandschaft zugeschnitten: die spezifische Warenwirtschaft, das eigene CMS, das E-Mail-System, die internen Kommunikationsmuster. Er wird so konfiguriert, dass die Freigabeschritte zu den echten Abläufen im Betrieb passen.

SWBS entwickelt keine Standardprodukte. Der Prozess beginnt mit einer Analyse der Abläufe — welche Aufgaben kommen wie oft vor, wie sehen die vorhandenen Daten aus, welche Systeme sind angebunden, wo entstehen Rückstände —, dann folgt die Konzeption des Agenten, Entwicklung, Anbindung, Test im realen Betrieb und laufender Betrieb. Das verursacht Aufwand und Kosten, die ein Standardtool nicht hat. Dafür entsteht ein Werkzeug, das tatsächlich in den vorhandenen Betrieb passt.

Welche Überlegungen bei der Wahl zwischen Standard und Individual-Entwicklung helfen: Eigene KI-Lösung vs KI-Tool: Was lohnt sich für Unternehmen?

Und für einen breiteren Kontext über KI-Einsatz in Handel und Gastgewerbe: KI-Agenten in Handel und Gastgewerbe: Welche Arbeiten sie im Hintergrund erledigen

Wann ein KI-Agent im Einzelhandel sinnvoll ist — und wann nicht

Nicht jeder Betrieb braucht heute einen individuell entwickelten KI-Agenten. Ein paar Anhaltspunkte:

Sinnvoll, wenn:

• Dieselben Routineaufgaben täglich oder wöchentlich anfallen und Fachkräfte binden
• Die relevanten Daten digital und in einem zugänglichen System vorliegen
• Klare Freigabeschritte definierbar sind
• Der manuelle Aufwand messbar ist und die Investition in Relation dazu steht

Weniger sinnvoll, wenn:

• Die Datenbasis unvollständig oder nicht digitalisiert ist
• Die Aufgaben stark variieren und selten gleichartige Muster aufweisen
• Der Betrieb zu klein ist, um von Automatisierung profitieren zu können
• Regulatorische oder juristische Anforderungen noch ungeklärt sind

Prozessoptimierung mit KI: konkrete Anwendungsfälle für den Mittelstand gibt einen Überblick über weitere Einsatzbereiche jenseits des Einzelhandels.

Was der nächste Schritt ist

Wer ernsthaft prüfen möchte, ob ein KI-Agent für konkrete Aufgaben im eigenen Einzelhandelsbetrieb sinnvoll wäre, braucht zuerst eine ehrliche Bestandsaufnahme: Welche Routinearbeiten binden wie viel Zeit? Welche Daten liegen in welchen Systemen vor? Welche Freigabeprozesse gibt es?

SWBS begleitet genau diesen Schritt: vom ersten Gespräch über die Prozessanalyse und die Systemlandschaft bis hin zur Konzeption und Entwicklung eines Agenten, der in den Betrieb passt — nicht umgekehrt. Die KI-Integration & LLM bildet dabei das technische Fundament; je nach Ausgangslage kommen Beratung & Planung und API-Entwicklung dazu.

Wenn Sie konkret prüfen möchten, welche Prozesse in Ihrem Betrieb für einen KI-Agenten geeignet wären: Sprechen Sie mit uns. Das Erstgespräch ist unverbindlich und kostenlos.