Strategie
Klare KI-Vision mit definierten Verantwortlichkeiten und Investitionsverpflichtungen.
Content as a Service v3 - retail - Monday, September 30, 2024 at 18:25
Die KI-Skalierungslücke im Einzelhandel schließen
Die meisten Retailer stecken noch zwischen KI-Experimenten und der Skalierung fest. Der Bericht State of AI Readiness in Retail von Adobe zeigt, wie Branchenführer Verantwortlichkeiten schaffen, Tech-Partnerschaften stärken und KI-Investitionen in messbaren, nachhaltigen Mehrwert verwandeln.
Vorwort.
Die Bereitstellung überholt das Betriebsmodell
Retailer setzen künstliche Intelligenz (KI) in immer mehr Marketing- und Customer-Experience-Workflows ein – von der Produktentdeckung über Personalisierung bis hin zur Content-Produktion. Das Potenzial ist enorm: schnellere Entscheidungen, kürzere Time-to-Market, relevantere Interaktionen, höhere Umsätze und eine effizientere Umsetzung über digitale und physische Touchpoints hinweg. Doch eine wachsende Zahl von KI-Anwendungsfällen macht ein Einzelhandelsunternehmen allein noch nicht bereit für die Skalierung.
Die Studie belegt umfangreiche KI-Aktivität im Einzelhandel – ein Großteil davon bleibt jedoch auf Pilot- und Bereitstellungsphasen beschränkt. Sobald eine Initiative über eine einzelne Funktion hinausgeht und gemeinsame Daten, vernetzte Systeme, abgestimmte Budgets sowie übergreifende Entscheidungen aus Marketing, Handel, Filialbetrieb, Technologie, Recht und Compliance umfasst, wird der Fortschritt spürbar schwieriger.
Die eigentliche Herausforderung liegt damit im Betriebsmodell selbst. KI erfordert klare Zuständigkeiten, frühzeitige Zusammenarbeit und eine Messung, die bereits vor der Bereitstellung konzipiert wird. Fehlen diese Grundlagen, können einzelne Initiativen zwar marktreif werden – lassen sich aber kaum miteinander verknüpfen, bewerten oder entlang der Customer Journey ausbauen.
Dieser Bericht analysiert, wo KI-Fortschritte im Einzelhandel ins Stocken geraten, und zeigt, was der branchenübergreifende Leader-Benchmark für den weiteren Weg bedeutet. Für Führungskräfte aus Marketing und Customer Experience bietet er einen praxisnahen Rahmen, um die betrieblichen Rahmenbedingungen rund um bereits laufende KI-Investitionen zu stärken.
Marta Frattini
Global Industry Strategy Director, Retail, Adobe
Zur Studie
Dieser Bericht basiert auf einer weltweiten Studie, die Incisiv im Auftrag von Adobe durchgeführt hat.
ABGEDECKTE MÄRKTE
Australien und Neuseeland, Zentraleuropa, Indien, Japan, Lateinamerika, Naher Osten, Nordamerika, Südostasien, Südkorea, Vereinigtes Königreich und Irland sowie Westeuropa.
Wie Führungskräfte identifiziert und bewertet wurden
Die 342 KI-Leader, auf die in diesem Bericht Bezug genommen wird, entstammen einer Gesamtstudienpopulation von 5.633 leitenden Führungskräften aus 12 Branchen. Sie sind nicht auf den Einzelhandel beschränkt. Sie bilden einen branchenübergreifenden globalen Benchmark der Befragten, die sowohl die Reifegradkriterien des Betriebsmodells als auch die Kriterien zur Bereitstellungsphase erfüllten, wie nachfolgend beschrieben.
Messung des Reifegrads
Jedes Unternehmen wurde anhand von sechs Betriebsmodell-Säulen bewertet, wobei jede Säule auf einer Skala von 1 bis 5 benotet wurde. Die sechs Bewertungen wurden zu einem kombinierten Betriebsmodell-Reifewert (OMM) zusammengefasst.
Struktur
Dedizierte KI-Zuständigkeit mit Budgetverantwortung.
Mitarbeitende
Rollen und Unternehmenskultur entwickeln sich für ein KI-geprägtes Umfeld weiter.
Governance
Risikorahmen, die auf die Dynamik von KI ausgerichtet sind.
Technologie
Infrastruktur, die auf Skalierung ausgelegt ist – nicht nur auf Pilotprojekte.
Workflows
KI ist direkt in die tatsächlichen Arbeitsprozesse eingebettet.
Wie die Vorreiter identifiziert wurden
Um als Leader eingestuft zu werden, musste eine Organisation zwei Kriterien erfüllen: einen OMM-Gesamtwert oberhalb des Schwellenwerts des oberen Quartils von 3,27 erreichen und sich in der Erweiterungs- oder Transformationsphase der KI-Bereitstellung befinden. Durch die Anwendung beider Kriterien wurden 342 Leader in den 12 Branchen identifiziert, was 6 % der 5.323 aktiven Befragten entspricht.
Diese Befragten weisen eine höhere Reife in den Bereichen Ownership, Governance, Messung, technologische Grundlagen, Talente und Arbeitsweisen auf, die mit einer wiederholbaren und nachhaltigen KI-Bereitstellung verbunden sind.
Zusammenfassung.
Was die Daten über den Einzelhandel zeigen
Im Einzelhandel mangelt es nicht an KI-Initiativen in Marketing und Customer Experience. Was den meisten Unternehmen jedoch noch fehlt, ist das passende Betriebsmodell, um erfolgreiche Pilotprojekte in eine wiederholbare Bereitstellung zu überführen. Verantwortlichkeiten bleiben unklar, die Messung ist begrenzt, und die Abstimmung zwischen Fachbereichen und IT-Teams ist uneinheitlich. Dieser Bericht untersucht diese Lücken sowie die Betriebsmodell-Verhaltensweisen, die bei der branchenübergreifenden Leader-Gruppe häufiger zu beobachten sind.
Die Branche im Überblick
der aktiven Befragten im Einzelhandel befinden sich in der Frozen Middle. Diese Befragten haben die frühe Experimentierphase hinter sich gelassen und die Pilotierungs- oder Bereitstellungsphase erreicht. Die Koordination jedoch, die erforderlich ist, um erfolgreiche Use Cases funktionsübergreifend zu skalieren, bleibt begrenzt.
der im Einzelhandel vorgeschlagenen KI-Ideen erreichen die Produktion. Vielversprechende Use Cases verlieren an Dynamik, wenn sie technische Bewertungen, Sicherheits-, Integrations- und Budgetprüfungen durchlaufen, was die Zahl der Use Cases einschränkt, die von der ersten Idee bis zur Produktion gelangen.
der Befragten aus dem Einzelhandel geben an, dass eine formale KI-Zuständigkeit mit klar definiertem Titel und Budgetverantwortung besteht. Anderswo ist die Verantwortung mitunter nur in Teilzeit angesiedelt, auf Komitees verteilt oder Projekt für Projekt geregelt – womit funktionsübergreifende Prioritäten und Ressourcenentscheidungen ungeklärt bleiben.
der Befragten aus dem Einzelhandel regeln das Verhältnis zwischen Fachbereichen und IT über isolierte, transaktionale oder beratende Arbeitsweisen. Diese Modelle basieren auf Anfragen, Überprüfungen und sequenziellen Übergaben – statt auf der gemeinsamen Verantwortung und häufigen Iteration, die eine KI-Bereitstellung erfordert.
der Befragten aus dem Einzelhandel verfügen über ein umfassendes ROI-Framework. Die meisten Teams können zwar Aktivitäten oder Effizienzgewinne verfolgen, sind jedoch nicht in der Lage, den Beitrag von KI zu Ergebnissen für die Kundschaft und den Geschäftsbetrieb konsistent zu isolieren oder vergleichbare Belege für weitere Investitionsentscheidungen heranzuziehen.
Was Vorreiter anders machen
Die 342 KI-Leaders, die branchenübergreifend identifiziert wurden, haben Verantwortlichkeiten, Messung, Zusammenarbeit und Unternehmenskultur etabliert, die für die Skalierung von KI-Initiativen erforderlich sind. Sie weisen fünf miteinander verknüpfte Verhaltensweisen im Betriebsmodell auf.
Klare Verantwortung
Bei Leaders ist die Wahrscheinlichkeit 3,6-mal höher, dass eine formale KI-Zuständigkeit mit klar definiertem Titel, Mandat und Budgetverantwortung für funktionsübergreifendes Arbeiten besteht.
Messung von Anfang an
Leaders definieren das ROI-Framework noch vor der Bereitstellung. Unter Leaders messen 44 % den ROI umfassend – verglichen mit 11 % der Befragten aus dem Einzelhandel.
Echte Partnerschaft
Fachbereiche und IT-Teams teilen Ziele und Verantwortung für Ergebnisse. Beeindruckende 81 % der Leaders arbeiten auf kollaborativer oder integrierter Ebene – gegenüber 24 % der Befragten aus dem Einzelhandel.
Lernkultur
Leaders nutzen Misserfolge, um die nächste Bereitstellung zu verbessern. Nur 23 % der Befragten aus dem Einzelhandel berichten von destruktiven Fehlermustern mit Schuldzuweisungen und Wiederholungen. Bei Leaders liegt dieser Anteil unter 1 %.
Befähigte Treibende
Leaders erkennen Fachkräfte, die KI bereits effektiv einsetzen, und übertragen ihnen die Autorität und Unterstützung, damit sie ihre Arbeit ausweiten können. 42 % nennen das Identifizieren und Fördern interner Multiplikatorinnen und Multiplikatoren als ihre wirksamste Maßnahme für die Unternehmenskultur.
Zusammen bilden diese Verhaltensweisen ein sich gegenseitig verstärkendes System. Dieser Bericht untersucht, wie Leaders jede dieser Entscheidungen in die Praxis umsetzen und wie Einzelhandelsunternehmen die gewonnenen Erkenntnisse nutzen können.
Teil 1
Das Branchenbild
Die erstarrte Mitte – Die meisten Einzelhandelsunternehmen bleiben in der Pilot- und Bereitstellungsphase stecken
56 % der Einzelhandelsunternehmen befinden sich in der erstarrten Mitte: KI ist zwar in einzelnen Funktionen oder Projekten aktiv, doch die Koordination, die für eine Skalierung erforderlich wäre, bleibt begrenzt.
Marketing-Teams im Einzelhandel führen KI Use Case für Use Case ein. Die Zielgruppensegmentierung liegt häufig beim Digital Marketing, Empfehlungsmodelle beim E-Commerce und die Content-Produktion beim Kreativ-Team. Jeder Bereich folgt seinem eigenen Zeitplan – so entstehen isolierte Aktivitätsbereiche, die sich nur schwer miteinander verbinden lassen.
Der Begriff „Frozen Middle“ beschreibt Befragte, die sich in der Pilot- oder Bereitstellungsphase befinden und deren Unternehmen noch keine ausreichende Koordination aufgebaut haben, um zu skalieren. Daten, Erkenntnisse und Ergebnisse verbleiben oft in einzelnen Systemen oder Funktionsbereichen – was die Möglichkeit einschränkt, Ergebnisse zu vergleichen, den ROI nachzuweisen und erfolgreiche Workflows auf alle Kundenkontaktpunkte auszuweiten.
Um über diese Phase hinauswachsen zu können, braucht es klare Verantwortlichkeiten, gemeinsamen Datenzugang, abgestimmte Entscheidungsrechte und eine engere Zusammenarbeit zwischen Marketing, Handel, Filialbetrieb und Technologiepartnern. Zudem müssen Teams KI-Workflows gemeinsam und durchgängig gestalten und betreiben – anstatt dass jeder Funktionsbereich seinen Teil isoliert aufbaut und optimiert. Wird diese Zusammenarbeit aufgeschoben, häufen sich unverbundene Bereitstellungen an und lassen sich immer schwerer auf gemeinsame Ziele ausrichten.
Das Vakuum der Verantwortung – Nur 1 von 4 Befragten im Einzelhandel berichtet von einer formalen KI-Verantwortlichkeit
In Einzelhandelsunternehmen kann die KI-Verantwortung auf Digital Marketing, E-Commerce, Treue, Merchandising und Filialbetrieb verteilt sein. Hinzu kommen häufig Teams aus den Bereichen Daten, IT, Recht, Risiko, Sicherheit und Compliance. Wenn die Verantwortung auf so viele Gruppen verteilt ist, lassen sich konkurrierende Prioritäten nur schwer klären und verbindliche Entscheidungen über Ressourcen und Umsetzungsreihenfolgen kaum treffen.
Eine Personalisierungs-Roadmap für ein bestimmtes Quartal könnte zum Beispiel vorsehen, dass Marketing eine Engine für Echtzeit-Angebote priorisiert, während der Bereich Treue die Retention-Modellierung vorantreibt und der Filialbetrieb KI-gestützte Personalplanung in Betracht zieht. Jede Initiative hat ihren eigenen Mehrwert – doch sie sind nicht voneinander unabhängig. Sie konkurrieren möglicherweise um gemeinsame Daten, technologische Unterstützung, Budget und die Aufmerksamkeit der Führungsebene. Ohne eine Person, die für die gesamte Roadmap verantwortlich ist, kann niemand diese Zusammenhänge erkennen, Prioritäten setzen oder bestimmen, wie eine Bereitstellung die nächste beeinflussen soll. Entscheidungen verzögern sich dann oder orientieren sich an den Prioritäten des Funktionsbereichs, der am besten aufgestellt ist, voranzukommen – und nicht am Gesamtnutzen des Portfolios.
Wenn Verantwortung nur in Teilzeit übernommen wird und Entscheidungen auf Komitees verteilt sind, bleiben wichtige Fragen oft offen – selbst wenn einzelne Teams längst vorangegangen sind. Ein CMO oder eine Leitung Customer Experience kann diese Rolle ausfüllen, sofern das Mandat die KI-Roadmap, die Kundenkommunikation, das digitale Erlebnis, die Kundentreue und die zugehörigen Datenbeziehungen umfasst. Entscheidend ist eine Zuständigkeit, die über eine einzelne Funktion oder Initiative hinausgeht.
Der Genehmigungsparcours – Von 100 vorgeschlagenen KI-Ideen im Einzelhandel erreichen nur 16 die Produktion
Die IT-Bewertung scheidet die meisten vorgeschlagenen Initiativen aus: 28 von 100 scheitern bereits an der ersten Prüfstufe.
Damit ein KI-Anwendungsfall vom Vorschlag bis in die Produktion gelangt, sind Entscheidungen in den Bereichen Marketing, Handel, Filialbetrieb und mit Technologiepartnern erforderlich. Die Studie verfolgt Initiativen durch IT-Bewertung, Sicherheitsprüfung, Integrationsbeurteilung, Budgetgenehmigung und Produktionseinführung. Auf jeder Stufe scheiden Vorhaben aus – von den ursprünglichen 100 Vorschlägen erreichen am Ende nur 16 die Produktion. Das entspricht in etwa dem branchenübergreifenden Durchschnitt von 15.
Den größten absoluten Verlust verursacht die IT-Bewertung, bei der 28 Initiativen ausscheiden. Die Sicherheitsprüfung eliminiert weitere 23, die Integrationsbeurteilung 15, die Budgetgenehmigung 12, und 6 weitere scheitern noch vor dem Produktionsstart. Die Budgetgenehmigung weist unter allen Phasen den höchsten proportionalen Verlust auf: 12 von 34 Initiativen, also rund 35 %, kommen nicht weiter.
Diese Prüfungen testen technische Machbarkeit, Sicherheit, Datenschutz, Integration, Governance, Anbietervalidierung, Kosten, Zeitplanung und Finanzierung. Dabei darf das kundenbezogene oder geschäftliche Ergebnis nicht aus dem Blick geraten. Werden Datenrechte, Systemverantwortung, Integrationsabhängigkeiten und der Business Case bereits in der Ideenphase eingebracht, erhalten Geschäfts- und Technologieteams eine fundierte Grundlage für die Beurteilung von Machbarkeit und Mehrwert.
Das Business-IT-Übergabeproblem – 76 % der Einzelhandelsunternehmen arbeiten noch immer ohne gemeinsame Verantwortung
Marketing-Teams im Einzelhandel passen Zielgruppen, Angebote, Inhalte und Kampagnen bereits heute an, wenn sich das Kundenverhalten oder Leistungsdaten ändern. KI kann das Tempo, in dem solche Entscheidungen getroffen werden müssen, weiter erhöhen. Dennoch setzen viele Einzelhandelsunternehmen bei der Business-IT-Zusammenarbeit noch immer auf sequenzielle Übergabeprozesse.
Ob die Zusammenarbeit isoliert, transaktional oder beratend organisiert ist – das Muster bleibt ähnlich: Fachbereiche reichen Anfragen ein, Technologie-Teams reagieren. Dieses Modell spiegelt jährliche Planungszyklen, Plattform-Roadmaps und feste Kampagnenkalender wider. Es unterstützt jedoch nicht das schnellere Testen, Anpassen und gemeinsame Entscheiden, die KI erfordert.
Kollaborative und integrierte Beziehungen bringen Marketing- und Technologiepartner bereits bei der Arbeitsdefinition zusammen. Gemeinsame Ziele und Schlüsselergebnisse übertragen beiden Teams die Verantwortung für Umsetzung und Geschäftsergebnis. Stimmen Kundenmarketing, E-Commerce, Marketing-Operations und Data Engineering beim Ziel überein, folgen Briefing, Aufbauentscheidungen und Messung derselben Richtung. Auftretende Daten-, Integrations- und Timing-Fragen lassen sich dann im laufenden Prozess lösen.
Die Messlücke – Nur 11 % messen den ROI umfassend
Da KI zunehmend Teil des täglichen Einzelhandelsmarketings wird, müssen Teams mehr als nur Outputs messen. Verfolgt werden oft ausgespielte Empfehlungen, segmentierte Zielgruppen, produzierte kreative Varianten oder eingesparte Stunden. Diese Kennzahlen belegen Aktivität und Effizienz, zeigen aber nicht verlässlich, ob KI Interaktion, Conversion, Warenkorbgröße, Wiederkaufraten oder Kundenbindung verbessert hat.
Eine fundierte Messung beginnt vor dem Launch. Teams definieren das angestrebte Kunden- oder Geschäftsziel, erfassen eine Baseline und einigen sich darauf, wie der inkrementelle Mehrwert bewertet wird. Sobald eine Kampagne läuft, erschweren Promotionsaktivitäten, saisonale Nachfrage, Lagerverfügbarkeit und Mediainvestitionen die Isolierung des KI-Beitrags. Das gilt ebenso für die Frage, ob eine personalisierte Experience die Kundschaft zum richtigen Zeitpunkt erreicht hat.
Eine klare Messung vor dem Einsatz liefert Marketing-Verantwortlichen belastbare Belege für Planungs- und Budgetgespräche. Darüber hinaus können Teams Anwendungsfälle vergleichen, schwächere Workflows verbessern und entscheiden, welche Initiativen weitere Investitionen oder eine breitere Einführung rechtfertigen.
Teil 2
Was führende Unternehmen anders machen
Echte Verantwortung – KI skaliert, wenn eine benannte Führungsperson dafür verantwortlich ist
Führende Unternehmen haben 3,6-mal häufiger eine formelle KI-verantwortliche Person mit Titel und Budgetverantwortung. Im Einzelhandel haben 25 % der Organisationen eine solche Person benannt. Zudem ist die Wahrscheinlichkeit bei führenden Unternehmen 3,3-mal höher, die Zusammenarbeit zwischen Fachbereich und IT voranzutreiben, und 4,0-mal höher, den ROI umfassend zu messen.
KI kann viele Bereiche des Marketings im Einzelhandel und der Customer Experience beeinflussen – etwa Digital Marketing, E-Commerce, Treue, kreative Teams sowie die unterstützenden Daten- und Technologieteams. Wenn Aufgaben diese Grenzen überschreiten, fehlt Teilzeitverantwortlichen, Komitees und projektbasierten Führungskräften häufig die Befugnis, konkurrierende Prioritäten aufzulösen.
Führungskräfte lösen dieses Problem, indem sie eine namentlich benannte KI-Führungsperson mit offiziellem Titel, klarem Auftrag und Budgetverantwortung ernennen. Diese Person kann funktionsübergreifend Entscheidungen treffen, wenn Prioritäten in den Bereichen Personalisierung, Treue, Promotion oder Customer Experience miteinander konkurrieren. Formelle Verantwortlichkeit schafft zudem eine klare Anlaufstelle für Portfolio-Entscheidungen, Erwartungen an die Messung und funktionsübergreifende Eskalationen.
Der Auftrag der benannten KI-Führungsperson muss sich über Marketing, Handel, Filialbetrieb, Daten, Technologie und Customer Experience erstrecken – nicht nur über die Funktion, aus der die Rolle ursprünglich stammt. Unternehmen können diese Befugnis innerhalb bestehender Strukturen etablieren, ohne Berichtslinien oder Governance ersetzen zu müssen.
Messung ab Tag eins – Führungskräfte definieren Erfolg, bevor ein KI-Use-Case startet
Führungskräfte machen die Erfolgsmessung zur Voraussetzung für den Einsatz – und geben dem Marketing damit eine fundierte Grundlage für Investitionsentscheidungen.
Führungskräfte im Einzelhandel brauchen mehr als den Nachweis, dass eine einzelne Initiative erfolgreich war. Sie müssen auch wissen, ob die Organisation KI immer effektiver bereitstellen kann, und eine verlässliche Grundlage für Finanzierungs- und Skalierungsentscheidungen haben. Führungskräfte integrieren die Messung bereits in die Konzeption jedes KI-Use-Case. Die Daten zeigen: 44 % der Führenden verfügen über ein umfassendes ROI-Framework, verglichen mit 11 % der Einzelhandelsbefragten.
Ein umfassendes Framework berücksichtigt zwei Dimensionen. Die erste ist Inkrementalität. Dabei kann eine Holdout-Gruppe, ein geografischer Test oder ein anderer Vergleich helfen, die Kausalität zu isolieren. Ohne diese Grundlage kann ein Anstieg bei Konversion, Warenkorbgröße oder Kundenbindung auf Saisonalität, Promotion-Aktivitäten, Medieninvestitionen oder eine ohnehin bereits wachsende Marktbewegung zurückzuführen sein. Die zweite Dimension ist die Verbesserung der Arbeitsweisen. Teams können verfolgen, ob sich die Zeit von der Idee bis zur Produktion verkürzt, ob mehr Initiativen den Genehmigungsprozess überstehen und ob Fach- und Technologiebereiche Entscheidungen schneller treffen. Eine Dimension zeigt, ob der Use Case Mehrwert geschaffen hat. Die andere zeigt, ob die Organisation ihre Fähigkeit verbessert, KI bereitzustellen.
Der richtige Zeitpunkt spielt bei Anwendungsfällen, die mit dem sich verändernden Kundenverhalten zusammenhängen, eine entscheidende Rolle. Sobald eine Kampagne, ein Angebot oder ein personalisiertes Erlebnis dieses Verhalten beeinflusst, lässt sich die ursprüngliche Baseline kaum noch rekonstruieren. Führende Unternehmen erfassen die aktuelle Performance, einigen sich vor dem Launch auf Leistungskennzahlen und legen die Vergleichsmethode fest. Anschließend werten sie dieselben Kennzahlen nach der Einführung aus – und geben Entscheidungsverantwortlichen eine solide Grundlage für weitere Investitionen und eine breitere Nutzung.
Echte Partnerschaft – Fachbereiche und IT tragen gemeinsame Verantwortung für Ergebnisse
Unter den führenden Unternehmen arbeiten 81 % auf kollaborativer oder integrierter Ebene, verglichen mit 24 % der Befragten aus dem Einzelhandel.
KI-gestütztes Marketing im Einzelhandel setzt auf Kundendatenplattformen, Treueprogramme, Point-of-Sale-Daten und E-Commerce-Plattformen. Ein sequenzieller Übergabeprozess erzeugt Reibungsverluste, sobald Daten, technischer Support oder Messungen zwischen Teams weitergegeben werden müssen. Viele Befragte aus dem Einzelhandel arbeiten noch in Silos oder rein transaktional; andere agieren beratend – das heißt, die IT unterstützt die Fachbereiche, ohne gemeinsame Verantwortung für das Ergebnis zu tragen.
Bei den 342 führenden Unternehmen sind kollaborative und integrierte Beziehungen die Norm. Marketing und Technologiepartner werden bereits bei der Erstellung des Briefings eingebunden. Teams aus Kundenmarketing, E-Commerce und Kundentreue erarbeiten den Umfang gemeinsam mit dem Data-Engineering oder der IT – anstatt fertige Anfragen weiterzureichen.
Die gemeinsame Verantwortung setzt sich über die gesamte Umsetzung und Messung fort. Wenn Marketing und Data-Engineering-Verantwortliche dasselbe Conversion- oder Wiederkaufziel verfolgen, folgen Briefing, Entwicklungsentscheidungen und Messung einer gemeinsamen Richtung. Wenn beide zudem dafür verantwortlich sind, wie die Arbeit von der Idee in die Produktion übergeht, wird Zusammenarbeit Teil des Betriebsmodells. Führende Unternehmen verankern diese Partnerschaft durch gemeinsame Ziele und Key Results innerhalb bestehender Berichtsstrukturen – und ermöglichen so die Zusammenarbeit der Teams, ohne eine Umstrukturierung vorauszusetzen.
Lernkultur – führende Unternehmen machen aus Leistungsschwächen gemeinsames Wissen
Unter den Befragten berichten 23 % von destruktiven Fehlermustern – darunter Schuldzuweisungen oder das Wiederholen von Fehlern. Bei den 342 führenden Unternehmen liegt dieser Wert unter 1 %. Der Umgang mit Fehlern ist eng damit verknüpft, ob ein Unternehmen skaliert.
Retail-Marketing läuft unter hohem Zeitdruck. Saisonale Kampagnen orientieren sich an Aktionskalendern, während Personalisierungsprogramme von der Lagerverfügbarkeit abhängen. Bleibt eine KI-Initiative in diesem Zyklus hinter den Erwartungen, wechseln Teams schnell zur nächsten Kampagne. Die Arbeit geht weiter – ohne dass das Scheitern aufgearbeitet wird.
Diese Entscheidung betrifft andere Teams. Filialbetrieb, Treue und Digital Marketing können dieselben fehlerhaften Annahmen in die nächste Initiative einbringen. Ein Empfehlungsmodell, das nicht die erwarteten Ergebnisse liefert, oder ein Treue-Trigger, der fehlschlägt, enthält wertvolle Informationen für das gesamte Unternehmen. Ohne einen gemeinsamen Lernprozess läuft ein anderes Team Gefahr, denselben Fehler zu wiederholen.
Eine Lernkultur zeigt sich in operativen Reviews. Die benannte KI-Führungsperson schafft gezielt Zeit für Diskussionen, damit Teams analysieren können, was nicht funktioniert hat, warum es passiert ist und was sich ändern muss. Wenn leitende Marketing-Führungskräfte dies zum festen Bestandteil von Kampagnen- und saisonalen Leistungsreviews machen, lassen sich Erkenntnisse funktionsübergreifend teilen und auf künftige Projekte anwenden.
Befähigte Champions – Gebt erfahrenen KI-Fachleuten die Unterstützung, um als Vorbilder voranzugehen
Unter den Leaders bezeichnen 42 % das Befähigen interner Champions als ihre wirksamste kulturelle Maßnahme – noch vor Unterstützung durch die Führungsebene (16 %) und formaler Schulung (11 %).
KI wird eher angenommen, wenn Mitarbeitende beobachten, wie Kolleginnen und Kollegen sie bei vertrauten Aufgaben einsetzen. Im Einzelhandel können das Kampagnenverantwortliche sein, die Zielgruppensegmentierung nutzen, um ein saisonales Briefing zu schärfen, Verantwortliche für Treueprogramme, die Lifecycle-Modellierung für Kundenbindungsangebote anwenden, oder Kreativverantwortliche, die KI einsetzen, um markenkonforme Varianten eines Hero-Assets für regionale Kampagnen zu erstellen.
Führungskräfte identifizieren diese Fachleute als Champions und statten sie mit einem kleinen Budget, Anerkennung und dem Freiraum aus, zu experimentieren und ihren Ansatz auf benachbarte Teams auszuweiten. Praxisbelege aus einem Markt, Kanal oder Workflow haben mehr Gewicht als zentrale Schulungen allein. Champions gewinnen Einfluss, indem sie Geschäftsergebnisse und verbesserte Arbeitsweisen unter Beweis stellen.
Eingebettete KI-Leads in Geschäftsbereichen oder Fachabteilungen können Fachleuten helfen, bewährte Ansätze auszuweiten. Kompetenzzentren können sie durch Evaluierungsmethoden, Governance-Leitlinien und Tools unterstützen. Engere Beziehungen zwischen Marketing und Technologiepartnern erleichtern es dann, wirksame Praktiken teamübergreifend zu übertragen.
5 Maßnahmen für ein Betriebsmodell, das KI skaliert
Diese Maßnahmen überführen die Verhaltensweisen der Leader in konkrete Schritte für Führungskräfte in Retail-Marketing und Customer Experience. Keine davon erfordert eine vollständige Umstrukturierung. Was sie erfordern, ist neue Entscheidungsgewalt und neue Arbeitsweisen, die der bestehenden Struktur aufgesetzt werden.
- Eine verantwortliche Führungskraft für KI mit Entscheidungsgewalt über Marketing und Customer Experience benennen.
Ernennt eine Führungskraft mit klarem Mandat und Budgetverantwortung für Marketing und Customer Experience. Das kann der Chief Marketing Officer, die Leitung für Customer Experience, eine neue KI-Führungskraft oder eine andere Führungskraft auf Senior-Ebene sein, die funktionsübergreifend agiert. Bestehende Berichtsstrukturen können erhalten bleiben – die KI-Führungskraft muss jedoch Prioritäten klären und Entscheidungen treffen können, wenn die Arbeit teamübergreifend wird. - Das angestrebte Ergebnis vor der nächsten KI-Bereitstellung festlegen.
Ein Vorher-Nachher-Vergleich allein reicht möglicherweise nicht aus. Baut wo immer möglich eine Holdout- oder Kontrollgruppe ein, damit ein Uplift zuverlässiger dem jeweiligen KI-Use-Case zugeordnet werden kann. Teams sollten sich vor dem Launch auf die Attributionsmethode und das Testdesign einigen. Je nach Use Case kann das Ziel Interaktion, Conversion, Umsatz, Kundenbindung, Kosteneffizienz oder Time-to-Value umfassen. - Marketing und Technologiepartner gemeinsam in die Verantwortung nehmen.
Gebt Marketing und seinen Technologiepartnern gemeinsame Ziele und Schlüsselergebnisse. KI-Initiativen gelingen, wenn Teams an derselben Innovations-Roadmap arbeiten, die Anwendungsfälle priorisieren, die gemeinsame Geschäftsziele voranbringen, und sich auf eine einheitliche Erfolgsdefinition einigen. Gemeinsame Ziele ermöglichen es Teams, Entscheidungen zu Daten, Integration und Priorisierung gemeinsam zu treffen – um eine übergreifende Agenda voranzutreiben, statt auf sequenzielle Übergaben zu setzen. - KI-Misserfolge in Lernchancen für die gesamte Organisation verwandeln.
Macht Underperformance in Kampagnen- und operativen Reviews sichtbar. Analysiert, was das Modell falsch eingeschätzt hat, welche Annahmen nicht zutrafen und was sich in Daten, Workflow oder Steuerungsmechanismen ändern sollte. Wenn Führungskräfte auf Senior-Ebene offen über Rückschläge sprechen und Verantwortlichkeit wahren, lernen Teams, Misserfolge als Diagnosebefund zu verstehen – als wertvolle Grundlage zur Verbesserung der nächsten Bereitstellung. - Die Fachleute aufspüren, die KI bereits erfolgreich einsetzen.
Identifiziert Fachleute, die KI bereits wirkungsvoll in den Bereichen Treue und Kampagnenabwicklung, E-Commerce, Content-Erstellung oder Customer Experience einsetzen. Gebt ihnen Anerkennung, ein kleines Budget und die Erlaubnis, ihren Ansatz auf ein benachbartes Team auszuweiten. Dokumentiert den Workflow, die Bedingungen, Steuerungsmechanismen und Ergebnisse als praktisches Playbook, das andere evaluieren und anpassen können – ohne bestehende Governance- oder Messungsanforderungen zu umgehen.
Fazit
KI-Vision in operativen Mehrwert umwandeln
KI verändert grundlegend, wie Retailer die Kundschaft verstehen, Content erstellen und Erlebnisse über digitale und physische Kanäle hinweg orchestrieren. Dieses Potenzial zu erschließen, erfordert mehr als den bloßen Zugang zu Modellen – es braucht eine einheitliche Datenbasis, eine verknüpfte Content Supply Chain sowie die Governance und betriebliche Disziplin, um KI mit Zuversicht einzusetzen.
Genau dafür steht Adobe. Adobe Experience Platform bündelt Kundendaten als Intelligenzschicht für KI und ermöglicht so jährlich über eine Billion Erlebnisse. Adobe CX Enterprise erweitert diese Grundlage zu einem End-to-End-Agent-basierten System, das den gesamten Kundenzyklus orchestriert – von der ersten Interaktion bis zur dauerhaften Treue. Gleichzeitig bettet eine integrierte Content Supply Chain KI direkt in Kreativ- und Produktions-Workflows ein, verankert in Markenstandards und gemeinsamer Governance.
Das Ergebnis ist ein klarer Weg – weg von KI-Experimenten, hin zur tatsächlichen Wertschöpfung – auf einem offenen Ökosystem, das mit den Tools funktioniert, die Teams bereits nutzen. Wenn ihr bereit seid zu skalieren, bringt Adobe die Technologie und das Fachwissen mit, um Einzelhandelsunternehmen dabei zu helfen, KI in einen dauerhaften Wettbewerbsvorteil zu verwandeln.
Über Adobe.
Adobe unterstützt Unternehmen dabei, wirkungsvolle digitale Erlebnisse zu schaffen. Unser Portfolio an Produkten und Services für die Customer Experience hilft Unternehmen, jede Interaktion in den richtigen Kontext zu setzen, die aktuellen Bedürfnisse der Kundschaft zu erkennen und digitale Erlebnisse zu gestalten und bereitzustellen, die Treue aufbauen und Wachstum fördern. Besucht adobe.com für weitere Informationen.
Über Incisiv
Incisiv ist ein auf Branchenerkenntnisse und Strategie spezialisiertes Unternehmen, das fast ein Jahrzehnt an Branchentrenddaten mit Primärforschung, Messaging-Architektur und Content-Entwicklung kombiniert – um Unternehmen bei der Bewältigung von Transformationsprozessen, der Evaluierung von Lösungen und dem Erschließen von Wachstumspotenzial zu unterstützen.
Title
Stand der KI-Reife im Einzelhandel.
cardDate
2026-10-26
cardImage
CardDescription
Entdeckt, warum 56 % der Retailer beim Skalieren von KI-Initiativen vor Hürden stehen – und erhaltet einen konkreten Fünf-Schritte-Aktionsplan, um diese Hindernisse zu überwinden.
primaryTag
caas:content-type/report
Tags
caas:content-type/report, caas:industry/retail
