Zum Inhalt springen
NK
KI im Shopteam: Lizenz gekauft, nichts verändert
Mit KI erstellt

KI im Shopteam: Lizenz gekauft, nichts verändert

Nur 8 Prozent der deutschen Firmen haben KI tief in ihre Prozesse integriert. Warum das selten an der Technik liegt – und was Shopteams daraus lernen.

Bei Lexware bestanden Projektteams bislang aus fünf Leuten, plus/minus zwei. Inzwischen setzt das Softwarehaus „mehr und mehr“ auf Zweierteams, die mit KI arbeiten. Die Fachleute, die vorher einzelne Prozessschritte abgearbeitet haben, werden dabei zur „Leitplanke und Qualitätsinstanz“. So beschreibt es t3n in seiner aktuellen Titelgeschichte vom 17. November.

Bemerkenswert ist das, weil es die Ausnahme ist. In derselben Geschichte zitiert t3n eine Befragung der Beratung BearingPoint: Nur 8 Prozent der deutschen Unternehmen haben KI tief in ihre Geschäftsprozesse integriert und erzielen damit messbare Ergebnisse. In China sind es 20 Prozent, in den USA 18 Prozent. Fast alle nutzen KI, aber kaum jemand hat dafür die eigene Arbeitsweise umgebaut.


Nutzung ist nicht das Problem

An der Verbreitung liegt es nicht. Laut Bitkom setzen 2026 erstmals 57 Prozent der deutschen Unternehmen ab 20 Beschäftigten KI ein. Ein Jahr zuvor waren es 36 Prozent, zwei Jahre zuvor 20 Prozent. Befragt wurden 603 Unternehmen im Sommer 2026. Die Einsatzfelder liegen dabei nah am Handel: Kundenkontakt mit 72 Prozent, Marketing und Kommunikation mit 54 Prozent.

Die Kehrseite steht in derselben Erhebung. In der begleitenden Präsentation geben 87 Prozent der Unternehmen mit 20 bis 99 Beschäftigten an, das Potenzial der Technologie nicht auszuschöpfen. Bei großen Unternehmen sieht es kaum anders aus. Bitkom-Präsident Ralf Wintergerst fasst das in einem Satz zusammen: „Wer nur eine Lizenz kauft, hat KI eingekauft, aber noch nichts verändert.“

Die BearingPoint-Studie „Scaling AI for measurable impact“ vom 12. November liefert die passenden Zahlen. Befragt wurden 1.050 Entscheiderinnen und Entscheider in 13 Ländern. Nur 11 Prozent haben ihre KI-Vorhaben so skaliert, wie es der ursprüngliche Business Case vorsah. In Deutschland sagen 37 Prozent, dass Produktivitätsgewinne sich noch nicht im Ergebnis niederschlagen. Weltweit sind es 27 Prozent. Die Zeit wird also eingespart, landet aber nicht in der Bilanz.

Die Pyramide bleibt unten breit

Der INSEAD-Organisationsforscher Phanish Puranam beschreibt das im t3n-Interview als Pyramide. Die breite Basis bilden fast alle Unternehmen, die KI für die individuelle Produktivität nutzen: eine Mail schneller formuliert, ein Text schneller zusammengefasst. Darüber wird es dünn. Prozesse neu zuschneiden oder neue Geschäftsmodelle bauen, das tun bislang die wenigsten. Wer KI als Sparprogramm behandle, komme dort nicht hin, so Puranam.

Internationale Daten stützen den Befund. Im McKinsey-Report „The state of AI in 2025“ mit knapp 2.000 befragten Unternehmen erzielt nur eine kleine Gruppe von etwa 6 Prozent einen spürbaren Ergebnisbeitrag durch KI. Diese Unternehmen haben fast dreimal so häufig ihre Arbeitsabläufe grundlegend neu gestaltet wie der Rest. Die Autoren zählen das zu den stärksten Einflussfaktoren überhaupt. Für kleinere Unternehmen ist die Lücke größer: Von den Firmen mit weniger als 100 Millionen US-Dollar Umsatz haben 29 Prozent KI über Pilotprojekte hinaus ausgerollt, bei den Konzernen mit mehr als 5 Milliarden ist es knapp die Hälfte.

Für den Handel kommt McKinsey in einer Analyse mit EuroCommerce vom Juni 2026 zu einem ähnlichen Bild. Neun von zehn europäischen Händlern nutzen KI, ebenso viele sehen keinen messbaren Effekt in der Gewinn- und Verlustrechnung. Mehr als ein Viertel der Führungskräfte priorisiert über 50 parallele Anwendungsfälle, und weniger als 15 Prozent davon erreichen den Regelbetrieb. „Die entscheidende Skalierungshürde ist nicht die Technologie“, sagt McKinsey-Partner Holger Harreis.

Wo die Zeit tatsächlich hängen bleibt

Ein Online-Shop mit zehn bis zwanzig Beschäftigten ist kein Konzern. Trotzdem gilt derselbe Mechanismus. Wenn eine KI eine Produktbeschreibung in zwei Minuten entwirft, der Text dann aber durch dieselbe Abstimmung läuft wie vorher, ändert sich am Durchsatz wenig. Diese Abstimmung reicht vom Category Management übers Marketing bis zur Geschäftsführung, und oft kommt noch eine Korrekturschleife dazu. Gespart wurde dann am schnellsten Schritt der Kette. Der Engpass sitzt woanders.

t3n formuliert die Frage, die sich daraus ergibt: Wann ist noch eine Freigabe nötig, und wann reicht ein KI-Check? Die Antwort ist für eine Kampagnen-Mail an die Bestandskunden eine andere als für eine automatisch generierte Meta-Description. Wichtig ist nur, dass jemand sie bewusst beantwortet, statt die alte Freigabekette auf die neue Werkzeugkette zu übertragen.

Auch die Kostenseite zeigt, wo der Aufwand liegt. Laut Bitkom nennen KI-nutzende Unternehmen als größte Kostenblöcke die Infrastruktur mit 51 Prozent, die Datenaufbereitung mit 50 Prozent und die Systemintegration mit 41 Prozent. Die viel diskutierten Token-Kosten nennen nur 8 Prozent. Für den Handel bestätigt eine EHI-Befragung von 2025 das Muster: 67 Prozent der befragten Handelsmanager bewerten die Integration ihrer Datenquellen für KI als schlecht oder eher schlecht. Zwei Drittel schätzen die KI-Kompetenz der eigenen Belegschaft als niedrig ein.

Neue Rollen statt neuer Werkzeuge

Was sich an den Beispielen aus der t3n-Recherche ablesen lässt, sind weniger neue Tools als neue Zuständigkeiten. Bei Lexware wandern Fachleute aus der Ausführung in die Qualitätssicherung. Beim Auto-Abo-Anbieter Finn übernehmen Produktingenieure mehr Produktverantwortung, weil ein großer Teil des Codes automatisch entsteht. Beim Finanz-Start-up Pliant bauen Produktmanager Prototypen selbst mit KI-Werkzeugen, bevor die Entwicklung beginnt.

Kai Reinhardt von der HTW Berlin bringt den Denkfehler dahinter auf den Punkt: Viele betrachteten KI „fälschlicherweise als Softwaretool und nicht als Infrastruktur“. Ein Werkzeug wird verteilt, eine Infrastruktur verändert, wer wofür zuständig ist. Die KfW kommt in ihrer Mittelstandsanalyse vom Juli 2026 zu einem verwandten Ergebnis. 20 Prozent der Mittelständler nutzen mindestens eine KI-Technologie. Den stärksten Unterschied macht dabei nicht die Unternehmensgröße, sondern eine vorhandene Digitalisierungsstrategie: Sie erhöht die Wahrscheinlichkeit des KI-Einsatzes um bis zu neun Prozentpunkte.

Für Shopteams lassen sich daraus drei Fragen ableiten, die vor der nächsten Tool-Entscheidung stehen sollten:

  • Welche Freigaben schützen tatsächlich vor einem Risiko? Rechtstexte, Preisangaben und Werbeaussagen brauchen eine menschliche Prüfung. Bei Alt-Texten, Kategorietexten und Varianten-Beschreibungen kann eine stichprobenartige Prüfung genügen.
  • Wer ist die Qualitätsinstanz? Wenn die KI den Entwurf liefert, verschiebt sich die Arbeit vom Schreiben zum Prüfen. Diese Rolle braucht einen Namen und klare Kriterien, sonst prüft am Ende niemand oder jeder.
  • Liegen die Daten dort, wo die KI sie braucht? Produktattribute im ERP, Texte im PIM, Bewertungen in einem Drittsystem: Solange das so verstreut bleibt, beschleunigt KI vor allem das Kopieren zwischen Fenstern.

Ein Prozent als Frühindikator

Wie schnell sich das Umfeld verschiebt, zeigt eine Zahl aus dem Handel. Etwa ein Prozent des Traffics auf otto.de kommt inzwischen über Chatbots, berichtet t3n unter Berufung auf ein Interview mit dem Otto-Chef. Das klingt nach wenig. Aber es ist ein Kanal, den es vor drei Jahren nicht gab, und er setzt voraus, dass Produktdaten sauber, vollständig und maschinenlesbar vorliegen. Das ist dieselbe Datenbasis, die auch für interne KI-Prozesse fehlt.

Die Diskussion über KI im Mittelstand wird meist über Werkzeuge geführt: welches Modell, welches Plugin, welche Lizenz. Die Daten aus Bitkom, BearingPoint und McKinsey sprechen dafür, dass die entscheidende Frage eine organisatorische ist. Fünf Leute werden nicht zu zwei, weil man ihnen ein neues Werkzeug gibt. Sondern weil jemand entscheidet, welche drei Schritte dazwischen wegfallen dürfen.