DMS Talks
Vom Large Language Model zum ROI.
More Modern Talking über das Potenzial von künstlicher Intelligenz im Handel!
Wie wird aus einem Large Language Model ein echter Mehrwert? Zum Abschluss seiner retail.ai Roadshow diskutierten Norbert Hillinger und Oliver Nitz, CMO von DMS, über Ideen und Innovationen im Handel.
Ihr Fazit: Mit fundiertem Insiderwissen zu KI gestaltet sich der Handel smarter und erfolgreicher.
Hype versus Realität – was ist dran an Megatrend KI?
"Technologien entwickeln sich schneller, als Unternehmen sie adaptieren können. Man muss das Martec-Gesetz im Blick behalten."
Reality Check von Norbert Hillinger
Vielfältig im Einsatz – und dabei immer wow: KI im Einzelhandel.
Von Procurement bis Kundenkontakt: KI spielt im Handel ihre Stärke aus. Beispiele wie „Nelson“, der Einkaufs-Bot der Deutschen Telekom, zeigen, wie KI Einkaufsbedingungen verhandelt. Im Category Management analysiert KI Verkaufsdaten und gibt Handlungsempfehlungen. Auch in Kundenservice, Marketing, Store Design, Checkout und Payment Solutions sorgt KI heute schon für Effizienz und Innovation. Kurz: entlang der gesamten Wertschöpfungskette.
Erfolgsstories – powered by AI.
Erfolgsgeschichten aus dem Talk, bei denen die künstliche Intelligenz für Top-Resultate sorgt:
- Klarna – Zwei Drittel der Kundeninteraktionen laufen KI-gestützt ab. Das spart dem schwedischen Zahlungsdienstleister ein Äquivalent von rund 700 Vollzeitstellen
- Auch DM Drogeriemarkt setzt auf KI: Mit dem speziell entwickelten DM GPT-Modell profitieren bereits 1.000 Mitarbeiter:innen von einer effizienteren internen Kommunikation.
- Deutsche Telekom – Nelson, der Beschaffungs-Bot findet im Procurement Einsatz
- IKEA, Hofer u.a. – Location Analytics – KI-gesteuerte Datenanalyse von großer Mengen von stationären und GPS-Bewegungsdaten zur Evaluierung ihrer Zielgruppen und Store-Frequenzen
Ob zur Webshop-Erstellung durch KI-basierte Tools, Einsatz für die Content-Produktion durch die automatische Generierung von Produktbeschreibungen und Video-Clips, Content-Scoring („Eyetracking durch eine Maschine“, um Lebhaftigkeit, Lesbarkeit und Klarheit von Werbe-Sujets zu testen) – KI bietet immens viele Chancen.
Über den verantwortungsvollen Einsatz von AI.
KI im Handel bringt Chancen, doch Verantwortung ist entscheidend. Datenschutzkonforme Modelle sind ein Muss und KI kann auch bestehende Vor-Urteile unbewusst reproduzieren. Unternehmen sollten daher ihre Teams für den ethischen Umgang mit KI schulen.
Noch mehr Modern Talking: Immer wieder neu, immer wieder spannend – die DMS Talks.
Neugierig auf mehr? Unsere Webinare mit Brancheninsidern wie Luis Knoke (MUSE Content) oder Rainer Will (Handelsverband) sind online verfügbar – und es kommen noch viele spannende Talks dazu! Denn wir arbeiten bereits an der nächsten Ausgabe der DMS Talks. Unser Ziel bleibt: Innovationen und Insiderwissen für den Handel, die begeistern und weiterbringen.
Lust auf mehr? Wir entwickeln gerne auch für Ihr Unternehmen innovative Lösungen – von Digital Signage bis zu Location Analytics, natürlich auch mit Hilfe von KI.
Transkript des DMS Talk zum Nachlesen
DMS Talk – Vom LLM zum ROI
Einsatz von KI im Einzelhandel und in der Konsumgüterbranche
Oliver Nitz (DMS):
Herzlich willkommen bei unserem DMS Talk – ich glaube, es ist schon der zehnte.
Vom LLM (Large Language Model) zum ROI (Return on Investment): Einsatz von KI im Einzelhandel und in der Konsumgüterbranche. Langer Titel – und die Kernfrage: Generative KI – höher, schneller, weiter? KI beeinflusst praktisch alle Wertschöpfungsketten. Wo stehen wir heute? KI ist aus vielen Arbeitsprozessen nicht mehr wegzudenken. Aber wie sieht es mit konkreten Leistungen und Lösungen aus? Wofür kann man das wirklich einsetzen?
Diesen Fragen gehen wir heute nach – gemeinsam mit meinem Gast.
Mein Name ist Oliver Nitz, ich bin bei DMS und heute Ihr Moderator.
Wir als DMS sind seit 20 Jahren im Retail tätig und erweitern physische Räume mit digitalen Lösungen – vor allem Digital Signage, Frequenz- und Bewegungsanalyse u. v. m. Gerade dort setzen wir KI ein, um große Datenmengen zu analysieren und Kunden konkrete Entscheidungen zu ermöglichen.
Begrüßen Sie nun Norbert Hillinger, AI & Retail Associate bei der Retail AI GmbH.
Langer Titel – was bedeutet „AI & Retail Associate“?
Norbert Hillinger (Retail AI):
Danke für die Einladung, Oliver. Ich begleite Retail AI seit einigen Monaten. Als AI & Retail Associate kann ich bereichsübergreifend in das Corporate‑Startup hineinschauen und mich – nach einer Art Probephase – gezielt dort verankern, wo ich den größten Mehrwert stifte. Für mich als Trend‑ und Zukunftsforscher mit viel Trainingserfahrung ist besonders spannend, wie generative KI im Einzelhandel wirksam wird. Und ja: Ich gehe davon aus, dass ich „in die Verlängerung“ gehe – KI ist gekommen, um zu bleiben.
Wer steht hinter Retail AI?
Oliver:
Woran arbeitet ihr konkret?
Norbert:
Vielleicht ein Schritt zurück: Hinter Retail AI steht die Markant‑Gruppe (Schweiz) – im Handel bekannt als Plattform zwischen Herstellern und Händlern (u. a. Pricing‑, Zahlungs‑, Inventur‑Services). Die Markant ist technischer Dienstleister – nicht Logistik von A nach B, sondern die digitale/technische Infrastruktur dahinter.
Für das Thema künstliche Intelligenz hat Markant ein Corporate Startup gegründet – Retail AI mit Sitz in Frankfurt (Start Anfang 2024). Wir sind noch klein (<10 Mitarbeiter) und arbeiten in vier Säulen:
- Product Factory – baut KI‑Anwendungen, speziell generative KI für Retail und Konsumgüter, idealerweise auf der Markant‑Plattform.
- Labs – „Spielwiese“ für Cross‑Innovation mit anderen Startups (z. B. Verknüpfung KI mit AR/VR, Blockchain, etc.). Innovation entsteht oft an Schnittstellen.
- Alliance – ein Thinktank bzw. geschützter Raum, in dem Praktiker:innen (DACH) Erfahrungen mit KI austauschen (Herausforderungen, Chancen).
- Academy – Weiterbildung & Workforce‑Transformation: Trainings, um KI‑Kompetenz in Organisationen aufzubauen.
Wir sind nicht Non‑Profit – Ziel ist lernen, bauen, in den Markt tragen und damit Wert sowie Geschäft schaffen.
Hype oder Substanz?
Oliver:
KI beeinflusst alle Wertschöpfungsketten. Wo stehen wir – und was funktioniert heute?
Norbert:
KI an sich ist alt, generative KI in dieser Breite ist jung. Seit Ende 2022 (ChatGPT) ist die Innovationsdichte enorm. Viele verweisen auf den Gartner Hype Cycle – Erwartungen sind hoch. Wichtig ist ein Realitätscheck: Nicht alles, was demonstriert wird, ist schon robust. Gleichzeitig unterschätzen wir oft, wie viel in kurzer Zeit möglich ist.
Praktischer Tipp: KI‑Verzeichnisse (z. B. „There’s an AI for That“) listen Tausende Tools – täglich kommen neue. Für Retail gibt es entlang der gesamten Wertschöpfung Anwendungsfälle.
Beispiele entlang der Wertschöpfung
Norbert:
- Beschaffung/Procurement: Verhandlungs‑Bots (z. B. „Nelson“ bei der Deutschen Telekom) führen Einkaufsdialoge zu Konditionen/AGB.
- Category Management: Mit generativer KI lässt sich nicht nur fragen („Wie läuft Butter in Ostösterreich?“), sondern es kommen Handlungsempfehlungen mit („Umsatz +6 %, aber Kerrygold schwächer – Maßnahmenvorschlag …“).
- Store & Checkout: Computer Vision und Sensorik ermöglichen Self‑Checkout bis hin zu „Pick & Go“‑Ansätzen (à la Amazon Go).
- Marketing/CRM: Personalisierte Inhalte und KI‑Chatbots im Service/Beratung, Content‑Generierung (Text/Bild/Video/Audio), Live‑Shopping‑Automatisierung.
Service & Chatbots – Angstgegner oder Hebel?
Oliver:
Kundenservice: Es gibt schlaue Bots – aber manchmal wollen Menschen mit Menschen sprechen.
Norbert:
Beides ist möglich – es ist eine Werte‑ und Strategiefrage.
Klarna ist ein Leuchtturm: Der Bot bearbeitet ca. 2/3 der Anfragen in vergleichbarer Qualität, aber viel schneller – das entspricht hunderten FTE und spart zig Millionen jährlich.
Andere Unternehmen setzen bewusst auf menschliche Exzellenz (z. B. das legendäre Zappos‑Beispiel von Tony Hsieh). Entscheidend ist, was zur Marke passt.
Interne KI: Wissen heben, sicher bleiben
Oliver:
Was passiert intern – jenseits von Website‑Bots?
Norbert:
Riesenthema. Viele bauen interne LLM‑Assistenten („Copilots“) auf eigenen Daten: Intranet, Handbücher, Reports, Wissenssammlungen. Beispiel: dm drogerie markt nutzt ein internes Modell (mehrere tausend Nutzer, zigtausend Prompts).
Mögliche Strategien:
- Taker: Externe Modelle nutzen (z. B. OpenAI, Claude, Llama) – Datenschutz prüfen!
- Maker: Eigenes Modell bauen (große Player, z. B. Banken).
- Shaper: Basis‑Modell + eigene Daten (RAG/Sandbox), EU‑Hosting/On‑Prem – oft der Mittelweg.
Wichtig: Befähigung. Ohne AI‑Literacy (Prompting, Quellencheck, Governance) bleibt der Nutzen unter den Möglichkeiten – hier greift unsere Academy.
Daten, Bias & Compliance
Oliver:
Datenschutz, Urheberrecht, Bias?
Norbert:
- Datenschutz: Minimierung, RAG‑Architektur, EU‑Cloud/On‑Prem, Logging/Training steuern.
- Urheberrecht/AGB: Nutzungsrechte je Tool prüfen (z. B. Adobe Firefly = auf lizenzierten Beständen trainiert, kommerzielle Nutzung explizit).
- Bias/Ethik: Trainingsdaten sind menschlich geprägt (Beispiel Apple Card‑Debatte zur Kreditlinie) – Governance und Qualitätssicherung gehören dazu.
Bei Video‑/Bilddaten gibt es Anonymisierung (z. B. brighter AI, Berlin): Gesichter/Kennzeichen werden unkenntlich, Analytics bleibt möglich – DSGVO‑konform.
Content & Commerce – was heute messbar hilft
Norbert:
- Content‑Recycling & ‑Scaling: Aus Live‑Shopping‑Shows automatisch Kurzclips, Produktbeschreibungen, Snippets generieren; aus Webshops in Minuten eine Shopping‑App bauen.
- Postproduktion: Objekte in Videos automatisch entfernen (z. B. Runway), Formate mit Autofokus in alle Kanäle ausspielen – Stunden statt Tage.
- Service/Audio: Text‑to‑Speech in mehreren Sprachen/Stimmen – Iterationen in Minuten.
- Personalisierung: KI‑Newsletter mit besserer Tonalität/Relevanz – oft höhere KPIs als manuell.
Agenten & Workflows – die nächste Stufe
Norbert:
Wir bewegen uns von Einzel‑Prompts zu Agenten, die Workflows übernehmen: Ein Prompt wird verfeinert, triggert passende Modelle/Tools, am Ende steht ein multiformatiger Output. Künftig werden „digitale Zwillinge“ (persönliche Einkaufs‑/Serviceagenten) Bot‑zu‑Bot verhandeln – neue Erlebnis‑ und Effizienzräume.
Praxis bei DMS (Oliver)
Oliver:
Wir setzen KI u. a. ein für Visualisierung (z. B. Pop‑up‑Konzepte), GPS‑basierte Bewegungsanalysen (3‑Meter‑Genauigkeit, Herkunft, Wege, Zielgruppen‑Cluster), Content‑Scoring (automatisches Beurteilen/Optimieren von Werbemitteln für Screens/Social). Datenschutz ist immer Thema – viele Kunden wünschen nicht‑visuelle Sensorik. KI hilft uns, Volumina zu analysieren, besser zu steuern und schneller zu iterieren.
Regulatorik & Ausblick
Norbert:
Bitte KI nicht singulär technologisch betrachten. Es geht um das Zusammenspiel:
- Social (Kompetenzen, Kultur),
- Tech (Modelle, Daten, MLOps),
- Eco (Business Case, Energie/CO₂),
- Reg (z. B. EU AI Act – risikobasiert, Governance).
Rechenzentren brauchen saubere Energie (Stichwort Fusions‑/Grünstrom), synthetische Daten werden wichtiger (wenn „natürliche“ Trainingsdaten knapp werden), Bias‑Management bleibt Pflicht.
Große Player (z. B. Nestlé, Schwarz Gruppe/Kaufland) sind tief drin, aber auch kleine Firmen überraschen mit schnellen, mutigen Piloten und Time‑to‑Value.
Weitere DMS Talks.
