KI-Agenten: Effizient bei Routineaufgaben

Anders als die inzwischen verbreitete generative KI wie Chat GTP oder Google Gemini, kann agentische KI vollständig autonom handeln, um angestrebte Ziele zu erreichen, weil sie selbstständig Entscheidungen trifft und Aktionen ausführt. KI-Agenten automatisieren mittlerweile Prozesse im Handel und im E-Commerce, indem sie etwa selbständig Routineanfragen bearbeiten, dynamische Preise bilden, Lagerbestände überwachen, Nachfrage situationsgerecht vorhersagen und automatische Nachbestellungen mit angepassten Mengen auslösen. Die Vorteile: Lieferzeiten werden verkürzt, Überbestände vermieden, Cashflows positiv beeinflusst, fehleranfällige manuelle Arbeit und damit Kostenreduziert. „KI-Assistenten werden zunehmend als fester Bestandteil des Alltags wahrgenommen – nicht mehr nur als reine Support-Tools“, sagt Tanja Hilpert, Vizechefin beim KI-Spezialisten Zendesk.

Bei der Kosmetikkette Lush löst ein KI-Agent mehr als die Hälfte der Kundenanfragen
Foto: Lush

KI-Agent beantwortet Kundenanfragen

Wie die neue KI-Generation den Handel transformiert, zeigt das Beispiel der Kosmetik-Kette Lush: „Unser Onlineshop wurde von wiederkehrenden Kundenanfragen überflutet“, sagt Naomi Rankin, Managerin für Kundenbetreuung bei Lush. Heute übernimmt „Marvin“ die Bearbeitung der häufigsten Anfragen zu Themen wie Rabatte, Unzufriedenheit mit Bestellungen oder ausgelisteten Produkten. Wenn Kunden etwa eine E-Mail mit dem Anliegen „Ich möchte etwas zurückgeben“ oder „Ich bitte um Rückerstattung” schicken, antwortet der KI-Agent direkt: „OK, wir kümmern uns darum. Dafür benötigen wir jedoch ein Bild der Mängel, den Kaufbeleg und, falls vorhanden, deine Bestellnummer.“ Früher mussten die Service-Mitarbeiter:innen diese Informationen in mehreren E-Mails anfordern. Dank „Marvin“ liegen nun alle Angaben sofort vor, sodass die Anfrage in einem einzigen Schritt bearbeitet werden kann. Der erste große Test fand kurz vor dem „Black Friday“ statt. Der KI-Agent konnte 60 Prozent aller Kundenanfragen beim ersten Kontakt vollständig lösen. Diese Effizienzgewinne sparen Lush pro Geschäftsfall rund fünf Minuten an Zeit und insgesamt etwa 360 Mitarbeiterstunden pro Monat. Dadurch hat das Personal nun mehr Zeit für komplizierte Fälle.

Routineaufgaben erledigen

Auch beim Beauty-Unternehmen Jigsaw liefert ein KI-Agent automatisierte Antworten auf gängige Anfragen, etwa zum Bestellstatus oder zu Kontoinformationen. Laut James Billett, Customer Experience Manager bei Jigsaw, ließ sich dort die Antwortzeit um 20 Prozent und die Bearbeitungszeit je Geschäftsfall um 18 Prozent verkürzen. „Obwohl die generative KI aktuell noch den größeren Hype erzeugt, wird es letztlich wohl die agentische KI sein, die Händlern den größten Nutzen bringt“, glaubt Thomas Weber, Chef der Einzelhandelssparte beim KI-Dienstleister Cognizant.

Die neue Technologie bewegt sich aber noch auf neuem, oft noch unentdecktem Terrain – der Erfahrungsschatz ist also entsprechend gering, erinnert KI-Experte Thomas Weber. Erste Projekte zeigten auch, dass der Design- und Konzeptionsaufwand deutlich höher liegt, zum Teil bis zu viermal so hoch wie bei klassischen IT-Systemen. Hinzu komme noch ein spürbarer Ressourcenmangel, der die Umsetzung bremst und die Kosten treibt, so Weber.

Auch die Marktforscher von Gartner geben sich eher zurückhaltend: Bis Ende 2027 würden über 40 Prozent der Projekte im Bereich der Agenten-KI wegen steigender Kosten, unklarem Geschäftswert oder unzureichender Risikokontrollen abgebrochen, heißt es dort. „Wir haben festgestellt, dass Projekte oft durch den Hype getrieben sind und falsch aufgesetzt werden“, so Anushree Verma, Senior Director Analyst bei Gartner. Viele Anbieter würden auch nur „Agent Washing“ betreiben, etwa durch Umbenennung bestehender Technologien wie KI-Assistenten oder Chatbots – obwohl diesen oft die entscheidenden Merkmale echter Agenten fehlen.

In Supermärkten des Rewe-Konzerns spürt der schlaue KI-Agent „Holmes“ beispielsweise fehlende Artikel auf, die etwa im Regal versteckt oder gerade ausverkauft sind. „Wir schauen uns gezielt Transaktionsdaten im Markt an und Holmes analysiert diese. Dabei lassen sich bestimmte Mustererkennen, die wir dann nutzen, um Auffälligkeiten zu klären“, erläutert Lorenz Determann, Bereichsleiter Analytics bei Rewe. „Dazu haben wir die KI zunächst mit tausenden von Kassenbons ‘gefüttert’, damit sie Muster erkennen und diese immer weiter verfeinern konnte“, ergänzt Julian Mennenöh von Rewe Analytics. „So wurde die KI immer besser und genauer darin, Auffälligkeiten zu erkennen.“

Retourenquoten senken

Bei Otto-Bonprix soll der KI-Agent „Fit Finder“ helfen, die Retourenquoten zu reduzieren. Ein Machine Learning-Algorithmus analysiert dazu Kundenangaben zu Größe, Gewicht, Alter und gewünschter Passform und kombiniert diese mit Daten zu Bestellungen und Retouren von über 20 Mio. Artikeln im Datenfundus. Wenn Kund:innen beispielsweise nach einem Kleid suchen, werden weitere passende Kleider und verschiedene Style-Kombinationen vorgeschlagen. Der Algorithmus berücksichtigt dabei auch, welche Eigenschaften für die Kund:innen relevant sind und gibt individuelle Größenempfehlungen. Das Resultat der „maßgeschneiderten“ Produktempfehlungen ist, dass die gekauften Artikel mit hoher Wahrscheinlichkeit perfekt passen. Der Anteil retounierter Ware, die weder verkauft noch gespendet werden kann, liegt nach Angaben von Otto-Bonprix lediglich im Promillebereich. Die personalisierten Vorschläge steigerten laut Otto Bonprix nicht nur die Kundenzufriedenheit, sondern auch die Conversions-Rate um zehn Prozent, der durchschnittliche Warenkorbwert wuchs zudem noch um fünf Prozent.

Walmarts KI-Agent „Sparky“
Foto: Walmart

Auch Zalando, einer der größten Online-Modehändler Europas, hatte mit hohen Retourenquoten aufgrund falscher Größen zu kämpfen. Hier konnte ein KI-Algorithmus, der Kundendaten und Produktinformationen analysiert und präzise Größenempfehlungen liefert, laut Angaben der Unternehmensberatung Hilker Consulting die Retourenquote um 15 Prozent senken und so erhebliche Kosten einsparen.

„Wir haben festgestellt, dass 78 Prozent der Händler hierzulande KI-Agenten als unverzichtbar für ihren künftigen Erfolg betrachten“, sagt Nino Bergfeld, der beim IT-Unternehmen Salesforce den Retail-Konsumgüter-Bereich europaweit verantwortet. Für Händler sei es entscheidend, sich hier auf ein neues Spielfeld einzustellen. In Zukunft startet der Einkauf oft nicht mehr bei Google, sondern in KI-Plattformen wie Chat GPT. Und Pascal Beij, CCO bei Unzer, einem Spezialisten für die Digitalisierung des Handels, geht bei seiner Prognose sogar noch einen Schritt weiter: „Der klassische Warenkorb verschwindet zusehends“. Am Ende entscheide zwar noch immer der Mensch, wer liefern und den Kaufbetrag abbuchen darf, aber den Zugang zum Kunden oder zur Kundin erledigen zunehmend KI-Agenten.