KI im Handel und E-Commerce: Produktdaten, Service, Kampagnen

KI im E-Commerce ist kein Zukunftsthema mehr, sondern Tagesgeschäft – nur selten so geordnet, wie es die Marketingversprechen suggerieren. Wer heute einen Shop betreibt, kann Produkttexte generieren, Serviceanfragen vorsortieren, Retouren analysieren und Kampagnen teilautomatisieren. Entscheidend ist nicht, welches Tool Sie kaufen, sondern ob der Prozess dahinter sauber genug ist, damit die KI überhaupt verlässliche Ergebnisse liefert. Genau hier setzt die ASDAR Method an: erst analysieren und strukturieren, dann digitalisieren und automatisieren.

In diesem Beitrag gehe ich die vier Felder durch, in denen KI im Onlinehandel realen Nutzen bringt – und benenne, wo der Aufwand sich nicht rechnet.

Produktbeschreibungen und Produktdaten erzeugen

Der naheliegendste Einstieg: Produktbeschreibungen automatisch erzeugen. Bei Sortimenten mit Hunderten oder Tausenden Artikeln ist manuelles Texten kaum noch leistbar, und genau dort spielt Sprach-KI ihre Stärke aus.

Wichtig ist die Reihenfolge. Eine KI schreibt nur so gut, wie ihre Eingangsdaten strukturiert sind. Bevor Sie Texte generieren lassen, sollten Ihre Produktattribute sauber vorliegen:

• Strukturierte Attribute: Material, Maße, Farbe, Kompatibilität, Pflegehinweise – als Felder, nicht als Fließtext.
• Markenstimme als Vorgabe: Tonalität, verbotene Formulierungen, Pflichtangaben. Sonst klingen alle 2.000 Texte gleich generisch.
• Kanalvarianten: Shop, Marktplatz (Amazon, eBay) und Google Shopping haben unterschiedliche Längen- und Keyword-Anforderungen.

Sind diese Daten gepflegt, lassen sich Beschreibungen, Bullet-Points, Meta-Titel und Kategorietexte in einem Durchlauf erzeugen und über das PIM oder die Shop-API zurückspielen. Was die KI nicht ersetzt, ist die fachliche Endkontrolle – bei Größen, technischen Angaben oder rechtlich relevanten Aussagen (etwa Health Claims) bleibt ein Vier-Augen-Prinzip Pflicht. Wer hier ungeprüft veröffentlicht, produziert Abmahnrisiken im großen Stil.

Praktischer Effekt

Realistisch ist eine deutliche Reduktion der Time-to-Market für Neuware. Der eigentliche Hebel liegt aber nicht im einzelnen Text, sondern in der Skalierung: konsistente Datenqualität über das gesamte Sortiment, wiederholbar bei jedem Wareneingang.

Kundenservice-Antworten und Self-Service

KI im Kundenservice eines Shops bedeutet nicht, dass ein Chatbot Ihr Team ersetzt. Es bedeutet, dass wiederkehrende Anfragen – Lieferstatus, Größenberatung, Retourenabwicklung, Rechnungskopien – schneller und teilweise ohne menschliches Zutun beantwortet werden.

Drei Ausbaustufen, die sich bewährt haben:

1. Antwortvorschläge für Agents: Die KI entwirft die Antwort, der Mitarbeiter prüft und sendet. Geringstes Risiko, sofort spürbare Entlastung.
2. Self-Service mit Anbindung: Ein Assistent, der echten Zugriff auf Bestelldaten und Sendungsverfolgung hat – nicht nur FAQ-Texte wiederkäut.
3. Voll automatisierte Standardfälle: Erst sinnvoll, wenn die Prozesse darunter klar definiert und die Eskalationspfade dokumentiert sind.

Heikel wird es bei personenbezogenen Daten. Ein Service-Assistent, der Bestell- und Adressdaten verarbeitet, fällt unter die DSGVO – Auftragsverarbeitung, Datenminimierung und ein klar geregelter Übergang zum Menschen sind keine Kür. Seit dem 2. Februar 2025 verlangt der EU AI Act zudem eine ausreichende KI-Kompetenz der Mitarbeitenden, die solche Systeme bedienen. Wer den Chatbot ohne Schulung freischaltet, erfüllt diese Pflicht nicht.

Welche Stufe für Ihren Shop passt, hängt vom Anfragevolumen und der Standardisierbarkeit ab. Eine ehrliche Einordnung dazu liefert der ASDAR Score, bevor Sie in eine Plattform investieren.

Retourenanalyse und Muster erkennen

Retouren sind im Onlinehandel der stillste Margenkiller – und das Feld, in dem KI oft mehr bringt als jeder neue Werbekanal. Die Retourenanalyse ist klassische Mustererkennung: KI verknüpft Rücksendegründe, Produkt, Variante, Kunde und Kanal und macht sichtbar, was in Tabellen untergeht.

Typische Erkenntnisse, die so entstehen:

• Produktbezogene Häufungen: Eine bestimmte Größe fällt systematisch zu klein aus – das gehört in die Produktbeschreibung, nicht in die Retourenabteilung.
• Freitext-Auswertung: Rücksendekommentare lassen sich automatisch clustern, statt sie händisch zu lesen.
• Kundensegmente: Identifikation von Mustern wie Größenbestellungen mit Rückgabeabsicht – relevant für Versandkostenlogik und Bonität.

Der entscheidende Schritt ist nicht das Modell, sondern die Konsequenz: Eine Erkenntnis ist nur dann wertvoll, wenn sie in eine Maßnahme mündet – korrigierter Produkttext, zusätzliche Größentabelle, angepasstes Foto. Hier zeigt sich das „R" der ASDAR Method – Realisieren – am deutlichsten: Analyse ohne Umsetzung ist nur ein hübsches Dashboard.

Newsletter- und Kampagnenautomation

Im Marketing liegt der KI-Nutzen weniger im kreativen Glanz als in der Frequenz und Konsistenz. Statt einen Newsletter pro Woche manuell zu bauen, lassen sich Varianten, Betreffzeilen und Segmenttexte automatisiert erzeugen und testen.

Sinnvolle Bausteine:

• Betreff- und Preview-Varianten für A/B-Tests, datenbasiert ausgewertet.
• Segmentierte Inhalte: Reaktivierung inaktiver Kunden, Cross-Selling auf Basis vergangener Käufe, Warenkorbabbrecher.
• Anlassbezogene Strecken: Post-Purchase, Nachbestell-Erinnerungen, Saisonkampagnen – als Automatisierung, nicht als Einzelversand.

Auch hier gilt die Reihenfolge der ASDAR Method: Erst die Segmentlogik und die Datenbasis im CRM strukturieren, dann automatisieren. Eine Kampagnenautomation auf unsauberen Verteilerdaten verschickt schneller das Falsche an die Falschen. Und rechtlich bleibt die Einwilligungspflicht bestehen – KI ändert nichts daran, dass Werbemails ein gültiges Opt-in brauchen.

Welche dieser Bausteine für Ihre Branche und Sortimentsstruktur tragen, unterscheidet sich erheblich – ein Modehändler hat andere Hebel als ein B2B-Ersatzteilshop. Eine Einordnung nach Sektor finden Sie unter Branchen.

Fazit

KI im E-Commerce ist kein einzelnes Werkzeug, sondern eine Frage der Prozessreife. In allen vier Feldern – Produktdaten, Kundenservice, Retourenanalyse und Kampagnen – entscheidet die Qualität der zugrunde liegenden Daten und Abläufe darüber, ob die Automatisierung entlastet oder neuen Korrekturaufwand erzeugt. Wer zuerst das Tool kauft und dann hofft, dass die Prozesse passen, zahlt doppelt.

Der nüchterne Weg: Identifizieren Sie ein bis zwei Anwendungsfälle mit klarem, messbarem Engpass, strukturieren Sie die Daten dahinter, und automatisieren Sie erst dann. So bleibt KI im Onlinehandel das, was sie sein soll – ein Werkzeug für Skalierung und Konsistenz, nicht für Aktionismus.

Sie möchten wissen, welche Shop-Prozesse sich bei Ihnen für KI lohnen und welche Sie besser lassen? Lassen Sie Ihre Abläufe in einem Erstgespräch prüfen – konkret, ergebnisoffen und ohne Tool-Verkauf. Einen Überblick über die Zusammenarbeit finden Sie unter Angebote.