Der Einzelhandel besteht aus Arbeit, die sich wiederholt, und Arbeit, die sich um den Moment selbst dreht. Bestand zählen, Preise anpassen, Bestellungen aufgeben, Retouren bearbeiten, Dienstpläne erstellen: Das macht einen großen Teil der Büro- und Backoffice-Stunden aus, und es ist Arbeit mit einer festen Struktur. Dem gegenüber steht die Arbeit an der Theke, im Laden, am Telefon: jemand, der zwischen zwei Größen zögert, eine Beschwerde über eine Lieferung, eine Frage, die nicht ins Skript passt. Diese beiden Arten von Arbeit bestimmen gemeinsam das Ergebnis jeder KI-Ambition in dieser Branche. Wo die Arbeit strukturiert ist und die Daten stimmen, verschiebt sich Kapazität relativ schnell. Wo die Arbeit darum geht, eine Situation zu lesen und die Verantwortung für eine Entscheidung zu tragen, verschiebt sich wenig oder nichts.
Dieselbe Dreiteilung, die sich durch alle Branchen zieht, gilt auch hier. Ein Teil der Arbeit kann von KI übernommen werden: Preisvergleich, Bestandsprognose auf Basis der Verkaufshistorie, das Zusammenstellen von Standardberichten, die erste Sortierung von Retourenanfragen. Ein anderer Teil geht teilweise, mit einem Menschen, der genehmigt oder mit Begründung ablehnt: Ein System schlägt eine Bestellung vor, ein Einkäufer prüft diese gegen saisonale Einflüsse oder eine Lieferantenvereinbarung, die das System nicht kennt. Und ein dritter Teil bleibt Menschenwerk: das Gespräch mit einem Kunden, der etwas Bestimmtes braucht, die Abwägung bei einem Streit über eine Garantie, die Führung eines Teams auf der Fläche während einer arbeitsreichen Zeit. Welcher Teil der Arbeit in welche Kategorie fällt, unterscheidet sich je nach Unternehmen. Das hängt davon ab, wie standardisiert das Sortiment ist, wie sauber die Bestands- und Verkaufsdaten sind, und wie viel vom Kundenkontakt bereits über feste Kanäle läuft.
Eine Handelskette mit einem begrenzten Sortiment, zentralem Einkauf und digitalen Kassen hat die Grundlage für einen großen Teil der Backoffice-Aufgaben bereits geschaffen: Die Daten sind vorhanden, der Prozess ist wiederholbar, und ein System kann einen Vorschlag machen, den ein Mensch prüft. Eine Kette mit einem breiten und wechselnden Sortiment, dezentralem Einkauf pro Filiale und vielen manuellen Ausnahmen hat diese Grundlage nicht. Dieser Unterschied liegt nicht in der Ambition — beide Geschäftsführungen können denselben Satz aussprechen, „KI muss unsere Bestandsplanung übernehmen“ —, sondern darin, was die Organisation bereits kann, bevor diese Arbeit verlagert werden kann. Sind die Rollen, die jetzt manuell bestellen, auch die Rollen, die künftig einen Systemvorschlag beurteilen? Ist ein Entscheidungsrecht demjenigen zugewiesen, der die Ausnahme behandelt? Diese Fragen liegen unter der Ambition, und sie werden sichtbar, sobald man prüft, anstatt anzunehmen.
Wenn Kapazität frei wird, weil eine Aufgabe an ein System mit Aufsicht übergeht, entsteht eine Frage darüber, was mit diesen freigewordenen Stunden geschieht: andere Aufgaben, weniger Fremdvergabe, eine andere Personalstruktur. Diese Frage liegt beim Arbeitgeber, und für Entscheidungen, die den Personalbestand betreffen, gelten eigene gesetzliche Anforderungen. Was hier zur Debatte steht, ist der Schritt davor: welche Arbeit hinsichtlich Aufgabenstruktur und Datenqualität bereits so weit ist, dass ein System sie übernehmen oder unterstützen kann, und welche Arbeit nicht. Das ist eine sachliche Frage zur Arbeit, kein Ratschlag zu Menschen.
Der Einzelhandel ist nicht die einzige Branche, in der diese Frage eine Rolle spielt, und die Antworten unterscheiden sich je nach Branche aus vergleichbaren Gründen. Im Gastgewerbe verläuft die Frage anders aufgrund der direkten Bedienung und der wechselnden Besetzung, wie in den KI-Ambitionen, die im Gastgewerbe eine Rolle spielen nachzulesen ist; in der Landwirtschaft spielen saisonale Einflüsse und körperliche Arbeit eine größere Rolle, beschrieben in wie KI-Ambitionen in der Landwirtschaft sich zur Saisonarbeit verhalten; und im Finanzdienstleistungssektor liegt der Schwerpunkt gerade bei Regulierung und Aufsicht, wie ausgearbeitet in den KI-Ambitionen innerhalb der Finanzdienstleistung und der Rolle von Compliance. Der Vergleich zeigt, dass die Ambition selbst weniger unterscheidend ist als die Bereitschaft, die dahintersteckt.
Eine Ambition, die besagt, dass KI Arbeit übernimmt, setzt Fähigkeiten voraus, die jetzt vielleicht noch nicht vorhanden sind: saubere Daten, ein klares Entscheidungsrecht bei Ausnahmen, ein Team, das einen Systemvorschlag beurteilen kann, anstatt ihn nur auszuführen. Ohne diese Prüfung bleibt die Ambition ein Satz auf Papier, ein Risiko, das breiter auftritt und behandelt wird in warum eine Strategie manchmal ein Dokument bleibt statt eine Veränderung. Umgekehrt ist es auch möglich, dass eine Veränderung bereits beginnt, bevor jemand ihr einen Namen gibt; welche Signale darauf hindeuten, steht beschrieben in den frühen Signalen, dass eine Veränderung greift. Die zugrunde liegende Frage — welche Arbeit in diesem spezifischen Unternehmen tatsächlich von KI übernommen werden kann — wird pro Aufgabe mit dem Werkscan von FTE TO AI beantwortet.
Der erste Schritt besteht nicht darin, die Ambition neu zu formulieren, sondern zu betrachten, wo die Organisation bereits steht. Ein kostenloser Bereitschaftscheck mit acht kurzen Fragen, einer pro Dimension, gibt ein Bild davon, wo Sie am weitesten und wo Sie am wenigsten weit sind. Der vollständige Ambitionstest, mit den vier Schichten und den fünf Confidence Gates, befindet sich im Aufbau.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.