Einzelhandelsführer enthüllen: KI-Einführung ist ein menschliches Problem, kein technisches

Acht Führungskräfte aus dem Einzelhandel trafen sich kürzlich in London zu einem Advisory Board von UiPath. Ihr übereinstimmendes Fazit lautete, dass das Scheitern von KI selten ein technologisches Problem ist. Laut dem UiPath Blog war das dominierende Thema in allen Sitzungen die Einführung und das Change Management, nicht die Fähigkeiten der Modelle oder Funktionen der Plattformen. Die zentrale Erkenntnis für Betriebsteams ist, dass die Technologie bereit ist, die menschliche und datentechnische Infrastruktur jedoch oft nicht.

Was passiert ist

Die Diskussion fand unter der Chatham-House-Regel statt, was bedeutet, dass keine spezifischen Zitate Einzelpersonen zugeordnet werden. Der UiPath Blog berichtet jedoch, dass jeder anwesende Einzelhändler die Einführung als große Herausforderung identifizierte. Viele kämpfen mit 20 bis 30 Jahre alten Prozessen, die von isolierten Teams geprägt sind, wobei einige mittlerweile dediziertes Personal für Change Management einsetzen, um Initiativen voranzutreiben. Ein weniger offensichtliches Hindernis war die Tendenz der Teams, sich darauf zu konzentrieren, was KI nicht kann, anstatt darauf, was sie kann. Dies führt zu einer Lücke, in der moderne Planungstools zwar existieren, die eigentliche Arbeit aber weiterhin in Tabellenkalkulationen stattfindet.

Datenintegrität erwies sich als kritischer Blockierer. Die im Blog zitierte „Reaction Gap“-Umfrage von UiPath unter 500 britischen Einzelhandelsführern ergab, dass zwar 98 % der Führungskräfte ihre Systeme während der Hauptgeschäftszeiten als vernetzt beschreiben, aber nur 25 % über die Echtzeit-Sichtbarkeit verfügen, um bei Problemen sofort zu handeln. Der Blog merkt an, dass das schwierigste Problem nicht ein Mangel an Daten ist, sondern die Übereinstimmung der Zahlen in Backend-Systemen, in denen Abteilungen dieselben Daten unterschiedlich manipulieren. Schlechte oder isolierte Daten blockieren agentische Anwendungsfälle, bevor sie überhaupt beginnen.

In Bezug auf das Workflow-Design beschrieben die Führungskräfte ein Modell, bei dem Agenten die routinemäßigen 90 % der Entscheidungen übernehmen, während Menschen die 10 % genehmigen, die Urteilsvermögen erfordern. Dies erfordert jedoch, dass das System seine Argumentation und Risiken erklären kann. Ein erheblicher Spannungsfaktor betraf die Ausbildung: Wenn Agenten die manuelle Vorarbeit (wie das Erstellen von Handelspaketen) übernehmen, wie sollen neue Absolventen dann das für hochrangige Entscheidungen erforderliche Urteilsvermögen entwickeln? Obwohl 97 % der britischen Einzelhändler KI in irgendeiner Form implementiert haben, warten 47 % noch auf wirtschaftliche Auswirkungen, teilweise aufgrund der langen Vorlaufzeiten, die zur Bestätigung des ROI erforderlich sind.

Warum das für kleine Betriebsteams wichtig ist

Für kleine und mittelständische Unternehmen bestätigt dies einen praktischen, risikoarmen Einstieg in die KI-Automatisierung. Der Rat der Einzelhandelsführer, „klein anzufangen“ und das „mittlere Band“ der Arbeit ins Visier zu nehmen – Aufgaben, die für Menschen zu mühsam, aber für einfache Makros zu komplex sind – ist direkt auf Ihren Betrieb anwendbar. Sie müssen nicht Ihr gesamtes ERP oder Ihre Lieferkette umkrempeln, um einen Mehrwert zu erzielen. Konzentrieren Sie sich stattdessen auf begrenzte, messbare Erfolge wie Procure-to-Pay-Prozesse ohne Lagerbestand. Der Blog hebt hervor, dass das Onboarding von Lieferanten bis zu acht Wochen dauern kann, was zu Ausnahmen und manuellem Nachhaken führt. Die Automatisierung dieses spezifischen Engpasses bietet einen sichtbaren, schnellen Erfolg, der internes Vertrauen aufbaut. Die wichtigste Kennzahl ist nicht der sofortige ROI, sondern die interne Nachfrage: Wenn Ihr Team sagt: „Ich brauche das, damit es funktioniert“, haben Sie den Wert bewiesen. Dieser Ansatz mindert das Risiko von Change-Management-Ermüdung, indem der Nutzen für die Mitarbeiter, die die Arbeit verrichten, greifbar gemacht wird.

Was diese Woche zu tun ist

1. Identifizieren Sie einen „mittleren“ Prozess in Ihrem Betrieb, der hochvolumige Aufgaben mit geringem Urteilsbedarf umfasst, wie z. B. das Onboarding von Lieferanten oder den Abgleich von Rechnungen, und bilden Sie ab, wo manuelle Übergaben stattfinden.
2. Wählen Sie einen einzelnen, begrenzten Datensatz für diesen Prozess aus und bereinigen Sie ihn, um eine einzige Quelle der Wahrheit sicherzustellen, und beheben Sie das Problem der Datensilos, bevor Sie ein KI-Tool einführen.
3. Testen Sie einen KI-Agenten für einen Monat in diesem spezifischen Workflow und messen Sie den Erfolg nicht nur an der eingesparten Zeit, sondern daran, ob die Teammitglieder nach Ende des Pilotprojekts ausdrücklich verlangen, das Tool zu behalten.

Quellen

• We asked eight retailers to be honest about AI — UiPath Blog