1991. TCP/IP lief. DNS funktionierte. Leistungsfähige Server standen in den Rechenzentren. Das World Wide Web existierte noch nicht. Genau dieses Gefühl beschreibt die Stimmung in Vorständen und E-Commerce-Leitungen, die 2025 Enterprise-KI evaluieren. Die Rohleistung ist vorhanden. Der durchgängige Nutzen fehlt noch.
Die Parallele ist frappierend. Große Sprachmodelle wie GPT-4, Claude und Gemini beherrschen Code, Datenanalyse und mehrsprachige Inhalte. Microsoft, Google und Amazon betreiben riesige Rechenzentren. Diese Infrastruktur verarbeitet Millionen Anfragen parallel. Doch zwischen der rohen Fähigkeit einer KI und ihrer produktiven Nutzung im E-Commerce klafft eine Lücke, die selbst das nächste Modell-Update nicht von allein schließt. Es fehlt das verbindende Gewebe, also jene Middleware, APIs und standardisierten Workflows, die aus einer beeindruckenden Demonstration ein wirklich betriebliches Kernstück im Tagesgeschäft machen.
Enterprise-KI demonstriert im Labor alles, was die Berichte versprechen. Modelle generieren Text, klassifizieren Retourengründe und übersetzen Produktdatenblätter in Echtzeit. Dennoch bleiben konkrete Implementierungen in Shops und ERP-Systemen wie SAP oder Salesforce meist isolierte Pilotprojekte, die ihren Wert nie im laufenden Betrieb entfalten können. Sie funktionieren im Sandbox-Modus. Im Tagesgeschäft brechen sie ab, weil die Systemanbindung fehlt.
Warum fühlt sich Enterprise-KI wie 1991 an?
Die Technologie verfügt über beeindruckende Fähigkeiten, aber das entscheidende Interface fehlt. 1991 existierten TCP/IP und DNS bereits. Erst der Browser und HTML schufen die Anwendungsschicht, die das Internet massentauglich machte. Aktuell befinden sich Künstliche Intelligenz und Handelsunternehmen in einer vergleichbaren Phase, denn die Protokolle – hier die Foundation Models – liegen längst bereit. Das „Web“, also die darauf aufbauenden, stabilen Geschäftsanwendungen, steht jedoch noch aus. Konzerne wie SAP, Salesforce und Adobe integrieren zwar KI-Copilots in ihre Suiten. Doch durchgängige Workflows von der Produktdatenpflege über dynamische Pricing-Modelle bis zur Retourenprognose sind in den gängigen Enterprise-Suiten noch lange nicht selbstverständlicher Standard.
Für Online-Händler mit siebenstelligem Jahresumsatz äußert sich das in einem konkreten Problem. Die vorhandenen Daten in PIM und ERP reichen nicht aus. Die KI ist nicht lückenlos in bestehende Prozesse eingebettet. Wer heute einen Agenten zur Warenkorboptimierung oder zur Kundenanfragen-Bearbeitung trainieren will, baut in der Regel proprietäre Schnittstellen, die langfristig mehr kosten als sie nutzen. Das skaliert nicht. Es erzeugt technische Schulden statt Wettbewerbsvorteile.
Was bedeutet das für E-Commerce-Entscheider?
Händler sollten jetzt ihre Datenarchitektur und API-Landschaft sanieren. Das nächste Modell-Update kann warten. Die wettbewerbsentscheidende Frage wird nicht lauten, welcher LLM-Anbieter die höchste Benchmark-Score erreicht. Entscheidend ist allein, wie schnell ein Unternehmen KI-Ergebnisse in seine bestehende Systemlandschaft aus Shop, ERP und PIM einspeisen und für automatisierte Workflows wieder ausspielen kann. Das erfordert saubere Produktdaten, dokumentierte Endpunkte und klare Berechtigungsstrukturen.
Shopware, Shopify und die großen Enterprise-Suiten arbeiten an entsprechenden Schnittstellen. Doch wer jetzt nur auf out-of-the-box-Lösungen wartet, verschenkt zwölf bis achtzehn Monate. Die Player, die heute ihre Infrastruktur für maschinelle Lesbarkeit vorbereiten, werden die ersten sein, die von der kommenden Anwendungsschicht im E-Commerce nachhaltig profitieren. Genau das passierte 1993 mit Mosaic und 1995 mit Amazon. Die Infrastruktur war bereit. Das Interface kam und veränderte den Handel für immer.
Wann kommt das Mosaic der Enterprise-KI?
Niemand kennt den genauen Zeitpunkt. Agenten-Frameworks und Tool-Use-Fähigkeiten der aktuellen Modelle deuten jedoch darauf hin, dass sich die Lücke schneller schließt als mancher erwartet. Sobald eine universelle Schicht entsteht, die KI-Services mit Warenwirtschaft, Shop-Frontend und Kundenservice-Tool verbindet, wird der Wettbewerb neu gemischt. Dann entscheidet nicht mehr der Zugang zum Modell. Dann zählt allein die Geschwindigkeit, mit der ein Unternehmen diese Schicht in seine Prozesse integriert.
Wer seine Systeme nicht jetzt darauf vorbereitet, riskiert, dass selbst das leistungsfähigste Modell im E-Commerce am Ende nur eine teure Demonstration ohne produktiven Nutzen bleibt. Saubere APIs, dokumentierte Endpunkte und durchgängige Produktdaten sind der einzige Hebel, der heute zwischen Sandbox und Produktivbetrieb unterscheidet.