Der Entrepreneur-Artikel verkauft KI als neuen Effizienzmotor: 357-mal schnelleres Training, maßgeschneiderte LLMs, kürzere Entwicklungszyklen. Das klingt nach Fortschritt. Ist es auch. Aber es ist nicht die Geschichte, die deutsche E-Commerce-Händler gerade hören müssen.
„We’ve entered the stage where AI is no longer optional for entrepreneurs. Those who wish to thrive and take their business to the next level aren’t considering whether or not they should use AI. Instead, their focus is on how they should make use of AI to cut costs, scale smarter and become more efficient.“
Der Autor hat mit der ersten Hälfte recht: KI ist nicht mehr optional. Wo er irrt, ist die Rangfolge. „Cut costs“ steht bei ihm an erster Stelle. Bei genau dieser Reihenfolge entsteht in deutschen Onlineshops die nächste Krise.
Kosten senken ist die dümmste KI-Strategie
Wer KI primär als Sparinstrument einführt, baut damit etwas ein, das jeder Konkurrent nachkaufen kann. Ein Chatbot für den Kundenservice spart Lohnkosten – und genau denselben Chatbot kann der Wettbewerber nächste Woche auch haben. Ein automatisiertes Produktbeschreibungs-Tool senkt Redaktionsaufwand – und senkt ihn für alle gleichermaßen. Kostenvorteile durch Standard-KI halten keine Woche vor.
Der echte Hebel sitzt woanders: in Prozessen, die ohne KI überhaupt nicht möglich wären. Einen dynamischen Preisalgorithmus betreiben, der Lagerbestand, Nachfrage, Wetter und Lieferzeiten gleichzeitig liest. Retouren so früh erkennen, dass das Paket gar nicht erst ausgeliefert wird. Produktdesign aus Verhaltensdaten statt aus Modetrends ableiten. Das sind keine Kostensenkungen. Das sind neue Wettbewerbsräume.
Die Gefahr für den deutschen Mittelstand ist deshalb nicht, dass er zu langsam in KI investiert. Die Gefahr ist, dass er in die falsche KI investiert: in Tools, die seine bestehenden Abläufe billiger machen, statt in solche, die sein Geschäftsmodell verändern.
Deutsche Händler haben ein Datenproblem, kein Geschwindigkeitsproblem
Die 357-fache Trainingsgeschwindigkeit aus dem Artikel ist technisch beeindruckend. Für den typischen Mittelständler in DACH ist sie fast irrelevant. Erstens, weil er kein eigenes LLM trainiert. Zweitens, weil sein eigentliches Problem nicht die Rechengeschwindigkeit ist, sondern die Datenqualität.
Deutsche E-Commerce-Betriebe sitzen auf Fragmentierung: ERP von hier, WaWi von dort, Shopsystem aus den USA, CRM aus der Cloud, Marktplatzdaten in halboffenen APIs. Bevor irgendein Modell 357-mal schneller lernt, müssen diese Systeme erst miteinander sprechen. Wer das nicht kann, füttert seine KI mit Murks und wundert sich über Murks-Ausgaben.
Der DACH-Händler, der ernsthaft skalieren will, investiert deshalb nicht in das schnellste Training. Er investiert in Dateninfrastruktur, in saubere Taxonomien, in Event-Streams statt Batch-Exporte. Die KI ist das Messer. Die Daten sind der Schinken. Und die meisten haben noch immer keinen Schinken.
Was jetzt zu tun ist – bevor Amazon das macht
Amazon, Zalando und Otto führen keine Kostensenkungsdebatte. Sie bauen Systeme, die individuellere Angebote, schnellere Logik und engere Kundenbindung ermöglichen. Der deutsche Fachhändler kann nicht mit deren Rechenzentren konkurrieren. Er kann aber mit Spezialisierung.
Der Outdoor-Shop, der aus Kauf- und Wetterdaten eine regionale Empfehlungslogik baut. Der B2B-Händler, der seinen Einkäufern nicht ein Produkt, sondern einen kompletten Bedarfsplan vorschlägt. Der DTC-Brand, der Retourenmuster so früh erkennt, dass er vor dem Versand interveniert. Das sind keine Buzzwords. Das sind Geschäftsmodelle, die ohne KI nicht skalieren.
Die Aufgabe für die nächsten zwölf Monate lautet deshalb nicht: Wo können wir Personal einsparen? Sondern: Welche Entscheidung in unserem Unternehmen ist heute zu langsam, zu teuer oder zu unsicher – und lässt sich nur mit KI beschleunigen, weil menschliche Analysten den Durchsatz nicht schaffen?
Der Entrepreneur-Artikel endet mit dem Appell, KI schnell anzuwenden. Das ist harmlos. Gefährlicher wird es, wenn deutsche Händler daraus die nächste Effizienzoffensive machen. Dann stehen sie in zwei Jahren da mit geringeren Personalkosten – und ohne Geschäftsmodell. Die Frage ist nicht, ob KI kommt. Die Frage ist, ob du mit ihr ein neues Spiel gewinnst oder nur das alte etwas billiger verlierst.