Fast zwei Drittel aller KI-Projekte im deutschen Mittelstand erreichen nicht die erhoffte Wirkung. Nicht, weil die Algorithmen zu schlecht sind. Sondern weil sie als Fremdkörper in bestehende Prozesse gepflanzt werden. Laura Eckert-Rinallo, bei Haufe für die KI-Strategie verantwortlich, macht in einem aktuellen Interview genau diesen Punkt zum Dreh- und Angelpunkt: Künstliche Intelligenz darf kein Add-on bleiben.
Eckert-Rinallo leitet den Bereich, mit dem Haufe Unternehmen bei der digitalen Transformation begleitet. Ihre These: Wer KI als isoliertes IT-Projekt betreibt, versenkt Budget ohne messbaren Return. Für E-Commerce-Manager bedeutet das konkret: Ein Chatbot, der neben dem bestehenden Kundenservice läuft, ohne CRM-Daten zu nutzen, ist totale Ressourcenverschwendung. Eine Empfehlungsmaschine, die nicht mit dem Warenwirtschaftssystem spricht, liefert warme Luft. Solche Insellösungen nähren bei Mitarbeitern und Kunden gleichermaßen Skepsis – und bremsen die digitale Reife aus.
Warum scheitern so viele KI-Projekte im E-Commerce?
Der Grund liegt selten in der Technologie selbst. Die Qualität der Datenbasis und die Anbindung an operative Systeme entscheiden über Erfolg oder Scheitern. Eckert-Rinallo betont, dass viele Händler zwar in KI investieren, die Prozesse aber nicht anpassen. Das Ergebnis: Mitarbeiter umgehen die Tools, Daten fließen nicht zurück, das Modell driftet ab. Besonders im Midmarket fehlt es oft an einer zentralen Datenstrategie, die Kanäle und Abteilungen verbindet. [ECOMMERCE MINDED: KI-gestützte Personalisierung]
Besonders im Online-Handel zeigt sich dies bei der sogenannten Hyperpersonalisierung. Kunden erwarten durchgehende Erfahrungen über App, Webshop und Kundenservice hinweg. Wer hier punktuelle KI-Lösungen ohne übergreifende Datenstrategie einführt, erzeugt Brüche statt Mehrwert. Die Kunden merken den Unterschied – und springen ab. Statt Loyalität entsteht Reibung, weil der Algorithmus das Verhalten des Nutzers in einer Sitzung nicht mit seiner Historie abgleichen kann.
Wie gelingt die Integration in bestehende Shop-Systeme?
Eckert-Rinallo plädiert für einen radikalen Perspektivwechsel. Nicht die Technologie steht im Mittelpunkt, sondern der Arbeitsablauf. Händler müssen vor der Einführung einer KI-Lösung fragen: Welche Entscheidung soll sich ändern? Welche Daten brauchen wir dafür? Und wo sitzt der Mensch, der das Ergebnis interpretiert oder korrigiert? Ohne diese Klarheit bleibt KI ein Experiment im Sandbox-Modus.
Für Shop-Betreiber mit komplexen Systemlandschaften bedeutet das vor allem eins: API-First-Architekturen und saubere Daten-Governance. Ein Beispiel aus der Praxis: Modehändler, die ihre Retourenprognosen über KI verbessern wollten, scheiterten zunächst, weil Retourengründe unstrukturiert in ERP-Systemen landeten. Erst nach der Bereinigung der Datenpipelines stieg die Vorhersagegenauigkeit sprunghaft – und die Logistikkosten sanken messbar. Der Erfolg entstand also nicht durch ein neues Modell, sondern durch die Auflösung von Datensilos.
Was bedeutet das für den Mittelstand?
Haufe adressiert mit seiner KI-Offensive explizit den deutschen Mittelstand. Genau dort, so Eckert-Rinallo, klafft oft eine Lücke zwischen dem Bewusstsein für KI-Potenziale und der operativen Umsetzung. Die Lösung sei keine teure Sonderentwicklung, sondern die konsequente Vernetzung vorhandener Systeme mit KI-Services. Plattformen wie Shopify oder Shopware bieten hierfür inzwischen solide Schnittstellenökosysteme. Wer diese nutzt, um beispielsweise dynamische Preisanpassungen oder automatisierte Content-Erstellung zu betreiben, verankert KI dort, wo sie hingehört: im Tagesgeschäft. Der Fokus auf schnelle Minimum Viable Products hilft dabei, frühzeitig zu lernen statt zu planen.
Die nächsten zwölf Monate werden zeigen, welche Händler diesen Schritt ernst meinen. Die Technologie ist reif. Die Frage ist, ob die Organisation es auch ist.