Der Lebensmittelhandel setzt auf Conversational Commerce

Der klassische Onlineeinkauf folgt seit Jahren demselben Muster: nach Keywords suchen, nach Kategorien filtern, Mengen anpassen. Drei aktuelle Beispiele aus dem Lebensmittelhandel zeigen, wie Chatbot-Technologien und KI-Assistenten den Einkauf zum Gespräch machen wollen.

Die drei Ansätze von Knuspr, Tesco und Big C unterscheiden sich technisch grundlegend – und werfen die Frage auf, was das jeweils für Kundschaft und Händler bedeutet.

Der deutsche Online-Supermarkt Knuspr, Teil der tschechischen Rohlik Group, geht einen mutigen Schritt: Er bringt sein komplettes Sortiment direkt in ChatGPT, nach Unternehmensangaben eine der ersten offiziellen ChatGPT-Integrationen Europas. So trifft Knuspr Kundinnen und Kunden in einem KI-Assistenten, den sie für tägliche Aufgaben, Hilfe und Inspiration nutzen – zum Beispiel für die Suche nach Rezepten oder die Planung des wöchentlichen Speiseplans.

Der Ansatz ist konsequent dialogisch gedacht. Kundinnen und Kunden können ChatGPT bitten, ein „hochwertiges Olivenöl“ zu finden, sämtliche Zutaten für eine Carbonara zusammenzustellen, einen schnellen Wochenplan fürs Abendessen zu erstellen oder das Foto eines handgeschriebenen Einkaufszettels zu entschlüsseln.

Ein Test des Knuspr-ChatGPTs von iXtenso zeigt jedoch, dass die KI noch keine aktiv mitdenkende und beratende Kompetenz hat. Auf Vorlieben, Unverträglichkeiten oder Ernährungsvorgaben muss der Konsument oder die Konsumentin den Bot noch selbst hinweisen.

Ist der Warenkorb fertig, wechselt die Kundschaft mit einem Klick zu Knuspr, um die Bestellung kurz zu prüfen und abzuschließen. Für den Checkout muss also noch die Plattform gewechselt werden, dafür behält der Händler den Kaufabschluss im eigenen Ökosystem.

Bemerkenswert: Knuspr belässt es nicht bei einem einzelnen Chatbot. Das Unternehmen hat einen eigenen MCP-Server (Model Context Protocol) entwickelt, der es fortgeschrittenen Nutzerinnen und Nutzern erlaubt, Knuspr auch mit anderen KI-Tools und Agenten zu verknüpfen.

Tesco geht den vorsichtigeren Weg und testet zunächst hausinternen – allerdings in einer Größenordnung, die kaum ein Wettbewerber erreicht. Der britische Handelsriese startet einen Beta-Test eines neuen, direkt in die Tesco-App integrierten KI-Assistenten. Im Fokus steht zunächst die Mahlzeitenplanung: ein natürlicher, zweiseitiger Dialog, der personalisierte Rezeptideen liefert und dabei Ernährungspräferenzen berücksichtigt, bevor er hilft, aus dem gewählten Rezept – unter Einbezug der bisherigen Einkaufshistorie – einen tatsächlichen Warenkorb zu bauen.

Besonders auffällig ist die Rollout-Strategie: Bevor die Kundschaft den Assistenten überhaupt zu Gesicht bekommt, lädt Tesco rund 280.000 Kolleginnen und Kollegen ein, ihn im Alltag zu testen. Ihr Feedback soll Funktionen mitgestalten, Lücken aufdecken und sogar bei der Namensfindung helfen.

Entwickelt wurde der Assistent gemeinsam mit Tomoro AI, einer britischen Beratung in Allianz mit OpenAI, unter strikter Geheimhaltung seit vergangenem Herbst – parallel zu einer kürzlich geschlossenen, dreijährigen strategischen Partnerschaft mit dem KI-Start-up Mistral zum Ausbau weiterer KI-Fähigkeiten.

In Thailand zeigt Big C, eine der größten Handelsketten Thailands, was technisch hinter einem freundlichen Chatfenster steckt. Der neue Shopping Assistant AI Chat, gebaut auf Amazon Bedrock, lässt 20 Millionen Kundinnen und Kunden in 1.750 Filialen in natürlichem Thai bestellen, statt über Keywords oder Kategoriefilter.

Das eigentlich Bemerkenswerte steckt in der Technik dahinter: Mehrere spezialisierte KI-Agenten arbeiten parallel – einer durchsucht Big Cs Produktkatalog, ein zweiter gleicht Rezeptanforderungen ab, ein dritter skaliert Zutatenmengen. Amazon Bedrock AgentCore routet zwischen ihnen und fügt die Ergebnisse zu einer einheitlichen Antwort zusammen, während Bedrock Guardrails jede Antwort prüft, bevor sie die Kundschaft erreicht. Wer „Tom Yum Suppe für vier Personen heute Abend“ eingibt, bekommt einen kuratierten Warenkorb mit Garnelen, Zitronengras, Galgant, Limettenblättern und Chilipaste und das bereits auf vier Portionen skaliert.

Der wirtschaftliche Business Case wird durch erste Zahlen gestützt: Pilotdaten deuten auf einen geschätzten Warenkorb-Uplift von 5 bis 10 Prozent hin, da Kundinnen und Kunden ergänzende Artikel entdecken, die sie über eine reine Keyword-Suche nie gefunden hätten. Auch die Sendungsverfolgung funktioniert konversationell – ein einfaches „Wo ist meine Bestellung?“ ruft den Lieferstatus auf.

Die drei Händler haben unterschiedliche technische Wege einschlagen. Knuspr kombiniert eine offizielle ChatGPT-Integration mit einem selbst entwickelten MCP-Server und der hauseigenen Assistentin Maia – ein Standbein im offenen KI-Ökosystem, eines in proprietärer Infrastruktur. Tesco setzt auf externe Expertise und verbindet die Beratung von Tomoro AI (in Allianz mit OpenAI) mit einer frischen strategischen Partnerschaft mit Mistral. Big C geht am weitesten in Richtung Multi-Agenten-Cloud-Architektur und orchestriert mehrere spezialisierte KI-Agenten auf Amazon Bedrock, inklusive eigener Guardrail- und Entwicklungs-Tools.

Für Kundinnen und Kunden besteht ein Unterschied darin, über wie viele Plattformen sich die Customer Journey zieht: Bei Knuspr startet die Beratung in einer App, die viele ohnehin täglich nutzen, endet aber mit einem Plattformwechsel zum Checkout. Tesco und Big C bleiben dagegen durchgängig im eigenen Ökosystem – vom ersten Rezeptvorschlag bis zur Lieferverfolgung entsteht kein Bruch im Erlebnis.

Das wirkt sich auch auf die Personalisierung aus: Ein Händler, der den KI-Assistenten direkt ins eigene System integriert, kann ihn unmittelbar mit der vollständigen Kaufhistorie der Kundschaft verknüpfen und Empfehlungen entsprechend anpassen. Läuft die Beratung dagegen über eine externe, offene Plattform, kennt der Assistent die bisherigen Einkäufe zunächst nicht – Vorlieben, Unverträglichkeiten oder Ernährungsvorgaben müssen Kundinnen und Kunden ihm in diesem Fall noch selbst mitteilen. Wer stärker personalisierte Empfehlungen erwartet, profitiert also derzeit eher von geschlossenen, ins eigene Ökosystem integrierten Systemen, während offene Ansätze zwar mehr Reichweite bieten, vorerst aber mit weniger tief integriertem Kundenwissen arbeiten.

Für Händler ist die Plattformwahl vor allem ein Abwägen zwischen Reichweite und Kontrolle: Wer auf ein offenes KI-Ökosystem setzt, erreicht Kundschaft potenziell dort, wo sie ohnehin ist, gibt aber einen Teil der Customer Journey und der Dateneinsicht an eine externe Plattform ab. Wer stattdessen in eine eigene App investiert, behält alle Kaufhistorien und Interaktionsdaten im eigenen System – ein klarer Vorteil für Personalisierung und Kundenbindung, der jedoch mit deutlich höherem Entwicklungsaufwand erkauft wird. Je proprietärer der technische Weg, desto größer die Investition, desto vollständiger aber auch die Kontrolle über Prozesse, Daten und die langfristige Beziehung zur Kundschaft.