Skalierung von KI-Projekten in Handel und Konsumgüterindustrie: Ambition trifft Realität

Handel und Konsumgüterunternehmen investieren Milliarden in generative KI und experimentieren in nahezu allen Bereichen mit der Technologie. Doch wie Wai-Chan Chan, Managing Director beim Consumer Goods Forum, es treffend auf den Punkt brachte: „Für CEOs ist die Flitterwochen-Phase mit KI offiziell vorbei.“ Denn trotzdem schaffen nur wenige Projekte den Sprung vom Piloten zur echten Skalierung.

Strategische Fragen entscheiden über Umsetzung und Erfolg: Wie integrieren wir KI-Innovationen in unsere tägliche Arbeit? Was erhalten wir für unsere Investitionen in KI-Projekte? Und wie wird aus Begeisterung ein Geschäftsmodell?

Dieser Artikel zeigt anhand aktueller Studien und konkreter Beispiele aus Handel und Konsumgüterindustrie, welche Maßnahmen den Unterschied zwischen Pilotprojekt und echter Skalierung ausmachen. In internationalen Studien wird für Unternehmen der Konsumgüterbranche häufig die Abkürzung CPG (Consumer Packaged Goods) verwendet.

Eine gemeinsame Untersuchung von Boston Consulting Group (BCG) und dem Consumer Goods Forum unter 39 Führungskräften aus Handel und Konsumgüterindustrie ordnet den Fortschritt beim Thema KI ein: Rund Dreiviertel der befragten CPG-Unternehmen bewegen sich noch im Pilot- oder Explorationsmodus, nur 18 Prozent skalieren wirkungsvolle KI-Einsatzszenarien. Der Handel ist einen Schritt weiter, aber tief gespalten: 45 Prozent skalieren bereits erfolgreich, aber mit 40 Prozent haben fast ebenso viele kaum begonnen.

Aufschlussreich ist auch die Diskrepanz zwischen Anspruch und Praxis nach Einsatzbereichen. Fast die Hälfte der CPG-Manager hält den Bereich „Idea to Market" (Produktentwicklung bis Markteinführung) für den strategisch wichtigsten KI-Einsatzort, skaliert haben dort aber gerade einmal 11 Prozent. Im Handel nennen 46 Prozent Sortiments- und Angebotsgestaltung als Top-Priorität, den KI-Einsatz umgesetzt haben immerhin 34 Prozent.

Die BCG-Studie fand auch heraus, dass mehr als die Hälfte aller befragten Unternehmen den Return on Investment ihrer KI-Projekte nicht systematisch messen. So fehlt ein klarer Maßstab, wo Budget und Ressourcen gezielt eingesetzt werden sollten und welche Pilotprojekte reif für den Rollout sind.

Eine Befragung von Deloitte unter 200 Führungskräften aus Handel und Konsumgüterindustrie kommt zu einem ähnlichen Befund: 75 Prozent nennen KI eine strategische Top-Priorität, aber nur 16,5 Prozent können einen konkreten ROI beziffern. Außerhalb der IT-Abteilung liegt die breite Nutzung von KI-Anwendungen nirgendwo über 36 Prozent. Auch die Zuständigkeit spiegelt die hohe Priorität nicht wider: Bei 54 Prozent der Unternehmen liegt die strategische Federführung für KI bei den Tech-Verantwortlichen, nicht bei den Führungskräften, die für den Unternehmenserfolg zuständig sind.

Warum sich die erhofften Produktivitäts- und Effizienzgewinne durch KI bislang nicht flächendeckend zeigen, ist kein vereinzeltes Phänomen. Das verdeutlicht auch Trace Cohen in seinem Blogbeitrag: Er verweist auf den 2025 veröffentlichten Bericht „The GenAI Divide“ von MIT Project NANDA, wonach 95 Prozent der GenAI-Pilotprojekte keine messbare wirtschaftliche Wirkung zeigen.

Das eigentlich Bemerkenswerte an diesen Zahlen ist laut Cohen: Sie stehen einem Wirtschaftsboom gegenüber. Technologie- und KI-nahe Investitionen trieben im ersten Quartal 2026 laut Analysen rund 74 Prozent des gesamten US-Wirtschaftswachstums, während sich auf Unternehmensebene kaum messbare Produktivitätsgewinne zeigen. Einzelne Aufgaben würden durch KI-Unterstützung bis zu 50 Prozent schneller erledigt. Doch dieser Effekt kann nur selten vom einzelnen Arbeitsplatz auf die gesamte Organisation übertragen werden, wie es in einer Analyse zum sogenannten „AI Productivity Paradox" heißt.

Woran liegt das? Fachleute sehen die Gründe dafür in fehlenden Dateninfrastrukturen, unklaren Erfolgskriterien und Pilotprojekten, deren Budget und exekutive Unterstützung zu früh ausläuft.

Die wenigen Piloten, die erfolgreich ausgerollt werden, teilen laut Trace Cohen ein gemeinsames Muster:

• ein eng abgegrenzter, häufig wiederkehrender Arbeitsablauf,
• ein klar verantwortlicher Owner, der den Prozess konsequent um das Tool herum neu denkt und
• eine definierte Kennzahl statt einer vagen Nutzungsrate zur Messung des Erfolgs.

Wie sich das in der Praxis anfühlt, beschreibt Rodrigo Santos Fernández in einem Gastbeitrag des US-Branchenmediums Retail TouchPoints. Sein Befund: Der schwierige Teil beginnt nach dem Pilotprojekt, wenn eine Lösung über hunderte Filialen mit völlig unterschiedlichen Voraussetzungen ausgerollt werden soll.

Seiner Erfahrung nach liegt das unter anderem daran, dass

• operative Störungen unter realen, nicht kontrollierten Bedingungen im großen Maßstab deutlich stärker ins Gewicht fallen,
• Datengrundlagen zwischen Standorten oft uneinheitlich sind und
• Regeln und Ausführung von Standort zu Standort variieren.

Mit der Skalierung, so schlussfolgert er, fallen inkonsistente Informationen und Prozesse sehr stark ins Gewicht. Eine einheitliche Umsetzung im gesamten Konzern wird daher zum Erfolgsfaktor.

Die vorgestellten Studien zeigen nicht nur, woran es hakt, sie liefern auch Erkenntnisse, was erfolgreiche Unternehmen anders machen. Aus den Artikeln von BCG, Deloitte, Trace Cohen und Rodrigo Santos Fernández lassen sich fünf zentrale Handlungsfelder mit konkreten Maßnahmen ableiten, mit denen Unternehmen KI-Projekte erfolgreich ausrollen können.

Erfolgreiche KI-Skalierung benötigt vor allem klar abgegrenzte Pilotprozesse, eine standardisierte Daten- und Prozessbasis, messbare Ziele, klare Business-Verantwortung und Akzeptanz bei den Mitarbeitenden.

• Engen, häufig wiederkehrenden Workflow für den Piloten wählen
• Investitionen konsequent an den strategisch wichtigen Prozessen ausrichten, die den größten wirtschaftlichen Nutzen bringen
• Prozess konsequent um das KI-Tool herum neugestalten, statt Tool nur „draufzusetzen“
• Realistische, stufenweise Meilensteine für die Skalierung definieren und kommunizieren

• Einheitliche Produktkataloge, Preisstrukturen und Geschäftsregeln über Standorte hinweg sicherstellen
• In Datenqualität und -infrastruktur vor dem oder parallel zum Rollout investieren
• Konsistente, verlässliche Prozesse als Fundament vor dem Rollout schaffen

• Konkrete Erfolgskennzahl vor Projektstart festlegen
• ROI systematisch und wiederholbar messen
• Schwellenwert definieren, ab wann ein Pilot als reif für den Rollout gilt

• Strategische Verantwortung bei Profit-and-Loss-Führungskräften verankern, nicht nur in Tech-Abteilung
• Einen klaren, verantwortlichen Owner für den gesamten Prozess benennen
• Cross-funktionale Zusammenarbeit über Organisationsbereiche wie IT, Fachbereich, Operations und Finance aktiv gestalten

• Mitarbeitende verstehen lassen, wie neue KI-Prozesse in ihre tägliche Arbeit passen
• Vertrauen in Systeme aktiv aufbauen und erhalten, gerade wenn Fehler an der Kundenschnittstelle sichtbar werden
• Teams mit Schulung, Kommunikation und Führungsunterstützung langfristig begleiten

Die Theorie leuchtet ein, aber wie sieht es in der Praxis aus? Welche Maßnahmen ergreifen Retail- und CPG-Unternehmen, um ihre KI-Projekte zum Erfolg zu bringen? Wir haben sieben Beispiele ausgewählt.

Die Beispiele zeigen zugleich, wie Unternehmen aktuelle Entwicklungen rund um Retail Technology in konkrete Strategien und Prozesse übersetzen.

Beim Schweizer Lebensmittelkonzern testet CIO Chris Wright neue KI-Anwendungen – zum Beispiel für die Preisgestaltung – zunächst gezielt in einzelnen Märkten wie Indien oder den USA, bevor sie global ausgerollt werden. Möglich macht das eine einheitliche SAP-Basis, auf der rund 90 Prozent der Kernprozesse weltweit laufen, sowie einer zentralisierten Datengrundlage: „Weil wir auf gemeinsame Systeme, Datenmodelle und Prozesse setzen, ist die Wahrscheinlichkeit hoch, dass wir es in den meisten unserer Länder auch richtig hinkriegen, wenn wir es in einem Land richtig machen“, erklärt Wright in einem Interview mit dem Wirtschaftsmagazin Fortune.

Mit der selbst entwickelten „Robotic Coordination Layer“ vernetzt die Otto Group künftig die Roboterflotten des Konzerns in Echtzeit. Vor dem konzernweiten Rollout steht ein einzelner Pilotstandort: das Logistikzentrum in Löhne, das komplett als digitaler Zwilling erfasst wurde, um Engpässe und Layouts virtuell zu simulieren, bevor im echten Lager etwas verändert wird.

„Die Logistik der Zukunft entscheidet sich nicht daran, wer die modernste Technologie auswählt, sondern daran, wer sie am tiefsten in sein Geschäftsmodell integriert und daraus echte Wettbewerbsvorteile schafft“, wird Kay Schiebur, Konzern-Vorstand Services, in einem Strategiepapier der Otto Group zitiert. Das Unternehmen habe Technologie und KI mit Handels- und Logistikexpertise zu einer eigenen Lösung entwickelt. „Das ist kein Effizienzprojekt. Das ist eine zentrale Infrastruktur für die Zukunftsfähigkeit der Otto Group.“

P&G stellte bei seiner Supply-Chain-Transformation die Datengrundlage bewusst an den Anfang, so wird es in einer Fallstudie von OMP, Softwareanbieter für Supply-Chain-Planung, dargestellt: Zunächst wurden 35 überlappende Planungsprozesse auf 20 konsolidiert, anwendungsorientierte Silos aufgelöst und alle Daten in einer einheitlichen Struktur, der Single Source of Truth, zusammengeführt. Und darauf aufbauend implementierte P&G erst KI-gestützte Prognosen und Automatisierungslösungen.

Der US-Handelskonzern Target hat mit Chandhu Nair im August 2026 seinen ersten Chief AI Officer berufen. Die neue Position soll KI-Aktivitäten konzernweit bündeln und koordinieren – ein Signal dafür, wie wichtig vielen Handelsunternehmen inzwischen eine zentrale, auf oberster Ebene verankerte Verantwortung für das Thema ist.

Die britische Handelskette Morrisons kombiniert laut CEO Rami Baitiéh bewusst eine Top-down-Strategie mit Bottom-up-Investitionen: Teams erhalten klare Leitplanken und Wissen, gleichzeitig wird Budget für praktische Ideen aus der Belegschaft bereitgestellt. Nach eigenen Angaben hat dieser Ansatz in den vergangenen drei Jahren zu Einsparungen von 940 Millionen Pfund beigetragen – ohne Abstriche beim Kundenerlebnis.

Walmart will laut einem CIO Dive-Artikel langfristig alle 2,1 Millionen Mitarbeitenden weltweit mit KI-Kompetenzen ausstatten, vom Tech-Team bis zu den Mitarbeitenden im Markt. Chief People Officer Donna Morris vergleicht die KI-Kompetenz mit einer grundlegenden Lese- und Schreibfähigkeit: Alle Beschäftigten sollen sich im Umgang mit KI sicher und kompetent fühlen. Den Anfang machen rollenspezifische Zertifizierungen mit OpenAI und Google Gemini, die aktuell für die 1,7 Millionen Mitarbeitenden in den USA und Kanada geöffnet sind.

Auch abseits der großen Konzerne setzt sich das Thema durch: Das Detmolder Familienunternehmen Wortmann schulte seine Führungskräfte in einem eigenen Workshop in der Smart Factory OWL und rief parallel eine unternehmensweite KI-Challenge aus, bei der Mitarbeitende eigene Ideen zur Prozessoptimierung einreichen konnten.