Felix, welche übergeordnete Rolle spielt Künstliche Intelligenz in Eurer Unternehmensstrategie?
Wir sehen Künstliche Intelligenz als einen entscheidenden Hebel, um Effizienzen schnell und ohne große Einstiegshürden zu steigern. Unser Fokus liegt darauf, interne Prozesse Stück für Stück zu verbessern. Dabei geht es uns weniger um einzelne, große Leuchtturmprojekte als vielmehr um die schrittweise und flächendeckende Integration von KI entlang der gesamten Wertschöpfungskette. Ein zentrales Element unserer Strategie ist das „Enabling“ unserer Mitarbeitenden. Wir wollen sie befähigen, die Potenziale von KI selbst zu erkennen und zu nutzen, um letztlich unseren Kund:innen den bestmöglichen Service zu bieten.
Seit wann setzt man bei Schäfer Shop KI ein?
Klassische KI-Methoden wie Machine Learning sind bei uns bereits seit über zehn Jahren im Einsatz. Im Bereich der generativen KI haben wir schon 2018 begonnen, diese zur Übersetzung von Produkttexten zu nutzen. Die Modelle von OpenAI setzen wir bereits seit Anfang 2022 ein, also schon bevor ChatGPT der breiten Öffentlichkeit bekannt wurde.
In welchen Bereichen kommt KI zum Einsatz – und in welchen Bereichen ist der Einsatz aus Deiner Sicht besonders gut möglich?
Wir evaluieren Einsatzzwecke entlang der gesamten Wertschöpfungskette. Grundsätzlich lässt sich KI immer dann schnell und ohne großes Risiko einsetzen, wenn keine personenbezogenen oder geschäftskritischen Daten betroffen sind. Sehr gute Erfahrungen machen wir, wie erwähnt, seit 2018 im Bereich der Produktdatenanreicherung. Aber auch in der Personalabteilung, beispielsweise bei der datenschutzkonformen Erstellung von Arbeitszeugnissen, oder im Marketing und Shopmanagement haben wir diverse Projekte mit generativer KI umgesetzt. Generell lässt sich sagen, dass alle administrativen und repetitiven Arbeiten, die kein tiefes, kontextuelles Verständnis eines Sachverhalts erfordern, schon jetzt oder in naher Zukunft durch KI unterstützt oder automatisiert werden können.
Und umgekehrt: Welche Überraschungen haben Du und Dein Team bei bisherigen KI-Projekten erlebt – und welche Empfehlungen gibst Du anderen Unternehmen, um ähnliche Stolpersteine zu vermeiden?
Wenn man sich intensiv mit generativer KI beschäftigt, kann man dem Irrglauben erliegen, dass ein Großteil der Belegschaft bereits damit vertraut ist und die Potenziale zu nutzen weiß. Das ist jedoch eine Fehleinschätzung. Ein riesiger Hebel liegt darin, die Mitarbeitenden zu sensibilisieren und zu befähigen, KI nicht nur zu nutzen, sondern selbst Ideen zu entwickeln, wie die Technologie ihre Arbeit unterstützen kann. Viele Potenziale bleiben ungenutzt, weil im Fachbereich niemand auf die Idee kommt, etwas mit KI umzusetzen, und mein Team die Arbeitsweise der Fachbereiche nicht bis ins letzte Detail kennt. Man sollte auch nicht annehmen, dass es große KI-Leuchtturmprojekte braucht. Das Potenzial, das entsteht, wenn 500 Mitarbeitende pro Woche nur eine Stunde durch KI einsparen, ist enorm – und das ganz ohne ein teures Gigaprojekt.
Gibt es Abteilungen, die auch heute noch komplett ohne KI arbeiten?
Ja, die gibt es, und das sind zum Teil auch Abteilungen, die von außen betrachtet ein großes Potenzial bieten. Wir arbeiten aber gezielt daran, das Interesse an KI in diesen Abteilungen zu wecken und eine intrinsische Motivation zu erzeugen. Zwang oder die Einführung mit der Brechstange funktionieren hier nicht, denn KI bringt immer auch einen großen Wandel mit sich. Aktuell mag es noch Abteilungen geben, die KI nicht nutzen, aber ich denke, wir werden es mit KI ähnlich wie mit dem Internet erleben: Es gibt Bereiche, da bietet sich die neue Technologie direkt an, und es gibt Anwendungsfälle, die wir heute vielleicht noch gar nicht auf dem Schirm haben.
Schäfer Shop setzt schon länger automatisch generierte Produktbeschreibungen ein. Das spart Zeit, gleichzeitig erwarten B2B-Kunden fachliche Präzision. Wie stellt Ihr sicher, dass die Textrobotik sowohl qualitativ als auch rechtlich einwandfreie Inhalte liefert?
Das ist korrekt, wobei die damals eingesetzte Technologie nur wenig mit den heutigen großen Sprachmodellen zu tun hat. Damals haben wir die fachliche Präzision durch sogenannte Mastertexte sichergestellt, die dann mit strukturiert vorliegenden technischen Daten befüllt wurden. Im Prinzip waren das Lückentexte, die durch KI eine Varianz erhielten, inhaltlich aber exakt kontrolliert wurden. Die heutigen Sprachmodelle haben diese Kontrollinstanzen nur bedingt, aber die Qualität der Modelle wird gefühlt von Woche zu Woche besser. Probleme wie Halluzinationen eliminieren wir, indem wir saubere Anweisungen schreiben, gezielt eigene Daten zur Verfügung stellen und keine Anreicherung durch die allgemeinen Inhalte der Sprachmodelle zulassen. Darüber hinaus verwenden wir Verfahren wie „LLM as a Judge“, bei dem wir das Ergebnis durch eine weitere KI evaluieren lassen. In letzter Instanz schauen wir auch immer wieder manuell über die Ergebnisse. Ja, KI macht Fehler, aber Menschen tun das auch. Unterm Strich haben wir die Qualität nicht nur gehalten, sondern sogar verbessert.
Bei welchen Arbeitsschritten bleibt menschliches Fachwissen unverzichtbar, und wie gestaltet Ihr die Zusammenarbeit zwischen Mensch und KI?
Reines Faktenwissen kann KI schon heute an vielen Stellen ersetzen. Interessant wird es, wenn dieses Fachwissen in der realen Welt zur Anwendung kommen soll oder wenn zwischenmenschliche Interaktion erforderlich ist. Menschen wollen mit Menschen interagieren. Ein gutes Beispiel ist unser Kundenservice: Wir möchten KI hier nutzen, um unsere Mitarbeitenden zu unterstützen. Aktuell erproben wir einen internen KI-Assistenten, der den Kundenberatern während eines Telefonats oder bei der Angebotserstellung hilft, in Sekundenschnelle die passenden Produkte und Informationen zu finden. Der Kontakt bleibt menschlich, aber der Kunde erhält ein qualitativ hochwertigeres Ergebnis in kürzerer Zeit.
Wenn verschiedene KI-gestützte Services eingesetzt werden, ist es dann nicht problematisch, diese so zu synchronisieren, dass den Kunden ein konsistentes Einkaufserlebnis ermöglicht wird?
Das ist natürlich eine Herausforderung, die aber zunehmend leichter zu bewältigen ist, da auch die Anbieter von KI-Systemen erkannt haben, dass sie hierfür Lösungen anbieten müssen. Wir setzen bei uns vor allem auf die Integration über Standard-APIs und das speziell für KI-Systeme entwickelte Model Context Protocol (MCP). Darüber hinaus verwenden wir verschiedene Low-Code- und No-Code-Tools, um die Integrationen zu orchestrieren. Letztendlich sind die Herausforderungen hier nicht viel größer als bei der Integration klassischer IT-Systeme.
Wie werden KI-Services in bestehende Prozesse integriert, ohne den laufenden Betrieb zu stören?
Auch das ist herausfordernd, da wir auf einer über Jahre gewachsenen Enterprise-Architektur arbeiten. Wir gehen hier mit viel Fingerspitzengefühl vor. Meistens erweitern wir bestehende Prozesse und Systeme am Rande um zusätzliche Funktionen. Manchmal verändern wir einzelne Prozessschritte so, dass Input und Output gleich bleiben, sich aber der Weg dazwischen durch KI-Einsatz verändert. In anderen Fällen tauschen wir ganze Programme aus, um nicht mit Altlasten konfrontiert zu werden. Der häufigste Fall ist jedoch die Erweiterung bestehender Prozesse, um manuelle Schritte zu automatisieren und den Gesamtablauf zu beschleunigen.
Wie nehmt Ihr Kolleginnen und Kollegen bei der Einführung neuer KI-Tools mit – welche Weiterbildungskonzepte haben sich besonders bewährt?
Wie bereits erwähnt, wollen wir eine intrinsische Motivation wecken. KI soll begeistern und Spaß machen, um kreative Ideen entstehen zu lassen. Dafür setzen wir auf Wissensvermittlung und den Abbau von Ängsten. Wir haben verschiedene Angebote, die die Kolleg:innen auf unterschiedlichen Wissensstufen abholen: Wir bieten Schulungen an, gehen mit meinem Team direkt in die Fachbereiche, um zielgerichtete Workshops vorzubereiten, und veranstalten Community-Events wie unsere „AI Pizza Night“, bei der wir in lockerer Atmosphäre KI-Vorträge halten und netzwerken. Bewährt hat sich vor allem, den Einstieg in die KI möglichst niedrigschwellig und explorativ zu gestalten.
Wenn ich das richtig verstanden habe, entwickelt ihr die KI-Lösungen zumindest zum Teil inhouse. Kommen auch externe Dienstleister/Plattformen zum Zug?
Wir entwickeln auch eigene KI-Lösungen, aber das ist nicht der primäre Anspruch. Meistens handelt es sich dabei um Integrationen von großen Sprachmodellen in bestehende Systeme oder um Prototypen und Proof of Concepts. Ich persönlich glaube, dass es sehr viele exzellente Tools am Markt gibt. Als KMU kann man da bei vielen Dingen qualitativ kaum mithalten. Die „Make or Buy“-Entscheidung verhält sich bei KI etwas anders als bei klassischer Software. Die Entwicklungsgeschwindigkeit ist rasant, und viele Features von spezialisierten KI-Produkten werden früher oder später von den großen Anbietern wie OpenAI oder Google nachgebaut. Dinge selbst zu bauen, lohnt sich vor allem für sehr spezialisierte Anwendungsfälle, für die man nur das „rohe“ Sprachmodell benötigt. Vieles andere lässt sich günstiger und effizienter einkaufen.
Woher stammen die wichtigsten Trainingsdaten für Eure KI-Anwendungen, und welche Rolle spielen dabei Lieferanten- und Herstellerdaten?
Wir nutzen eine Mischung aus verschiedenen Datenquellen. Einerseits verwenden wir Lieferanten- und Herstellerdaten, zum Beispiel für die automatisierte Betextung von Produkten. Andererseits haben wir in den letzten Jahren auch sehr viele Produktdaten manuell erhoben und strukturiert, die wir jetzt nutzen können. Für das Training eigener Modelle, was meine Kolleg:innen aus dem Bereich Data Science verantworten, können wir auf einen reichen Schatz an selbsterhobenen Verkaufs- und Verhaltensdaten aus den letzten 25 Jahren zurückgreifen.
Wie schätzt Du die rechtlichen Rahmenbedingungen beim KI-Einsatz ein – etwa was Datenschutz angeht?
Das ist in der Tat eine große Herausforderung. Wir stehen vor der Aufgabe, den Nutzen von KI und den Schutz der Daten gleichermaßen zu berücksichtigen. Wir haben hierfür eine eigene KI-Richtlinie im Unternehmen etabliert, die uns klare Spielregeln für den Umgang mit KI-Systemen gibt, wobei der Datenschutz oberste Priorität hat. Gleichzeitig wollen wir die Kolleg:innen ermutigen, KI zu nutzen, ohne Angst vor rechtlichen Konsequenzen haben zu müssen. Der hohe Stellenwert des Datenschutzes in Europa ist wichtig und richtig. Dennoch müssen wir bestehende rechtliche Gegebenheiten im Lichte der neuen Technologie überdenken, um einen Rahmen zu schaffen, der den Schutz unserer Daten gewährleistet, ohne die Innovationsmöglichkeiten durch KI zu stark einzuschränken.
