Die Bäckereibranche hat ein neues Buzzword: Bestell-KI. Immer mehr Anbieter versprechen, dass ihre künstliche Intelligenz die Bestellprozesse optimiert, Retouren senkt und Umsätze steigert. Klingt gut. Verkauft sich gut. Aber hält es, was es verspricht?
Die ehrliche Antwort: In den meisten Fällen nicht. Denn die spannende Frage wird fast nie gestellt: Was ist überhaupt die Grundlage für eine Bestell-KI? Und woran misst man echte Optimierung?
- •Retourenquoten allein sagen nichts über die Qualität einer Bestellung aus
- •Viele Bestell-KIs optimieren auf den falschen Wert – und verschleiern echte Probleme
- •Wer Äpfel mit Birnen vergleicht, wird nie verstehen, ob eine Filiale wirklich gut bestellt
- •Echte Optimierung beginnt mit der richtigen Datengrundlage – nicht mit einer KI, die auf Durchschnittswerte trainiert ist
Das Problem mit der Retourenquote
Die Retourenquote ist die Lieblingskennzahl der Branche. 19 % im Monat? Klingt nach Luft nach oben. 12 %? Klingt solide. 5 %? Klingt nach Weltklasse.
Aber was sagt eine monatliche Retourenquote wirklich aus? Nichts. Zumindest nicht darüber, ob richtig bestellt wird, ob das Richtige geliefert wird, ob Kunden bekommen, was sie wollen – oder ob Umsatz auf der Strecke bleibt.
Eine Retourenquote ist ein Durchschnitt. Und Durchschnitte lügen. Jeden Tag. In jeder Filiale. Bei jedem Artikel.
Äpfel mit Äpfel vergleichen – nicht mit Birnen
Stell dir zwei Tage in einer Filiale vor:
Tag 1: Alles ausverkauft. Retoure: 0 %. Klingt perfekt, oder? Aber was bedeutet das wirklich? Es bedeutet, dass die Filiale ab einem bestimmten Zeitpunkt nichts mehr verkaufen konnte. Kunden standen vor leeren Regalen. Umsatzpotenzial? Verschenkt. Kundenerlebnis? Schlecht.
Tag 2: Retoure: 30 %. Klingt katastrophal. Aber vielleicht war es ein Regentag, an dem trotzdem der volle Umsatzplan erreicht wurde – nur eben mit mehr Überschuss.
Im Schnitt über beide Tage? 15 % Retoure. Eine Zahl, die sich gut anfühlt. Die man in einen Report schreiben kann. Die man dem Chef zeigen kann.
Aber die Realität dahinter: An Tag 1 wurde schlecht bestellt. An Tag 2 vermutlich auch. Der Durchschnitt kaschiert beide Probleme.
Und genau hier setzen viele Bestell-KIs an – auf dem Durchschnitt. Auf der falschen Ebene. Mit der falschen Grundlage.
Was Bestell-KIs wirklich optimieren
Die meisten Bestell-KIs arbeiten mit historischen Absatzdaten und versuchen, daraus Vorhersagen abzuleiten. Das klingt logisch – ist aber nur die halbe Wahrheit.
Denn eine gute Bestellung hängt nicht nur davon ab, wie viel in der Vergangenheit verkauft wurde. Sie hängt davon ab, was die Filiale an diesem spezifischen Tag, in dieser spezifischen Situation, für diese spezifischen Artikel braucht.
Die blinden Flecken
- •Was wurde nicht verkauft, weil es nicht da war?
- •Wie viel Umsatz ging verloren, weil zu früh ausverkauft war?
- •Welche Artikel wurden bestellt, aber nie aktiv nachgefragt?
- •Wie beeinflusst das Wetter, ein Feiertag oder eine Baustelle vor der Tür die echte Nachfrage?
Die meisten KI-Systeme kennen diese Fragen nicht. Sie optimieren auf eine Zahl – die Retoure – und nennen das Fortschritt.
