Laut Fraunhofer IAIS ermöglicht das KI-System RetAIl Assortment FIT Handelsunternehmen, optimale Warenverfügbarkeit und Umschlagsgeschwindigkeit automatisch einzusteuern, ohne dass Einkaufsteams einzelne SKUs manuell prüfen müssen. Einkauf, Category Management und Produktmanagement in mittelständischen E-Commerce-Unternehmen treffen heute teilweise tagesaktuell Entscheidungen über Sortimente, Preise und Mengen. KI-gestützte Sortimentssteuerung synchronisiert Marktgeschwindigkeit und Warensteuerung automatisch und reduziert dabei gleichzeitig Lagerkosten. Wer diese Automatisierung strategisch einsetzt, schafft die operative Grundlage, um Kampagnenprodukte datenbasiert auszuwählen und Absatzprognosen direkt in die Sortimentsplanung zu überführen, statt reaktiv auf Bestandsprobleme zu reagieren.

KI-gestützte Sortimentssteuerung: Wie automatische Absatzprognosen den Einkauf verändern

Laut einer aktuellen Auswertung testen zwar über 70 Prozent der Händler KI-Technologien, doch nur ein Bruchteil setzt sie täglich operativ ein. Das Potenzial für die Sortimentssteuerung und Kampagnenprodukt-Auswahl bleibt damit in vielen mittelständischen E-Commerce-Unternehmen weitgehend ungenutzt.

Was KI-Agenten in der Sortimentsplanung leisten können

Forschende am Fraunhofer Institut für Intelligente Analyse- und Informationssysteme (IAIS) haben mit dem System “RetAIl Assortment FIT” einen agentenbasierten Ansatz entwickelt, der direkt in die operative Sortimentsplanung eingreift. Dr. Tim Wirtz, Abteilungsleiter am Fraunhofer IAIS, beschreibt den Ansatz so: “Unsere Forschung ermöglicht es, für die vom Händler definierte Sortimentsstrategie immer die optimale Warenverfügbarkeit bei Steigerung der Umschlagsgeschwindigkeit und reduzierten Lagerkosten einzusteuern, ohne dass der Händler selbst auf die SKU schauen muss.”

Das Ziel dabei ist klar definiert: das richtige Produkt zur richtigen Zeit, am richtigen Ort, zum richtigen Preis und für die richtige Zielgruppe. Teams in Einkauf, Category Management und Produktmanagement müssen heute teilweise tagesaktuell über Sortimente, Preise und Mengen entscheiden. KI-Agenten können diese Entscheidungszyklen verkürzen, ohne die strategische Kontrolle aus der Hand zu geben.

Praktische Implikationen für Entscheider im Mittelstand

1. Absatzprognosen als Grundlage für die Kampagnenprodukt-Auswahl

Wer Kampagnenprodukte bisher nach Erfahrungswerten oder Bauchgefühl auswählt, riskiert Fehlallokationen im Werbebudget. Predictive-Analytics-Modelle und Machine-Learning-Algorithmen für Trendprognosen können die Auswahl auf eine datengestützte Basis stellen. Entscheidend ist dabei, welche Datenpunkte eingespeist werden: historische Abverkaufsdaten, Saisonalitäten, Lagerbestände und externe Marktdaten sollten idealerweise kombiniert fließen.

2. Automatisierte Bestandsoptimierung ohne manuellen SKU-Eingriff

Der operative Aufwand bei der Bestandssteuerung liegt häufig im manuellen Abgleich einzelner Artikel. Systeme wie RetAIl Assortment FIT adressieren genau diesen Punkt: Benjamin Bechtloff, Projektleiter am Fraunhofer IAIS, erklärt, das System “ermöglicht es den Teams in Handelsunternehmen, Marktgeschwindigkeit und Warensteuerung schneller zu synchronisieren und damit die Grundlage für einen zukunftsfähigen, adaptiven Einkauf zu erschaffen.” Für Mittelständler bedeutet das konkret: weniger Personalaufwand für Routineentscheidungen, mehr Kapazität für strategische Sortimentsfragen.

3. Robustheit und Transparenz als Voraussetzung für den Produktiveinsatz

Bechtloff weist ausdrücklich darauf hin, dass agentische KI-Systeme vor wichtigen Herausforderungen stehen, “etwa bei Robustheit, Sicherheit, Transparenz der Entscheidungen und der Integration in bestehende Prozesse.” Wer KI-gestützte Sortimentssteuerung einführen möchte, sollte daher Nachvollziehbarkeit der Empfehlungen und klare Eskalationswege als Auswahlkriterien für Systeme und Dienstleister definieren.

4. Integration in bestehende Kanalstrukturen

Moderne Sortimentssteuerung muss Online- und Offline-Kanäle zusammenführen. Eine isolierte KI-Lösung, die nur den Webshop optimiert, greift zu kurz, wenn ein Händler auch stationäre Flächen oder Marktplätze bespielt. Die synchronisierte Steuerung über alle Kanäle hinweg ist eine der zentralen Anforderungen an zukunftsfähige Systeme.

Was das für Ihre Technologieauswahl bedeutet

Die Datenlage zeigt: Wer KI strategisch einsetzt, erzielt messbare Ergebnisse. Wer KI dagegen als Experiment im Randbereich belässt, wird den Aufholbedarf in zwei bis drei Jahren spüren. Für Entscheider im mittelständischen E-Commerce empfiehlt es sich, Anwendungsfälle mit direktem operativen Hebel zu priorisieren: Bestandsoptimierung, automatische Nachbestellsysteme und datengestützte Kampagnenplanung bieten konkrete Ansatzpunkte mit messbarem ROI-Potenzial.

Weiterführende Informationen zur praktischen Umsetzung finden Sie in unserem Beitrag zu KI-gestützter Produktdatenpflege im E-Commerce sowie zum Thema Automatisierung im Category Management.

---

Quellen

• Mehr Tempo, weniger Komplexität: KI-Agenten optimieren Sortimente im Handel – Fraunhofer IAIS
• Trendprognosen und Sortimentssteuerung – KI-Trainingszentrum
• KI im E-Commerce Statistiken 2026: Aktuelle Daten & Fakten – Doofinder

Häufige Fragen

Was versteht man unter KI-gestützter Sortimentssteuerung im E-Commerce?

KI-gestützte Sortimentssteuerung bedeutet, dass Algorithmen auf Basis von Absatzprognosen automatisch steuern, welche Produkte zu welchem Zeitpunkt in welcher Menge verfügbar sein sollen. Das Fraunhofer IAIS beschreibt das Ziel so: die richtige Ware zur richtigen Zeit, am richtigen Ort, zum richtigen Preis und für die richtige Zielgruppe. Teams in Einkauf, Category Management und Produktmanagement werden dabei von tagesaktuellen Einzelentscheidungen auf SKU-Ebene entlastet.

Müssen Einkaufsteams bei automatisierter Sortimentssteuerung noch jeden Artikel manuell prüfen?

Nein. Dr. Tim Wirtz, Abteilungsleiter am Fraunhofer IAIS, erklärt dazu: KI-Systeme wie RetAIl Assortment FIT steuern die optimale Warenverfügbarkeit auf Basis der vom Händler definierten Sortimentsstrategie, ohne dass der Händler selbst auf die einzelne SKU schauen muss. Die Umschlagsgeschwindigkeit steigt, während die Lagerkosten sinken. Die strategische Kontrolle verbleibt beim Team, die operative Detailarbeit übernimmt das System.

Wie wählt KI automatisch geeignete Kampagnenprodukte aus?

Machine-Learning-Algorithmen analysieren Trendprognosen, saisonale Muster und historische Abverkaufsdaten, um Produkte mit dem höchsten Absatzpotenzial zu identifizieren. Auf dieser Grundlage können Systeme Kampagnenprodukte priorisieren, Preise dynamisch anpassen und Bestände entsprechend vorausschauend steuern. Entscheidungen werden damit datengetrieben und reproduzierbar, statt auf Erfahrungswerten einzelner Mitarbeitender zu basieren.

Welche Herausforderungen bestehen beim Einsatz agentischer KI-Systeme in der Sortimentsplanung?

Benjamin Bechtloff, Projektleiter am Fraunhofer IAIS, benennt konkrete offene Punkte: Robustheit der Systeme, Sicherheit, Transparenz der Entscheidungen sowie die Integration in bestehende Handelsprozesse. Gerade mittelständische Unternehmen sollten diese Aspekte bei der Evaluation von KI-Lösungen prüfen und auf dokumentierte Entscheidungslogik sowie klare Schnittstellen zu vorhandenen ERP- und Warenwirtschaftssystemen achten.

Lohnt sich der KI-Einsatz in der Sortimentssteuerung für mittelständische Händler wirklich?

Aktuelle Marktdaten zeigen, dass zwar über 70 Prozent der Händler KI testen, aber nur ein Bruchteil sie täglich und strategisch nutzt. Genau hier liegt das Potenzial: Wer KI nicht nur für Texte oder Werbeanzeigen einsetzt, sondern in die Warensteuerung integriert, erzielt messbare Effekte bei Umsatz, Lagerkosten und Umschlagsgeschwindigkeit. Der Schlüssel liegt in der konsequenten Verknüpfung von Absatzprognosen mit operativen Sortimentsentscheidungen.