Adopt AI Grand Palais 2025 – Bericht über Keynotes und Podiumsdiskussionen zum Thema „KI für Endverbraucher im Einzelhandel“ Artefact

Der Adopt AI-Gipfel 2025 auf einen Blick

• 20.000 Besucher
• Über 650 Referenten
• Über 250 Aussteller
• 7 Etappen
• Über 35 Länderdelegationen
• Über 70 Länder vertreten
• 14 Länderstände
• Über 1.000 Geschäftsführer
• Über 3.000 Führungskräfte auf C-Ebene

Sehen Sie sich die gesamte Sitzung „KI für den Einzelhandel und Verbraucher“ (replays) an

Die wichtigsten Highlights

Generative KI ist nicht nur die nächste Technologiewelle, sondern stellt eine grundlegende strategische Veränderung für den Einzelhandel und die Konsumgüterindustrie dar. Die Herausforderung für Führungskräfte besteht darin, über das Experimentieren hinauszugehen und KI in das operative Gefüge des Unternehmens zu integrieren, um messbare Auswirkungen auf die Gewinn- und Verlustrechnung zu erzielen. Dieser Bericht fasst die wichtigsten strategischen Erkenntnisse unseres jüngsten Gipfeltreffens zusammen und bietet Führungskräften Klarheit darüber, wie sie diesen Wandel bewältigen und sich einen echten Wettbewerbsvorteil verschaffen können.

Unsere Analyse des Weges von Führungskräften zeigt, dass Erfolg kein Zufall ist. Er ist das Ergebnis einer bewussten, oft radikalen Fokussierung auf sechs spezifische strategische Imperative. Dies sind die Bereiche, in denen sich die Marktführer vom Rest abheben und KI von einer Kostenstelle zu einem zentralen Treiber des Unternehmenswertes machen.

• Operative Neugestaltung KI schafft prädiktive und autonome betriebliche Rahmenbedingungen, die Unternehmen von der reaktiven Problemlösung zur proaktiven Wertschöpfung führen, Risiken mindern, bevor sie eintreten, und die Entscheidungsfindung durch Experten im gesamten Unternehmen skalieren.
• Menschliche Leistungssteigerung als primeller ROI Der größte und unmittelbarste Wert der KI liegt in der Befähigung der Mitarbeiter, indem sie Fachexperten in autonome KI-Entwickler verwandeln, Vertriebs- und Serviceteams mit data-driven-Empfehlungen unterstützen und menschliche Talente freisetzen, um sich auf hochwertige strategische Aufgaben zu konzentrieren.
• Die neuen Grenzen des Kundenerlebnisses KI verändert die Kundeninteraktion grundlegend, indem sie eine Personalisierung in noch nie dagewesenem Ausmaß ermöglicht, kuratiertere und höherwertige Erlebnisse in den Geschäften schafft und das Paradigma von statischen digitalen Assets zu dynamischem, dialogorientiertem Handel verschiebt.
• Das grundlegende Gebot Führende Unternehmen bauen ihren KI-Vorteil auf einem hybriden Organisationsmodell aus “zentraler Befähigung und dezentraler Ausführung” auf, das im Kern für technische Strenge sorgt und gleichzeitig KI-Agenten einsetzt, um die data foundation dynamisch zu bereinigen und anzureichern, die die Geschäftseinheiten benötigen, um am Rande innovativ zu sein.
• Pragmatische Wertrealisierung Der erfolgreiche Ansatz bei Investitionen in künstliche Intelligenz erzielt transformative Ergebnisse, indem er unermüdlich “marginale Gewinne” aus einem fokussierten Portfolio von Anwendungsfällen erzielt, die jeweils aufgrund ihrer eindeutigen, messbaren Auswirkungen auf die Gewinn- und Verlustrechnung und nicht aufgrund ihres spekulativen Potenzials ausgewählt wurden.
• Die Herausforderung „Adoption und Kultur“ Die Technologie ist die lösbare Komponente; die primäre Herausforderung und die wahre Quelle der Wettbewerbsdifferenzierung ist die Bewältigung der unternehmensweiten Einführung und des kulturellen Wandels durch eine Doppelstrategie aus starker Unterstützung durch die Geschäftsleitung und einer dezentralen Kultur des Experimentierens.

Um Ihr Unternehmen durch diese Ära des Wandels zu führen, ist es unerlässlich, diese strategischen Prinzipien zu verinnerlichen. Wir möchten Sie ermutigen, diese Themen zu vertiefen, indem Sie sich die vollständige Sitzung replays ansehen, eine wichtige Ressource für Ihre strategische Planung und Umsetzung.

CEO-Bühne

Gespräch am Kamin mit Alexandre Bompard, Carrefour

Redner: Alexandre Bompard, Vorstandsvorsitzender und Geschäftsführer

Seit 2017, Alexandre Bompard leitet seit einiger Zeit Carrefour, einen der weltweit größten Einzelhandelskonzerne mit Niederlassungen in Europa, Lateinamerika und Asien.

Unter seiner Führung hat Carrefour treibt seine digitale Transformation voran und integriert artificial intelligence, um Lieferketten zu optimieren, das Kundenerlebnis zu verbessern und Lebensmittelverschwendung zu reduzieren…

Wenn Sie auf Ihren Werdegang in den Bereichen Medien und Einzelhandel zurückblicken: Wie gehen Sie persönlich und beruflich mit Technologie und Innovation um?

• Alexandre Bompard: Die wichtigste Eigenschaft, die heute von Führungskräften erwartet wird, ist Neugier; man muss kein Ingenieur sein, um Innovationen voranzutreiben, aber man muss innerhalb der Organisation Neugier wecken.
• Da wir aus Branchen der “alten Welt” stammen (lineares Fernsehen/Radio und stationärer Einzelhandel), die von disruptiven Veränderungen bedroht sind, war es stets unser Ziel, bestehende Strukturen wieder mit Innovation zu verbinden.
• Dieser Prozess ist mit Versuch und Irrtum verbunden; so führte er beispielsweise bei Fnac eine erfolgreiche E-Reader-Plattform (Kobo) sowie einen gescheiterten Musik-Streaming-Dienst ein, doch er vertritt die Ansicht, dass Führungskräfte ungeachtet von Misserfolgen “es erneut versuchen” müssen, um auf diesem Weg bestehen zu können.

Wie ist es Ihnen gelungen, Innovation und kulturellen Wandel in einem riesigen Unternehmen wie Carrefour (100 Mrd. Umsatz, 500.000 Mitarbeiter) erfolgreich voranzutreiben?

• Alexandre Bompard: Bei meinem Eintritt in das Unternehmen ging die Geschäftsleitung fälschlicherweise davon aus, dass der Lebensmitteleinzelhandel gegen digitale Umbrüche immun sei; der erste Schritt bestand darin, die Überzeugung zu festigen, dass Innovation für das Überleben unerlässlich ist.
• Innovation darf nicht in einer Ecke isoliert werden; sie muss im gesamten Unternehmensgefüge demokratisiert werden, um den Wandel von einem traditionellen Unternehmen zu einer digital ausgerichteten, agilen Organisation zu vollziehen.
• Auch wenn Carrefour in puncto reiner technologischer Wettbewerbsfähigkeit noch nicht mit den aus der Tech-Branche stammenden Giganten mithalten kann, hat das Unternehmen doch erfolgreich seine Legitimität und Führungsrolle bei der digitalen Transformation des stationären Einzelhandels etabliert.

Welche konkrete Rolle spielt KI bei Carrefour, und welche konkreten Anwendungsfälle gibt es?

• Alexandre Bompard: Das Ziel besteht nicht darin, “Innovationstheater” zu inszenieren, sondern KI als pragmatisches Instrument der Transformation einzusetzen.
• Anwendungsfall 1 (Betrieb): Durch die Nutzung eines data-Datenpools mit 10 Milliarden Transaktionen werden lokale Sortimente optimiert und Preise in Echtzeit angepasst, was zu einer erheblichen Verbesserung des Kundenservices führt.
• Anwendungsfall 2 (Strategische Expansion): Die für die Analyse potenzieller Standorte erforderliche Zeit wird drastisch reduziert; was zuvor 9 Monate an Erhebungen mit einer Fehlerquote von 80% in Anspruch nahm, wird nun dank KI in nur 2 Minuten mit höherer Vorhersagegenauigkeit erledigt.
• Anwendungsfall 3 (CX): Die Entwicklung von “KI-Agenten”, die Produkte auswählen und eine persönliche Bindung zu den Kunden aufbauen, wodurch das Einkaufserlebnis grundlegend verändert wird.

Haben wir eine Chance, der Kontinent zu sein, auf dem der Einsatz von KI, der Umfang von KI und die Anwendungsbereiche von KI am weitesten entwickelt sein könnten? Ich denke schon.

Sehen Sie sich die Sitzung replay an

Hauptbühne Süd

KI für alle: Der Plan von LVMH, KI in der Luxusbranche unter Berücksichtigung der Unternehmenswerte flächendeckend einzuführen

Redner: Maud Alvarez-Pereyre, Leiterin der Abteilung Personal und Transformation
Gonzague de Pirey, Leiter Omnichannel und Data

Über Maud Alvarez-Pereyre: Als Chief People & Transformation Officer leitet sie die Personalstrategie des Konzerns und konzentriert sich dabei auf die Talentförderung, die Unternehmenskultur und die organisatorische Transformation der großen Belegschaft von LVMH.

Über Gonzague de Pirey: In seiner Funktion als Chief Omnichannel and Data Officer koordiniert er die digitale Transformation der Gruppe, data governance, sowie die Integration von KI-Technologien in allen Maisons.

Über LVMH: LVMH mit Hauptsitz in Paris ist der weltweit führende Luxuskonzern (Umsatz 2023: 86,2 Mrd. €, ca. 213.000 Mitarbeiter) und stellt hochwertige Produkte in den Bereichen Wein, Mode, Lederwaren, Parfüms und Kosmetik her.

Wir haben dieses Prinzip der ‘Quiet Tech’ entwickelt, um zum Ausdruck zu bringen, dass Technologie zwar überall präsent, aber unsichtbar sein sollte – und dass dies der beste Weg wäre, Technologie so einzusetzen, dass sie diesen … menschlichen Werten dient.

Welchen Umfang und welche Ziele hat der Plan “KI für alle”?

Maud Alvarez-Pereyre: Die Initiative ist als Konzept zur Einbindung, Qualifizierung und Ausrichtung der 215.000 Mitarbeiter der Gruppe definiert. Das Ziel ist die Demokratisierung: KI soll allen zur Verfügung stehen – von Hotels und Geschäften bis hin zu Lagern und Ateliers –, um zum Experimentieren anzuregen. Es handelt sich weniger um eine technische als vielmehr um eine kulturelle Debatte, bei der festgelegt wird, wo das Unternehmen KI einsetzen möchte und wo nicht. Während die Personalabteilung beispielsweise Karrieregespräche für data aufzeichnen könnte, entscheidet sie sich bewusst dagegen, dies sofort zu tun, um die Qualität der zwischenmenschlichen Interaktion zu wahren.

Warum sollte dieser Wandel gerade jetzt vorangetrieben werden, und worauf stützt er sich?

Gonzague de Pirey: Zwar arbeitet LVMH bereits seit Jahren mit data und KI zusammen, doch hat sich der Schwerpunkt von “Innovation” hin zu “Transformation” verlagert. Der Plan stützt sich auf drei Säulen: 1) Mobilisierung aller Maisons auf höchster Führungsebene; 2) Entwicklung und Skalierung von Business Cases in den Bereichen Handel, Marketing und Betrieb; sowie 3) Bewertung der Umsetzung und der Auswirkungen. Entscheidend ist, dass das Ziel in der Geschäftsentwicklung und der Stärkung der Werte liegt und nicht in Kosteneinsparungen oder Umstrukturierungsmaßnahmen.

Inwiefern beeinflussen die Grundwerte von LVMH den praktischen Einsatz von KI?

Maud Alvarez-Pereyre: Die Werte der Gruppe – Innovation/Kreativität, Exzellenz, Unternehmergeist und Engagement – bestimmen die Strategie. Da die “Gründer” der Maisons Unternehmer waren, besteht die Verantwortung, die Kultur weiterhin auf den Menschen auszurichten. Genauso wie LVMH das Kundenerlebnis individuell gestaltet, nutzt das Unternehmen KI, um die Mitarbeitererfahrung für seine Top-Talente individuell zu gestalten und sicherzustellen, dass die Technologie dem Kapital „menschliche Ressourcen“ zugutekommt. Der Wandel muss für die Teams positiv sein und potenzielle Störungen in ein Instrument für Wachstum verwandeln.

Wie schaffen Sie es, Technologie mit dem menschenorientierten Charakter von Luxus in Einklang zu bringen?

Gonzague de Pirey: Eine erfolgreiche Umsetzung erfordert die Abstimmung auf die Unternehmensstrategie; Luxus ist im Grunde eine menschliche Reise, die auf künstlerischem Schaffen, Handwerkskunst und persönlichem Verkauf beruht. Der Einsatz von KI als Ersatz für diese Elemente stünde im Widerspruch zu den Erfolgsfaktoren der Branche. Stattdessen verfolgt LVMH das Prinzip der “Quiet Tech”: Technologie sollte allgegenwärtig, aber unsichtbar sein und als Mittel zur Förderung menschlicher Werte dienen, anstatt diese zu ersetzen.

Es geht wirklich darum, einen Schritt zurückzutreten … Unser Leitgedanke lautet, dass die Menschen die „Maestros“ der Gruppe bleiben werden … doch wir müssen ihnen das bestmögliche kreative Umfeld bieten – eines, das durch KI unterstützt wird.

Sehen Sie sich die Sitzung replay an

Der Einzelhandel im Tempo der KI

Redner: Gabriel Hubert, Geschäftsführer und Gründer

Gabriel Hubert: Ein Serienunternehmer und Produktleiter, der zuvor als Produktleiter bei Alan tätig war und nach der Übernahme seines ersten Start-ups, Mashape, leitende Positionen bei Stripe bekleidete. Im Jahr 2023 war er Mitbegründer von Dust.

Staub: Dust ist eine horizontale KI-Plattform (gegründet 2022, Hauptsitz: Paris) mit etwa 15 bis 25 Mitarbeitern und einem geschätzten Umsatz in der frühen Wachstumsphase, deren Schwerpunkt auf dem Einsatz spezialisierter KI-Agenten liegt.

• Die vier Schritte der Adoption: Hubert skizziert einen Entwicklungsweg von “Shadow-IT” (unsicherer Einsatz von Tools) über vernetzte Chatbots (“CompanyGPT”) und eingebettete Assistenten (SaaS-„Sparkle-Buttons“) bis hin zum Agent-OS. Er argumentiert, dass eine echte Transformation diesen letzten Schritt erfordert: eine Umgebung, in der Agenten und Menschen bei durchgängigen Projekten zusammenarbeiten.
• Das Agent-Betriebssystem und der “Meter-Index”: Der “Meter-Index”, also die Dauer, die ein Agent autonom arbeiten kann, liegt derzeit bei 2 Stunden und verdoppelt sich alle 7 Monate. Bis Ende 2026 werden Agenten 8-Stunden-Arbeitstage bewältigen. Dust entwickelt das Betriebssystem, um diese “agentischen” Arbeitslasten in großem Maßstab zu verwalten.
• Die CRM-Parallele: Gabriel Hubert vergleicht KI mit der CRM-Ära; der Wettbewerbsvorteil liegt nicht im Modell selbst, sondern darin, wie es in die spezifischen Unternehmensprozesse eingebettet wird, wodurch aus “Listen” von data automatisierte Pipelines entstehen.
• Kulturelle Erfolgsrezepte: Leistungsstarke CEOs sind erfolgreich, indem sie den Einsatz von KI von oben vorgeben und gleichzeitig einen Bottom-up-Ansatz zulassen, bei dem Teams (wie das Betrugsbekämpfungsteam von Back Market oder die Mitarbeiter von Mirakl) ihre eigenen lokalen Agenten entwickeln.
• Strategische Schlussfolgerung: Um gescheiterte Pilotprojekte hinter sich zu lassen, müssen Unternehmen aufhören, KI als “Werkzeug” zu betrachten, und beginnen, sie als neue Arbeitsweise zu begreifen, bei der die Entwicklung eines Agenten ein Weg zur Beförderung ist und keine Bedrohung für die Arbeitsplatzsicherheit darstellt.

Software muss sich weiterentwickeln, um dem Informationschaos entgegenzuwirken, das sich bei schnell wachsenden Teams einschleicht. Wir setzen darauf, Betriebssoftware zu entwickeln, die es kompetenten Teams ermöglicht, noch bessere Arbeit zu leisten.

Sehen Sie sich die Sitzung replay an

Die Zukunft des Luxuseinzelhandels: Wie Loewe die Markteinführungszeit verkürzt

Redner: Adriana Mirón, Leiterin des PMO und der Governance
Lucy Barclay, Leitende Direktorin für globales Außendienst- und Partnermarketing

Ein Tool nur um des Einsatzes willen zu nutzen, ist dasselbe wie bei der KI: Zunächst müssen die entsprechenden Prozesse und Steuerungsmechanismen vorhanden sein.

Adriana Mirón: Leiter des PMO und des Bereichs Governance bei Loewe, mit Schwerpunkt auf der digitalen Transformation und operativer Exzellenz in der Luxusmodebranche.

Loewe: Ein zum LVMH-Konzern gehörendes spanisches Luxusunternehmen mit rund 1.200 Mitarbeitern und einem Umsatz von über 600 Mio. Euro, dessen Hauptsitz sich in Madrid befindet und das sich auf hochwertige Lederwaren spezialisiert hat.

Lucy Barclay: Leiter des Bereichs Außendienst- und Partnermarketing bei Asana, spezialisiert auf die Skalierung von Arbeitsmanagement-Lösungen für globale Großkunden aus dem Einzelhandel.

Asana: Eine Plattform für das Arbeitsmanagement mit einem Jahresumsatz von ca. $650M und mehr als 1.700 Mitarbeitern, deren Hauptsitz sich in San Francisco befindet und deren Schwerpunkt auf organisatorischer Klarheit liegt.

Lou Dana: Ein Experte für digitale Strategien und den Einzelhandel, der als Moderator hochrangiger Branchendialoge zwischen Technologieanbietern und Luxusmarken fungiert.

Wie entwickeln sich die Fähigkeiten der Menschen weiter, wenn KI manuelle Prozesse in traditionellen Branchen übernimmt?

Lucy Barclay: In der traditionellen Luxusbranche standen früher die “Hard Skills” im Vordergrund, doch mittlerweile gewinnen „Soft Skills“ wie logisches Denken und Transparenz zunehmend an Bedeutung. Unternehmen müssen die Kompetenzen ihrer Mitarbeiter weiter ausbauen, um die Ergebnisse der KI zu bewerten und die data-Qualität sicherzustellen, da KI ohne „Kontrollmechanismen“ zu ungenauen Ergebnissen führen kann.

Wie hat Loewe das umfangreiche Veränderungsmanagement bewältigt, das für diesen Wandel erforderlich war?

Adriana Mirón: Die Bedeutung des Veränderungsmanagements darf nicht unterschätzt werden. Loewe führte das Tool abteilungsweise ein (Marketing, Finanzen usw.), da jede Abteilung ihre eigenen spezifischen Anforderungen hat. Der Schwerpunkt lag darauf, sicherzustellen, dass auch “nicht-technisch versierte” Mitarbeiter das Tool als benutzerfreundlich empfinden, um die Transparenz zu maximieren und die Kommunikation abseits von E-Mails zu zentralisieren.

Inwiefern wird KI konkret in das Arbeitsmanagement im Einzelhandel integriert?

Lucy Barclay: Einzelhändler sehen sich mit “Arbeit rund um die Arbeit” konfrontiert, bei der das Wachstum die Komplexität über Zeitzonen und Tools hinweg erhöht. KI wird als Hilfsmittel eingesetzt, um Statusbesprechungen und E-Mail-Ketten zu vermeiden. Damit KI jedoch effektiv sein kann, bedarf es einer klaren Grundlage – man muss wissen, wer was tut und warum –, und genau diese Grundlage bietet Asana.

KI hat das Potenzial, das menschliche Urteilsvermögen erheblich zu steigern, ersetzt es jedoch keineswegs … Sie sollten KI als Teamkollegen innerhalb Ihres Unternehmens einsetzen.

Sehen Sie sich die Sitzung replay an

KI im operativen Bereich: Optimierte Prozessabwicklung und operative Exzellenz

Redner: Pierre Kroning, CIO & Managing Director Beiersdorf Shared Services IT
François-Xavier Pierrel, Group Chief Data Officer und Adtech Officer
Qihua Wang, Executive Vice President für Strategie und KI

Virginie Brard: Regionaler Vizepräsident für Frankreich und die Benelux-Länder bei Fivetran, wo er als strategischer Vermittler zwischen der data-Infrastruktur und den geschäftlichen Auswirkungen fungiert. Fivetran: Automatisierte data-Transportplattform; Umsatz: ca. $250M; Mitarbeiter: über 1.200; Hauptsitz: Oakland, Kalifornien; Leitbild: Den Zugang zu data so einfach und zuverlässig wie den Zugang zu Strom zu gestalten.

Pierre Kröning: Seit September 2025 CIO bei Beiersdorf; zuvor Leiter des Bereichs Data & Analytics mit über 20 Jahren Erfahrung in den Bereichen IT und Finanzen. Beiersdorf: Konsumgüterkonzern (Nivea, Eucerin); Umsatz: 10 Mrd. €; Mitarbeiter: über 20.000; Hauptsitz: Hamburg, Deutschland; Leitbild: Marktführerschaft im Bereich Hautpflege durch operative Exzellenz.

Qihua Wang: Globaler EVP für Strategie und KI bei Lagardère Travel Retail, ein ehemaliger Strategieberater, der die Neugestaltung globaler Geschäftsprozesse vorantreibt. Lagardère Travel Retail: Weltweit tätiger Reiseeinzelhändler in 51 Ländern; Umsatz: über 7 Mrd. €; Mitarbeiter: über 20.000; Hauptsitz: Paris, Frankreich; Leitbild: Den Reiseeinzelhandel durch intelligente Technologie neu zu gestalten.

François-Xavier Pierrel: Leiter des Bereichs Data und Adtech-Beauftragter bei TF1, anerkannter Experte für data-Strategie mit früherer Führungserfahrung bei Meta, Microsoft und JCDecaux. TF1-Gruppe: Führender europäischer Rundfunkveranstalter; Umsatz: 2,3 Mrd. €; Mitarbeiter: über 2.800; Hauptsitz: Boulogne-Billancourt, Frankreich; Leitbild: Der Wandel vom traditionellen Rundfunkveranstalter zu einer führenden Streaming-Plattform.

Könnten Sie Ihr derzeitiges Vorzeigeprojekt im Bereich der künstlichen Intelligenz und dessen geschäftliche Begründung beschreiben?

• Pierre Kröning: Bei Beiersdorf liegt der Schwerpunkt auf “Operational Excellence” im Bereich der Marktsegmentierung. Da es sich um ein B2B2C-Unternehmen handelt, dem der direkte Kontakt zum Verbraucher fehlt, nutzen sie KI-Agenten, um das Internet zu durchsuchen und das Panel data (Nielsen) mit visuellen Produktmerkmalen anzureichern – beispielsweise ob das Produkt eines Mitbewerbers “modern” oder “traditionell” wirkt – sowie mit technischen Spezifikationen wie dem Lichtschutzfaktor (SPF), um ihr Ökosystem zu vervollständigen.
• Qihua Wang: Lagardère nutzt generative KI, um den Prozess des “Ausschreibungsmanagements” zu beschleunigen. In der komplexen Welt der Ausschreibungen für den Flughafen-Einzelhandel erfordert die Teilnahme an Ausschreibungen die Erstellung von 400-seitigen Dokumenten; die generative KI greift auf die globale Wissensdatenbank des Unternehmens zurück, um die technische Formulierung zu automatisieren, sodass sich die Mitarbeiter auf das Kernwertversprechen und die Konzeption konzentrieren können.
• François-Xavier Pierrel: Nach der Einführung von TF1+ nutzt der Konzern künstliche Intelligenz, um den Bereich “Videoproduktion” grundlegend zu verändern. Über die Bearbeitung von Inhalten hinaus setzt er “Agentic AI” ein, um eine “data-Demokratie” zu schaffen, die es den Mitarbeitern ermöglicht, komplexe technische Ökosysteme abzufragen, ohne dass eine SQL-Schulung erforderlich ist, und so die operative Version ihrer selbst zu automatisieren.

Wenn das data-Modell unbrauchbar ist, werden die Ergebnisse natürlich nicht belohnt … Alle glauben, man könne einfach KI auf einen Prozess anwenden und damit das gesamte Problem lösen.

Was waren zu Beginn Ihrer Projekte die größten Missverständnisse oder “Mythen” in Bezug auf KI, insbesondere im Zusammenhang mit data?

• Pierre Kröning (Beiersdorf): Die größte Hürde ist die Vorstellung, dass man einen Prozess einfach mit KI „überziehen“ kann, um ihn sofort zu optimieren. Ist das data unzureichend, ist das Ergebnis nutzlos. Die eigentliche Herausforderung besteht darin, den Menschen zu vermitteln, dass sie Prozesse von Grund auf neu gestalten müssen, wobei der digitale Ansatz im Vordergrund stehen muss. Selbst bei Einsatz von KI ist menschliches Urteilsvermögen erforderlich, um die Ergebnisse zu validieren.
• Qihua Wang (Lagardère Travel Retail): KI ist kein Technologieprojekt, sondern ein Projekt zur geschäftlichen Transformation. Der Mythos besagt, dass sie “cool und sexy” sei, doch in Wirklichkeit handelt es sich um “schmutzige Arbeit”: die Bereinigung von data, die Umgestaltung von Prozessen und die Überzeugung der Mitarbeiter davon, dass KI Mehrwert schafft, anstatt Arbeitsplätze zu vernichten. Eine erfolgreiche Umsetzung erfordert eine Kombination aus Change Management, technischen Fachkenntnissen und starker Unterstützung durch die Unternehmensleitung.
• François-Xavier Pierrel (TF1): Das anfängliche Missverständnis lautete: “Ich habe ein Problem, KI ist die Lösung.” Es dauerte 6 bis 12 Monate, bis sich die Denkweise von “KI um der KI willen” hin zur Identifizierung tatsächlicher geschäftlicher Probleme gewandelt hatte. Sie lernten, dass es keinen Zauberstab gibt; es geht um Politik, Governance und Budget. Sie mussten den Schritt von der einfachen Automatisierung hin zur Schaffung echten Mehrwerts durch die data-Demokratie vollziehen.

Es reicht nicht, einfach nur mit dem Finger zu schnippen, damit die Magie geschieht … Zusammenfassend lässt sich sagen: Es handelt sich letztendlich nicht um ein Technologieprojekt, sondern um eine geschäftliche Transformation.

Bei der KI gibt es keinen Zauberstab. Es ist stets mit viel Schweiß und Tränen verbunden. Es geht ein wenig um Politik, ein wenig um Geld und ein wenig um Steuerung.

Wie gehen Sie mit dem menschlichen Faktor und der Angst vor dem Verlust des Arbeitsplatzes um?

• Qihua Wang (Lagardère Travel Retail): Die Realität liegt zwischen “KI ist Mist” und “KI löst alle Probleme”. Es handelt sich um einen Prozess des Ausprobierens und Lernens, um Vertrauen aufzubauen. Das Ziel besteht darin, mühsame, sich wiederholende Aufgaben – wie beispielsweise die Beantwortung von Standardfragen in Ausschreibungen – zu eliminieren, damit sich die Mitarbeiter auf strategische Aufgaben von hohem Mehrwert konzentrieren können. Es geht darum, abzuwägen, was am besten von einem Roboter und was von einem Menschen erledigt wird.
• Pierre Kröning (Beiersdorf): Sie müssen Prozesse neu gestalten, bevor Sie sie automatisieren. Wenn Sie einen schlechten Prozess automatisieren, sind Sie lediglich effizient schlecht. Dies verändert die Rolle der Mitarbeiter; jemand, der früher PowerPoint-Folien erstellt hat, muss nun möglicherweise die Rolle eines Product Owners übernehmen, was von ihm verlangt, schwierige Entscheidungen zu treffen, anstatt lediglich Informationen zu formatieren.

Was ist Ihr abschließender Rat oder Ihre wichtigste Erkenntnis zum audience?

• François-Xavier Pierrel (TF1): Vermeiden Sie FOMO (Fear Of Missing Out). Diese Technologie ist nicht mehr wegzudenken. “Beeilen Sie sich, aber nicht zu sehr.”
• Qihua Wang (Lagardère Travel Retail): Nehmen Sie die Einstellung an: “Lassen Sie alles stehen und liegen, lernen Sie und lernen Sie weiter.” Seien Sie bereit, auch einmal zu scheitern, denn die aus Misserfolgen gewonnenen Erkenntnisse sind wertvoller als ein sofortiger Erfolg.
• Pierre Kröning (Beiersdorf): Konzentrieren Sie sich darauf, was Sie nicht tun werden. Angesichts begrenzter Ressourcen ist die Priorisierung entscheidend, um den Aufwand dort einzusetzen, wo er wirklich zählt.

Sehen Sie sich die Sitzung replay an

Die Neugestaltung des stationären Handels mit KI: Umsetzung, Kundenerlebnis, Leistung

Redner: Dominique Tran, Leiter des Bereichs KI
Stéphane Sinopoli, Leiter des Bereichs Monetarisierung bei Data
Giancarlo Miluccio, Leiter des Bereichs Data und Digital Officer
Aurélien Escartin, Vizepräsident für Transformation und IT

Über Dominique Tran: Leiter des Bereichs Data & KI bei Leroy Merlin, wo er die Integration generativer und operativer KI in die Kundenreisen und internen Prozesse vorantreibt.

Über Leroy Merlin: Ein führender französischer Baumarktkonzern (Adeo-Gruppe) mit einem Jahresumsatz von ca. 9,8 Mrd. Euro (Frankreich), mehr als 30.000 Mitarbeitern und Hauptsitz in Lezennes.

Über Stéphane Sinopoli: Intermarché-Franchisenehmer (Adhérent) und Präsident von Data Monetization & Innovation bei Les Mousquetaires.

Über „Les Mousquetaires“: Ein bedeutender französischer Einzelhandelskonzern (Intermarché, Bricomarché) mit einem Umsatz von ca. 39,9 Mrd. Euro, rund 150.000 Mitarbeitern und Hauptsitz in Bondoufle.

Über Giancarlo Miluccio: Leiter des Bereichs Data und Digital Officer bei Unibail-Rodamco-Westfield (URW), wo er die digitale Transformation der Gewerbeimmobilienportfolios vorantreibt.

Über URW: Ein weltweit tätiger Entwickler und Betreiber von führenden Einkaufszentren mit einem anteiligen Umsatz von 3,5 Mrd. Euro und Hauptsitz in Paris.

Über Aurélien Escartin: Vizepräsident für Transformation und IT bei der VusionGroup (ehemals SES-imagotag), spezialisiert auf die Digitalisierung im Bereich des Internets der Dinge (IoT) und auf Infrastruktur im Einzelhandel.

Über die VusionGroup: Weltweit führender Anbieter von elektronischen Regaletiketten und IoT-Lösungen für den Einzelhandel mit einem Umsatz von ca. 800 Mio. Euro und Hauptsitz in Nanterre, Frankreich.

Inwiefern wird künstliche Intelligenz derzeit eingesetzt, um die Customer Journey und das Kundenerlebnis zu verbessern?

• Dominique Tran (Leroy Merlin): Der Kunde ist mittlerweile “aufgestockt” und verfügt über ein umfangreiches Wissen (oftmals konsultiert er ChatGPT bereits vor seinem Besuch). Leroy Merlin nutzt KI, um zu ermitteln, wo menschliche Interaktion einen Mehrwert schafft und wo digitale Tools die Aufgaben übernehmen sollten. Ein wichtiger Erfolgsfaktor ist der Energieeffizienz-Simulator (DPE) des Unternehmens, der monatlich Tausende von KI-gesteuerten Simulationen durchführt, um Kunden bei der Planung von Renovierungsmaßnahmen zu unterstützen.
• Stéphane Sinopoli (Die Musketiere): Die Strategie basiert auf der “Carrelage-Wahrheit” (Pragmatismus). KI übernimmt Interaktionen mit hohem Volumen und geringem Wert. So sind beispielsweise 65% der Anrufe bei den 3.500 Filialen einfache Anfragen (z. B. zu Öffnungszeiten); Die dialogorientierte KI automatisiert dies nun und spart so Tausende von Arbeitsstunden ein. Darüber hinaus erkennt Computer Vision an Selbstbedienungskassen “verdächtige Gesten”, um Warenschwund zu bekämpfen, der an automatisierten Kassen viermal höher ist.
• Giancarlo Miluccio (URW): Im Gegensatz zu der strengen, kurzfristig ausgerichteten ROI-Regel bei Intermarché investierte URW frühzeitig in data, um die “Consumer Journey” abzubilden. Das Unternehmen nutzt künstliche Intelligenz, um genau zu visualisieren, wie sich die Besucher innerhalb des Einkaufszentrums verhalten, und geht damit über die einfache Zählung der Besucherzahlen hinaus hin zu einer detaillierten Verhaltensanalyse. Dies ermöglicht es dem Unternehmen, die Umgebung zu optimieren und so ein besseres Einkaufserlebnis zu schaffen.
• Aurélien Escartin (VusionGroup): Der Schwerpunkt liegt auf “Shelf Intelligence” und “Spatial Intelligence”. Mithilfe von Minikameras und dem Internet der Dinge (IoT) erfassen sie stündlich Regaldaten (data) und identifizieren so Störfaktoren (Fehlbestände, Preisfehler). Diese Daten (data) werden in die Edge-KI eingespeist, wodurch Kunden und Mitarbeiter in der Lage sind, sich in natürlicher Sprache mit dem Geschäft zu “unterhalten” – eine Funktion, die durch die kürzlich geschlossene Partnerschaft mit Walmart bestätigt wurde.

Inwiefern unterstützt KI Teams an vorderster Front und Filialmitarbeiter (der “augmentierte” Mitarbeiter)?

• Dominique Tran (Leroy Merlin): Um die Risiken der Schatten-IT zu mindern, führten sie eine sichere GenAI-Lösung auf Unternehmensniveau für 100% Mitarbeiter ein. Auf operativer Ebene steuert die KI nun Kernprozesse: Sortimentsgestaltung, Preisstrategien und die Erkennung “versteckter Lücken” (Bestandsfehler), wodurch die Fähigkeiten der Mitarbeiter auf breiter Front systematisch erweitert werden.
• Stéphane Sinopoli (Die Musketiere): KI wird eingesetzt, um konkrete Probleme des Filialpersonals (Geschäftsführer, Buchhalter, Leiter der Frischeabteilung) zu lösen. Beispiele hierfür sind die Sichtung von Hunderten von Lebensläufen zur sofortigen Vorauswahl von Bewerbern sowie die Erstellung humorvoller, fehlerfreier Schilder für ausverkaufte Produkte, um die Kundenbindung aufrechtzuerhalten. Das Ziel ist eine maximale Produktivität, um die aggressive Niedrigpreispositionierung des Unternehmens zu sichern.
• Giancarlo Miluccio (URW): KI überbrückt die Kluft zwischen IT- und Vermietungsteams. Leasingmanager verkaufen nicht mehr nur Quadratmeter, sondern audiences und Produktivität auf der Grundlage detaillierter Käuferprofile. Ebenso nutzt ihre Retail-Media-Agentur (Rise) KI, um physische Werbeflächen wie digitales Inventar zu behandeln und targeting sowie audiences in Echtzeit zu qualifizieren.
• Aurélien Escartin (VusionGroup): KI reduziert die kognitive Belastung, indem sie “das Unsichtbare sichtbar macht”. Anstatt jedes Produkt zu scannen, werden die Mitarbeiter nur auf bestimmte Unregelmäßigkeiten hingewiesen (z. B. ein Produkt, das zwar nicht im Bestand ist, aber physisch vorhanden ist). Er stellt fest, dass Einzelhändler, die KI-gesteuerte Wege und Smart-Brillen für die Kommissionierung und die Ausführung von Fahrten einsetzen, im Vergleich zu herkömmlichen Methoden eine dreifache Steigerung der Produktivität verzeichnen.

Früher ging es uns vor allem darum, zu wissen, wie viele Menschen sich dort aufhielten … nun wissen wir, was sie tun. Wir erstellen digitale Zwillinge unserer Einkaufszentren.

Wenn Sie 1 € in die Technik investieren, sollten Sie doppelt so viel in die menschliche Seite investieren. Das ist die komplizierteste Phase.

Inwiefern fließt KI in die Strategie der Zentrale ein, und welche KPIs dienen als Maßstab für den Erfolg?

• Dominique Tran (Leroy Merlin): Die größte Herausforderung ist die Akzeptanz, nicht die Technologie. Ihre goldene Regel lautet: “Investieren Sie 1 € in Technologie, investieren Sie 2 € in Menschen.” Der strategische Erfolg wird anhand der Akzeptanzraten im Team gemessen. Sie verfolgen einen “Build, Test, Pivot”-Ansatz, bei dem die Filialteams frühzeitig einbezogen werden, um den Erfolg des Veränderungsmanagements sicherzustellen.
• Stéphane Sinopoli (Die Musketiere): KI in der Zentrale zielt darauf ab, den enormen Verwaltungsaufwand zu reduzieren. Die Analyse von Tausenden 100-seitiger Lieferantenverträge ist für Menschen nicht mehr bewältigbar; KI unterstützt nun die Rechtsabteilungen. Auch die Marketingkosten werden drastisch gesenkt: Die Produktion eines TV-Spots mittels KI kostet ca. 100.000 Euro gegenüber ca. 1 Million Euro bei herkömmlichen Verfahren. Der strenge KPI bleibt bestehen: Der ROI muss in weniger als 12 Monaten erzielt werden, ohne die Betriebskosten (OPEX) zu erhöhen.
• Giancarlo Miluccio (URW): KI hat sich von einem Experiment zur Erschließung “neuer Einnahmequellen” zu einem bereichsübergreifenden Motor der Transformation (Finanzen, Leasing, Betrieb) entwickelt. Es werden “digitale Zwillinge” von Einkaufszentren erstellt, um den Betriebsablauf zu simulieren und zu optimieren. Die entscheidenden Kennzahlen sind einfach und binär: Umsatz (der Einzelhändler) und Besucherzahlen.
• Aurélien Escartin (VusionGroup): Im Mittelpunkt stehen Schnelligkeit und gemeinsame Entwicklung. Mithilfe von KI kann die Zentrale die Auswirkungen von Änderungen im Merchandising sofort messen. Er betont die Notwendigkeit einer “Geek”-Optimierung zur Senkung der Rechenkosten (GPU/Datenabruf), um sicherzustellen, dass KI-Lösungen für Franchisenehmer und unabhängige Einzelhändler erschwinglich bleiben (niedrige Betriebskosten).

Die von uns ausgewählten vernetzten Brillen kosten 300 € … Ein Zebra-[Scanner] kostet deutlich mehr. Wir benötigen Lösungen, die sich die Franchisenehmer leisten können.

Der “Silo-Brecher”: Wie verändert KI die internen Strukturen (Leasing, Rechtsabteilung, Finanzabteilung)?

• Stéphane Sinopoli (Die Musketiere): Die Auswirkungen auf den “Upstream”-Bereich (Zentrale) sind ebenso entscheidend wie die auf die Filiale.
• Rechtliche Kennzahl: In den 90er Jahren umfassten Verträge vier Seiten. Heute sind es über 100 Seiten. Bei 1.000 Lieferanten ist es für Menschen unmöglich, jährlich 100.000 Seiten an Rechtsdokumenten zu prüfen, ohne eine ganze Armee von Juristen einzustellen. KI fasst diese Verträge sofort zusammen und führt eine Risikobewertung durch.
• Marketingkennzahl: Die Produktion eines Fernsehwerbespots kostet in der Regel 1 Million Euro. Mithilfe von GenAI-Videotools produzierten sie einen vergleichbaren Spot für 100.000 Euro – eine Kostensenkung um das Zehnfache, die sich direkt auf das Geschäftsergebnis auswirkt.
• Giancarlo Miluccio (URW): Die KI hat einen kulturellen Wandel herbeigeführt. Früher sprachen das “Leasing”-Team (das Flächen vermietet) und das “Data”-Team nie miteinander. Heute werben die Leasing-Manager bei Einzelhändlern nicht mehr nur mit der Fläche, sondern auch mit “Zielgruppenprofilen” und “Produktivitätszonen”, die durch KI-Analysen der Kundenbewegungen generiert werden. Dadurch hat sich das Gespräch über Immobilien zu einem Gespräch über Medien und Leistung gewandelt.

Retail Media: Können stationäre Geschäfte wirklich mit digitalen Werbeplattformen konkurrieren?

• Stéphane Sinopoli (Die Musketiere): Ja, und die Zahlen sind atemberaubend. Das Unternehmen installiert digitale Bildschirme und erfasst die “Medienleistung” im gesamten Netzwerk. Wichtige Erkenntnis: Die Gesamtreichweite (audience) der Bildschirme in den Intermarché-Filialen an einem Sonntagmorgen übertrifft die Reichweite der 20-Uhr-Nachrichten (20h) der großen französischen Fernsehsender. Man wird sich zunehmend bewusst, dass das Unternehmen ein bedeutender Medienanbieter ist.
• Giancarlo Miluccio (URW): Die Agentur von URW, Rise, behandelt physische Werbemittel (Plakatwände in Einkaufszentren) nun genauso wie digitale Werbeflächen. Mithilfe von KI werden die audience, die vor einem Bildschirm stehen, in Echtzeit ausgewertet (demografische Daten, Verweildauer), sodass nicht mehr nur statische Plakatflächen, sondern “qualifizierte Sichtkontakte” verkauft werden können.
• Aurélien Escartin (VusionGroup): Retail Media ist der Motor für “reine Margen”. Mithilfe von Kameras am Regalrand lässt sich erfassen, welche Produkte Kunden zwar in die Hand nehmen, aber nicht kaufen; auf dieser Grundlage können dann gezielte Werbeaktionen direkt am Regalrand geschaltet werden. Diese neue Einnahmequelle trägt zur Finanzierung der Hardware-Investitionen bei und schafft so ein sich selbst tragendes Technologie-Ökosystem.

Die audience unserer Leinwände bei „Les Mousquetaires“ ist höher als die [audience der] 20-Uhr-Nachrichten… Wir haben einen Mitbewerber, der einen auf KI basierenden Film gedreht hat; dieser kostete nicht mehr als 100.000 Euro, im Vergleich zu den üblicherweise anfallenden 1 Million Euro.

Sehen Sie sich die Sitzung replay an

KI im Unternehmensmaßstab: Erkenntnisse aus der Transformation von Pernod Ricard

Redner: Pierre-Yves Calloc’h, Global Chief Digital Officer

Über Pierre-Yves Calloc’h: Pierre-Yves ist derzeit als Chief Digital Officer bei Pernod Ricard tätig und leitet die weltweite digitale Transformation des Konzerns, wobei er sich darauf konzentriert, data und KI zu nutzen, um die geschäftliche Effektivität und die Marketingeffizienz zu steigern.

Über Pernod Ricard: Ein weltweit führendes Unternehmen der Wein- und Spirituosenbranche, das renommierte Marken wie Absolut, Jameson und Havana Club in seinem Portfolio führt. Das Unternehmen erwirtschaftet einen Jahresumsatz von rund 12 Milliarden Euro, beschäftigt über 19.000 Mitarbeiter, hat seinen Hauptsitz in Paris, Frankreich, und handelt unter dem Leitbild “Creators of Conviviality”.”

Welche sind die wichtigsten Anwendungsfälle für künstliche Intelligenz, die derzeit bei Pernod Ricard im Einsatz sind?

Pierre-Yves Calloc’h: Pernod Ricard hat für seine 5.000 Vertriebsmitarbeiter in 60 Ländern eine Empfehlungsmaschine eingeführt. Dieses im Jahr 2020 eingeführte Tool liefert wöchentliche Besuchspläne und konkrete Produktempfehlungen auf der Grundlage lokalisierter data-Daten, beispielsweise zur Identifizierung von Marken mit unterdurchschnittlicher Leistung oder ineffektiven Werbeaktionen. Dieses System hat in den Ländern, in denen es eingesetzt wird, über einen Zeitraum von zwei Jahren zu einem Umsatzwachstum von 2–3% geführt. Darüber hinaus nutzen sie in über 20 Ländern Marketing-Mix-Modellierung (MMM), um die Medienausgaben (Fernsehen vs. soziale Medien) auf der Grundlage von data-Daten aus drei Jahren zu optimieren.

Wie gestalten Sie den Implementierungsprozess und wählen die richtigen Projekte aus, um den Erfolg sicherzustellen?

Pierre-Yves Calloc’h: Die Strategie basiert auf einer extremen Fokussierung, wobei die Anzahl der aktiven KI-Projekte auf maximal acht gleichzeitig begrenzt wird. Das Team hat einen anfänglichen Rückstand von 72 potenziellen digitalen Projekten auf lediglich sechs reduziert, um hohe Qualität und Skalierbarkeit zu gewährleisten. Entscheidend ist, dass Pernod Ricard “Proof of Concepts” (POCs) ablehnt und stattdessen auf “Minimum Viable Products” (MVPs) setzt, die sofort in zwei Ländern eingeführt werden, um die Übertragbarkeit nachzuweisen. Nach der Einführung von ChatGPT sehen sie sich mit Tausenden potenzieller Anwendungsfälle konfrontiert, wenden jedoch strenge finanzielle Kriterien an und lehnen Projekte mit nur geringfügigen Effizienzsteigerungen (z. B. eine Einsparung von 0,51 TP47T einer Vollzeitkraft) zugunsten solcher ab, die messbare Auswirkungen auf die Gewinn- und Verlustrechnung haben.

Wie entwickelt sich der Technologie-Stack vom Prototyp bis zur Serienreife, und welche Rolle spielt Low-Code dabei?

Pierre-Yves Calloc’h: Die Akzeptanz durch die Nutzer stellt den entscheidenden Engpass dar, weshalb Schnelligkeit unerlässlich ist. Eine Wartezeit von 18 Monaten bis zur Integration einer Lösung in Salesforce würde das Projekt zum Scheitern bringen; daher nutzen sie Retool, um Web-App-Oberflächen innerhalb weniger Tage oder Wochen zu erstellen. Dies ermöglicht schnelle Iterationen; Feedback, das während der morgendlichen Schulungen eingeht, kann bereits am Nachmittag umgesetzt werden, was das Vertrauen der Nutzer erheblich stärkt. Während Retool mit produktionsreifer Sicherheit einen unmittelbaren geschäftlichen Nutzen bietet, bleibt das langfristige Ziel (in 1–2 Jahren) die Integration stabiler Lösungen in das zentrale Salesforce-Automatisierungstool.

Wie stehen Sie zu “Vibe Coding” (KI-generierte Benutzeroberflächen) im Vergleich zu Low-Code-Plattformen?

Pierre-Yves Calloc’h: Zwar sind KI-generierte UI-Plattformen wie Lovable für Demos beeindruckend, doch mangelt es ihnen derzeit an der für Produktionsumgebungen erforderlichen Sicherheit, Authentifizierung und data-Verarbeitung. Da Pernod Ricard keine POCs durchführt und ausschließlich einsatzfähige MVPs entwickelt, kann das Unternehmen bei Live-Geschäftstools noch nicht auf Vibe-Coding zurückgreifen, sondern bevorzugt etablierte Low-Code-Lösungen, die produktionsreif sind.

Wir führen keine POCs [Proof of Concepts] durch, sondern entwickeln direkt MVPs … wir wählen nur Projekte aus, die das Potenzial haben, so weit skaliert zu werden, dass sie rentabel sind und im Vergleich zu den Kosten eine höhere Kapitalrendite erzielen.

Sehen Sie sich die Sitzung replay an

KI als Motor für Skalierbarkeit: Wie Pepkor konzernweite Kompetenzen für 30 Marken aufbaut

Redner: Jason Peisl, Leiter der IT-Abteilung

Über Jason Peisl: Derzeitiger CIO der Pepkor Group, verantwortlich für die Umgestaltung der IT-Abteilung von einem reinen Dienstleister zu einem strategischen Wegbereiter innerhalb eines komplexen Verbunds von Einzelhandelsmarken.

Über die Pepkor-Gruppe: Ein südafrikanischer Einzelhandelsriese mit einem Jahresumsatz von $6B, über 6.500 Filialen und rund 50.000 Mitarbeitern; Hauptsitz in Kapstadt, Südafrika, der den Discount- und Preiswertmarkt bedient.

Wie gelingt es Ihnen, data und KI auf eine Gruppe konkurrierender Einzelhandelsmarken auszuweiten?

• Jason Peisl: Als er das Amt übernahm, sah der bestehende Ansatz teure Pilotprojekte mit geringer Akzeptanz vor, da die Wissenschaftler von data keinen Bezug zu den Markenbedürfnissen hatten. Peisl führte eine radikale Trennung ein: zentralisierte Unterstützung vs. dezentralisierte Umsetzung.
• Zentralisiert: Ingenieure und MLOps spielen weiterhin eine zentrale Rolle beim Aufbau einer soliden Grundlage und bei der Demokratisierung des Zugangs zu data.
• Dezentralisiert: Die Wissenschaftler und KI-Experten von Data wurden in die jeweiligen Marken integriert. Dadurch wurde sichergestellt, dass sie die spezifischen Abläufe und Probleme dieser Marke im Einzelhandel verstanden und so einen tatsächlichen geschäftlichen Mehrwert schufen, anstatt sich auf theoretische Modelle zu beschränken.

Welche mutigen Entscheidungen waren erforderlich, um in einer zuvor dezentral strukturierten Umgebung Vertrauen und Zusammenarbeit aufzubauen?

• Jason Peisl: Der IT-Bereich verfügte in der Vergangenheit über keinen strategischen Einfluss, was zu einer zersplitterten Landschaft ohne Vertrauen zwischen den Marken führte. Peisl startete die Initiative “Vision 2030”, um die durch jahrelange Föderation entstandenen technischen Schulden zu beseitigen.
• Das “Chaos”: Der Konzern betreibt derzeit 5 ERP-Systeme, 12 Lagerverwaltungssysteme und 9 Personalverwaltungssysteme, was zu einer enormen Komplexität bei der Datenerfassung und -genauigkeit im Rahmen von data führt.
• Das Ziel: Ein 5- bis 10-Jahres-Plan zur Konsolidierung zu einheitlichen Systemen pro Funktionsbereich (ein ERP-System, ein WMS). Diese Vereinfachung ist die Voraussetzung für eine präzise data-Umsetzung und skalierbare KI.
• Gemeinschaftsbildung: Um die Zusammenarbeit zu fördern, richtete er markenübergreifende Communities (z. B. “Advanced Analytics”, „Security“) ein, in denen Innovationen und gemeinsame Projekte wie „Customer 360“ erörtert werden, das erstmals die Kundendaten data konzernweit zusammenführt.

Was sind die wichtigsten Anwendungsfälle für KI, die jeder Einzelhändler umsetzen sollte?

• Jason Peisl: Es gibt keinen einzelnen “Wundermittel”-Anwendungsfall, der sofort Hunderte von Millionen einbringt. Stattdessen verfolgt Pepkor eine Strategie der “Marginal Gains” (ähnlich wie im Profi-Radsport).
• Die Strategie: Durch die Zusammenfassung zahlreicher kleinerer Anwendungsfälle, die jeweils eine Effizienzsteigerung von 0,11 TP47T bis 0,51 TP47T bewirken, ergibt sich letztendlich eine Gesamtverbesserung von 5 bis 61 TP47T.
• Konkretes Beispiel: Optimierung der Lieferkette. Bei einem jährlichen Umschlag von über einer Milliarde Artikeln wird künstliche Intelligenz zur Optimierung von Routenplanung und Logistik eingesetzt, was zu diesen marginalen Effizienzsteigerungen beiträgt.

Wir führen keine POCs [Proof of Concepts] durch, sondern entwickeln direkt MVPs … wir wählen nur Projekte aus, die das Potenzial haben, so weit skaliert zu werden, dass sie rentabel sind und im Vergleich zu den Kosten eine höhere Kapitalrendite erzielen.

Sehen Sie sich die Sitzung replay an

Mit KI zum Erfolg: Was uns die Führungskräfte von heute darüber gelehrt haben, wie wir schon heute die Zukunft gestalten können

Redner: Ghadi Hobeika, Managing Partner und Geschäftsführer für Nordamerika

Über Ghadi Hobeika: Ghadi Hobeika ist Managing Partner und CEO für Nordamerika bei Artefact. Als erfahrener Führungskraft mit einem Hintergrund in den Bereichen Einzelhandel und Transformation der Immobilienbranche war er zuvor als Chief Commercial Officer bei Unibail-Rodamco-Westfield tätig und bringt fundiertes Fachwissen hinsichtlich der Verknüpfung von digitaler Strategie und geschäftlichem ROI mit.

Über Artefact: Ein weltweit tätiges data- und KI-Beratungsunternehmen mit Hauptsitz in Paris, Frankreich. Artefact beschäftigt weltweit über 1.000 Mitarbeiter und erzielt einen geschätzten Jahresumsatz von mehr als 100 Mio. €, wobei es sich zum Ziel gesetzt hat, die Lücke zwischen data und den geschäftlichen Auswirkungen zu schließen.

• Hobeika stellt fest, dass eine erfolgreiche KI-Transformation eine “brennende Plattform” erfordert”, ein klar definierter strategischer Grund (“Warum?”), um Ressourcen, Geld und Personal zu mobilisieren. Unternehmen wie Les Mousquetaires (Intermarché) nutzen sie zur Steigerung der Produktivität und zur Preisgestaltung, während sich LVMH auf kuratierte Luxuserlebnisse konzentriert und Unibail-Rodamco-Westfield (URW) in einem schwierigen Markt nach neuen Einnahmequellen sucht.
• Die Kundenerfahrung (CX) revolutionieren: Der Aufstieg des “Gen-tic Commerce” (GenAI Commerce) und der KI-gestützten Suche erfordert die Optimierung von Assets für die Interaktion zwischen Robotern. L’Oréal nutzt KI, um 2 Milliarden Kunden hochgradig personalisierte Erlebnisse zu bieten – ein Umfang, der für Menschen oder herkömmliche Automatisierung allein unmöglich wäre.
• Neugestaltung der Kerngeschäftsprozesse: KI ersetzt manuelle Aufgaben und optimiert die Arbeitsabläufe in der Zentrale, in Lagern und in Filialen. Lagardère Travel Retail nutzt KI, um Ausschreibungsverfahren zu beschleunigen; Leroy Merlin automatisiert Preisänderungen; und Pernod Ricard unterstützt 5.000 Vertriebsmitarbeiter in 60 Ländern mit Empfehlungen zur “nächstbesten Maßnahme”.
• Personalaufstockung: Im Mittelpunkt steht das Ziel, die Arbeit angenehmer zu gestalten. Les Mousquetaires nutzt KI, um Hunderte von Lebensläufen zu sichten, während Leroy Merlin seine Mitarbeiter befähigt, komplexe technische Fragen zu beantworten. Der Erfolg beruht auf einem klaren Rahmenwerk zur Priorisierung von Werten (“Wo liegt der Gewinn?”), einem übersichtlichen data-Konzept und der Vorwegnahme von Herausforderungen bei der Einführung durch gemeinsame Gestaltung mit den Teams (wie von TF1 empfohlen).
• Die Auswirkungen der KI haben sich von geringfügig zu massiv verlagert. Der ROI ist unbestreitbar: Der CIO von L’Oréal wies darauf hin, dass jeder in die Kundenbetreuung investierte Euro 60 bis 70 Euro einbringt. Doch während KI die Fähigkeiten erweitert, sind letztlich die Menschen, ihre Persönlichkeiten und ihre Kompetenzen das entscheidende Unterscheidungsmerkmal.

Früher war der Einfluss der KI eher gering. Mittlerweile nimmt er enorme Ausmaße an … Jeder Euro, den er [der CIO von L’Oréal] in die Kundenbetreuung investiert, spart etwa 60 bis 70 Euro ein. Das ist eine der besten Kapitalrenditen, die man überhaupt finden kann.

Sehen Sie sich die Sitzung replay an

Meisterklasse Nord & Süd

Mit KI die Zukunft des Einzelhandels gestalten

Redner: Yann Le Rhun, Technischer Leiter für Frankreich
Edouard Renoux, Leiter des Bereichs Einzelhandel und Transport in Frankreich
Alan Ferbach, Mitbegründer und Geschäftsführer

Édouard Renoux: Leiter des Bereichs Einzelhandel und Transport bei NVIDIA, spezialisiert auf die Beschleunigung von KI-Workloads für große Konzerne wie L’Oréal und Carrefour. NVIDIA: Ein weltweit führendes Unternehmen im Bereich GPU- und KI-Computing mit einem Umsatz von rund $60B und über 29.000 Mitarbeitern, dessen Hauptsitz sich in Santa Clara befindet.

Yann Le Rhun: Chief Technology Officer (CTO) bei Lenovo Frankreich, verantwortlich für strategische technische Architekturen und das “AI Innovators”-Ökosystem für Unternehmenskunden. Lenovo: Ein multinationales Technologieunternehmen mit einem Umsatz von $62B und 77.000 Mitarbeitern, dessen Hauptsitze sich in Peking und Morrisville befinden und dessen Schwerpunkt auf “intelligentere Technologie für alle” liegt.”

Alan Ferbach: Geschäftsführer und Mitbegründer von Vidéotix, einem Experten für KI-gestützte Videoanalyse und Softwareintegration im Bereich der physischen Sicherheit und der Kundenfrequenzmessung im Einzelhandel. Vidéotix: Ein französischer Softwarehersteller, der sich auf Computer Vision spezialisiert hat; kürzlich von einem Schweizer Konzern übernommen, um das Angebot im Bereich der 360°-Kundenzählung und der Customer-Journey-Analyse im Einzelhandel auszubauen.

Wie fügt sich NVIDIA in die Einzelhandelslandschaft ein, und welche konkreten Anwendungsfälle decken Sie ab?

Édouard Renoux: NVIDIA bietet einen umfassenden Technologie-Stack, der über reine GPUs hinausgeht und unter anderem CPU-/DPU-Hardware sowie das “Metropolis”-Framework für Computer Vision umfasst. Dies ermöglicht es Einzelhändlern, vorhandene Videodaten für Anwendungsfälle mit hohem ROI, wie beispielsweise die Betrugsbekämpfung, zu nutzen. Für einen Einzelhändler mit einem Umsatz von 10 Mrd. € bedeutet eine Schwundquote von 2% einen Verlust von 200 Mio. €; die Lösungen von NVIDIA können diesen Wert halbieren und bieten so einen ROI für die Infrastruktur bereits nach 3–4 Monaten.

Was bietet der „Lenovo Hybrid Advantage“ Einzelhändlern, die den Einsatz von KI ausweiten möchten?

Yann Le Rhun: Der “Lenovo Hybrid Advantage” ermöglicht es Einzelhändlern, mit konkreten Anwendungsfällen “klein anzufangen” und das Konzept auf Tausende von Filialen auszuweiten. Er überbrückt die Lücke zwischen Labor und Produktion. Ein wichtiges Referenzbeispiel ist Kroger in den USA, wo diese Lösung in mehreren Tausend Filialen einen ROI innerhalb von drei Monaten erzielte. Die Plattform umfasst zudem eine “KI-Bibliothek” mit geprüften Start-ups, um die Einhaltung gesetzlicher und technischer Vorgaben sicherzustellen.

Wie wandelt Vidéotix die bestehende Infrastruktur im Geschäft in data-Sensoren um?

Alan Ferbach: Vidéotix nutzt KI, um das 99% an Sicherheitskameraaufnahmen zu analysieren, das normalerweise unbeachtet bleibt. Indem Kameras als Sensoren behandelt werden, erstellen sie Szenarien für die Zählung und Stromanalyse, ohne dass neue Hardware erforderlich ist. Dieser “On-Premise”-Ansatz stellt sicher, dass sensible Videodaten den Standort niemals verlassen; lediglich die verarbeiteten Statistiken werden zur Entscheidungsfindung an die Zentrale übermittelt.

Unsere Lösung umfasst die ‘Lenovo AI Library’, in die spezialisierte Start-ups integriert sind … wodurch sichergestellt wird, dass diese vor der Bereitstellung technisch validiert und den gesetzlichen Vorschriften entsprechen.

Sehen Sie sich die Sitzung replay an

KI-Agenten für den Einzelhandel: Der Betrugserkennungsagent von Back Market in der Praxis

Redner: Aurélien Gervasi, Leitender Ingenieurmanager, KI
Alban Dumouilla, Produktentwicklung

Aurélien Gervasi: Senior Engineering Manager mit Schwerpunkt auf KI bei Back Market, verantwortlich für die Leitung der KI-Transformation und der agentischen Strategie des Unternehmens. Back Market: Der weltweit führende Marktplatz für generalüberholte Elektronikgeräte mit Hauptsitz in Paris, über 700 Mitarbeitern und einem GMV von rund 2 Mrd. Euro.

Bertrand Stephann: Leiter des Bereichs Produktwachstum bei Dust, spezialisiert auf die Skalierung von KI-“Betriebssystemen”, die die Lücke zwischen LLMs und dem unternehmensinternen data schließen. Staub: Eine spezialisierte KI-Plattform, die es Unternehmen ermöglicht, maßgeschneiderte, handlungsorientierte Agenten zu entwickeln, die mit internen Tools wie Slack, Notion und Jira verbunden sind.

In welcher konkreten Herausforderung im Bereich “Logistikbetrug” sehen sich Back Market und die Einzelhandelsbranche?

Aurélien Gervasi: Logistikbetrug macht 0,31 TP47T der versendeten Artikel aus und führt zu erheblichen Einbußen bei GMV und Umsatz. Dazu zählen “Vorabbetrug” (falsche Behauptungen, die Ware sei nicht angekommen) und “Rücksendebetrug” (Manipulation von Etiketten). Ein früherer Versuch, dies durch strenge manuelle Überprüfungen einzudämmen, löste eine öffentliche Gegenreaktion aus und machte deutlich, dass eine Lösung erforderlich ist, die eine hochsichere Erkennung mit einem nahtlosen Kundenerlebnis in Einklang bringt.

Inwiefern nutzt der neue “Fraud Orchestrator”-Agent eine Multi-Agenten-Architektur?

Aurélien Gervasi: Back Market hat ein Multi-Agenten-System implementiert, bei dem ein zentraler Orchestrator spezialisierte Unteragenten koordiniert: Kundenhistorie, Sendungsverfolgung, Zahlungsvorfälle und Konversationsmuster. Durch den Einsatz von LLMs zur Analyse unstrukturierter Texte können sie nun “Erstnachrichten”-Vorlagen erkennen, die von professionellen Betrügern verwendet werden – eine Aufgabe, die zuvor mit Standard-SQL oder Regex nicht möglich war.

Wie unterscheidet die Dust-Plattform zwischen KI-“Assistenten” und KI-“Agenten”?

Alban Dumouilla: Das Paradigma hat sich von “Assistenten” (passive Chatbots) hin zu “Agenten” (aktive Mitarbeiter) verschoben. Agenten sind mit internem Wissen (Google Drive, Notion) und Tools (Zendesk, Front) vernetzt, wodurch sie in der Lage sind, eigenständig Aktionen wie das Verfassen von Antworten, das Ändern von Ticketstatus oder das Auslösen von Benachrichtigungen durchzuführen.

Können Sie uns verdeutlichen, wie schnell ein spezialisierter Kundendienstmitarbeiter für den Einzelhandel eingesetzt werden kann?

Alban Dumouilla: Mithilfe eines “Prompt Coach”-Agenten wurde innerhalb von drei Minuten ein Agent für den funktionalen Support erstellt. Durch die Anbindung an frühere Tickets und das “Front”-Ticketingsystem analysierte der Agent eigenständig eine Rückerstattungsanfrage, wandte die Unternehmensrichtlinien an und versandte eine E-Mail mit der Lösung – und das alles innerhalb weniger Minuten nach der ersten Nachricht des Kunden.

Dies ist ein anschauliches Beispiel dafür, wie Dust es diesen Fachexperten ermöglicht, selbst KI-Entwickler zu werden; sie sind in der Lage, ihre eigenen Probleme mit genai zu lösen, ohne auf technische Ressourcen zurückgreifen zu müssen.

Sehen Sie sich die Sitzung replay an

Mit dem Black-Friday- und Cyber-Monday-Vorbereitungsprogramm von SAP Spitzenleistungen erzielen

Redner: Manoj Gupta, Leiter des Kundensupports für den Handel und die Konsumgüterindustrie
Rohan Patel, Global Vice President, Leiter des Bereichs Support, Ausgabenmanagement

Manoj Gupta: Als Leiter des Bereichs Support für den Handel und die Konsumgüterindustrie bei SAP ist er für die Stabilität und Leistungsfähigkeit des SAP-Ökosystems im Einzelhandel verantwortlich und hat sich auf die Vorbereitung auf Großveranstaltungen spezialisiert.

Rohan Patel: Als SVP und Leiter des Bereichs Global Cloud Services Support bei SAP leitet er die digitale Transformation des Kundensupports anhand einer fünfjährigen strategischen Roadmap, deren Schwerpunkt auf KI-gestützten “agentenbasierten” Lösungen liegt.

SAP: Eine spezialisierte KI-Plattform, die es Unternehmen ermöglicht, maßgeschneiderte, handlungsorientierte Agenten zu entwickeln, die mit internen Tools wie Slack, Notion und Jira verbunden sind.

Könnten Sie die Entwicklung und den Verlauf der KI-Implementierung innerhalb des SAP-Support-Rahmens beschreiben?

Rohan Patel: SAP hat diesen Weg vor fünf Jahren eingeschlagen und den Schwerpunkt von grundlegenden data-Anwendungen auf komplexe “agentebasierte” Szenarien verlagert. Die Strategie hat sich vom einfachen “Zero-Shot-Reasoning” hin zu intelligenten Agenten entwickelt, die zwar ein intensiveres Training und data erfordern, dafür aber ein höheres Maß an Autonomie bieten. Das Ziel besteht darin, über inkrementelle Effizienzsteigerungen hinauszugehen und eine “unsichtbare KI” zu erreichen, bei der die Technologie Geschäftsprozesse nahtlos im Hintergrund ausführt, ohne dass es zu Reibungsverlusten für den Nutzer kommt.

Welche konkrete Rolle spielt künstliche Intelligenz bei der Absicherung von Spitzenzeiten im Einzelhandel wie dem Black Friday und dem Cyber Monday?

Manoj Gupta: Für den Einzelhandel sind dies die sechs entscheidenden Tage des Jahres. Wir bieten eine Ebene “unsichtbarer Unterstützung”, die darauf abzielt, eine Verfügbarkeit von 100% und keinerlei Leistungseinbußen zu gewährleisten. Unsere autonomen Agenten arbeiten bereits 6–8 Wochen im Voraus, analysieren den Systemzustand, den Ereignisverlauf und den Support data, um einen Bericht zur präventiven Risikominderung zu erstellen. Dadurch werden technische und geschäftliche Engpässe erkannt, bevor sie sich auf die Live-Veranstaltung auswirken können.

Wie funktionieren “Agentic AI” und autonome Agenten technisch gesehen im Rahmen des BFCM-Programms?

Manoj Gupta: Wir setzen mehrere Agenten ein, die zusammenarbeiten. Diese Agenten überwachen die Mandanten, generieren spezifische Warnmeldungen und stufen ein, ob ein Problem eigenständig gelöst werden kann oder menschliches Eingreifen erfordert. Findet der Agent auf der Grundlage historischer data-Daten eine Lösung, kann er dem Kunden direkt und ohne menschliches Zutun antworten. Wir arbeiten in großem Maßstab und haben im vergangenen Jahr einen GMV von über $12B ohne jegliche Ausfallzeiten abgewickelt.

Wie unterscheidet SAP zwischen den verschiedenen Ebenen des KI-gestützten Supports, die den Kunden derzeit zur Verfügung stehen?

Rohan Patel: Wir unterteilen den Support in drei verschiedene Säulen: den „Invisible Support“, der autonom arbeitet, um Probleme zu vermeiden; den „Empowered Support“, der mithilfe von KI Empfehlungen ausspricht und den Nutzern umfangreiche Self-Service-Funktionen bietet; sowie den „Assisted/Accelerated Support“, dessen Schwerpunkt darauf liegt, die Interaktion mit SAP-Experten so reibungslos wie möglich zu gestalten, wenn menschliche Unterstützung erforderlich ist.

„Unsichtbare KI“ ist tatsächlich das, wonach wir alle streben … denn darin liegt letztendlich der wahre Wert, den wir in unserer Branche erkennen.

Sehen Sie sich die Sitzung replay an

Gründungsphase

KI-Agenten, die zur richtigen Zeit die richtige Frage stellen

Redner: Cyril Reinhard, Mitbegründer und Geschäftsführer

Cyril Reinhard: Als Mitbegründer von Zelinqa stellt Cyril Reinhard den ersten öffentlichen Auftritt des Unternehmens in Frankreich vor. Dabei konzentriert er sich auf einen neuen Ansatz für dialogorientierte KI, bei dem effektives Fragenstellen Vorrang vor der sofortigen Beantwortung hat, und stützt sich dabei auf seine Expertise im Bereich des Technologieunternehmertums.

Zelinqa: Zelinqa ist ein neues Start-up, das sich auf die Entwicklung von KI-Agenten spezialisiert hat, die auf “Human Questioning Intelligence” ausgerichtet sind, um der „Vertrauenskrise“ im Bereich der dialogorientierten KI entgegenzuwirken. Zwar sind konkrete Zahlen zu diesem neuen Start-up nicht veröffentlicht, doch besteht dessen Ziel darin, KI in die Lage zu versetzen, Gespräche durch strategische Fragen zu lenken, was durch den Einsatz kleiner, spezialisierter Modelle zu weniger Interaktionen, qualitativ hochwertigeren Lösungen und einem geringeren Energieverbrauch führt.

• Die “Vertrauenskrise”: Der Markt steht aufgrund der Abhängigkeit von LLMs vor einer “Vertrauenskrise”, da größere Modelle in erheblichem Maße Fehlinformationen liefern – bis zu 20% bei allgemeinen Themen und 70–80% in Fachbereichen wie dem Gesundheitswesen und dem Bildungswesen. Dieser grundlegende Mangel rührt von dem derzeitigen Paradigma der “Answer-First”-KI her, die im Gegensatz zu menschlichen Gesprächen nicht in der Lage ist, sich anzupassen und effektiv zuzuhören.
• Der Ansatz basiert auf drei Grundsätzen – kleine, spezialisierte Modelle: In Anlehnung an Marvin Minskys 40 Jahre alte Vision aus “The Society of Mind” nutzt die Plattform zahlreiche kleine Agenten, die Experten auf ihrem jeweiligen Gebiet sind und kooperativ miteinander kommunizieren.
• Die Kraft des Hinterfragens: Die zentrale Innovation ist die “Best-Question-Engine”, die nach zweijähriger Forschungs- und Entwicklungsarbeit in einem Universitätslabor in Grenoble entwickelt wurde und der KI die Fähigkeit verleiht, innerhalb eines bestimmten Fachgebiets zur richtigen Zeit die richtige Frage zu stellen.
• Zielorientiertes Gespräch: Das System ist so konzipiert, dass es das Gespräch auf der Grundlage eines bestimmten, vordefinierten Ziels lenkt (z. B. ist es das Ziel eines Arztes, die beste Behandlungsmethode zu finden), wodurch die Engine Fachwissen im Bereich Fragen und Antworten einbinden und anhand des Echtzeitkontexts die optimale Frage innerhalb eines Clusters ermitteln kann.
• Die Illusion von Anwendungsfällen und Kennzahlen: Ein Pilotkunde, school.fair, nutzt Zelinqas Chatbot “Zelia”, der auf Berufsberatung spezialisiert ist und auf alle französischen Bildungsangebote nach dem Abitur trainiert wurde. Zelia stellt zunächst Fragen, um die Rahmenbedingungen des Nutzers zu erfassen, und beginnt erst mit der Beantwortung, nachdem eine ausreichende Einordnung erfolgt ist. Diese “Question-First”-Strategie reduziert die Anzahl der Interaktionen, die erforderlich sind, um eine qualitativ hochwertige, unkomplizierte Lösung zu finden, und verbraucht damit implizit weniger Energie.
• Frage an First AI: Die Unternehmensphilosophie sieht einen direkten Übergang von der “Answer-First-KI” zur “Question-First-KI” vor. Dieser Wandel führt zu einer höheren Qualität, einem geringeren Zeitaufwand, weniger Interaktionen und einer impliziten Senkung des Energieverbrauchs, da der Fokus auf kleine bis mittelgroße Modelle statt auf übermäßig große Modelle gelegt wird.
• Menschliche Fragestellungsintelligenz: Die Konzentration auf “Human Questioning Intelligence” schafft einen überzeugenden Anwendungsfall für anspruchsvolle, qualitativ hochwertige Interaktionen wie die Qualifizierung im Gesundheitswesen oder spezialisierte Berufsberatung, bei denen Genauigkeit und Vertrauen von größter Bedeutung sind.

Falls Sie das Buch von Marim Minsky, “The Society of Mind”, noch nicht gelesen haben, möchte ich Sie dazu einladen, dieses Buch zu lesen, denn heute sprechen wir viel über Themen wie MCP, Agenten, Multi-Agenten … Vor 40 Jahren hat er dies bereits dargelegt. Es handelt sich also um ein Prinzip, das wir anwenden.

Über RAG hinaus: Von verlässlichen Antworten zu konkreten geschäftlichen Maßnahmen

Redner: Cédric Carbone, Mitbegründer

Cédric Carbone: Cédric Carbone ist Mitbegründer von Hymalaia, einem Unternehmen, das sich auf die Entwicklung von “Agenten-Fabriken” spezialisiert hat, um verschiedene Unternehmensquellen (data) miteinander zu verknüpfen und so fortschrittliche, handlungsorientierte KI-Agenten zu schaffen.

Hymalaia: Hymalaia ist ein auf KI spezialisiertes Unternehmen, das Unternehmensagenten entwickelt und sich darauf konzentriert, data-Daten innerhalb der Agenten zu verknüpfen. Zwar sind konkrete Umsatz- und Mitarbeiterzahlen im Transkript nicht enthalten, doch besteht die Mission des Unternehmens darin, vertrauenswürdige 360-Grad-Einblicke in Kunden oder Themen aus umfangreichen, heterogenen data-Quellen (CRM, ERP, Notion, Mailbox) bereitzustellen, um der Unzuverlässigkeit eigenständiger LLMs entgegenzuwirken und geschäftliche Maßnahmen voranzutreiben. Der Firmensitz wird im Transkript nicht erwähnt.

• Die “Explosion von data”: Unternehmen sehen sich mit einer explosionsartigen Zunahme von data konfrontiert, wobei “Millionen von Dokumenten” indexiert werden müssen, während große Sprachmodelle (LLMs) allein nicht die Zuverlässigkeit, das Vertrauen und die Relevanz bieten, die Unternehmen verlangen, was die Notwendigkeit eines RAG-Systems (Retrieval-Augmented Generation) mit sich bringt. Die grundlegende, einfache RAG-Implementierung, deren Entwicklung zwar “sehr einfach” ist, die jedoch im Produktivbetrieb “nicht funktioniert”, leidet unter mangelnder Genauigkeit, was fortschrittliche Architekturen erforderlich macht.
• Mehrstufige Indizierung: Um die Suchgenauigkeit zu erhöhen und die riesigen Datenmengen von data zu verwalten, nutzt Imalaya einen mehrstufigen Indizierungsworkflow, bei dem dasselbe Dokument mehrfach indiziert wird – sowohl mit großen als auch mit kleinen Chunks –, um gleichzeitig den allgemeinen Kontext und feine Details zu erfassen und so das traditionelle Dilemma der Chunk-Größe zu überwinden.
• Hybride Suche und Neuordnung der Ergebnisse: Eine herkömmliche Vektorähnlichkeitssuche erweist sich oft als unzureichend, wenn die Anfrage des Nutzers eine andere Terminologie (Geschäftsglossar, Sprache) verwendet als die Quelldokumente. Dies wird gelöst, indem die semantische Vektorsuche um eine BM25-Schlüsselwortsuche (lexikalische Suche) ergänzt wird, wodurch mehrere Ergebnisse generiert werden, die anschließend einer Normalisierung, einer Anpassung der Bewertungen und einer Neureihung unterzogen werden, um die Auswahl der relevantesten unternehmensinternen Dokumente sicherzustellen.
• Agentenbasierte mehrstufige Abfrage: Bei komplexen, umfangreichen Fragen, die sich auf mehrere Entitäten erstrecken (z. B. “alle Informationen über die BBC”), scheitert eine einzelne Abfrage. Die Lösung besteht in einem Agentenmodus, der eine Long-Graph-Architektur nutzt, welche die Hauptfrage in mehrere Teilfragen (z. B. “Schmerzen”, “eingesetzte Ausrüstung”, “Bedürfnisse”) aufteilt und diese parallel ausführt, wobei iterativ Teilfragen gestellt werden, bis genügend Informationen abgerufen wurden. Dieser Ansatz ist “genauer”, weist jedoch eine hohe Antwortzeit auf (bis zu 3–4 Minuten), was der Referent für eine gute Antwort als akzeptabel erachtet.
• Die MCP-Schicht: Das zentrale Wertversprechen geht über RAG (Verständnis, Präzision, Nachvollziehbarkeit) hinaus, indem es die MCP-Ebene (Aktion) hinzufügt. RAG fungiert als das Gehirn, das Wissen bereitstellt, während MCP als die Hand fungiert, die konkrete Geschäftsaktionen ausführt, wie beispielsweise die Aktualisierung einer Verkaufschance in Salesforce, das Versenden einer E-Mail oder die Aktualisierung des ERP-Systems, wodurch ein vollständiger, komplexer und handlungsorientierter Unternehmensagent entsteht. .

Es ist besser, abzuwarten und eine gute Antwort zu geben, als innerhalb von 10 Sekunden eine schlechte Antwort zu geben.

Luxus-Kundenbetreuung im Zeitalter der KI: Der Anwendungsfall „Le Bon Marché“

Redner: David Martin, Leiter der IT-Abteilung für Kunden
Bertrand Stephann, Mitbegründer und Geschäftsführer

David Martin: David Martin ist in der LVMH-Tech-Abteilung tätig und verantwortlich für Kundenlösungen, darunter Marketingkampagnen, Kundenbetreuung und Kundenservice für die LVMH-Gruppe. LVMH: LVMH ist der weltweit führende Luxuskonzern, der 75 Marken, darunter Le Bon Marché, unter seinem Dach vereint und kundenorientierte Innovationen in den Vordergrund stellt.

Bertrand Stephann: Er ist Gründer und Geschäftsführer von Alcmeon, einer 2011 gegründeten Plattform für dialogorientierte Kundenbeziehungen. Alkmeon: Alcmeon ist eine Konversationsplattform für Unternehmen, die mit mehr als 15 digitalen Kanälen und führenden CRM-Systemen wie Salesforce verbunden ist und auf die LVMH sowie andere große Einzelhändler in ganz Europa und darüber hinaus vertrauen.

Könnten Sie uns die Geschichte und den Innovationsgeist von Le Bon Marché näherbringen?

David Martin: Le Bon Marché wurde 1852 von Aristide und Marguerite Boucicaut gegründet und war schon immer ein Vorreiter bei Innovationen im Einzelhandel. Sie gehörten zu den Ersten, die Gewinnbeteiligung und bezahlten Urlaub für ihre Mitarbeiter einführten, lange bevor dies in Frankreich gesetzlich vorgeschrieben war. Für ihre Kunden führten sie revolutionäre Konzepte wie Festpreise und Rückgaberecht ein und schufen damit eine Tradition zukunftsorientierten Service, die bis heute fortbesteht.

Was waren die größten Herausforderungen, denen Sie im Kundenservice in den sozialen Medien gegenüberstanden?

David Martin: Die erste Herausforderung war der Umfang; wir mussten sicherstellen, dass jeder Kunde Gehör findet, trotz der hohen Anzahl an Anfragen auf Instagram und in den Google-Bewertungen. Im Gegensatz zu anderen Branchen möchten wir Kontakte nicht “abweisen”; wir möchten mit unseren Kunden sprechen, um eine Verbindung aufzubauen. Die zweite Herausforderung bestand darin, unsere “DNA” zu bewahren – die einzigartige, gehobene Markensprache und den Tonfall, die ein Luxus-Maison von einem gewöhnlichen Einzelhändler unterscheiden. Wir müssen einen roboterhaften, standardisierten Ton vermeiden.

Wie funktioniert die KI-Assistenten-Lösung konkret für die Berater?

Bertrand Stephann: Wir haben einen KI-Assistenten auf der Alcmeon-Bearbeitungsseite implementiert. Wenn ein Berater einen Kommentar erhält – beispielsweise einen Instagram-Beitrag mit dem Wort “Magnifique” –, kann er auf eine schwarze Schaltfläche mit der Aufschrift “KI-Assistent” klicken. Die KI generiert daraufhin einen eleganten, individuellen Vorschlag, der über ein einfaches “Danke” hinausgeht. Der Berater prüft, bestätigt oder bearbeitet den Text, bevor er ihn versendet. Es handelt sich um ein “Human-in-the-Loop”-System, das darauf ausgelegt ist, den Berater zu unterstützen, nicht ihn zu ersetzen.

Was sind die wichtigsten Ergebnisse hinsichtlich der Akzeptanz und der Leistung?

• David Martin: Wir haben eine sehr hohe Akzeptanz festgestellt, wobei nur eine begrenzte Anzahl von Nachrichten von den Beratern angepasst wurde, was belegt, dass die KI den richtigen Ton trifft.
• Bertrand Stephann: Ein wesentlicher Nebeneffekt ist, dass nun jeder Kunde eine Antwort erhält. Zuvor musste das Team die Anliegen nach Priorität ordnen und ignorierte dabei häufig positive Bewertungen. Dank der nun gewonnenen Zeit ist es dem Team nun möglich, jedem zu antworten, was sich positiv auf die Suchmaschinenoptimierung (SEO) und die Sichtbarkeit der Marke auswirkt.

Im Gegensatz zu vielen Kundendiensten, die Sie in anderen Branchen antreffen, versuchen wir nicht, Anfragen abzuweisen. Wir möchten mit unseren Kunden sprechen, um eine Verbindung aufzubauen.