
Gedanken von Prof. Dr. Dr. h.c. Jörg Becker
zu KI, Prozessen und Handel
Je mehr Aufgaben KI-Systeme und KI-Agenten übernehmen, desto wichtiger wird ein präzises Verständnis der eigenen Geschäftsprozesse. Denn nur wer weiß, welche Daten, Regeln und Entscheidungen zu einem Geschäftsvorfall gehören, kann festlegen, wo KI sinnvoll und kontrolliert handeln darf.
In seinen regelmäßigen Beiträgen beleuchtet Prof. Dr. Dr. h.c. Jörg Becker, warum Prozesswissen zur entscheidenden Voraussetzung für den erfolgreichen KI-Einsatz wird – mit besonderem Blick auf den Handel. Hier finden Sie seine Beiträge gesammelt zum Nachlesen.
„Das Gefährliche daran: Seine Entscheidung kann weiterhin vollkommen plausibel erscheinen.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInEine Frage, die bei der Diskussion über autonome KI-Agenten bislang erstaunlich wenig Beachtung findet: Was passiert eigentlich, wenn ein Agent über Tage oder Wochen selbstständig arbeitet?
Die Antwort ist weniger beruhigend, als die beeindruckenden Fortschritte der KI vermuten lassen.
KI-Agenten können im Laufe ihrer Arbeit gewissermaßen vergesslich werden.
Dabei geht es nicht nur darum, dass ältere Informationen irgendwann aus dem verfügbaren Speicher verschwinden. Selbst wenn Informationen weiterhin vorhanden sind, kann die KI Schwierigkeiten haben, sie richtig einzuordnen und bei späteren Entscheidungen zu berücksichtigen.
Frühere Vorgaben werden übersehen. Zwischenzeitlich korrigierte Annahmen werden wieder aufgegriffen. Entscheidungen bauen auf Voraussetzungen auf, die längst nicht mehr gelten.
In der Forschung spricht man unter anderem von „Context Rot“, also einem schleichenden Verlust an Zuverlässigkeit bei der Verarbeitung umfangreicher Informationen.
Warum ist das gerade für den Handel relevant?
Ein KI-Agent im Einkauf analysiert Lieferanten, vergleicht Konditionen, berücksichtigt Absatzprognosen und bereitet Bestellungen vor. Über Wochen hinweg soll er diese Aufgaben weitgehend selbstständig erledigen.
Was aber geschieht, wenn er eine zwischenzeitlich geänderte Lieferantenbewertung nicht mehr berücksichtigt? Oder wenn er eine frühere Entscheidung zwar gespeichert hat, deren Begründung aber nicht mehr richtig einordnet?
Das Gefährliche daran: Seine Entscheidung kann weiterhin vollkommen plausibel erscheinen.
Technisch ist dieses Problem noch nicht grundsätzlich gelöst. Zwar werden die Informationsmengen, die KI-Systeme verarbeiten können, immer größer. Auch zusätzliche Gedächtnissysteme und Verfahren zur Überprüfung von Zwischenergebnissen verbessern die Situation.
Bei der Einführung von KI-Agenten sollte aber nicht allein gefragt werden, welche Aufgaben sie übernehmen können, sondern:
Gerade im größeren mittelständischen Handel, wo viele Prozesse bereits hochgradig automatisiert sind, stellt sich damit auch die Frage nach dem tatsächlichen Mehrwert.
Autonomie ist kein Selbstzweck.
Ein KI-Agent, der eine Aufgabe beeindruckend erledigt, ist noch lange kein Agent, dem man diese Aufgabe dauerhaft und unbeaufsichtigt übertragen sollte.
Die nächste entscheidende Entwicklungsstufe der KI wird deshalb darin bestehen, intelligente Agenten über längere Zeiträume nachweisbar zuverlässig zu machen.
Für den wirtschaftlichen Erfolg zählt nicht, was KI gelegentlich leisten kann, sondern was sie dauerhaft verlässlich leistet.
„Was nützt die effizienteste Warenwirtschaft, wenn der Zugang zum Kunden verloren geht?“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInKünstliche Intelligenz ist im deutschen Handel angekommen. Zumindest auf der Agenda der Geschäftsführungen.
Laut HDE haben 90 Prozent der größeren mittelständischen Handelsunternehmen bereits KI-Projekte umgesetzt oder planen entsprechende Vorhaben.
Doch die entscheidende Frage lautet nicht mehr, ob Unternehmen KI einsetzen. Sondern wofür.
Viele der bisherigen Anwendungen konzentrieren sich auf die Optimierung bestehender Prozesse: effizientere Warenwirtschaft, automatisierte Kundenkommunikation, bessere Absatzprognosen oder geringere Verwaltungskosten.
Das ist sinnvoll. Aber es greift möglicherweise zu kurz.
Denn während Handelsunternehmen ihre internen Abläufe optimieren, verändert KI zunehmend auch die Marktmechanismen.
Kunden nutzen KI bei der Produktsuche. KI-Agenten können künftig Angebote vergleichen, Kaufentscheidungen vorbereiten und Bestellungen auslösen. Damit könnte sich grundlegend verändern, wie Kunden zu einem Händler finden und welche Bedeutung die bisherige Kundenbeziehung noch hat.
Was nützt die effizienteste Warenwirtschaft, wenn der Zugang zum Kunden verloren geht?
Gerade für den größeren Mittelstand entsteht daraus ein strategisches Problem.
Die Ressourcen reichen häufig nicht aus, um gleichzeitig sämtliche technologischen Möglichkeiten zu verfolgen. Umso wichtiger wird die Entscheidung, welche Investitionen tatsächlich einen nachhaltigen Wettbewerbsvorteil schaffen.
Dafür müssen drei Fragen beantwortet werden:
Die Antworten werden je nach Handelssegment und Geschäftsmodell unterschiedlich ausfallen.
Eines aber gilt übergreifend: Die Zahl der KI-Projekte ist kein Maßstab für die Zukunftsfähigkeit eines Unternehmens. Entscheidend ist, ob die richtigen Projekte verfolgt werden.
Vielleicht liegt deshalb das größte Risiko für den mittelständischen Handel nicht darin, zu wenig in KI zu investieren.
Sondern darin, in drei Jahren festzustellen, dass man mit großem Aufwand die falschen Prozesse optimiert hat.
„Produktdaten werden zum strategischen Wettbewerbsfaktor.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInBlack Friday steht für Rabatte, Preisvergleiche und die Suche nach dem günstigsten Angebot. Doch 2026 zeichnet sich eine Entwicklung ab, die weit über das Aktionsgeschäft hinausreichen könnte: Verbraucher nutzen KI zunehmend, um Kaufentscheidungen vorzubereiten.
Was nach einer bequemeren Produktsuche aussieht, könnte die Wettbewerbsbedingungen im Handel verändern.
Denn was passiert, wenn nicht mehr der Kunde selbst Angebote vergleicht, sondern eine KI die Vorauswahl übernimmt?
Bislang investieren Händler erheblich in Werbung, Suchmaschinenoptimierung, Onlineshops und Rabattaktionen, um Kunden zu erreichen. KI-gestützte Einkaufsassistenten könnten diese Mechanismen verschieben. Der Kunde beschreibt seine Anforderungen und erhält eine Auswahl passender Produkte, vielleicht schon mit einer konkreten Empfehlung.
Damit muss ein Händler nicht mehr nur den Kunden überzeugen. Sein Angebot muss zunächst in der Auswahl der KI auftauchen.
Produktdaten werden zum strategischen Wettbewerbsfaktor.
Ein attraktiver Preis genügt möglicherweise nicht. Fehlen eindeutige Produktinformationen, aktuelle Bestände oder verständliche Lieferbedingungen, kann selbst ein gutes Angebot unberücksichtigt bleiben. Entscheidend ist, Sortimente, Preise, Verfügbarkeiten und Leistungen über Systemgrenzen hinweg konsistent und maschinenlesbar bereitzustellen.
Noch größer wird die Veränderung, wenn aus KI-gestützter Suche agentenbasierter Einkauf wird.
Eine KI, die Produkte vergleicht, unterstützt die Entscheidung des Kunden. Ein KI-Agent, der innerhalb festgelegter Grenzen selbst auswählt oder bestellt, übernimmt dagegen Teile des Einkaufsprozesses. Das ist heute noch nicht der Regelfall – strategisch ist der Unterschied jedoch erheblich.
Für Händler entstehen neue Fragen:
Es wäre voreilig, das Ende klassischer Kundenbeziehungen auszurufen. Vertrauen, Beratung und persönliche Vorlieben bleiben wichtig. Doch künftig könnten Händler auf zwei Ebenen konkurrieren: um die Aufmerksamkeit der Kunden und um die Berücksichtigung durch deren KI-Assistenten.
Der Black Friday 2026 ist deshalb mehr als ein Gradmesser für die Konsumlaune. Er könnte zeigen, wie sich die Rolle der KI zwischen Kunde und Händler verändert.
Die entscheidende Frage lautet nicht mehr allein, wer das beste Angebot hat.
Sondern auch: Welcher Händler schafft es, dass sein Angebot von der KI überhaupt berücksichtigt wird?
„Nicht die bereits funktionierenden Prozesse durch KI ersetzen, sondern dort ansetzen, wo die bisherige Automatisierung an ihre Grenzen stößt.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInIn mittelständischen Handelsunternehmen sind zahlreiche standardisierte Geschäftsprozesse bereits so weit digitalisiert, dass sie weitgehend automatisch ablaufen. Dort besteht häufig gar kein Bedarf, einen KI-Agenten einzusetzen, der im Ergebnis dasselbe erledigt wie die vorhandene Software.
Interessanterweise könnte sich daraus eine ganz andere Strategie für KI ergeben, als sie gegenwärtig von vielen Technologieanbietern propagiert wird:
Nicht die bereits funktionierenden Prozesse durch KI ersetzen, sondern dort ansetzen, wo die bisherige Automatisierung an ihre Grenzen stößt.
Allerdings ist auch das nicht ganz so einfach, wie es zunächst klingt. Denn gerade die Ausnahmen, die Menschen heute bearbeiten, können für KI besonders schwierig und riskant sein.
Welche Handelsprozesse sind bereits weitgehend automatisiert?
Betrachten wir ein mittelständisches Handelsunternehmen mit einem etablierten ERP-System, Warenwirtschaft, Lagerverwaltung und elektronischem Datenaustausch mit Lieferanten. Dann folgt:
| Geschäftsprozess | Typischer Automatisierungsstand | Zusätzlicher KI-Nutzen |
|---|---|---|
| Bestellübermittlung an Lieferanten | Hoch | Gering |
| Wareneingangsbuchung bei korrekten Daten | Hoch | Gering |
| Bestandsfortschreibung | Sehr hoch | Sehr gering |
| Standardisierte Rechnungsprüfung | Hoch | Gering bis mittel |
| Zahlungsabwicklung | Sehr hoch | Sehr gering |
| Preisübertragung an Kasse und Onlineshop | Sehr hoch | Gering |
| Auftragsannahme über strukturierte Schnittstellen | Hoch | Gering |
| Standardisierte Nachbestellungen | Mittel bis hoch | Situationsabhängig |
| Lagerbewegungen und Kommissionierung | Je nach Lagertechnik mittel bis hoch | Situationsabhängig |
| Retourenabwicklung | Mittel | Bei Sonderfällen höher |
Das sind typische Einordnungen, aber insbesondere Filialhandel, Großhandel und E-Commerce unterscheiden sich erheblich.
Entscheidend ist aber: Es existiert bereits eine umfangreiche Automatisierungsinfrastruktur.
Ein Beispiel:
Ein Handelsunternehmen bestellt automatisch 500 Einheiten eines Artikels nach, sobald der verfügbare Bestand einen definierten Meldebestand unterschreitet. Das ERP-System kennt Lieferzeiten, Bestände, offene Bestellungen und Mindestbestellmengen.
Ein KI-Agent, der dieselben Daten abfragt und anschließend dieselbe Bestellung auslöst, schafft zunächst keinen wirtschaftlichen Mehrwert.
Im Gegenteil: Er verursacht zusätzliche Kosten, benötigt Schnittstellen und kann neue Fehlerquellen schaffen. Und es gilt wie immer der Satz mit den fünf Worten: Probleme entstehen immer an Schnittstellen (immer!).
Die bisherige Automatisierung ist bei klar definierten, wiederkehrenden Entscheidungen (stabilen Routineprozessen) häufig zuverlässiger, schneller und kostengünstiger als ein generativer KI-Agent.
Und das wird sich auch durch bessere Sprachmodelle nicht grundsätzlich ändern.
„Sondern: Wie gestalten wir unsere Geschäftsprozesse und IT-Architektur so, dass wir auch künftig zwischen unterschiedlichen technischen Lösungen wählen können?“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInÜber Jahrzehnte war die Entwicklung eindeutig: weg von individuell entwickelter Software, hin zu Standardlösungen. Die Argumente waren überzeugend: geringere Entwicklungskosten, kontinuierliche Weiterentwicklung und bewährte betriebliche Verfahren.
Allerdings hatte diese Entwicklung ihren Preis. Viele Handelsunternehmen mussten ihre Prozesse zunehmend an die Software anpassen. Individuelle Anforderungen, Schnittstellen und Erweiterungen verursachten erhebliche Kosten.
Heute stehen zahlreiche mittelständische Handelsunternehmen vor der Ablösung teurer Systeme, die ihre Anforderungen dennoch nur teilweise erfüllen.
Mit generativer KI könnte sich die bisherige Wirtschaftlichkeitsrechnung grundlegend verändern.
Wenn KI Software zunehmend automatisiert entwickeln, testen und anpassen kann, stellt sich eine lange Zeit kaum diskutierte Frage: Wird Individualsoftware für mittelständische Unternehmen wieder wirtschaftlich attraktiv?
Die Antwort ist offen. Denn Programmierung ist nur ein Teil der Softwareentwicklung. Integration, Sicherheit, Datenmigration und langfristige Wartung bleiben anspruchsvoll.
Vor allem entsteht ein strategisches Dilemma:
Wer heute in eine neue Standardlösung investiert, bindet sich möglicherweise für zehn Jahre an ein System, obwohl individuelle Lösungen in wenigen Jahren erheblich günstiger sein könnten.
Wer dagegen bereits heute auf KI-gestützte Eigenentwicklung setzt, übernimmt erhebliche technische und wirtschaftliche Risiken.
Und wer abwartet, muss seine möglicherweise unzureichende und teure Software weiterbetreiben.
Vielleicht muss deshalb die entscheidende Frage anders gestellt werden.
Nicht: Welche Software wählen wir heute für die nächsten zehn Jahre?
Sondern: Wie gestalten wir unsere Geschäftsprozesse und IT-Architektur so, dass wir auch künftig zwischen unterschiedlichen technischen Lösungen wählen können?
Damit gewinnt die technologieunabhängige Beschreibung von Geschäftsprozessen an Bedeutung. Werden Abläufe, Geschäftsregeln, Datenstrukturen und Entscheidungskompetenzen präzise modelliert, können sie als Grundlage unterschiedlicher technischer Realisierungen dienen – von Standardsoftware bis zur KI-gestützten Individualentwicklung.
Unternehmen könnten einzelne Funktionen schrittweise erneuern, neue Entwicklungsmöglichkeiten erproben und langfristige Festlegungen reduzieren.
Die wichtigste Eigenschaft einer zukünftigen IT-Landschaft könnte deshalb nicht mehr allein ihre Leistungsfähigkeit oder Wirtschaftlichkeit sein, sondern ihre Veränderbarkeit.
Die entscheidende Frage lautet möglicherweise nicht, ob KI die Individualsoftware zurückbringt, sondern ob Unternehmen künftig wieder stärker selbst bestimmen können, wie ihre Geschäftsprozesse technisch umgesetzt werden.
„Welche Kompetenzen übertragen wir einem KI-System – und können wir die daraus resultierenden Handlungen noch wirksam kontrollieren?“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInDie Debatte über die Risiken Künstlicher Intelligenz bewegt sich zunehmend zwischen zwei Extremen: Untergangsszenarien auf der einen, übertriebene KI-Angst auf der anderen Seite.
Beides greift zu kurz.
Wenn führende Köpfe der KI-Entwicklung selbst vor Kontrollverlust, Missbrauch und langfristig sogar existenziellen Risiken warnen und Sicherheitsmaßnahmen und Regulierung fordern, sollte man diese Warnungen nicht als bloße Zukunftsspekulation abtun.
Gleichzeitig müssen wir unterscheiden, wie belastbar unser Wissen über unterschiedliche Risiken ist.
Dass wir die Wahrscheinlichkeit eines existenziellen KI-Risikos heute nicht seriös in Prozent beziffern können, bedeutet nicht, dass das Risiko unseriös ist. Bei einer Technologie mit potenziell sehr hoher Schadenswirkung gehört Unsicherheit zur Risikobetrachtung.
Daneben gibt es jedoch eine zweite Ebene – und die ist für Unternehmen bereits konkret.
Mit KI-Agenten übertragen wir Systemen zunehmend nicht nur Aufgaben, sondern Handlungskompetenzen.
Ein Agent recherchiert nicht mehr nur einen Lieferanten, sondern kann ihn auswählen. Er analysiert nicht nur eine Bestellung, sondern kann sie auslösen. Er erkennt nicht nur eine Abweichung, sondern kann Prozesse verändern oder weitere Systeme ansteuern.
Damit verschiebt sich die entscheidende Frage:
Welche Kompetenzen übertragen wir einem KI-System – und können wir die daraus resultierenden Handlungen noch wirksam kontrollieren?
Hier sind die Risiken bereits erkennbar und teilweise beherrschbar.
Unternehmen können festlegen, auf welche Daten ein Agent zugreifen darf, Entscheidungsgrenzen definieren, Freigaben verlangen, Aktionen protokollieren und bestimmen, welche Entscheidungen beim Menschen bleiben.
Das ist nicht nur eine technische, sondern ebenso eine Frage der Organisation und der Prozesse.
Denn bevor ein Unternehmen entscheiden kann, was ein Agent darf, muss es wissen, wo im Prozess Entscheidungskompetenz liegt, welche Abhängigkeiten bestehen und wer Verantwortung trägt.
Darin könnte eine der unterschätzten Herausforderungen von Agentic AI liegen:
Nicht erst eine hypothetische Superintelligenz schafft ein Kontrollproblem.
Ein Kontrollproblem entsteht bereits dann, wenn wir Systemen mehr Handlungskompetenz übertragen, als unsere Organisation kontrollieren kann.
Deshalb brauchen wir in der KI-Debatte Trennschärfe.
Langfristige systemische Risiken sollten wir ernst nehmen, auch wenn wir ihre Wahrscheinlichkeit noch nicht exakt bestimmen können. Beobachtbare Risiken sollten wir messen. Und Risiken durch die Delegation von Entscheidungsmacht sollten wir dort begrenzen, wo wir es heute bereits können.
Die richtige Antwort liegt weder in Untergangsstimmung noch in Entwarnung.
Sie liegt darin, Unsicherheit ernst zu nehmen – und dort Kontrolle zu schaffen, wo Kontrolle möglich ist.
„Die entscheidende Frage bei KI lautet nicht mehr: Was kann das Modell? Sondern: Wer kontrolliert den Prozess?“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInDie entscheidende Frage bei KI lautet nicht mehr: Was kann das Modell? Sondern: Wer kontrolliert den Prozess?
Die Entwicklungen der vergangenen Tage zeigen erstaunlich deutlich, wohin sich der Markt bewegt.
Salesforce erweitert Agentforce um spezialisierte Agenten für konkrete Aufgaben in Sales, Service und Commerce.
Meta geht mit Muse noch einen Schritt weiter: Der Agent beantwortet nicht nur Fragen, sondern führt Aufgaben aus – bis hin zu Transaktionen.
Und im Handel wird sichtbar, welche strategische Auseinandersetzung daraus entsteht.
Amazon blockiert Muse auf seiner Plattform.
Shopify wählt den entgegengesetzten Weg und integriert den Agenten. Über Shop Pay können Käufe in Shopify-Shops direkt durch Muse abgewickelt werden.
Das sind auf den ersten Blick unterschiedliche Meldungen. Im Kern beschreiben sie dieselbe Entwicklung:
KI verschiebt sich von der Informations- zur Handlungsebene.
Damit verändert sich auch die Architektur digitaler Geschäftsprozesse.
Bisher war relativ klar definiert, wer einen Prozess steuert: das Unternehmen, seine Anwendungssysteme und die darin hinterlegten Regeln.
Künftig treten autonome oder teilautonome Agenten hinzu. Sie suchen Informationen, vergleichen Alternativen, treffen Vorentscheidungen und lösen Transaktionen aus.
Damit entstehen neue Fragen:
Gerade für den Handel ist das keine technische Nebenfrage. Es ist eine Frage der Prozess- und Plattformgovernance.
Vielleicht liegt genau hier die wichtigere Entwicklung dieser Woche:
Wir erleben nicht nur leistungsfähigere KI.
Wir erleben den Beginn eines Wettbewerbs darum, wer die Regeln für eine agentenbasierte Wirtschaft definiert.
Für Unternehmen bedeutet das: Es reicht nicht, einzelne KI-Anwendungen einzuführen.
Sie müssen ihre Prozesse so verstehen und strukturieren, dass klar ist, wo Agenten handeln dürfen, auf welche Daten sie zugreifen und wer ihre Entscheidungen kontrolliert.
Das dürfte eine der zentralen Managementaufgaben der nächsten Jahre werden.
„Ausgangspunkt sollte nicht die KI sein, sondern der Geschäftsvorfall.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInDie Diskussion über den Einsatz von Künstlicher Intelligenz in Unternehmen beginnt häufig mit genau dieser Frage: Für welche Aufgaben können wir KI einsetzen?
Damit wird die Technologie zum Ausgangspunkt der Betrachtung.
Aus Sicht des Prozessmanagements ist eine andere Vorgehensweise sinnvoll:
Ausgangspunkt sollte nicht die KI sein, sondern der Geschäftsvorfall.
Die entscheidende Frage lautet: Welches betriebliche Ergebnis soll erreicht werden?
Ein Geschäftsvorfall entsteht durch ein Ereignis und löst einen Prozess aus. Dieser Prozess umfasst die erforderlichen Informationen, Entscheidungen und Aktivitäten.
Erst wenn diese Zusammenhänge bekannt sind, lässt sich sinnvoll bestimmen, welche Aufgaben durch Menschen, klassische Anwendungssysteme oder KI-Systeme übernommen werden sollen.
Für den Einsatz von KI bedeutet dies: Nicht zunächst nach möglichen KI-Anwendungen zu suchen, sondern die Geschäftsprozesse daraufhin zu untersuchen, an welchen Stellen Informationen verarbeitet, Entscheidungen getroffen und Handlungen ausgelöst werden.
Dies wird insbesondere mit der Entwicklung agentischer Systeme relevant.
Ein Agent soll nicht nur Informationen erzeugen. Er soll innerhalb eines definierten Kontextes Aufgaben übernehmen und gegebenenfalls selbstständig Entscheidungen treffen und Handlungen auslösen.
Dafür muss dieser Kontext beschrieben sein:
Damit wird Prozesswissen zu einer wesentlichen Voraussetzung für den Einsatz von KI.
Die zentrale Frage lautet daher nicht: Wo können wir KI einsetzen?
Sondern: Wie ist der Geschäftsvorfall strukturiert – und welche Aufgaben innerhalb dieses Geschäftsvorfalls können sinnvoll von KI übernommen werden?
„Aber wer steuert dann eigentlich den Prozess? Das ERP-System – oder der Agent?“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInERP-Systeme beanspruchen seit Jahrzehnten eine zentrale Rolle in der Unternehmenssteuerung. In ihnen werden Daten verwaltet, Geschäftsvorfälle bearbeitet, Entscheidungen vorbereitet und Transaktionen ausgelöst. Prozesse werden deshalb häufig aus der Perspektive des jeweiligen Anwendungssystems gedacht.
Mit KI-Agenten könnte genau dieses Prinzip infrage stehen.
Denn einen Agenten interessiert zunächst nicht, in welchem ERP-System ein Unternehmen arbeitet. Er muss den Geschäftsvorfall verstehen: Was ist eingetreten? Welches Ergebnis soll erreicht werden? Welche Informationen stehen zur Verfügung? Welche Regeln gelten? Welche Entscheidung ist zu treffen?
Nehmen wir die Disposition.
Ihre Aufgabe besteht nicht darin, Bestellvorschläge in einem ERP-System zu bearbeiten. Ihre Aufgabe besteht darin, Warenverfügbarkeit bei möglichst geringem Bestand und vertretbarem Risiko sicherzustellen.
Ein Agent kann dazu Absatzentwicklung, Bestände, Lieferzeiten, Lieferanteninformationen und externe Einflussgrößen zusammenführen, Alternativen bewerten und innerhalb definierter Grenzen handeln. Die daraus resultierende Bestellung wird weiterhin im ERP-System verbucht.
Aber wer steuert dann eigentlich den Prozess? Das ERP-System – oder der Agent?
ERP-Systeme werden deshalb keineswegs verschwinden. Möglicherweise verlieren sie aber etwas, das bislang selbstverständlich erschien: ihren Anspruch, der zentrale Ort für die Abbildung und Steuerung betrieblicher Prozesse zu sein.
Sie könnten zunehmend das werden, was technisch betrachtet ohnehin zu ihren wesentlichen Aufgaben gehört: eine verlässliche Daten- und Transaktionsinfrastruktur.
Die Geschäftslogik läge darüber – systemunabhängig beschrieben und nutzbar für Menschen, Anwendungen und KI-Agenten.
Dann wäre die entscheidende Frage bei der Gestaltung von Unternehmensarchitekturen nicht mehr: Welches System bildet unseren Prozess ab?
Sondern: Wer verfügt über die Geschäftslogik – und wer darf auf ihrer Grundlage handeln?
Das wäre keine Weiterentwicklung des bisherigen ERP-Verständnisses. Es wäre ein Wechsel der Perspektive.
„Datensouveränität muss um Prozesssouveränität ergänzt werden.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInDie Diskussion um Künstliche Intelligenz wird derzeit wesentlich durch die Leistungsfähigkeit von Modellen bestimmt. Für Unternehmen greift diese Betrachtung jedoch zu kurz.
Denn die für den betrieblichen Einsatz von KI entscheidende Ressource liegt häufig nicht im Modell, sondern im Unternehmen selbst.
Über Jahrzehnte sind in Industrie, Handel und Dienstleistungen umfangreiche Datenbestände entstanden. Sie dokumentieren Bestellungen, Warenbewegungen, Aufträge, Preise, Bestände, Rechnungen und eine Vielzahl weiterer betrieblicher Sachverhalte.
Daten allein besitzen jedoch nur einen begrenzten Aussagewert.
Ihre betriebswirtschaftliche Bedeutung ergibt sich erst aus dem Geschäftsvorfall, in dessen Zusammenhang sie entstehen und verarbeitet werden. Erst die Zuordnung zu Prozessen, Regeln und Entscheidungen macht aus Daten Informationen und aus Informationen nutzbares Unternehmenswissen.
Damit verschiebt sich auch die Diskussion um den Einsatz von KI.
Für deutsche Unternehmen besteht die strategische Ausgangsposition nicht notwendigerweise darin, selbst die leistungsfähigsten KI-Modelle zu entwickeln. Ein wesentlicher Vorteil kann vielmehr in dem über Jahrzehnte entstandenen, hochspezifischen Wissen über Produkte, Märkte, Kunden, Lieferketten und betriebliche Prozesse liegen.
Dieses Wissen ist allerdings nur dann für KI nutzbar, wenn seine Zusammenhänge bekannt und strukturiert sind.
Genau hier liegt eine bislang unterschätzte Managementaufgabe.
Wer einem KI-System lediglich Daten zur Verfügung stellt, überträgt zunächst Daten. Werden jedoch zusätzlich Prozesszusammenhänge, Entscheidungsregeln und betriebliche Semantik zugänglich, erhält das System Zugriff auf einen wesentlich größeren Teil des Unternehmenswissens.
Die Frage „Wem gehören die Daten?“ ist deshalb notwendig, aber nicht hinreichend.
Datensouveränität muss um Prozesssouveränität ergänzt werden.
Unternehmen müssen bestimmen können, welche Daten zu welchem Geschäftsvorfall gehören, welche Bedeutung sie besitzen, nach welchen Regeln sie verarbeitet werden und welche Entscheidungen daraus resultieren.
Daraus folgt eine veränderte Bedeutung des Prozessmanagements.
Prozessmodelle dienen dann nicht nur der Dokumentation bestehender Abläufe oder ihrer organisatorischen Optimierung. Sie bilden eine fachliche Ordnungsebene zwischen betrieblichen Sachverhalten, Daten, Anwendungssystemen und zunehmend auch KI-Systemen.
Damit wird die strukturierte Kenntnis der eigenen Prozesse zu einer Voraussetzung für einen souveränen Einsatz von KI.
Der strategische Wert liegt folglich nicht in den Daten allein. Er liegt in der Beherrschung ihres betrieblichen Kontextes.
Wer seine Daten besitzt, aber ihre Zusammenhänge nicht beherrscht, verfügt zwar über einen Datenbestand – noch nicht notwendigerweise über nutzbares Wissen.
„Denn inzwischen verschiebt sich die entscheidende Frage. Nicht mehr: Was kann KI? Sondern: Wie muss ein Unternehmen beschaffen sein, damit KI darin zuverlässig handeln kann?“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInZunehmend ist von einer Ernüchterung bei Künstlicher Intelligenz die Rede. Viele Pilotprojekte liefern noch nicht den erwarteten wirtschaftlichen Nutzen. KI-Agenten sind in der betrieblichen Realität weit weniger verbreitet, als die öffentliche Diskussion vermuten lässt.
Ist KI also überschätzt worden? Vielleicht wurde weniger die Technologie überschätzt als die Geschwindigkeit ihrer wirtschaftlichen Umsetzung.
Denn inzwischen verschiebt sich die entscheidende Frage. Nicht mehr: Was kann KI? Sondern: Wie muss ein Unternehmen beschaffen sein, damit KI darin zuverlässig handeln kann?
Und damit rücken erstaunlich klassische Themen wieder in den Mittelpunkt: Prozesse. Daten. Regeln. Rollen. Verantwortlichkeiten.
Ein KI-Agent kann nur dann sinnvoll agieren, wenn er weiß, welche Daten relevant sind, welche Prozessschritte zusammengehören, welche Regeln gelten, welche Systeme einzubeziehen sind – und wo seine Entscheidungsbefugnis endet. Darin könnte ein wesentlicher Paradigmenwechsel liegen.
Bisher:
Geschäftsprozess → Spezifikation → Software → Anwender
Künftig zunehmend:
Prozesse + Daten + Regeln → maschinenlesbares Unternehmensmodell → KI-Agenten → operative Ausführung
Die Idee dahinter ist keineswegs neu. Seit Jahrzehnten versucht das Prozess- und Informationsmanagement, Unternehmen so präzise zu beschreiben, dass sich daraus Informationssysteme ableiten lassen. Neu ist, dass KI die Lücke zwischen Beschreibung und Ausführung erheblich verkleinern könnte.
Damit würde Prozessmanagement nicht durch KI überflüssig. Das Gegenteil könnte der Fall sein. Je autonomer KI handelt, desto wichtiger wird eine präzise Beschreibung der Organisation, in der sie handeln soll.
Vielleicht ist deshalb die interessanteste Frage nicht, ob der KI-Hype vorbei ist. Sondern: Was bleibt, wenn der Hype vorbei ist?
Vermutlich beginnt dann erst die eigentliche Transformation.
„Die Antwort ist nicht mehr Umsatz, sondern mehr Produktivität.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInDie Antwort ist nicht mehr Umsatz, sondern mehr Produktivität.
Viele Handelsunternehmen investieren in KI – doch KI allein erzeugt noch keinen Wettbewerbsvorteil. Rund 90 % setzen KI bereits ein, ebenso viele sehen keine messbare Ergebnisverbesserung. Über 80 % stecken in Pilotprojekten fest, ohne zu skalieren.1
Der Grund: KI wird meist additiv eingeführt – auf bestehende Prozesse. So werden Ineffizienzen nur digitalisiert. Wie fundamental Prozessstrukturen im Handel gedacht werden müssen, zeigt bereits das Handels-H-Modell – als Referenzmodell für Daten und Prozesse im Groß- und Einzelhandel.2
Dabei ist das Potenzial enorm:
Der Erfolgsfaktor ist daher nicht die Technologie, sondern die Bereitschaft zur Veränderung: Prozesse neu gestalten, Verantwortlichkeiten neu definieren, Daten integrieren, Entscheidungen automatisieren.
Genau hier setzen wir seit über 25 Jahren an: Mit unserer Prozessmanagement-Expertise im Handel begleiten wir Unternehmen dabei, ihre Daten- und Prozessgrundlage zu optimieren – die notwendige Bedingung, ohne die heutige KI-Projekte zum Scheitern verurteilt sind.
1 McKinsey & EuroCommerce (2026): Rewiring Retail in Europe: The AI Imperative
2 Becker, J.; Schütte, R. (2004): Handelsinformationssysteme
3 McKinsey (2025): Triple the Return – How Companies Can Get More from Enterprise Tech
„Die Zukunft des Handels entscheidet sich nicht allein an der Kasse, sondern in der Effizienz der Prozesse dahinter.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInViele Unternehmen stehen derzeit genau vor diesem Problem: Steigende Kosten, zunehmender Wettbewerbsdruck und eine verhaltene Nachfrage führen dazu, dass Wachstum über höhere Mengen allein nicht mehr ausreicht.
Die Antwort liegt in der konsequenten Optimierung der Prozesse.
Künstliche Intelligenz eröffnet dem Handel dabei völlig neue Möglichkeiten: Sie kann Prozesse analysieren, Ineffizienzen sichtbar machen, Routineaufgaben automatisieren und fundierte Entscheidungen auf Basis von Daten unterstützen. Die zentrale Herausforderung der kommenden Jahre wird daher nicht nur sein, mehr zu verkaufen, sondern vor allem, effizienter, schneller und ressourcenschonender zu arbeiten.
Wer seine Prozesse heute mit Unterstützung von KI neu denkt, schafft die Voraussetzungen für nachhaltige Wettbewerbsfähigkeit und profitable Geschäftsmodelle – gerade in Zeiten, in denen Wachstum nicht mehr selbstverständlich ist.
Die Zukunft des Handels entscheidet sich nicht allein an der Kasse, sondern in der Effizienz der Prozesse dahinter.
„Viele Handelsunternehmen scheitern mit KI nicht an der Technik, sondern an den Daten, die sie längst zu haben glauben.“
Prof. Dr. Dr. h.c. Jörg Becker auf LinkedInViele Handelsunternehmen scheitern mit KI nicht an der Technik, sondern an den Daten, die sie längst zu haben glauben.
Künstliche Intelligenz verändert grundlegend, wie Unternehmen Entscheidungen treffen, Prozesse steuern und mit ihren Kunden interagieren. Damit Sie die damit verbundenen Potenziale nutzen können, müssen jedoch zentrale Voraussetzungen geschaffen werden.
Ausgangspunkt ist die eigene KI-Readiness. Wir haben acht zentrale Dimensionen definiert, anhand derer sich der Reifegrad Ihres Unternehmens einschätzen lässt – von Daten, Prozessen und Systemlandschaft über Governance und Strategie bis hin zu Mitarbeitern, Investition und Regulatorik. So zeigt sich, wie gut Ihr Unternehmen für den erfolgreichen KI-Einsatz aufgestellt ist und wo gezielter Handlungsbedarf besteht.
Auf dieser Grundlage entwickeln wir gemeinsam mit Ihnen eine kurz- und mittelfristige Roadmap. Dabei identifizieren wir Maßnahmen, die bereits frühzeitig einen konkreten Mehrwert schaffen können, und legen zugleich Schritt für Schritt das Fundament für anspruchsvollere KI-Anwendungen bis hin zu agentenbasierten Betriebsmodellen. Von der Priorisierung über die Umsetzung bis zur nachhaltigen Verankerung in Ihrem Unternehmen begleiten wir Sie dabei, Ihre KI-Initiativen gezielt und erfolgreich voranzutreiben.
Mit über 25 Jahren Handelserfahrung begleiten wir Sie auf diesem Weg in das KI-Zeitalter. Wenn Sie wissen wollen, wo Ihr Unternehmen steht: Schreiben Sie mir gern eine Nachricht.
Mehr dazu: Künstliche Intelligenz im Handel
Neue Beiträge erscheinen regelmäßig auf LinkedIn. Folgen Sie Prof. Dr. Dr. h.c. Jörg Becker, um keinen Beitrag zu verpassen – oder sprechen Sie uns direkt an, wenn Sie wissen möchten, wie gut Ihre Prozesse für den Einsatz von KI aufgestellt sind.