Verkauf / E-Commerce

Leitfrage: Wo hilft KI am Transaktionspunkt wirklich — und wo ist die Kundenangst (personalisierte Preise, „die KI weiß alles über mich") größer als die belegte Realität?

Abgrenzung zum Vertrieb (Kap. 02): Vertrieb = Anbahnung (Leads, Angebot, Beziehung). Verkauf = die eigentliche Transaktion und ihre Abwicklung: Onlineshop- Kaufprozess, Warenkorb, Checkout, POS/Kasse, Retoure. Dieses Kapitel behandelt den Transaktionspunkt.

Rolle & Zweck der Abteilung

Verkauf macht aus Interesse einen abgeschlossenen Kauf und wickelt ihn sauber ab. Kern- Jobs: Kaufprozess gestalten (Shop, Kasse, Checkout), Conversion (aus Besuchern Käufer machen), Produktempfehlung/Cross-Selling, Preisgestaltung, Retouren-/Zahlungsabwicklung. Im stationären Handel ist es die Kasse und die Fläche; im E-Commerce der Shop und der Checkout. Verkauf berührt direkt Verbraucherrecht und Preistransparenz — hier haftet man schnell und sichtbar.

Historische Linie (~2015–2026)

Onlineshop-/Cloud-Baukästen und Payment-Dienste (ab ~2015) senkten die Hürde, überhaupt online zu verkaufen. Es folgten regelbasierte Personalisierung und Cross-Selling, dann Machine-Learning-Empfehlungen (Collaborative Filtering: „Kunden, die X kauften …"), und seit ~2023 generative/konversationelle KI im Kaufprozess. Marktkontext Deutschland: Der Onlinehandel meldete für das erste Halbjahr 2025 wieder 39,84 Mrd. € Umsatz (+3,5 %) nach mehreren schwachen Jahren — die „Talsohle" von 2024 gilt als überwunden. [BELEGT] (bevh, 04.07.2025, https://bevh.org/detail/der-aufschwung-ist-da-im-onlinehandel-jeder-fuenfte-shoppt-bereit-mit-ki)

KI heute im Verkauf: Anwendungen, Grenzen, Heikelpunkte

1. Empfehlungssysteme. Das Standard-Beispiel ist der oft zitierte Wert, 35 % des Amazon-Umsatzes stammten aus Empfehlungen — dieser stammt allerdings aus einer McKinsey-Analyse von 2013 und wird seither unverändert weitergereicht. [STRITTIG — veraltet, seit über einem Jahrzehnt nicht neu belegt] Für den GF ein Musterfall dafür, wie Zahlen-Mythen entstehen.

2. Kassenloser/kamerabasierter Checkout. Rewe betreibt (Stand 25.04.2025) mit dem Partner Trigo kamerabasierte Filialen ohne Scannen (Erfassung jeder Entnahme/Rückgabe, virtueller Warenkorb, keine Gesichtserkennung), zunächst in wenigen Filialen. [ANBIETERANGABE] Parallel wächst Self-Checkout massiv: In Deutschland gab es (EHI, Nov. 2025, Datenstand Aug. 2025) über 38.650 SB-Kassen in 10.366 Geschäften, stationäre SB-Kassen +143 % in zwei Jahren. [BELEGT]

3. Retouren-/Größenprognose. Zalando meldet, KI-Größenberatung habe 2025 rund 8 % der größenbedingten Retouren verhindert; eine virtuelle Umkleide im Pilot „bis zu 40 %". [ANBIETERANGABE] (onlinemarktplatz.de, 24.06.2026)

4. Dynamische vs. personalisierte Preise. Wichtige Entzauberung: *Dynamic Pricing* (zeit-/nachfrageabhängige Preise für alle) ist in Deutschland weit verbreitet — *echte personalisierte* Preise (individuell je Person) sind laut Verbraucherzentrale real selten. [BELEGT]

Grenze der Empfehlungs-KI: Laut bevh würden „sechs von zehn Befragten keinesfalls oder nur sehr unwahrscheinlich einer KI-Empfehlung folgen, ohne selbst Alternativen zu suchen". KI ergänzt die Kaufentscheidung, ersetzt sie nicht. [BELEGT]

Rechtliche Heikelpunkte (Verkauf-spezifisch)

a) Personalisierte Preise — Informationspflicht. Onlineshops, die Preise auf Grundlage automatisierter Entscheidungsfindung personalisieren, müssen darauf seit dem 28.05.2022 vor Vertragsschluss klar und verständlich hinweisen (Umsetzung der Omnibus-Richtlinie in Art. 246a EGBGB); ein Hinweis in den AGB genügt nicht. [BELEGT] (avalex, https://avalex.de/blog/neue-regeln-onlinehaendler-ab-28-05-2022/ ; Grundlage: RL (EU) 2019/2161 → RL 2011/83/EU Art. 6)

b) 30-Tage-Bestpreisregel (§ 11 PAngV, seit 28.05.2022). Bei Preisermäßigungen ist der niedrigste Gesamtpreis der letzten 30 Tage anzugeben — relevant, sobald KI Preise oder Rabatte automatisiert steuert. [BELEGT für die Regel; Primärtext war teils robots-gesperrt → vor Druck § 11 PAngV direkt zitieren]

c) Verbraucherschutz allgemein. Empfehlungs- und Preis-KI darf nicht irreführen (UWG); AI-Act-Transparenzpflichten (Chatbots im Shop, Art. 50) greifen ab 08/2026 (siehe Kap. 08 Kundenservice).

Studien, Zahlen, Trends — mit Widersprüchen

Vorsicht/Widersprüche: Die verbreitete Amazon-35-%-Zahl ist zwölf Jahre alt und zirkuliert unkritisch — ein Warnbeispiel. Die vzbv-Studie (2018) widerlegt die häufige Angst vor flächendeckend individuellen Preisen; sie ist allerdings älter und sollte vor Druck durch eine aktuelle Erhebung ergänzt werden [UNKLAR für 2026-Stand]. US-Diskurs überzeichnet personalisierte Preise gegenüber der deutschen Realität.

Wohin geht es (12–36 Monate)

Belegte Trendlinie: Self-Checkout wächst rasant (EHI +143 %); die KI-Nutzung durch Kunden bei Empfehlungen steigt (bevh 19,3 %); Retouren-KI liefert erste zweistellige Effekte (Zalando-Pilot). [BELEGT]

Vermutung (kein Fakt): Konversationelles/agentisches Shopping (der Kunde lässt eine KI einkaufen) und KI-gestützte Retourenprävention werden Standard; der regulatorische Druck auf personalisierte Preise (Transparenzpflicht, AI Act) wächst. *Spekulation.*

Maßnahmen für den Unternehmer (priorisiert)

1. Preis-Transparenz sicherstellen (sofort, niedriger Aufwand, klares Rechtsrisiko):

Wenn KI Preise personalisiert → Hinweispflicht (Art. 246a EGBGB); 30-Tage-Bestpreis bei Rabatten (§ 11 PAngV) einhalten.

1. Empfehlungs-KI messbar machen (mittel): Conversion/Warenkorbwert mit und ohne

Empfehlung vergleichen; nicht dem Uplift-Versprechen der Anbieter vertrauen.

1. Self-Checkout/Checkout-Reibung prüfen (mittel): Wo verlieren wir Käufer? KI/SB-

Lösungen dort einsetzen, wo sie Reibung senken, nicht als Selbstzweck.

1. Retouren als Datenthema begreifen (mittel bis hoch): Größen-/Passform-KI wirkt nur

mit guten Produkt- und Retourendaten.

1. Kundenvertrauen nicht verspielen (laufend): Transparenz schlägt versteckte

Personalisierung; die belegte Kundenangst ist real, auch wo die Praxis harmloser ist.

Ausblick (nur andeuten)

Merker: Ein Produktdaten-Agent (pflegt Beschreibungen/Attribute), ein Retouren-Analyse- Agent, ein Checkout-Optimierungs-Agent. Preis-Automatik bleibt wegen Transparenz- und Verbraucherrecht freigabe-/aufsichtspflichtig. Nur Merker, kein Bau.

Was heißt das für den Geschäftsführer?

Im Verkauf ist die wichtigste Führungsleistung, Hype von Wirkung zu trennen. Die berühmte „35 % aus Empfehlungen"-Zahl ist zwölf Jahre alt — wer sein Budget auf solchen Mythen aufbaut, verplant Geld. Belegt ist Bescheideneres, aber Reales: zweistellige Personalisierungs-Uplifts unter guten Datenbedingungen, spürbare Retourensenkung im Pilot, massives Self-Checkout-Wachstum.

Gleichzeitig entlastet die Faktenlage eine verbreitete Sorge: Flächendeckend individuelle Preise sind in Deutschland selten — aber *wenn* Sie personalisieren, ist die Hinweispflicht seit 2022 scharf. Die richtige Führungsfrage lautet: Wo senkt KI echte Reibung im Kaufprozess (Checkout, Retoure, Empfehlung) — und halten wir dabei Preistransparenz und Kundenvertrauen ein? Messen Sie den Effekt im eigenen Shop, statt Anbieter-Uplifts zu glauben.

Quellenliste, „schnell veraltend" & Selbstprüfungs-Notiz

Quellen (Stand 08/2026)

• bevh, „Der Aufschwung ist da – jeder fünfte shoppt mit KI", 04.07.2025 — https://bevh.org/detail/der-aufschwung-ist-da-im-onlinehandel-jeder-fuenfte-shoppt-bereit-mit-ki [BELEGT]
• EHI, „Jede 18. Kasse ist eine SB-Kasse", 11/2025 — https://www.ehi.org/presse/jede-18-kasse-ist-sb-kasse/ [BELEGT]
• McKinsey, „The value of getting personalization right—or wrong—is multiplying", 12.11.2021 — https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-value-of-getting-personalization-right-or-wrong-is-multiplying [BELEGT]
• McKinsey, „How retailers can keep up with consumers", 01.10.2013 (Amazon-35 %) — https://www.mckinsey.com/industries/retail/our-insights/how-retailers-can-keep-up-with-consumers [STRITTIG — veraltet]
• vzbv/Marktwächter, „Online-Preise: Hochdynamisch, aber selten individualisiert", 28.11.2018 — https://www.vzbv.de/pressemitteilungen/online-preise-hochdynamisch-aber-selten-individualisiert [BELEGT]
• Table.Briefings, „Rewe: … KI-Supermarkt", 25.04.2025 — https://table.media/ceo/ceo-quote/rewe-teamwork-statt-technikangst-im-ki-supermarkt [ANBIETERANGABE]
• onlinemarktplatz.de, „Zalando Größenberatung", 24.06.2026 — https://onlinemarktplatz.de/268379/zalando-groessenberatung/ [ANBIETERANGABE]
• avalex, „Neue Regeln für Onlinehändler ab 28.05.2022" (Art. 246a EGBGB) — https://avalex.de/blog/neue-regeln-onlinehaendler-ab-28-05-2022/ [BELEGT]
• PAngV (§ 11, 30-Tage-Bestpreis) — https://www.gesetze-im-internet.de/pangv_2022/ [BELEGT — vor Druck Primärtext zitieren]

Schnell veraltend

• Amazon-35-%-Zahl (2013) — nicht mehr verwenden ohne aktuellen Ersatz.
• vzbv-Preisstudie (2018) — durch aktuelle Erhebung ersetzen.
• bevh-/EHI-Zahlen — jährlich neu.
• Rewe/Zalando-Piloten — Rollout-Stand beobachten.

Selbstprüfungs-Notiz (Durchgang 2)

• Zahlen mit Quelle? Ja; veraltete Amazon-Zahl als [STRITTIG] entlarvt.
• Recht korrekt? Art. 246a EGBGB (personalisierte Preise) und § 11 PAngV mit Quelle;

Primärtexte teils robots-gesperrt → vor Druck direkt zitieren.

• Meinung/Fakt getrennt? Ja (Abschnitt 5).
• DE vs. US? vzbv-Befund gegen US-Überzeichnung gestellt.
• Keine erfundenen Quellen? Alle URLs real; Kernzahlen in dieser Sitzung abgerufen.

*Ende Kapitel 03 — Verkauf.*