Wachstum erzeugt versteckte Kosten Mehr Kanäle, weniger Gewinn: Wie operative Komplexität zum Wachstumskiller wird

Anbieter zum Thema

Arvato Systems GmbH

Packsize

Descartes Systems (Germany) GmbH

Wie bleiben Onlinehändler nicht nur bestehen, sondern wachsen, ohne die Marge zu gefährden – trotz steigender operativer Komplexität? Künstliche Intelligenz allein ist nicht die Antwort. Einer der größten Hebel liegt im eigenen System.

Ein mittelständischer Onlinehändler aus dem DACH-Raum: 12 Mitarbeiter, fünf aktive Marktplätze, ein eigener Onlineshop und ein gewachsener Tech-Stack aus ERP, OMS und Middleware-Lösungen. Der Umsatz wächst, aber die Marge schrumpft. Der Wettbewerb wird härter, geopolitische Unsicherheiten, hohe (Energie-)Kosten und ein schwaches  Kaufverhalten der Verbraucher setzen Händler unter Druck. Und weil die externen Bedingungen schwieriger werden, entscheidet die innere Aufstellung: Wer seine Prozesse verschlankt und sein operatives Fundament stärkt, schützt die Marge dort, wo er es selbst in der Hand hat. 

Dieses Bild ist kein Einzelfall. Für 2025 prognostiziert CRIF bis zu 26.000  Unternehmensinsolvenzen — ein Anstieg von bis zu 18,4 Prozent gegenüber dem Vorjahr. Und es stellt eine unbequeme Frage: Wie bleibt ein Unternehmen mit limitierten Ressourcen nicht nur bestehen, sondern wächst?

KI-Modelle sind immer nur so gut wie die Daten, auf denen sie operieren. Wer eine komplexe Systemlandschaften mit dezentralen Produktdaten und inkonsistenten Bestandsinformationen in ein KI-System einspeist, erhält unzuverlässige Ergebnisse.

Nora Nenninger, Content Marketing Managerin bei PlentyOne

Operative Komplexität ist der größte  Margenkiller im E-Commerce 

Wer heute auf mehreren Kanälen wächst, weiß: Mehr Kanäle bedeuten mehr Komplexität. Mehr Systeme. Mehr manuelle Abstimmung. Mehr Fehlerquellen. Und am Ende: höhere Kosten pro Bestellung.

Laut Analysen aus PlentyOne-Kundendaten verursacht operative Ineffizienz in wachsenden E-Commerce-Unternehmen einen Mehraufwand von bis zu 81 Prozent im Fulfillment-Prozess verglichen mit vollständig automatisierten Setups. Jede Stunde, die Teams mit manuellem Datenabgleich oder Feuerlöschen verbringen, fehlt für strategische Arbeit: Sortimentsentscheidungen, Kanalstrategie, Margenoptimierung. 

Operative Komplexität ist eine der größten Herausforderungen für schnell wachsende Händler und sie ist systemischer Natur: Es entsteht als schleichender Nebeneffekt von Wachstum, das zu schnell auf einem Fundament aufgebaut wird, das nie für diese Größe gebaut war. Jeder neue Marktplatz, jede neue Integration, jede neue Prozesskette legt eine weitere Schicht auf ein bereits fragiles System.

Künstliche Intelligenz, die Lösung aller operativen Probleme?

Die aktuelle Debatte rund um künstliche Intelligenz im E-Commerce folgt einem vertrauten Muster: Neue Technologie verspricht Transformation und Wachstum. Doch ohne die richtige Grundlage verpufft der Effekt. 

Garbage in, Garbage out – KI ist nur so gut wie deine Daten.

KI-Modelle sind immer nur so gut wie die Daten, auf denen sie operieren. Wer eine komplexe Systemlandschaften mit dezentralen Produktdaten und inkonsistenten Bestandsinformationen in ein KI-System einspeist, erhält unzuverlässige Ergebnisse.

Ein Beispiel aus der Praxis: Ein Händler möchte seine Business Performance verstehen und konkrete Schlüsse ableiten. Er stellt der KI zwei einfache Fragen: „Welche Produkte drohen in den nächsten zwei Wochen auszulaufen?" oder „Welcher Artikel verkauft sich gerade schlecht?" Um diese Fragen zu beantworten, müssen Warenbestände aus einem Warenwirtschaftssystem, Verkaufszahlen aus manuell gepflegten Spreadsheets und kanalspezifische Reports zusammengeführt werden – alles nicht synchronisiert. 

Das Ergebnis: Sobald die Daten bereitgestellt sind, sind sie bereits veraltet. Inkonsistenzen durch verstreute und isolierte Quellen sind vorprogrammiert. Die KI liefert eine Antwort, aber auf einer Grundlage, der man nicht vertrauen kann. Aus dem erhofften Frühwarnsystem wird eine Fehlerquelle. 

Liegen dieselben Daten zentral und synchronisiert vor, könnte eine KI nicht nur vernetzt denken, sondern konkrete Handlungsempfehlungen liefern: Welcher Artikel nachbestellt, welcher Kanal priorisiert, welche Kampagne gestoppt wird. 

Künstliche Intelligenz entfaltet somit ihr volles Potenzial erst dann, wenn das operative Fundament trägt. Nicht davor. 

Marktplatz-Dilemma

Gefangen zwischen Amazon und D2C: Gibt es noch einen Ausweg?