Im FMCG- und Handelsumfeld entstehen derzeit zahlreiche neue Plattformen für Preisgestaltung, Promotion, Sortiment, Flächenplanung, Shopper Insights und Umsetzung am POS. Gleichzeitig erweitern etablierte Anbieter ihre Lösungen um künstliche Intelligenz. Auf den ersten Blick wirkt das wie die nächste technologische Innovationswelle. Tatsächlich deutet sich jedoch eine wesentlich tiefgreifendere Veränderung an: Nicht nur die eingesetzten Systeme verändern sich, sondern die Art, wie Hersteller und Händler wirtschaftliche Entscheidungen vorbereiten, treffen und umsetzen.
Die Systeme folgen noch immer den alten Silos
– Category Management
– Pricing und Promotion
– Key Account Management
– Retail Media
– Außendienststeuerung
– Supply Chain und Warenverfügbarkeit
Jedes System erfüllt seinen Zweck. Das Problem liegt in der fehlenden Verbindung. Daten, Analysen und Entscheidungen bleiben häufig in den jeweiligen Funktionen. Damit bildet die technologische Landschaft vielfach noch immer die organisatorischen Silos der Unternehmen ab.
Für den Vertrieb hat das konkrete Folgen: Das Key Account Management verhandelt eine Promotion, das Category Management bewertet die Sortimentswirkung, Marketing steuert Retail Media, die Supply Chain prüft die Verfügbarkeit und der Außendienst kontrolliert die Umsetzung. Eine durchgängige wirtschaftliche Bewertung findet jedoch nur selten statt.
Einzelentscheidungen reichen nicht mehr aus
Preis, Promotion, Sortiment, Medienaktivitäten, Warenverfügbarkeit und Umsetzung am POS wirken unmittelbar aufeinander:
– Eine Preissenkung verändert Absatz, Marge und gegebenenfalls die Preispositionierung.
– Eine Promotion erhöht die Nachfrage, kann aber ohne ausreichende Warenverfügbarkeit ins Leere laufen.
– Eine Sortimentsausweitung steigert möglicherweise den Umsatz, bindet jedoch Fläche und Kapital.
– Retail Media erzeugt Reichweite, führt aber nicht automatisch zu zusätzlichem Absatz.
– Eine gute Listungsvereinbarung schafft erst dann Wert, wenn sie in den Märkten tatsächlich umgesetzt wird.
Wer diese Entscheidungen getrennt voneinander optimiert, kann in einzelnen Bereichen gute Kennzahlen erzielen und dennoch das wirtschaftliche Gesamtergebnis verschlechtern.
Die zentrale Frage lautet deshalb künftig nicht mehr nur: Welche Maßnahme wirkt? Entscheidend wird vielmehr: Welche Kombination aus Preis, Promotion, Sortiment, Media, Verfügbarkeit und Umsetzung erzeugt den höchsten zusätzlichen Ergebnisbeitrag?
Von der Analyse zur Entscheidungsorchestrierung
Der eigentliche Nutzen von KI liegt nicht darin, noch mehr Analysen und Dashboards bereitzustellen. Davon gibt es in vielen Unternehmen bereits genug.
Der größere Hebel entsteht, wenn Technologie vier Ebenen miteinander verbindet:
- Signal: Was verändert sich bei Kunden, Shoppern, Wettbewerb oder Warenverfügbarkeit?
- Entscheidung: Welche Handlungsoptionen bestehen und welche wirtschaftlichen Konsequenzen haben sie?
- Umsetzung: Wer übernimmt welche Maßnahme – im Key Account Management, im Marketing, in der Supply Chain oder im Außendienst?
- Ergebnis: Welche Wirkung zeigt sich bei Absatz, Umsatz, Marge, Marktanteil und Kapitalbindung?
Eine solche Entscheidungsarchitektur verkürzt den Weg von der Erkenntnis bis zum wirtschaftlichen Ergebnis. Sie ermöglicht zugleich, aus den Resultaten früherer Entscheidungen zu lernen.
Das ist mehr als Automatisierung. Es geht um eine funktionsübergreifende Orchestrierung von Entscheidungen.
Was sich für den FMCG-Vertrieb verändert
Für Vertriebsleiter und Key Account Manager entstehen daraus neue Anforderungen.
1. Kundengespräche werden wirtschaftlich umfassender
Die isolierte Diskussion über Konditionen, Aktionspreise oder Listungen greift zu kurz. Erfolgreiche Jahresgespräche werden stärker auf gemeinsame wirtschaftliche Wirkungsmodelle ausgerichtet sein.
Hersteller müssen beispielsweise zeigen können, wie Preis, Promotion, Retail Media, Warenverfügbarkeit und POS-Umsetzung zusammenwirken. Damit wächst die Bedeutung belastbarer Szenarien und klarer Annahmen.
2. Der Key Account Manager wird zum Entscheidungsintegrator
Der KAM muss künftig nicht jede Analyse selbst erstellen. Er muss aber die unterschiedlichen Erkenntnisse zusammenführen, Zielkonflikte sichtbar machen und eine wirtschaftlich tragfähige Empfehlung entwickeln können.
Neben Verhandlungsstärke gewinnen deshalb Datenverständnis, Szenariokompetenz und funktionsübergreifende Zusammenarbeit an Bedeutung.
3. Außendienstdaten werden wertvoller
Besuchsberichte, Bilddaten, Distributionslücken, Zweitplatzierungen und Bestandsinformationen sind nicht nur Kontrollgrößen. In Verbindung mit Absatz-, Sortiments- und Aktionsdaten können sie erklären, warum eine Maßnahme erfolgreich war oder ihre Wirkung verfehlte.
Dadurch lässt sich auch der wirtschaftliche Wert eines Außendienstbesuchs differenzierter bewerten.
4. Retail Media braucht ein gemeinsames Wirkungsmodell
Retail Media darf nicht ausschließlich über Reichweite, Klicks oder Medienkennzahlen beurteilt werden. Entscheidend ist die Verbindung zu zusätzlichem Absatz, Deckungsbeitrag, Neukundengewinnung und Wiederkaufsverhalten.
Dafür müssen Hersteller und Händler Daten verbinden, Testdesigns vereinbaren und sich auf gemeinsame Erfolgsgrößen verständigen.
5. Datenverantwortung wird zur Managementaufgabe
Sobald Analysen mehrere Funktionsbereiche umfassen, entsteht eine kritische Frage: Wem gehören die Daten, die Entscheidung und die anschließende Umsetzung?
Ohne klare Verantwortlichkeiten bleiben selbst gute Empfehlungen folgenlos. Unternehmen benötigen daher nicht nur eine technische Datenarchitektur, sondern ebenso eine Governance für Entscheidungen.
Technologie allein löst das Problem nicht
Neue Plattformen können Informationen schneller verknüpfen, Prognosen erstellen und Handlungsoptionen berechnen. Sie beseitigen jedoch nicht automatisch widersprüchliche Ziele, fehlende Verantwortlichkeiten oder mangelnde Zusammenarbeit.
Wer lediglich jede bestehende Insellösung um eine KI-Funktion ergänzt, digitalisiert möglicherweise nur die vorhandenen Silos. Der größere Fortschritt entsteht, wenn Unternehmen ihre Entscheidungsprozesse funktionsübergreifend neu gestalten.
Dazu gehören klare Antworten auf fünf Fragen:
- Welche Entscheidungen sollen besser oder schneller getroffen werden?
- Welche Daten werden dafür tatsächlich benötigt?
- Welche Zielkonflikte müssen sichtbar gemacht werden?
- Wer trägt die Verantwortung für Entscheidung und Umsetzung?
- Wie wird die Wirkung bis zum finanziellen Ergebnis gemessen?
Erst danach sollte entschieden werden, welche Technologie diesen Prozess am besten unterstützt.
Ein gemeinsames Decision Lab als pragmatischer Einstieg‘
Für FMCG-Hersteller könnte ein begrenztes Pilotprojekt mit einem ausgewählten Handelspartner sinnvoller sein als die sofortige Einführung einer umfassenden Plattform.
In einem solchen Decision Lab ließe sich beispielsweise untersuchen, wie eine Kategorie durch die gemeinsame Steuerung von Sortiment, Promotion, Retail Media und POS-Umsetzung profitabler entwickelt werden kann.
Geeignete Pilotfälle zeichnen sich durch drei Merkmale aus:
- eine wirtschaftlich relevante, wiederkehrende Entscheidung,
- verfügbare Daten auf Hersteller- und Handelsseite,
- ein messbares Ergebnis innerhalb eines überschaubaren Zeitraums.
Der Nutzen eines solchen Labs liegt nicht allein im getesteten KI-Einsatz. Hersteller und Händler entwickeln zugleich ein gemeinsames Entscheidungsmodell, klären Verantwortlichkeiten und erkennen, welche Daten für belastbare Entscheidungen wirklich fehlen.
Die entscheidende Fähigkeit besteht künftig darin, die Distanz zwischen Signal, Entscheidung, Umsetzung und finanziellem Ergebnis zu verkürzen. Unternehmen, die dafür eine belastbare Entscheidungsarchitektur schaffen, werden nicht nur schneller reagieren. Sie werden auch besser verstehen, welche Maßnahmen tatsächlich Wert schaffen.