ZDE Podcast 209: Update KI im deutschen Handel mit Alexis Tsingeni
In dieser Folge begrüßt Marilyn Repp die Handelsexpertin und Retail-Technologie-Spezialistin Alexis Tsingeni. Nach zwei Jahren KI-Hype: was haben die Unternehmen umgesetzt? Wo ist der rote Faden? Welche Probleme oder Anwendungsfälle wiederholen sich? Alexis hatte sie alle als Interview-Gäste: Rossmann, Tchibo, dm und viele mehr. Sie gibt einen Überblick und erklärt, wohin die Reise in Sachen KI im Handel geht.
Shownotes
Die Folge zum Nachlesen
Marilyn Repp: In der Anwendung und Einführung von KI-Technologien, war der Handel da schnell oder hinkt da hinterher?
Alexandra Tsingeni: Nee, nee, der Handel war schnell. Der Handel war definitiv schnell.
Intro: Zukunft des Einkaufens – der Podcast für Innovation im Handel
Marilyn Rapp: Hallo und herzlich Willkommen zu einer neuen Ausgabe des Zukunft des Einkaufens Podcast. Mein Name ist Marilyn Repp. Ich beschäftige mich mit Innovation, Trends und Digitalisierung im Handel seit vielen Jahren. Und hier kommen die Zukunftsgestalterinnen des Handels zu Wort. Hallo und herzlich Willkommen, liebe Alexis.
Alexandra Tsingeni: Hallo Marilyn, schön, dass ich hier sein darf. Again muss man ja fast sagen.
Marilyn Repp: Ja. Genau, du bist das zweite Mal im Podcast, aber man muss echt sagen, du hast einen richtigen Mondflug hingelegt, sozusagen einen richtigen Raketenstart seit unserer letzten Aufnahme, die echt schon ein paar Jahre her ist hier bei Zukunft des Einkaufens. Und du hast dich entwickelt zu einer ganz krassen Handelsexpertin, Handelstechnologie-Expertin. Du bist Moderatorin, du bist Retail-Reporterin, du bist Podcast-Host deines eigenen Podcasts „Retail o-Tones“ und steckst ganz tief drin in dem Thema, was wir heute uns an die Brust genommen haben, nämlich das Thema: künstliche Intelligenz im Handel. Jetzt mal Butter bei die Fische: Wie ist der aktuelle Stand? Wir diskutieren jetzt echt schon eine Weile, zwei Jahre, über das Thema künstliche Intelligenz. Ihr wisst, meine Theorie ist, nächstes Jahr kommt was Neues, da werden wir später drüber sprechen. Aber du wirst uns jetzt mal ein kleines Update geben aus den Unternehmen. Und deswegen würde ich sagen, starten wir gleich mal rein ins Thema. Wenn du jetzt die KI-Anwendung in Phasen einteilen müsstest, ja. Ich habe jetzt gerade gesagt, zwei Jahre haben wir jetzt den Tech-Trend KI. Wie würdest du das machen?
Alexandra Tsingeni: Ich würde tatsächlich noch ein ganzes Stück weiter zurückgehen, denn bevor eben, was war das? Weihnachten 2023? Das große GPT-Thema hochgekommen.
Marilyn Repp: 22 war das sogar.
Alexandra Tsingeni: 22, genau.
Marilyn Repp: Genau.
Alexandra Tsingeni: War das, sicher?
Marilyn Repp: Ja.
Alexandra Tsingeni: Boah, krass!
Marilyn Repp: Zwei Jahre ist das schon her.
Alexandra Tsingeni: Ja, ja, wow. Ja, war das Thema, war das Thema Machine Learning und was ist künstliche Intelligenz? Wo können wir damit hin? Gerade in den Köpfen der Ingenieure und IT-ler schon drinnen. Ich habe auf meinen Reisen dieses Jahr jemanden kennengelernt aus Macau. Der hat einen Master in Science of Informatics, für den, also drei Viertel seiner Kurse, da ging es um KI und ethische KI und wie baut man das. So und wenn das halt schon in den Curricula drin ist, dann gibt es das schon eine Weile. Also man sagt, bis 2015 ist so die erste Phase gewesen und hold your horses, schon eine ganz schöne Weile her. Das war nämlich der Bereich des Experimentieren und Forschens. Das heißt, ganz spezielle, nennen wir sie Nerds, haben sich hingesetzt und haben sich Gedanken darüber gemacht: Okay, was ist denn eigentlich Machine Learning? Was für grundlegende Algorithmen brauchen wir? Was sind so low hanging fruits? Thema Bilderkennung, das ganze Thema Recapture, was wir kennen, also die Erkennung von Mustern und wiederkehrenden Bildern, dass wir plötzlich irgendwie unsere EC oder Kreditkarte nicht mehr abtippen müssen, sondern dass wir das über Bilderkennung machen können. Ich bin hier sehr am gestikulieren, es ist eine reine Soundaufnahme, ist Gewohnheit. Also das ist definitiv die erste Phase, dass man sagt: Okay, einzelne Anwendungen, personalisierte Empfehlungen, das war so der aller allererste Schritt. Und dann sind wir so 2015 bis 2020 in den zweiten Bereich reingekommen und ja, das ist jetzt alles schon sehr tiefe Historie. Ich habe die Vorgespräche mit allen „Retail o-Tones“-Speakern für diese Staffe „Me, myself & AI. KI im Handel heute & der Mensch“ schon hinter mir. Die sagen alle: Ja, wir sprechen jetzt hier über KI, aber KI ist schon lange in Teilbereichen der Logistik, zum Beispiel.
Marilyn Rapp: Man muss dazu sagen, Alexis, bevor es die Leute nicht wissen, du sprichst da wirklich mit den Handelsunternehmen, ne?
Alexandra Tsingeni: Richtig.
Marilyn Repp: Also da steckst du wirklich ganz tief drin in den „Retail o-Tones“ und deswegen hast du da tolle Einblicke, nur kurzer Einwurf.
Alexandra Tsingeni: Genau, genau. Also alleine in dieser Staffel zu Gast OTTO, REWE, dm, Rossmann, nur um so ein bisschen Name-Dropping zu machen. Die erste Folge war mit meinem „Retail o-Tones“-Supporter Zühlke. Da haben wir mal das Land gewechselt, weil ich bin sehr, sehr deutschsprachig fokussiert, auch von der Händlerlandschaft her. Das bedeutet, wir haben uns aus UK, die Engländer machen Dinge ein bisschen anders, sind in einem anderen Rhythmus unterwegs und haben uns eine UK-Perspektive reingeholt. Was super spannend ist. Um dann halt zu sehen: Ok, was könnte denn unsere nächste Phase sein, zum Beispiel? Aber komme ich später drauf zurück, denn Lavazza und Tchibo, beides ja irgendwie, irgendwas mit Kaffee, machen komplett unterschiedliche Dinge. Super spannend, ne? Und also hier kommen Infos aus dem Handel, aber an der Stelle auch nochmal ein kurzer Disclaimer: Ich bin selber keine Händlerin, das bedeutet, ich arbeite tagtäglich mit meinen KI-Anwendungen, aber ich spreche mit vielen Leuten eben aus dem Handel und kann da so ein bisschen eine Vogelperspektive mit reingeben, mit den vielen Beispielen, die ich sehen darf, die ich hinterfragen darf und die mir erzählt werden. Nur mal so zur Einordnung.
Marilyn Repp: Sehr spannend, genau. Und jetzt ist eigentlich gleich meine nächste Frage: Was sind denn so die KI-Projekte, von denen jetzt diese Händler da berichtet haben? Worum geht es hauptsächlich? Wenn du da vielleicht mal so einen groben roten Faden erkennen kannst oder?
Alexandra Tsingeni: Voll.
Marilyn Repp: Genau.
Alexandra Tsingeni: Voll. Genau. Und da sind wir und damit sind wir auch tatsächlich gerade aktuell in der dritten Phase der KI-Anwendungen und zwar habe ich das so schön „Demokratisierung und Skalierung“ genannt, weil das, was wir jetzt viel sehen, sind sogenannte Pocket Solutions. Das bedeutet für einen einzelnen Use-Case gebaute kleine Anwendungen, die genau dafür funktionieren. Zum Beispiel hat, das ganze Thema Onboarding, neue Mitarbeitende, also dass man GPTs baut, die einfach „wo finde ich denn jetzt was hier im Gewusel?“ vereinfachen. Das heißt, ein Tool, allen zugänglich zu machen, egal was für eine Position sie haben, um einmal auch dieses KI-Mindset zu bekommen. Weil das ist tatsächlich das, was sich durch alle Folgen zieht und ziehen wird, befinden uns gerade quasi in der Mitte der Staffel, ab Januar, 16. Januar, geht es weiter mit Friederike, CDDO von OTTO zum Thema: Wie machen wir das? Wie nehmen wir denn die Mitarbeitenden mit? Also was machen die alles bei OTTO dafür? Und ich kann sagen, die machen einiges, also von dedizierte Events, über Hackathlons, über wirklich gamifizierte Ansätze, werden eingeladen, proaktiv KI mitzugestalten, KI kennenzulernen, sich mit den Themen und Ängsten auseinanderzusetzen, Use-Cases einzureichen. Also da wirklich der größte Trend dahingehend ist, und das wird dich freuen, Marilyn, Community Building um KI.
Marilyn Repp: Oh yeah.
Alexandra Tsingeni: Also zu sagen: „KI ist ein Teil von uns, KI ist ein Tool, wir brauchen the human in the loop, KI hilft uns, XY zu tun, KI macht Dinge einfacher, KI gibt dir mehr Zeit für…“ und das ist eine wahnsinnig spannende Beobachtung, wie ich finde, über alle Folgen hinweg. Und dann haben wir die unterschiedlichen Bereiche, also dm hat gestern im Podcast beispielsweise erzählt, dass die verschiedenen Teams, verschiedene Schwerpunkte haben und das kann dann beispielsweise sein: Okay, wir haben jemand, der macht Logistik, jemand, der kümmert sich um das Thema Chatbot und Co. Und dann sind die super dezentral aufgestellt, wuseln alle rum, reden aber regelmäßig miteinander. Und das ist das nächste, was ich sehr, sehr interessant finde, Unternehmensstrukturen verändern sich extrem. Das heißt, wir könnten jetzt natürlich über konkrete Anwendungen sprechen, die ich jetzt über die mehrere Händler sehe, ist schnell abgehakt, ist ein bisschen Pricing, ist ein bisschen Forecasting, the logistic side of things, ganz viel das Thema Gen AI, wie kann man Texte, Werbetexte, SEO-relevante Texte schreiben, das Thema Produktentwicklung, super spannend, gebe ich gleich auch noch ein paar Beispiele für. Aber was ich halt das Allerkrasseste finde, sind die beiden Metathemen, die sich da durchziehen, nämlich einmal das Thema: Hey, sag mal, wie bekommen wir unsere Menschen im Unternehmen KI-fit von der Zentrale hin zur Filiale? Denn auch dort gibt es erste Berührungspunkte. Und zum anderen die große Frage: Hey, wie schaffen wir das Ganze nachhaltig zu wachsen und die Innovationen, die wir brauchen, die Geschwindigkeit in der Organisation so zu bauen, dass wir auch mithalten können mit der Entwicklung der Technologie? Die Tchibo-Folge fand ich sehr radikal, dass wir das so genannt haben, aber die Tchibo-Folge heißt: Was macht man, wenn die Technik schneller ist als die Organisation?
Marilyn Repp: Also ich glaube, die Problematik habe viele Unternehmen.
Alexandra Tsingeni: Und Omar hat tausend Beispiele dafür gegeben, wie die das machen und ich feier es, das ist Wahnsinn. Ja, also hört gerne in die Folge rein, ist heute live gegangen, also heute am 13. Dezember, wenn ihr das hört, könnt ihr schon auf Spotify in die Folge mit Omar Hairani reinhören von Tchibo, das ist nicht immer ein Zuckerschlecken. Also da kracht’s auch und Marilyn, du hast ja in deinen verschiedenen Positionen in der Vergangenheit auch in Organisationen gearbeitet, die tendenziell langsamer funktionieren, die eher einen Verbandcharakter haben, weil sie Verbände sind. Wie funktioniert Innovation da?
Marilyn Repp: Ich glaube, in den letzten Jahren haben wir gesehen, dass da ganz viele Vorbehalte abgebaut wurden durch ein bekanntes Tool, was wir alle nutzen: ChatGPT. Also ich hab noch nie gesehen, dass eine Anwendung einen ganzen Technologiebereich so sehr pusht, so sehr verständlich macht und so sehr in die Breite bringt. Also weil das Ding hat nun wirklich fast jeder schon mal ausprobiert und das Ding hat dazu, also hat diesen ganzen Bereich dazu gebracht, dass die Menschen verstehen, worum es bei künstlicher Intelligenz geht. Vorher, ich weiß noch, im Jahr 2018 gab es ja schon mal den KI-Hype, also künstliche Intelligenz wurde auf einer sehr theoretischen Ebene schon mal durch, also war schon mal die Sau, die durch den Ort getrieben wurde, aber da gab es erstens nicht die Anwendung und da gab es auch gar nicht das Verständnis, was das überhaupt ist. Und ich weiß noch, bei den Veranstaltungen damals wurden ganz oft so Roboter irgendwie als Titelbilder genommen. Das wird immer noch gemacht, weil KI ist natürlich Software, wie willst du das verbildlichen? Aber zu dem Zeitpunkt damals, vor sechs Jahren jetzt schon, 2018 war das, glaube ich, da dachten immer alle: Ja gut, das sind jetzt so Roboter, die irgendwie unsere Jobs übernehmen und die uns überflüssig machen. Das kommt vielleicht auch irgendwann und vielleicht sind wir da auch eigentlich ganz happy drüber, weil wir dann viele Sachen nicht mehr machen müssen, das ist ja jetzt durch KI schon so. Aber KI ist eben hauptsächlich Software und Software, die uns im Alltag unterstützt und die sehr individuell unterwegs ist und das ist einfach so geil und ich bin so froh über ChatGPT, weil halt einfach die Menschen verstanden haben, worum es geht und wie es funktioniert und die, also Vorbehalte und Ängste wurden abgebaut, oder?
Alexandra Tsingeni: Total. Also das war auch der, also ich habe das jetzt schon mehrfach in den Podcasts gehört, dass quasi dieses Weihnachten ’22 man zusammensaß und wusste: Okay, wir müssen, wir müssen was tun. Und deswegen waren ja OTTO und dm beispielsweise die ersten beiden Unternehmen, die einen ganz kleinen GPT, also einen eigenen GPT gebaut haben, was einmal dazu einlädt, mit künstlicher Intelligenz zu arbeiten. Gleichzeitig aber auch, das muss man ja auch leider sagen, dafür sorgt, dass Unternehmensinterna auch im Unternehmen bleiben.
Marilyn Repp: Genau.
Alexandra Tsingeni: Und dann gab es den einen oder anderen Skandal oder man kann es auch Leak nennen. Ja, das ist halt, wenn man nicht weiß, dass all das, was man da reinpackt, halt einfach auch die Engine füttert und dann für andere verfügbar ist. Das ist so, wie wenn man…
Marilyn Repp: Genau, also da muss man wirklich schulen, fortbilden, Awareness schaffen, so wie bei dem ganzen Security-Thema einfach. Das ist super unsexy.
Alexandra Tsingeni: Ich wollte gerade sagen, es ist so, als würde ich einen USB-Stick auf dem Parkplatz: Was machst du damit? Einstecken, melden oder vernichten?
Marilyn Repp: Vielleicht nochmal ganz kurz zu OTTO, weil ich weiß nicht, ob die HörerInnen da draußen wissen, was die machen? Also ich weiß, was die machen. Diese OTTO-GPT, glaube ich, heißt das. Vielleicht kannst du es nochmal ganz kurz runterbrechen, wofür das da ist und wofür das die Leute im Alltag unterstützt.
Alexandra Tsingeni: Boah, also das Otto-GPT macht einiges, also genau wie alle anderen GPTs. Es gibt eigene definierte Anwendungen, das heißt beispielsweise, du kannst dort Dokumente suchen. Du kannst aber auch sogenannte Lernpfade darüber begehen. Das bedeutet, also das ganze Schulungs- und Trainingsthema ist da mitangebunden. Und an sich kannst du halt damit ChatGPT während deiner Arbeit benutzen. Also so wie du und ich unsere privaten GPTs für unseren Kram benutzen, haben die quasi eine Möglichkeit, sowohl E-Mails zu schreiben, als auch wirklich kleine Bildchen zu machen. Also wirklich von bis, also es ist komplett breit. Und wir müssen bei OTTO ja auch überlegen, also OTTO ist ja nicht gleich OTTO, sondern OTTO ist halt eine riesengroße Gruppe. Da gehören auch Cashcows wie beispielsweise Lascana zu oder auch seit, wie heißt das, vorgestern? About You. Also absolut, absolut witzig. Also es ist ein riesiger Konzern, da quasi konzernweit etwas anzubieten, sehr, sehr schlau, sehr, sehr stark und das schützt vor allem, das schützt vor allem die Mitarbeitenden. Und ich glaube, das war ein sehr, sehr guter Wettbewerbsvorteil gegenüber anderen, die sie da herausgeholt haben. Welche 100 Anwendungen man konkret damit machen kann? Könnt ihr Frederike Fritzsche auf LinkedIn folgen. Könnt ihr das eine oder andere Beispiel sehen, die postet da sehr regelmäßig drüber.
Marilyn Repp: Genau, also was mir so ein bisschen im Kopf hängen geblieben ist, ist das ganze Thema Onboarding und ja, also Onboarding von neuen Mitarbeitenden. Die stellen ja, let’s face it, immer dieselben Fragen. Ja, wo war nochmal das Dokument? Oder wie läuft noch der Prozess? Oder wie muss ich das machen? Wer ist dafür zuständig? Und es ist teilweise unangenehm, die Kolleginnen und Kollegen das halt immer wieder zu fragen und man möchte es vielleicht nicht machen, dann schiebt man das vor sich her. Und bei einer GPT, bei einer KI macht man, also ist die Schwelle einfach niedriger und man stellt die Fragen viel leichter und es gibt ja auch verschiedene Umfragen und Studien, die darauf hinweisen, dass auch in anderen Bereichen Menschen lieber mit künstlichen Intelligenzen sprechen als mit anderen Menschen. Und ich glaube, auch da kann man ja Effizienzen heben. Also vielleicht da an der Stelle, das war das, was mir im Hinterkopf geblieben ist zum Thema Onboarding mit OTTO-GPT. Aber ich glaube, dass man eben auch durch dieses Experimentieren und frühe Einführen so viele Lerneffekte hat mit so einer neuen Technologie, dass daraus dann viel Neues entsteht ja und daraus dann eben auch Wettbewerbsvorteile entstehen.
Alexandra Tsingeni: Ich glaube, es ist, ich glaube, man muss sogar noch einen Schritt weiter gehen. Es ist absolut mandatory, dass man auf diesen Trend, der da einfach oder Hypertrend, der da einfach hochgeploppt ist, auch so schnell reagiert hat, einfach wegen aus dem Sicherheitsaspekt. Und weil wir ja alle privat irgendwie schon Kram damit gemacht haben. Also ist ja nicht so, ist ja nicht so, als hätten wir dann, als hätten nicht dann unsere Kinder und die Kindeskinder und die Leute, die man so rechts und links kennt, festgestellt: Boah, ich kann meine Hausaufgaben damit machen. Wahnsinn, Wahnsinn. Oder allein sowas wie Voice-to-Text, absolut crazy. So ach ja, die KI hat doch fünf Finger, die kann keine Finger, natürlich kann ich Bilder erkennen und kann sagen, das ist KI und nicht KI. Also sorry, aber das, was ich auf der Retail Next von Omar gesehen habe, Tchibo, Alter, was die da machen mit Gen AI, absoluter Wahnsinn. Funfact: Mittlerweile, das hat er dann auch noch mal im Podcast erzählt und weitere Beispiele gegeben, die fliegen halt nicht mehr für jedes Produkt nach klassisch Südafrika und shooten dort, sondern die haben die Metadaten der Produkte und packen die in unterschiedliche Kontexte. Und in der dm-Folge gestern haben wir beispielsweise auch gelernt: Okay, dm ist das erste Unternehmen oder ist ein Unternehmen, die das erste Mal etwas gewagt haben, und zwar KI-Rechte von Models und Fotografen zu kaufen. Und das ist halt absolut verrückt. Das bedeutet, die shooten jetzt einmal, so, und dann ist das Winter Mode, Sommer Mode, braune Haare, weiße Haare, Locken, wie auch immer. Weil halt, seien wir ehrlich, wenn wir jetzt da hinten irgendwo in der Plakatwand eine lächelnde Frau mit blonden Haaren sehen, die halt Werbung für Shampoo macht, so, die kennt ja keiner. Also es ist ja nicht so, als wäre das an der Stelle eine Influencerin, die über eine Kooperation mit ihrer Brand, mit ihrem Gesicht, mit ihrer Reichweite irgendwie eine Werbung macht, sondern es ist einfach ein gebuchtes Model. Und ich glaube, das birgt viele Diskussionen. Was kann man und will man ethisch tun? Wie verrechnet man sowas? Also wenn ich jetzt meine kompletten Audio- und Bildrechte abgeben würde, die verändert werden könnten, was bedeutet das eigentlich? Wie viel Geld muss ich dafür nehmen? Also super, super spannendes Thema. Der AI-Act, weiß nicht, ob wir heute noch weiter darauf zu sprechen kommen, der hängt da noch sehr hinterher, der baut jetzt gerade Grundlagen, die auch von den meisten Händlern sehr willkommen geheißen werden.
Marilyn Repp: Also der AI-Act ist die EU-Regulatorik als Reaktion auf die Entwicklung im Bereich Künstliche Intelligenz. Das soll halt reguliert werden und Rahmenbedingungen geschaffen werden, die eben Europa auch einen Vorteil verschaffen. So ist der Gedanke. Mal sehen, ob es so kommt,
Alexandra Tsingeni: Ja, man muss aber auch sagen, die sind ja damit die allerersten, die ein derart globales oder großes Gesetz setzen, also sowohl der asiatische Teil als auch Amerika gucken nach Europa, gucken wie es läuft. Bin gespannt, wann die nachziehen werden und ob sie nachziehen werden. Wie sagte es ein Händler in der Staffel? Der AI-Act sorgt dafür, dass wir zumindest innerhalb in Europa alle nach den selben Spielregeln spielen. Und ich will jetzt gar nicht das große Fass mit Temu und Co. aufmachen, aber Fakt ist, AI gibt viele Möglichkeiten und es ist schon sinnvoll, dass wir über Kennzeichnung und auch Urheberrechte sprechen. Ist so.
Marilyn Repp: Absolut. So, du hast ein paar Einblicke gegeben. Worum geht es? Also Anwendungsbereiche hast du auch schon ein bisschen genannt. Du hast gesagt, zwei Dinge ziehen sich immer wieder oder ploppen immer wieder auf. Das eine ist Mensch und KI und was war das andere?
Alexandra Tsingeni: Organisationsveränderung. Also du kannst die Silos nicht mehr so fahren.
Marilyn Repp: Genau. Verlier dazu gerne noch ein paar Worte.
Alexandra Tsingeni: Bitte, bitte. Ah nee, du oder ich?
Marilyn Repp: Nein, du verlierst noch ein paar Worte dazu, zu deinen Einblicken dazu. Genau.
Alexandra Tsingeni: Ja. Organisationsentwicklung oder Organisationsveränderung. Den einen fällt es leichter, den anderen schwerer. Das ist so. Aber Fakt ist, es werden neue, es entstehen gerade neue Rollen. Es werden andere Menschen eingestellt.
Marilyn Repp: Leute, die sich mit KI auskennen?
Alexandra Tsingeni: Nicht nur. Nicht nur. Also was halt gerade auch top gefragt sind, sind Physiker, sind Mathematiker, sind NeurowissenschaftlerInnen. Das sind so, also ich sag mal so, für die, die klassisch BWL studiert haben, halt, also ja, die brauchen wir auch, weil wir müssen immer noch klare Return-on-Investment-Definitionen durchführen. Aber die Jobprofile und das, was Leute heute lernen müssen oder sollten, verändert sich und das stellt natürlich, ich sag mal, nicht mehr ganz so young professionals wie dich und mich auch vor die Frage: Was ist eigentlich unser asset? Also was müssen wir heute lernen oder was muss mir mein Unternehmen, wenn wir angestellt wären, was muss mir mein Unternehmen heute beibringen, damit ich morgen noch wertstiftend bin? Und das hängt ein bisschen in der Personalentwicklung, es hängt aber auch ein bisschen in der IT. Employer Branding spielt da auch eine große Rolle. Also es ist halt die Frage: Wo verortet man so ein Thema? Und die Firmen, mit denen ich jetzt bisher gesprochen habe, die haben cross-funktionale Teams. Die setzen sich viel mit der Personalabteilung hin. Die lassen die nicht alleine die Leute aussuchen und nicht, weil sie das nicht können, sondern weil sie schlichtweg nicht sollen, weil sich das Anforderungsprofil so massiv verändert. Das heißt, ich finde, dass in meiner Observation tut KI den Unternehmen gerade definitiv gut, weil es drückt nach vorne, es pusht Geschwindigkeit. Und seien wir ehrlich, wir haben jetzt in den letzten Jahren so viel Krisen gehabt, wir haben sehr viel im Krisenmodus gearbeitet. Klar, wir hatten Innovationen wie SCO-Ausrollung, wir hatten Innovationen wie Scan&Go, wir hatten so die ersten Smart Stores. Aber was passiert sonst? Was hat sich innerhalb der Unternehmen verändert? Und KI drückt.
Marilyn Repp: Ja, ja.
Alexandra Tsingeni: Und die Unternehmen, die jetzt nicht groß im KI-Game drin sind, die werden nachziehen müssen. Die Frage ist halt…
Marilyn Repp: Teilweise zu spät…
Werbung. Ja, ihr findet das, was wir machen, gut bei Zukunft des Einkaufens. Wir machen das natürlich super gerne weiter kostenlos für euch und möchten euch an der Stelle bitten, uns fünf Sterne in den Podcatchern eurer Wahl zu geben. Ihr könnt uns aber auch ein paar Euro in den Hut werfen und Unterstützer oder Unterstützerin werden und zwar bei ZukunftDesEinnkaufens.de auf der Webseite findet ihr einen Bereich „Unterstützer werden“. Oder völlig kostenlos: Teilt unsere Inhalte in Social Media oder erzählt euren Kollegen, euren Kolleginnen oder euren Freunden von uns und unseren tollen Inhalten. Man kann mich und auch die anderen Autorinnen und Autoren bei Zukunft des Einkaufens auch buchen als Speaker. Ich spreche vor allen Dingen zu den Themen: Trends, Digitalisierung, Technologien im Handel. Meine Themen sind die Zukunft des Handels und ich beschäftige mich da hauptsächlich mit den jungen Zielgruppen. Also was machen die so abgespacetes? Das Thema Metaverse, Web3, aber auch künstliche Intelligenz, Gamification und Gaming. Das sind so meine Themen. Ich gehe weniger darauf ein, was diese Technologie, also was dahinter steckt, wie die funktionieren, sondern ich spreche eher darüber, was sie können, welche Tools gibt es, welche guten Beispiele gibt es und welche Unternehmen machen schon was. Ich zeige viele Best Practices und jetzt viel Spaß weiter beim Podcast.
Wie nimmst du das wahr? Wie steht der Handel da? Also in der Anwendung und Einführung von KI Technologien, war der Handel da schnell oder hinkt dahinter her?
Alexandra Tsingeni: Nee, nee der Handel war schnell. Der Handel war definitiv schnell, weil es ein paar absolut Low Hanging Fruits gab, also das ganze Thema generative KI im Kontext von Call Centern, also Voice to Text, Konnotationen raushören, sowas, also alles, was mit neuronalen Netzen abgebildet werden kann, das ist easy. Easy. Und wir sind halt heute Ende 2024 an einem Punkt, wo auch bildgebende KI mit den verschiedenen Programmen auch einfach schon richtig, richtig gut funktioniert für die meisten Use Cases. Das heißt, die Frage, die ich mir stelle, ist: Haben wir für gewisse Cases nicht auch einen gewissen Grenznutzen schon erreicht? Wir gehen nämlich jetzt, wenn wir jetzt nochmal auf Zühlke zurückgehen und das, was ich da gelernt habe, ich habe nämlich auch das AI Breakfast im April diesen Jahres moderiert. Und da haben wir auch Händler gehört, aber auch eben jemand aus der Theorie, der gesagt hat: Wir verbrauchen gerade ultra viele Ressourcen mit jedem Poll, den wir machen, mit jedem Prompt, den wir da reinballern. So, das heißt 2025 ein Trend wird sein, statt der großen Modelle auch auf kleine Open Source Modelle zu wechseln, weil wir brauchen etwas, was Ressourcen schonender ist. Wir müssen Systeme aufbauen, die stabil funktionieren, die aber nicht jedes Mal einen Laster in Bewegung setzen, wenn wir eigentlich ein Fahrrad brauchen. Okay, dann nehmen wir ein E-Bike, okay. Aber brauchen wir die Rechenleistung von Schnips jetzt oder reicht auch eins, zwei Schnips? Und weil das bedeutet, also das, was da an Credits läuft, das, was da an Polls läuft, ich komme nicht mehr richtig auf die Zahl. Also sowohl Frederike als auch Christian Metzner von Rossmann hatte das bei dem AI Day von der LZ gesagt: Also die Menge an Polls, die innerhalb des Unternehmens schon haben, ist unglaublich. Also wie viele Menschen schon heute mit deren eigenen GPTs arbeiten.
Marilyn Repp: So, jetzt haben wir uns angeguckt, wie gut der Handel schon unterwegs ist. Du bist da ja sehr optimistisch und auch sehr lobend unterwegs für deine Branche. Ist auch schön so, finde ich super. Woran scheitern denn die meisten Projekte? Hast du da auch ein paar Einblicke bekommen?
Alexandra Tsingeni: Ja. Und für jeden, der da auch irgendwie Richtung UK mal gucken möchte, die Folge mit Lawrence, die ist schon sehr, die war schon sehr devastating. Also ich wusste im Vorgespräch mit ihm schon, also nach dem Vorgespräch, in welche Richtung das gehen wird. Und jetzt könnte man sagen, man startet eine Podcast-Staffel mit: Yay, that’s state of the art, let’s go. Aber die Realität ist, viele Organisationen scheitern an den organisatorischen Widerständen. Wenn das Thema KI nicht von Menschen getrieben wird, wie mit allen anderen Themen eigentlich auch, so es ist nicht neu. Wenn wir Silos haben, wenn wir nicht miteinander arbeiten innerhalb der verschiedenen Abteilungen, dann verlieren wir Zeit und haben halt so viel Reibungsverlust und die Wärme, die bei dieser Reibung entsteht, die führt halt ins Nichts. So und dann zweite Thema, ich habe ein richtig geiles Gespräch mit Tiankai Feng geführt. Ich weiß nicht, ob ihr den kennt, hat ganz lange als Head of Data Governance für Adidas gearbeitet, ist ein singender YouTuber, auch auf LinkedIn unterwegs, extrem cool, während der Corona-Zeit, sehr fame geworden. Der hat erzählt: Liebe Leute, wir müssen nochmal über das Thema Data Governance und Datenqualität sprechen. Weil, das haben wir, Marilyn, dieses Jahr sehr viel gehört, shit in, shit out, oder wie die Engländer sagen, crap in, crap out. Stammdaten haben zum Teil immer noch eine schwierige Qualität. Keinen einheitlichen Standard. Es gibt noch keine ordentlichen Data Lakes. Zum Teil werden einfach übergeordnete Systeme gebaut, irgendwo drauf gesetzt, weil es schneller ist, alle Dateien von allen Programmen zentral in eine Plattform laufen zu lassen, anstatt den Zustrom der Daten und innerhalb der Systeme sauber aufzusetzen. Jeder, der sich in einer S/4-Transformation befindet, wird sich die Frage stellen, also SAP S/4HANA Transformation, wird sich gerade die Frage gestellt haben: Starten wir Greenfield und bauen das ganze nochmal von neu auf, oder machen wir Brownfield und gucken mal: Okay, gehen wir mit dem groben Rechen drüber, dauert eh drei Jahre, wird eh teuer. Was müssen wir verändern? Also wie viel müssen wir anpacken? Und das ist einer der großen Gründe, warum KI-Projekte scheitern oder warum sie überhaupt nicht ins Fliegen kommen, weil Datenqualität oder auch die Datenzugänglichkeit ist zum Teil nicht da. Spannendes Thema, wenn wir jetzt beispielsweise auf Lavazza gucken: Wie kann eine Handelsmarke an mehr Daten kommen? Gute Frage, nächste Frage. Weil der Händler gibt nur eine gewisse Anzahl an Daten weiter. Dann gibt es jetzt solche Anbieter wie RELEX, die konsolidieren die Daten und verkaufen die. Also nicht RELEX verkauft die, sondern der Händler bekommt Geld dafür, dass der Dienstleister, wie beispielsweise Cosnova, dann diese Daten bekommt. So und das ist cool, weil damit kann der Dienstleister, der Dienstleister, kann die Brand, die FMCG-Brand ja durchaus auch was anfangen, wenn nämlich wer genauer weiß, wann wird was abverkauft, in welcher Warenkorbkombination vielleicht. Es macht ja auch die Marken nur besser. So, aber wenn du die Daten nicht hast, hast du sie nicht. Musst du erst mal gucken, wie du die kriegst. Und dann sind wir schon wieder im Bereich: Ok, brauchen wir eigentlich First-Party-Daten? Und dann sind wir schon wieder im Bereich Loyalty und Hyperpersonalisierung und Retail-Media und das Fass mach ich jetzt auch nicht auf.
Marilyn Repp: Ne, ne, das führt uns jetzt zu weit.
Alexandra Tsingeni: Genau. Also es hängt wirklich alles so extrem zusammen, dass du dir halt wirklich die Frage stellen musst: Was fasse ich eigentlich an? Und Mario, Head of Digitalization oder Gebietsbereichsverantwortlicher bei dm für Marketing und Digitalisierung, auch interessant, dass die Themen zusammenhängen, er sagt halt: Wir brauchen Fokus. Wir überlegen uns, welche Themen wir anpacken. Jetzt haben die die Geschichte mit dem digitalisierten Fotoshooting gemacht, werden die jetzt alle Fotoshootings auf die Art und Weise machen? Ne, die haben einen anderen Fokus. Die konzentrieren sich gerade auf andere Themen mit ihren Ressourcen. Weil Skalierung…
Marilyn Rapp: Also das war nur ein Test-Ballon?
Alexandra Tsingeni: Genau, das haben die jetzt einmal gemacht und gucken mal, wie weit sie damit kommen. Und Skalierung ist halt definitiv ein Punkt, weil zum einen müssen wir halt wissen: Ok, wofür machen wir das? Also ja, klingt jetzt erstmal total cool, dass unsere Kantine ihre Menüs mit Gen AI erstellen kann und die dann hochgeladen werden automatisch. Aber was ist denn eigentlich der klare ROI, den wir uns erhoffen? Wie häufig brauchen wir diesen Case tatsächlich im Unternehmen? Ist das etwas, was wir automatisieren oder was wir vielleicht komplett rauslöschen können, also eliminieren können? So klassische Fragen, die sich in Prozessen an der Stelle stellen. Und größter Stolperstein, wo wir zum Glück in einigen Unternehmen ein sehr gutes Verständnis für haben, ist Enablement. Mitarbeiter verstehen oft nicht, wie KI funktioniert. Turns out: Ich auch nicht. Ich habe zwei Kurse dazu mir angeguckt und absolviert, die verschiedenen LLMs und Co. Also da ist mein Handels-BWL-Hirn auch schnell raus. Also gebe ich zu, es ist nicht meine Domäne. Ich verstehe aber, es gibt da Unterschiede, mit denen kannst du unterschiedliche Dinge tun, die haben eine unterschiedliche Performance und es ist immer ein Zusammenspiel von… und du musst ganz genau definieren: Woher kommt jetzt eigentlich mein Resultat? Weil die größten Schwierigkeiten außerhalb von jetzt scheitern, ist ein konstantes, wiederholbares Ergebnis zu erzielen. Wir haben in allen KI’s heute noch das Problem der Halluzination. Was quasi so viel bedeutet, wie: Da kommt halt irgendwas bei rum, was wir halt, also hä? Why?
Marilyn Repp: Ja.
Alexandra Tsingeni: Warum empfiehlst du mir jetzt die Suppe mit der Gabel zu essen? Also Thema Black Box und Co.
Marilyn Repp: Ja. Ich hatte auch schon sehr, sehr lustige Ergebnisse, die für einen schmunzeln sorgen und zeigen, dass das eigene Oberstübchen noch nicht ganz ersetzt ist und wir da doch hin und wieder nochmal überlegen müssen. Was erwartest du jetzt für 2025? Wir haben ja vorhin die Phasen aus der Vergangenheit angeguckt. Was, glaubst du, kommt jetzt in Zukunft, in den nächsten Jahren im Bereich KI im Handeln?
Alexandra Tsingeni: Ich glaube, wir haben vier klare Trends. Wir gehen stärker in das Thema Automatisierung, also die nahtlose Interaktion von dem, was wir so tun mit KI. Also beispielsweise, wenn du heute schon bei einigen Service-Stellen anrufst, ist das eine KI, die mit dir spricht. Kein einfaches Band, sondern das ist eine KI, mit der du dann ein Gespräch führst, was wirklich richtig gut funktioniert. Oder halt auch Voice-to-Text. Also ich habe einen für meine Calls, einen AI-Assistenten, der halt extrem gut funktioniert und dann Voice-to-Text macht, mir die To-Do’s direkt rausschreibt und Co. Das wird viel, viel mehr ineinander gehen. Und das Thema KI-gestützte Customer Journey, also da personalisierte Beratung, das ganze Thema Chatbots wird auf jeden Fall noch ein ganzes Stück weitergehen, da sind wir heute auch noch weit nicht beim gelben vom EI. Und das wird automatisiert passieren, also das wird der neue Standard sein. Dann, damit das passiert, müssen wir von den POCs weg hin zur Skalierung, also weg von diesen reinen Pocket Solutions und auch zu gucken: Was können wir bauen, was für das gesamte Unternehmen funktioniert? Also mehr Projekte, die halt im Kleinen ausprobiert werden, wie beispielsweise der KI-Assistent oder der AI-Agent von Lavazza, der gerade gebaut wird. Nämlich Markus der Marktleiter, hat mir Moritz erzählt, er versucht quasi damit so ein bisschen zu predicten, ein busy Marktleiter ist die und die Persona und jetzt möchte ein Außendienstler eben zu Markus dem Marktleiter gehen und ihm das neue Lavazza Sortiment vorstellen. Und hat das Ziel XY zu platzieren. Wie macht der das denn am besten? Ist das ein guter Approach? Und der AI-Agent gibt dann quasi eine Response und sagt dann: Puh, also gerade Weihnachtsgeschäft brauchst du mir eigentlich nicht mit der neuen Bohne kommen. Und es ist so geil, es ist so geil, weil wir damit einfach eine Simulation von Gesprächen machen können, bevor wir in den Markt gehen und die verbrennen, die MarktleiterInnen. Was hältst du davon? Könntest du dir das vorstellen, bevor du quasi in Pitches oder so reingehst, vorher mit einem idealen Avatar zu sprechen und verschiedene Dinge auszuprobieren? Glaubst du, das würde dich besser machen in deiner Arbeit?
Marilyn Repp: Natürlich, natürlich. Üben, trainieren, challengen, testen schon vorher ist doch mega und ich mache ja auch all das schon oftmals. Also meine ganzen, also wir haben ja bei LinkedIn auch schon da Ping Pong gespielt irgendwie, ich habe ja, ChatGPT ist mein Personal Assistant in allen Lebensbereichen, also jetzt ist Vorweihnachtszeit, wir backen Plätzchen, die Rezepte stammen alle von ChatGPT. Meine Immobilien Investments spiele ich immer vorher durch mit ChatGPT, also das Ding weiß alles über mich, das ist das eine und das andere ist, es ist halt einfach super kreativ und unterstützt mich in allen Lebensbereichen, in allen. Also ich frage teilweise keine Freunde mehr um Rat, sondern halt meine KI sozusagen und du hast aber angesprochen, du hast das Ganze auch schon, du hast eigene Assistentinnen gebaut damit, also hast du das mit GPTs gemacht oder mit anderen Tools?
Alexandra Tsingeni: Ne, ne. Es gibt auch Anbieter, die das machen, ich habe das mit ChatGPT gemacht. Ich habe mir eigene, ich habe mir eigene GPTs gebaut für beispielsweise das Thema Angebotserstellung, eben für das ganze Thema „Retail o-Tones“, weil da gibt es einfach viele sich wiederholende Aufgaben, Transkripte reinzuladen, immer eine sehr, sehr gute Idee, wenn man sie denn hat, das ist auch nochmal so ein Ding. Und dann genau, also ich gehe natürlich auch viel in die Analyse meiner Zahlen, also nicht nur Reichweite, Netzwerk, wen erreiche ich damit auf dem Papier, wenn ich jetzt so einen Spotify Raps bekomme beispielsweise, ultra geil, das auch für den eigenen Podcast zu sehen, werde ich jetzt auch in den nächsten Tagen irgendwann launchen, also publizieren, es ist, auch da kann man sich einfach Ideen holen. Aber wenn wir jetzt über Trends 2025 im Bereich KI sprechen, auch 2025 werden wir uns unserer Kernkompetenzen bewusster werden. Ich habe beispielsweise beim Reisen letztes Jahr in Thailand einen Designer kennengelernt und meinte so: Hast du jetzt eigentlich Angst mit ChatGPT und so und da brauchen wir dich gar nicht mehr. Und er sagte einfach nur dann auf Englisch: Alexis, als er in der Designschule war, kam Photoshop raus, so alt ist der schon, und er war der erste, der mit Laptop und Photoshop, also so ein dickes Gerät, in die Vorlesung gegangen ist und Menschen haben ihn ganz komisch angeguckt. Heute ist Photoshop der Standard für jeden Designer, mit Procreate und was es heute alles noch gibt. Das heißt auch da, dass wir hingehen und sagen: Okay, ChatGPT ist ein Werkzeug, wir brauchen the human in the loop, wenn es sinnvoll ist. Also werden wir und das Bewusstsein dafür wird noch stärker in den Organisationen, aber auch bei KundInnen gespielt werden: Wofür brauchen wir den Mensch? Oder um es mit dms Worten zu sagen: Hier bin ich Mensch, hier kaufe ich ein. So, das KI im Hintergrund Routen optimiert für die Logistik, MHD optimierte Ordering macht, ist doch geil, tut uns doch gar nicht weh, macht uns doch einfach nur besser in der Nachhaltigkeit der Unternehmung.
Marilyn Repp: Alexis, vor fünf Jahren hättest du für diese Aufgaben, die du jetzt gerade genannt hast, eine Assistentin eingestellt und keinen GPT.
Alexandra Tsingeni: Genau, ich bin aber tatsächlich kurz davor eine Assistentin einzustellen trotzdem, weil Workload is a thing.
Marilyn Repp: Trotzdem, vielleicht hättest du zwei gehabt.
Alexandra Tsingeni: Auf jeden Fall.
Marilyn Repp: Also muss man schon sagen, da fällt schon viel weg jetzt. Aber andererseits, guck dir mal an, was du mir auch gesagt hast, ich weiß nicht, ob es noch so ist, du bist gut gebucht, aber du hattest eine Viertagewoche. Im Moment wahrscheinlich nicht mehr, weil so viel los ist bei dir. Aber es besteht ein Potential dafür, dass wir alle weniger arbeiten können bei einer wachsenden Wertsteigerung.
Alexandra Tsingeni: Seh’ ich nicht. Klares nein. Also da sind wir uns sehr uneinig. Ich arbeite jetzt seit knapp zwei Jahren sieben Tage die Woche, das ist aber dann auch meiner Selbstständigkeit geschuldet.
Marilyn Repp: Oh je!
Alexandra Tsingeni: Weil es ist natürlich was anderes, wenn du regelmäßig deinen Gehalt bekommst oder wenn du halt viel tust. Ich bin jetzt mittlerweile Fulltime Creator und das lebe ich auch so, wird auch da Veränderungen geben kommendes Jahr, einfach in der Menge der Arbeitszeit, die ich hier reinstecke. Aber ich glaube, dass eine Viertagewoche und ich habe sie geliebt, nur dann funktioniert, wenn man einen klar abgesteckten Raum an Aufgaben hat und nur weil viele Aufgaben von der KI übernommen werden oder wegfallen, weil wir bessere Prozesse dafür finden, heißt es nicht, dass nicht immer noch genug zu tun ist. Also there is always stuff to do, there is always stuff to create.
Marilyn Repp: Ja.
Alexandra Tsingeni: Und deswegen glaube ich, dass wir, dass KI keine easy Antwort auf: Was machen wir denn jetzt? Also wenn Menschen nicht arbeiten wollen, weil die Arbeitsbedingungen scheiße sind und wir deswegen zu wenig Menschen haben, können wir diese Dinge trotzdem nicht durch KI machen lassen. Ich spreche jetzt rein über die Handelsbranche. Es dauert noch eine ganze Weile, bis wir in mehr personalosen Stores unterwegs sind, wobei wir überall Personal brauchen.
Marilyn Repp: Aber man muss ja grundsätzlich schon sagen, wenn man sich mal die Entwicklung unserer Wirtschaft anguckt, sagen wir mal in den letzten 200 Jahren. Also es wurde ja immer gesagt: Okay, jetzt nimmt uns Automatisierung die Jobs weg, jetzt nimmt uns das Internet, jetzt KI nimmt uns die Jobs weg. Es war nie so. Wie du sagst, es gibt andere neue Aufgaben, neue Bereiche. Aber trotzdem sinkt die durchschnittliche Arbeits-, also Wochenarbeitszeit stetig. Und wir haben trotzdem eine wachsende Wertschöpfung. Wie kann das eigentlich sein? Natürlich durch Effizienzsteigerung, durch neue Technologien. Und das finde ich aber eigentlich einen sehr positiven Ausblick, dass wir wahrscheinlich irgendwie zu dem Punkt kommen, weniger Wochenarbeitszeit machen zu müssen. Also jetzt mal im Durchschnitt der Gesellschaft. Gar nicht nur auf den Handel geblickt. Aber wie gesagt, trotzdem eine wachsende Wertschöpfung ist natürlich immer die Frage, wie man das verteilt in der Gesellschaft. So, jetzt habe ich mal ein ganz großes Bild aufgemacht.
Alexandra Tsingeni: Richtig.
Marilyn Repp: Gut, da wären wir uns nicht einig, sehe ich.
Alexandra Tsingeni: Ich glaube, da müssten wir halt noch viel tiefer in die Zahlen gucken. Halt auch gucken: Okay, was bedeutet das denn über die Arbeitslosenzahlen in den letzten Jahren? Inwieweit spielt denn das Thema Mindestlohn eine Rolle? Also ich kenne halt auch genug Leute, die sagen: Ich gehe nicht mehr arbeiten, lohnt sich nicht.
Marilyn Repp: Genau, ja. Falsche Anreize.
Alexandra Tsingeni: Ich kenne Bäckereien, die viel zu früh zumachen, einfach weil sie kein Verkaufspersonal haben. Natürlich könnten wir jetzt hier mit Technik rumgehen. Also gerade für Bäckereien sind halt irgendwie, so sensorgesteuerte Bäckereien, ein großes Potenzial, meiner Meinung nach. Aber ich glaube erst mal, dass das Gros der Menschen, die halt nicht im Büro sitzen, nicht weniger arbeiten werden können, weil einfach viele Aufgaben noch nicht von KI übernommen werden können.
Marilyn Repp: Das Gros der Menschen sitzt aber in Büros, also zumindest in Deutschland im Dienstleistungsbereich.
Alexandra Tsingeni: Hast du Zahlen?
Marilyn Repp: Also wenn wir jetzt mal nicht nur den, ja natürlich, die meisten Menschen in Deutschland arbeiten im Dienstleistungsbereich.
Alexandra Tsingeni: Okay.
Marilyn Repp: Also nicht irgendwie auf der Fläche oder in irgendwelchen Produktionsbereichen. Also das ist die Dienstleistung. Naja, und, also da werden wir uns nicht einig, ich sehe schon, aber jetzt sind wir auch wirklich aufs ganz große Picture gekommen. Ist aber trotzdem super spannend, weil bei dem Thema Künstliche Intelligenz, da werden glaube ich auch ganz tiefe Ängste, Dystopien hervorgerufen. Und ich bin super gespannt, wie es weitergeht. Ich glaube aber trotzdem, nächstes Jahr sprechen wir über andere Technologietrends. Was ist dein Tipp?
Alexandra Tsingeni: Ich glaube Retail Media, Retail Media wird einer der Hauptpunkte sein. Aber wie ich es eben schon ganz kurz angesprochen habe, ich glaube die Themen greifen extrem eng ineinander. Nächster Podcast-Schwerpunkt wird bei mir Retail Media und Loyalty sein. Also da auch Call for Speakers für 2025, „Retail o-Tones“, ja, Application.
Marilyn Repp: Da bin ich gespannt. Da kannst du dich auch gleich mit meinem Kollegen dem Frank noch austauschen, der nämlich eine sehr kritische Stimme ist bei dem Thema Retail Media. Da schicke ich dir den Artikel zum Zukunft des Einkaufens-Artikel, den er geschrieben hat.
Alexandra Tsingeni: Ja, super gerne.
Marilyn Repp: War alles schon mal da, sagt er, mit Digital Signage.
Alexandra Tsingeni: Oh, ja ja. Mach ich jetzt kein Statement zu, macht wieder ein weiteres Fass auf. Also wir bleiben dabei, im Handel bleibt es spannend. Mein letztes Statement zum Thema KI, sie ergänzt, sie ersetzt nicht. Der Mensch bleibt im Mittelpunkt und der deutsche Handel ist auf einem verdammt guten Weg.
Marilyn Repp: Liebe Alexis, vielen Dank für die Einblicke in die deutsche Handelslandschaft. Sehr aktuell, sehr tief. Aber auch das große, die großen roten Fäden, sag ich mal, super spannend gewesen. Ich wünsche dir jetzt weiterhin viel Erfolg in allem, was du vorhast. Und genau, lass die KI-Assistentin hier ein bisschen dich unterstützen in Zukunft, würde ich sagen. Vielen Dank, Alexis.
Alexandra Tsingeni: Working on it. Dankeschön. Tschüss.
Neue IT-Implementierungen und -Anwendungen sind derzeit der wichtigste Motor für die Beschleunigung der globalen Entwicklung. Technische Innovationen in den Bereichen künstliche Intelligenz, IoT, AR, Quantencomputing, GreenTech und Deep Tech optimieren jetzt das digitale Modellentwicklungssystem und tragen zur Rationalisierung der Arbeitsabläufe bei. Dies ist die nahe Zukunft der meisten Branchen, einschließlich Transport und Logistik. Die neuesten IT-Ideen machen es heute möglich, die Lieferkosten genau zu berechnen, eine breite Palette unterschiedlicher Fähigkeiten zu schaffen, die die Planung von Logistikprozessen vereinfachen, die autonome Ausführung bestimmter Funktionen erleichtern und sogar die Möglichkeit bieten, bestimmte Arten von Risiken vorherzusagen. Ein anschauliches Beispiel, auch wenn es um rein technische Fragen geht: der Palettenversand international https://shipstage.com/solution-pallet-shipping. Zusammen bilden solche technischen Innovationen und digitalen Geschäftsmodelle eine hervorragende Grundlage für die Entwicklung im Jahr 2025, die in der Lage sein wird, die wachsenden Erwartungen der Kunden zu erfüllen.