KI im Einzelhandel: Anwendungsfelder, Datenschutz und der Weg zum ersten Piloten

90 Prozent der Handelsunternehmen mit 50 Millionen bis 1 Milliarde Euro Umsatz haben KI-Projekte bereits umgesetzt oder planen sie konkret. Bei Händlern mit weniger als 50 Millionen Euro Umsatz sind es nur 46,9 Prozent (HDE-KI-Index 2025, 175 befragte Handelsunternehmen, Befragungszeitraum November 2024 bis Februar 2025). KI im Einzelhandel ist also längst kein Nischenthema mehr, aber der Abstand zwischen großen Ketten und kleineren Händlern wächst schneller, als viele mittelständische Betriebe wahrnehmen.

Dieser Leitfaden zeigt, welche Anwendungsfelder im Einzelhandel heute tatsächlich Ergebnisse liefern, was Datenschutzrecht und EU AI Act beim Umgang mit Kundendaten und Kamerasystemen verlangen, und wie kleinere Händler den Rückstand strukturiert aufholen.

Wo der Handel beim KI-Einsatz steht

Der HDE-KI-Index 2025 zeichnet ein Bild mit zwei klar unterschiedlichen Geschwindigkeiten. Insgesamt haben 21,6 Prozent der befragten Handelsunternehmen bereits Pilotprojekte umgesetzt, ein Plus von 46 Prozent gegenüber 2023. 16,2 Prozent setzen KI bereits auf breiter Basis ein, 9,6 Prozent haben die Einführung abgeschlossen, beide Werte haben sich seit 2023 verdreifacht.

Der eigentliche Unterschied zeigt sich bei der Aufschlüsselung nach Unternehmensgröße. Bei Großunternehmen mit über 1 Milliarde Euro Umsatz liegt die Quote der Unternehmen mit umgesetzten oder geplanten KI-Projekten bei 86,4 Prozent, bei mittleren Unternehmen zwischen 50 Millionen und 1 Milliarde Euro sogar bei 90 Prozent. Bei kleineren Händlern mit bis zu 50 Millionen Euro Umsatz sind es nur 46,9 Prozent. Genau diese Gruppe ist der Kern des deutschen Einzelhandels-Mittelstands.

Als zentrale Hürden nennt die Studie fehlende Ressourcen, fehlendes Know-how und unzureichende Datenqualität. Mehr als die Hälfte der befragten Unternehmen bewegt sich aktuell auf den Stufen zwei bis drei eines vierstufigen KI-Reifegradmodells, also auf einem niedrigen bis mittleren Entwicklungsstand mit isolierten Einzellösungen statt einer durchgängigen Strategie. Besonders nachgefragt sind KI-Anwendungen laut der Studie in Category Management, Einkauf, Vertrieb und Marketing.

Diese Lücke ist kein Zeichen dafür, dass KI für kleinere Händler nicht funktioniert, sondern dass größere Ketten mit eigenen IT-Teams schneller in die Umsetzung kommen. Für einen Händler mit zehn bis fünfzig Mitarbeitenden ist der Hebel derselbe, nur der Einstieg muss kleiner und konkreter geschnitten sein.

Drei Anwendungsfelder, die sich im Einzelhandel bewähren

Nachfrageprognose und Bestandsplanung. Der Klassiker mit dem unmittelbarsten ROI. KI-Modelle werten Verkaufshistorie, Saisonmuster, lokale Events und teils Wetterdaten aus, um Bestellmengen pro Filiale und Artikel präziser zu planen als klassische Durchschnittswert-Formeln. Weniger Überbestand bindet weniger Kapital, weniger Fehlbestand bedeutet weniger entgangenen Umsatz. Die Datenbasis dafür liegt in den meisten Handelsunternehmen bereits im Kassensystem und in der Warenwirtschaft vor, was diesen Anwendungsfall zum naheliegendsten Einstieg macht.

Personalisierte Kundenansprache und Category Management. Produktempfehlungen auf Basis von Kaufhistorie und Browsing-Verhalten, zielgerichtete Marketingaktionen und datengestützte Sortimentsentscheidungen gehören laut HDE-Studie zu den am stärksten nachgefragten Anwendungsfeldern im Handel. Wie sich KI-gestützte Marketingprozesse konkret aufbauen lassen, beschreibt der Beitrag KI im Marketing im Detail.

KI-gestützte Kundenkommunikation. Chatbots für Produktfragen, Verfügbarkeitsauskünfte und Retourenprozesse entlasten den stationären wie den Online-Kundenservice bei wiederkehrenden Anfragen. Voraussetzung ist wie in jedem Kundenservice-Projekt eine belastbare Wissensbasis, sonst eskaliert der Bot mehr, als er löst. Die vier Workflows, die dabei zuverlässig funktionieren, und was der EU AI Act für Kundenservice-KI ab August 2026 verlangt, erklärt der Beitrag KI im Kundenservice.

Größere Handelsketten gehen inzwischen weiter: Die REWE-Filiale am Kölner Neumarkt bietet mit “Pick & Go” kassenloses Bezahlen per Computer-Vision-Technologie des israelischen Anbieters Trigo, tegut betreibt mit “teo” seit 2020 kassenlose Supermärkte auf App- und Self-Checkout-Basis. Für die meisten mittelständischen Händler ist das kein realistischer erster Schritt, zeigt aber die Richtung: Auch die physische Filiale wird zunehmend datengetrieben. Ein näherliegender Zwischenschritt ist die klassische Selbstbedienungskasse, deren Zahl sich laut EHI Retail Institute innerhalb von zwei Jahren um 143 Prozent auf über 38.650 Stationen in gut 10.000 Geschäften erhöht hat, davon rund 60 Prozent im Lebensmittelhandel.

Datenschutz bei Kundendaten im Handel

Kundendaten im Einzelhandel reichen von einfachen Kontaktdaten bis zu detaillierten Kaufprofilen und, bei Kamerasystemen, potenziell auch zu biometrischen Merkmalen. Das verlangt eine differenzierte Betrachtung, keine pauschale Antwort.

Kaufhistorie und Kundenprofile. Sobald ein KI-System aus Einzeltransaktionen ein zusammenhängendes Kundenprofil bildet, etwa für personalisierte Angebote oder individualisierte Preisgestaltung, greifen zusätzliche profilierungsrechtliche Anforderungen. Betroffene müssen über die Profilbildung informiert werden und die Möglichkeit haben, ihr zu widersprechen.

Auftragsverarbeitung bei externen Tools. Jeder SaaS-Anbieter für Empfehlungssysteme, Chatbots oder Nachfrageprognosen, der Kundendaten verarbeitet, braucht einen Auftragsverarbeitungsvertrag mit klarer EU-Datenresidenz und einem Ausschluss des Modelltrainings auf den eigenen Kundendaten. Eine ausführliche Checkliste dazu liefert der Beitrag Datenschutzkonforme KI für Unternehmen.

Kamerasysteme im Verkaufsraum. Kamerabasierte Systeme zur Warenverfügbarkeit, Laufwegeanalyse oder Diebstahlprävention verarbeiten häufig auch Bilddaten von Mitarbeitenden. Der Einsatz solcher Überwachungstechnik ist in Betrieben mit Betriebsrat mitbestimmungspflichtig, unabhängig davon, ob der primäre Zweck die Kundenanalyse ist. Das Mitbestimmungsrecht greift, sobald die Technik grundsätzlich geeignet ist, Verhalten oder Leistung von Mitarbeitenden zu überwachen, auch wenn das nicht die beabsichtigte Nutzung ist.

EU AI Act im Einzelhandel: Transparenz statt Verbot

Anders als oft angenommen verbietet der EU AI Act die meisten KI-Anwendungen im Einzelhandel nicht, verlangt aber an bestimmten Stellen Transparenz.

Emotionserkennung bei Kunden ist erlaubt, aber transparenzpflichtig. Kameragestützte Systeme, die versuchen, Stimmung oder Aufmerksamkeit von Kundinnen und Kunden anhand von Gesichtsausdrücken abzuleiten, fallen nicht unter die Hochrisiko-Kategorie und sind nicht generell verboten. Das strikte Verbot der Emotionserkennung im EU AI Act gilt ausdrücklich nur im beruflichen Kontext, also gegenüber Mitarbeitenden. Für Kundensysteme gilt stattdessen eine Informationspflicht: Wer einem Emotionserkennungssystem ausgesetzt ist, muss darüber informiert werden, bevor das System die Verarbeitung beginnt.

Produktempfehlungen sind kein Hochrisiko-System. KI, die Produktvorschläge auf Basis von Kaufhistorie oder kollaborativer Filterung personalisiert, ist nicht in der Liste der Hochrisiko-Anwendungen aufgeführt und braucht keine gesonderte Konformitätsbewertung nach EU AI Act. Die datenschutzrechtlichen Anforderungen an individuelle Profilbildung gelten davon unabhängig weiter.

Chatbots brauchen ab August 2026 einen Eskalationspfad. Für KI-gestützte Kundenkommunikation gilt dieselbe Transparenzpflicht wie in jedem anderen Kundenservice-Kontext: Kundinnen und Kunden müssen erkennen können, dass sie mit einem KI-System sprechen, und jederzeit zu einem Menschen wechseln können. Details dazu und zur Bußgeldhöhe bei Verstößen erklärt der Beitrag KI im Kundenservice.

Mitarbeiterüberwachung ist der einzige Hochrisiko-Fall. Setzt ein Händler KI zur Leistungs- oder Verhaltensüberwachung von Mitarbeitenden ein, etwa in einem Kundenservice-Callcenter, kann das je nach Ausgestaltung in die Hochrisiko-Kategorie fallen. Für reine Kundensysteme ist das nicht relevant, für Handelsunternehmen mit größeren internen Serviceteams sollte die Einstufung im Einzelfall geprüft werden.

SaaS-Tool oder eigene KI-Infrastruktur

Wann ein SaaS-Tool reicht. Für einzelne, klar abgegrenzte Aufgaben ohne dauerhaften Zugriff auf die vollständige Kundendatenbank, etwa Marketingtexte oder eine Nachfrageprognose für ein einzelnes Sortiment, ist ein Cloud-Tool mit EU-Hosting und Auftragsverarbeitungsvertrag der schnellste Einstieg.

Wann eigene Infrastruktur sinnvoll wird. Sobald ein KI-System dauerhaft auf die gesamte Kundendatenbank, Kassendaten mehrerer Filialen oder Kamerabilder aus dem Verkaufsraum zugreift, wiegt die eigene Infrastruktur die Investition auf. Modell, Daten und Zugriffsprotokolle bleiben dann vollständig unter eigener Kontrolle, ohne Weitergabe an externe Anbieter, deren Preismodelle und Datenverwendung sich ändern können. Die Deploymentoptionen dafür erklärt die Seite Eigene KI-Infrastruktur.

Der Einstieg für kleinere Händler: Drei Schritte

Schritt 1: Einen Prozess auswählen, nicht das ganze Sortiment. Nachfrageprognose für eine Warengruppe, Marketingtexte für eine Produktlinie oder Chatbot-Beantwortung für die zehn häufigsten Kundenfragen. Ein klar abgegrenzter Pilot liefert in vier bis acht Wochen belastbare Ergebnisse, ohne das gesamte Team zu binden.

Schritt 2: Datenlage realistisch einschätzen. Liegen Kassendaten, Warenwirtschaft und Kundendaten strukturiert vor, oder verteilen sie sich über mehrere isolierte Systeme? Die HDE-Studie nennt Datenqualität als eine der drei größten Hürden, das gilt für kleinere Händler in besonderem Maß, weil ihnen oft die IT-Kapazität für eine vorgelagerte Datenbereinigung fehlt.

Schritt 3: Datenschutz und Mitbestimmung vor dem Go-Live klären. Auftragsverarbeitungsverträge abschließen, EU-Datenresidenz prüfen, bei Kamerasystemen den Betriebsrat einbinden. Wer diesen Schritt vorzieht, vermeidet nachträgliche Korrekturen im laufenden Betrieb.

Was jetzt zu tun ist

Der Abstand zwischen großen Handelsketten und kleineren Händlern beim KI-Einsatz wächst, aber er ist kein technologisches, sondern ein organisatorisches Problem. Wer mit einem einzelnen, gut abgegrenzten Prozess startet, statt auf eine unternehmensweite KI-Strategie zu warten, holt den Rückstand am schnellsten auf.

Im KI-Prozess-Audit werden in 30 Minuten die relevantesten Prozesse deines Handelsunternehmens priorisiert, die Datenlage eingeschätzt und eine erste Empfehlung zu Aufwand und Nutzen erarbeitet. Wie sich einzelne Workflows über Bestandsplanung und Marketing hinaus durchgängig automatisieren lassen, zeigt der Beitrag KI-Prozessautomatisierung.