# REWE's AI Strategy: From Core Ops to Org Culture

**Podcast:** AI FIRST Podcast
**Published:** 2026-01-30

## Transcript

Herzlich willkommen zum AI First Podcast.
Heute zu Gast sind Henrike Alfeis und Julian Mennenö von REWE und wir sprechen heute darüber, welche KI-Use Cases es eigentlich im LEH gibt, die wir aber nicht mitbekommen, wenn wir dort einkaufen gehen und wie REWE seit vielen Jahren ihre KI-Strategie umsetzt, von traditioneller KI bis heute generativer KI und was sich damit auch in der Organisation verändert hat.
Ich bin total gespannt, was ihr zu...
erzählen habt und freue mich aufs Gespräch.
Schön, dass ihr da seid.
Danke, dass wir da sein dürfen.
Henrike, vielleicht machst du mal den Start.
Erzähl mal kurz, wer du bist und was du bei REWE machst.
Sehr gerne.
Ich bin Henrike aus dem Bereich Research Innovation der REWE Digital und freue mich auch sehr, heute hier in deinem Podcast zu Gast zu sein.
Vom Hintergrund bin ich Wirtschaftspsychologin und beschäftige mich auch schon seit Beginn meiner Zeit bei der Rewe Digital sehr intensiv mit dem Thema künstliche Intelligenz, vor allem mit der Frage, was macht KI auch mit der Art, wie wir arbeiten, wie wir zusammenarbeiten.
Ich schaue also nicht nur auf die Technologie selbst, sondern insbesondere auch auf die Transformation von Organisationen, aber auch Kultur.
mit und durch KI.
Und aktuell verantworte ich in unserem Bereich das Team AI Transformation und leite zusätzlich auch noch fachlich den AI Hub, der bei uns so eine Art Center of Excellence für Themen rund um Enablement, Community Building, Kommunikation, Change und KI-Beratung fungiert.
Danke.
Julian, was ist dein Background und wofür bist du bei der Rede verantwortlich?
Ja.
Genau, ich bin Head of AI Strategy and Enablement hier bei uns bei der REWE und Penny muss man immer dazu sagen, gehört auch dazu für alle, die sich wundern.
Ja, ich bin vor zwölf Jahren in die REWE eingestiegen, vor 13 müsste es mittlerweile sein.
Und damals hatten wir so den ersten Analytics-Bereich aufgebaut, um insbesondere die Kollegen im Einkauf zu unterstützen mit entscheidungsunterstützenden Tools.
wie das damals so war mit den Herausforderungen, die man so hatte und der Infrastruktur, die vielleicht noch nicht ganz da war, aber sind immer weiter gewachsen, sodass ich jetzt mich glücklich schätzen darf, in einem Bereich zu arbeiten von weit über 100 Personen, die daran arbeiten, eng mit der IT zusammen, eng mit den Fachbereichen zusammen, um AI und Advanced Analytics, ja, daraus Value zu generieren.
Und ich bin eine von sechs Domänenleitern, die die AI-Themen da vorantreiben, mit ganz vielen netten Kollegen zusammen.
Zum Einstieg möchte ich gerne mal verstehen, wenn ich an Rewe denke, dann denke ich an meinen Wocheneinkauf, Obst- und Gemüseabteilung, TK, frische Theke und bekomme dort alles, was ich so für mein alltägliches Leben brauche.
Aber das Letzte, woran ich wahrscheinlich denke, ist KI oder Daten oder ähnliches.
Was Was sind denn eigentlich schon so für KI-Use-Cases bei euch?
Wahrscheinlich schon lange, was ist denn da schon lange im Einsatz, was ich aber als Kunde bei euch gar nicht mitbekomme, weil es irgendwie unsichtbare KI ist, die im Hintergrund ihre Dinge tut.
Ja, klar, die Chatbots, die sieht dann jeder direkt immer, aber da stellt man sich natürlich auch die Frage, irgendwie verdiene ich damit jetzt wirklich mehr Geld?
Aber ich kann ja mal ein paar Beispiele nennen, die vielleicht wirklich unter der Haube sind.
Also einerseits, ich meine, was eigentlich im Handel eh schon immer passiert und natürlich auch mittlerweile KI getrieben ist, sind die Bestellvorschläge und Nachfrageprognosen, dass halt immer genug im Regal ist.
Das sieht man vielleicht nicht.
Aber auch gerade die Sortimente, die Sortimentsgestaltung mit KI, also dass wir zum Beispiel sagen, In welcher Markt sollte denn wie viel Schokolade haben und von welchen Schokoladen denn wie viele zum Beispiel.
Das wird schon ziemlich individuell auf die Märkte zugeschnitten, dass wenn zum Beispiel ein Tierarzt um die Ecke ist, hat vielleicht mehr Tiernahrung.
Und das sieht man natürlich jetzt so nicht.
Aber da geht es eben auch gerade darum, unsere Kundenbedürfnisse möglichst gut zu erfüllen.
Vielleicht noch ein Beispiel ist, ihr kennt vielleicht Scan & Go.
Also ich kann mit einer Scannerpistole selber durch den Markt laufen und während meines Einkaufs selber scannen.
Und da sind halt zufällige Kontrollen immer, mussten stattfinden damals.
Und das ist natürlich für alle unangenehm.
Für die Mitarbeitenden unangenehm, für die Kunden unangenehm.
Und auch dahinter läuft mittlerweile eine KI, die halt sagt, okay, der Bon, den wollen wir jetzt mal irgendwie nicht kontrollieren und vielleicht einen anderen eher schon.
Da ist dann auch allen mit geholfen.
Oder auch, das ist ein typisches Handelsproblem, out of stock, also dass irgendwie irgendwo eine Regallücke entsteht oder noch viel schlimmer, dass es keine Lücke gibt, aber ein Artikel verdeckt ist und das Warenwirtschaftssystem sagt, ist doch alles super, Bestand ist da.
Aber trotzdem verkaufe ich den Artikel nicht mehr, weil jemand das Maggitütchen an einer anderen Stelle zurück tut und damit einen anderen Artikel vielleicht verdeckt.
Und auch da haben wir eine KI im Einsatz, die läuft zum Beispiel schon in allen Penny-Märkten, die sich im Prinzip alle Bons des Marktes anguckt und ähnlich wie auch ein GPT-Modell sich überlegt.
Das war ein typischer Frühstücksbon, aber da ist irgendwie keine Nutella drauf.
Und wenn das fünf, sechs Mal passiert, dann sagt die KI, das ist jetzt komisch, dann schickt man eine Notification in den Markt und sagt, schau doch mal nach.
Und das bringt tatsächlich für alle was, für uns, weil wir mehr verkaufen und die Kunden, weil sie ihre Artikel finden.
Wie sieht das mit eurem, ihr habt ja auch ein Liefergeschäft zum Beispiel, wie sieht das dann mit Routenplanung und solchen Cases aus?
Ja, das passiert auch.
Also ich könnte jetzt...
Noch weiter.
Okay, gut.
Aber dann haben wir mal so einen Überblick bekommen.
Wir haben ja auch nur begrenzt Zeit.
Okay.
Aber das sind ja jetzt, also man könnte ja den Eindruck gewinnen, dass jetzt ChatGPT gleich KI ist.
Alles, was du gerade erzählt hast, das sind ja dann doch eher traditionelle KI-Methoden.
Also kannst du mal erzählen, welchen Methoden ihr euch da bedient habt?
Es tut mir immer ein bisschen weh, das schon traditionell zu nennen, aber es ist so.
Wie würdest du es bezeichnen?
Ich weiß nicht, manche nennen es klassisch, manche nennen es … Ich würde einfach Machine Learning sagen als eine Ausprägung von AI.
Aber klar, das sind die klassischen Modelle, die wir da verwenden.
Insbesondere XGBoost stellt sich immer wieder als Überlegen heraus in vielen Anwendungsfällen.
die wir haben, aber auch Recommender-Systeme, die wir jetzt nicht nur, den Use Case habe ich übrigens eben vergessen, dass natürlich die Coupons auch per KI zugespielt werden über die REWE Bonus App, aber wir nutzen auch Recommender-Systeme für andere Fälle.
Also das sind jetzt so typische Verfahren, die wir nutzen.
Aber wir sind schon auch häufig so auf der Schwelle zu Deep Learning, also zum Beispiel das Penny-Bong-Beispiel, das ist dann schon häufig Deep Learning.
Wo wir auch schon mit Embeddings arbeiten, also wo wir dann auch schon wieder relativ nah an Gen AI sind, weil wir im Prinzip sagen, wir wollen nicht die natürliche Sprache der Kunden verstehen, sondern die Sprache der Bonds.
Die Kunden reden über ihre Bonds mit uns und da sind wir dann schon so auf der Schwelle.
Aber ja, was heißt das Machine Learning?
Vielleicht noch eine Ergänzung zum Thema, welche Art der künstlichen Intelligenz verwendet wird, ist auch unser Projekt Pick and Go.
Da arbeiten wir mit Computer Vision, also auch Teilbereich der künstlichen Intelligenz oder auch herkömmlich.
Und da ist es ja so, vielleicht kennt der ein oder die andere es schon, aber da ist es ja so, dass wir quasi als Kunde einfach in den Markt reingehen können, die Produkte aus dem Regal nehmen können.
ohne quasi den Checkout-Prozess an der Kasse, den Laden wieder verlassen können.
Und auch das ist künstliche Intelligenz.
Und auch das ist schon passiert weit vor der Veröffentlichung von ChatGPT und Co.
Vielleicht auch ein ganz schönes Beispiel.
Das sind ja alles Use Cases, die ja über Millionen von Kunden und ich weiß nicht, wie viele tausende Märkte bei euch skaliert werden müssen.
Wir reden ja hier über High Scale, den ihr da umsetzen müsst.
Wie geht ihr da vor, und wir müssen jetzt nicht ins jedes Detail gehen, aber mal grundsätzlich zu verstehen, wie kommt ihr zu diesen Cases?
Wie qualifiziert ihr die?
Und wie geht ihr dann vor, bis die wirklich skaliert über sämtliche Rewe-Märkte im Hintergrund laufen?
Also in dem Bereich, den wir Kerngeschäft nennen, haben wir ein Board etabliert, wo alle Geschäftsleiter drin sitzen, GeschäftsleiterInnen, muss ich sagen.
die im Prinzip alle Use Cases priorisieren bei uns.
Das heißt Marketingchefs, Logistikchefs, alle sitzen da zusammen mit unserem Gruppenvorstand Christoph Elze und der IT-Geschäftsführung und der Analytics-Geschäftsleitung.
Und da priorisieren wir gemeinsam die Cases mit Business Cases, allem drum und dran.
Da ist ein klassisches Innovationsmanagement, da ist ein Stage-Gate-Prozess dahinter, wo wir sagen, okay, es gibt so verschiedene Phasen.
wo eine Idee durchläuft und als unabhängiger Dritter wird das Controlling, mal die Business Cases rechnen und bewerten.
Und so kommen wir erst mal zu diesen Cases.
Und dann gucken wir natürlich nicht nur irgendwie auf die schnöden Zahlen, sondern schauen auch, dass das irgendwie strategisch zusammenpasst und dass wir da in Summe gut unterwegs sind.
Und pilotiert ihr das dann in den ersten Märkten?
Wie lange dauert das dann, bis zum Beispiel so ein ...
Pick and Go installiert ist oder so ein Recommender-System, um als so ein Gefühl dafür zu bekommen.
Ja.
Also wie so häufig geht es zum ersten POC immer relativ schnell.
Pick and Go ist nochmal ein anderes Tierchen.
Da kann Henrike sicherlich gleich nochmal was zu sagen, weil das auch sehr hardwarelastig ist natürlich.
Aber zum Stage-Gate-Prozess gehört auch dazu, dass man mal irgendwie schnell einen Piloten rechnet, irgendwie in einer Trockenübung und mal ein Modell rechnet und mal guckt, kann das irgendwie stimmen und hinhauen.
Wir machen das auch nicht, wenn wir uns einfach ziemlich sicher sind.
Das heißt, wir sprechen auch von verschiedenen Härtegraden von Business Cases, wo wir, manchmal muss man halt ein bisschen raten und gucken, ob das Geld kommt.
Wenn man sich ziemlich sicher ist, dann lässt man die Phase eben aus.
Das heißt, das kriegt man häufig schon, wir nehmen uns immer so ein Quartal vor, wo man das eigentlich hinbekommt und eine gute Einschätzung hat, ob man so ein Use Case starten möchte.
Danach, bis es dann wirklich in den Märkten ist, dann fangen halt die nitty-gritty Details an mit allem drum und dran, wie man das Thema dann eben technisch umsetzen kann, wo man ganz viel Fachlichkeit hat, ganz viel IT, ganz viel Methodik und AI, die man dann zusammenbringen muss.
Und was wir da machen, wir...
bilden dann wirklich Produktteams, die sich dann auch selber finanziell tragen sollten durch das Geld, was sie erwirtschaften dadurch.
Und die sind eben auch interdisziplinär aufgestellt.
Das heißt, da sitzen Analytics-Leute drin, IT-Leute und auch die Fachbereiche sogar mitten im Team und versuchen, das Thema gemeinsam voranzubringen.
Okay, also ist ein Case, ist dann quasi nicht als ein Projekt aufgezogen, sondern wird als ein Produkt gemanagt von Anfang an.
Genau, wir sind grundsätzlich in der REWE Digital und auch bei Analytics größtenteils produktorientiert unterwegs, weil, also wenn ich höre, AI-Projekt, also ein Projekt ist zeitlich begrenzt, AI nicht, meines Erachtens.
Und ein Projekt mache ich ja nur, wenn ich es mit der Regelorganisation nicht hinbekomme.
Sonst würde es ja schon funktionieren, dann bräuchte ich kein Projekt.
Und das ist für uns dann eigentlich immer ein Zeichen, dass man, wenn man was pilotiert, dass man das Projekt nennt, gut, aber...
Da würde ich, irgendwann muss man Cut machen und das richtig umsetzen.
Jetzt interessiert mich, das macht ihr ja jetzt schon seit vielen Jahren erfolgreich.
Wie war das für eure etablierte Organisation, als dann dieses Gen-AI-Schnellboot kam?
Konntet ihr das irgendwie, weil es hat ja dann doch nochmal...
andere Fähigkeiten, wahrscheinlich war das ja auch nicht so ganz neu irgendwie, du hast es schon gesagt, Deep Learning, neuronalen Netzen und so weiter, hattet ihr euch schon vorher beschäftigt, also ganz überraschend wird es ja wahrscheinlich nicht gekommen sein, aber wie habt ihr das dann für euch eingeordnet und was hat sich auch damit verändert bei euch in der Art und Weise, wie ihr mit KI umgeht, weil ja jetzt irgendwie das Kerngeschäft, jetzt geht es ja nicht nur ums Kerngeschäft, sondern auch um super viele andere Bereiche, die ihr jetzt auf einmal damit bearbeiten könntet.
Ja, genau wie du sagst.
Klar, das Thema KI grundsätzlich war für uns nicht neu, weil wir eben schon seit vielen Jahren an diversen KI-Projekten arbeiten.
Aber natürlich haben wir auch bei REWE mit dem Thema generative KI, GPT und Co.
damals eine ganz neue Ära eigentlich betreten, was künstliche Intelligenz angeht.
Und für uns lag es vor allem daran, dass OpenAI ja mit Chat-GPT einfach gefühlt über Nacht jedem die Möglichkeit gegeben hat, KI anzufassen, auszuprobieren.
Und deswegen war es eben plötzlich einfach kein reines Experten-Thema mehr, sondern etwas, was uns alle betroffen hat.
Jeden Mitarbeitenden, der gesagt hat, hey, können wir das jetzt eigentlich auch für die Arbeit benutzen?
Und das hat natürlich auch bei uns im Konzern einiges ausgelöst.
hat sich die Frage eigentlich nicht gestellt, ob wir uns jetzt intensiv damit auseinandersetzen oder nicht.
Das war ganz klar.
Und deswegen haben wir auch schon recht früh begonnen, Julian und ich damals auch als Tandem, quasi REWE Digital Analytics gemeinsam, diese KI-Transformation zu gestalten.
Ich glaube, es war irgendwie im Frühjahr oder Frühsommer.
Da haben wir ein gruppenweites Projekt gestartet.
Also wirklich...
aus der gesamten REWE-Gruppe, Kollegen und Kolleginnen aus den Geschäftseinheiten zusammengetrommelt und uns dann erstmal mit rechtlichen Rahmenbedingungen beschäftigt für den Einsatz von generativer KI, auch für das Testen.
Wir haben uns damit beschäftigt, Use Cases zu identifizieren.
Ich glaube, wir hatten damals eine Liste von über 230 Use Cases aus allen möglichen Bereichen der REWE-Gruppe.
Und haben damals auch eine Community gegründet, weil wir direkt schon von Anfang an gesagt haben, da müssen wir eigentlich die Menschen mit einbeziehen.
Die interessiert das so sehr.
Man hat immer von diesem Tagesshow-Moment gesprochen.
Alle wollten da irgendwie mitreden und waren einfach interessiert, wollten lernen.
Und das war für uns dann auch dieser Raum, um sich auszutauschen und Erfahrungen auch zu teilen.
Das war so für uns eigentlich der Start in diese Reise der generativen KI.
wirklich ganz gut funktioniert, erst mal Regeln aufzustellen und damit eben natürlich auch Sicherheit zu schaffen.
Das klingt jetzt trotzdem vom Ansatz her ja schon so ein bisschen anders als die anderen KI-Use-Cases oder wie ihr mit den anderen KI-Methoden umgegangen seid.
Also Community-Building, irgendwie in die Breite gehen.
Also viel globaler und irgendwie demokratisierter.
gedacht, so gebe ich es jetzt einmal wieder.
Warum habt ihr euch dafür entschieden?
Ihr hättet ja auch jetzt naive Annahme sagen können, wir haben ja einen etablierten Prozess für unsere Daten-KI-Analytics-Use-Cases.
Lass uns doch diesen Gen-AI jetzt auch auf diesen Prozess aufgleisen.
Das tun wir auch, also wenn wir gerade über das Kerngeschäft sprechen.
Also dass wir unsere Mitarbeitenden in Märkten unterstützen, im Wissensmanagement, das passiert mit generativer KI oder wenn Die Coupons in der REWE Bonus App, da werden die Texte auch schon mit Gen.EI geschrieben.
Also das passiert auch weiterhin über genau diesen Funnel, wenn wir über das Kerngeschäft sprechen.
Aber was uns Gen.EI natürlich eröffnet hat, ist alles drumherum.
Das es jetzt eigentlich fast jeden betrifft.
Und das ist dann eben der große Game Changer.
Und das hat eben halt auch diesen Mindshift erfordert.
Okay, verstanden.
Also ihr unterscheidet zwischen Kerngeschäft und was ist die andere?
Und nicht Kerngeschäft oder wie nennt ihr den Teil, damit ich das richtige Wort?
Wir würden sprechen über generische Unternehmensfunktionen, also das, was jedes Unternehmen hat, also Steuerabteilung, Finance, was natürlich irgendwie alles dazugehört.
Marketing, genau das alles.
Marketing, genau.
Und wir haben eine dritte Säule über, also wenn wir sagen, wo spielen wir eigentlich, where to play die Strategie, nennen wir die dritte Säule Arbeitsplatz der Zukunft.
Und das ist natürlich das, was jeden Mitarbeitenden dann eben betrifft.
Und da haben wir natürlich auch strategisch verschiedene Schwerpunkte, wie wir mit diesen Säulen umgehen wollen.
Henrike, du leitest jetzt den AI-Hub und hast ihn mit aufgebaut.
Welche Lücke habt ihr mit dem AI-Hub besetzt, die ihr gesehen habt, die da aufgegangen ist, die vorher nicht gefüllt werden konnte?
Eigentlich...
Wir haben ja eben gesagt, wir haben diese ganzen Rahmenbedingungen geschaffen mit dem Projekt.
Wir haben auch wirklich einiges geschafft, also Use-Case-Identifikation, Rahmenbedingungen und so weiter.
Aber wir haben tatsächlich auch nach Abschluss dieses Projekts gemerkt, dass Rahmenbedingungen allein nicht unbedingt ausreichen.
Natürlich sind Regeln wichtig, Leitplanken wichtig, ist gar keine Frage.
Aber wir haben auch gemerkt, das macht jetzt noch nicht so wirklich diese Transformation rund.
Genauso wenig reicht es auch, dass wir einfach immer mehr Tools bereitstellen.
Eigentlich im Gegenteil, wenn wir zu viele Impulse haben und dabei auch dann zu wenig Richtung geben, dann können wir natürlich auch die Organisation und die Menschen in dieser Organisation überfordern.
Deswegen haben wir gesagt, was es wirklich braucht, ist jetzt vor allem Befähigung.
Also Menschen müssen verstehen, was sie da in der Hand haben.
nicht nur wie ein Tool funktioniert, sondern vor allem auch, was es bewirkt.
Und nur so können die Menschen, die mit diesen Tools oder mit KI eben arbeiten, natürlich das auch wirkungsvollen im Arbeitsalltag einsetzen.
Und deswegen haben wir uns vorgenommen, dass echte Veränderung eben nur entsteht, wenn Menschen das auch ausprobieren dürfen, sich aber auch sicher fühlen mit dem Umgang mit diesen neuen Technologien und haben dann...
erst mal versucht, eine Vielfalt an erlebbaren Formaten zu schaffen, Orientierung zu geben, was ist das, wen kann ich dafür ansprechen und so weiter und so fort.
Und das war dann auch der Grund, dass wir gesagt haben, wir wollen diesen Wandel wirklich aktiv mitgestalten.
Und das war der Grund, warum wir den AI Hub ins Leben gerufen haben, quasi als so eine Art gemeinsamer Ankerpunkt für die Organisation mit klaren Rollen, klaren Verantwortlichkeiten und eben auch der Möglichkeit, KI nicht an uns vorbeiziehen zu lassen, sondern auch aktiv wirklich diese Entwicklung mitzubekommen, die außen passiert.
Weil wenn man sich eben nur aufs Innere fokussiert und denkt, ich bin jetzt im Hier, dann kriegt man ganz viel gar nicht mit.
Und genau dafür ist der AI Hub da, um eben unsere Kollegen und Kolleginnen bei dieser Transformation einfach zu begleiten.
Kurz in eigener Sache.
Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte...
Du hast gerade ein Wort gesagt, was ich spannend finde.
Und zwar hast du Richtung genannt oder Richtung geben.
Also nicht nur Impulse, sondern auch Richtung geben.
Und ...
Kannst du das ein bisschen konkretisieren?
Habt ihr so ein Zielbild erarbeitet, wo eure Arbeit drauf einzahlen soll?
Also weil das eine ist ja, KI erlebbar zu machen, nutzbar zu machen, Leute zu befähigen, damit zu arbeiten.
Aber dann ist ja genau die Frage, okay, und wo steuern wir damit dann im nächsten Schritt hin?
Wo wollen wir darüber in die nächsten Jahre hinkommen?
Habt ihr sowas?
Ja, vielleicht kann Julian gleich noch was zum Thema Haltung sagen.
Da haben wir uns natürlich auch viel mit beschäftigt, mit den Werten, die wir vertreten als Organisationen wie die REWE-Gruppe.
Aber unser Ziel ist natürlich vor allem...
jeden Menschen da abzuholen, wo er ist.
Und das ist für uns auch die Marschrichtung, die wir gehen wollen.
Es geht nicht darum, dass wir von heute auf morgen sagen, ihr müsst jetzt alle KI ausprobieren, ihr müsst jetzt alle wissen, wie man das, das und das Tool anwendet, sondern es geht für uns vor allem darum, zu zeigen, dass die Menschen eben nicht alleine sind, dabei jetzt KI anwenden zu können, sondern dass wir eben genau an...
die Stelle oder in den Fachbereich gehen, wo es jetzt gerade hilfreich ist, mal zu zeigen, wie nutze ich denn das Tool.
Und das sind ganz unterschiedliche Ebenen, wo man diese Menschen abholen muss.
Und das tun wir eben auch.
Können wir gleich auch noch ein bisschen vielleicht was dazu erzählen, wie wir mit Multiplikatoren umgehen.
Aber das ist unsere Richtung.
Also zu sagen, wir haben das Ziel natürlich, jeden zu befähigen, aber wir möchten dabei eben auch die Menschen da abholen, wo sie stehen.
Okay, wir kommen gleich nochmal zu der Haltung.
Da nochmal für mein Verständnis, bei dem Kerngeschäft hatte ich rausgehört, dass es sehr klar Business Case ROI getrieben qualifiziert und priorisiert wird.
Jetzt über den AI Hub und eher so die...
Das breite AI-Enablement höre ich, dass es eher um Befähigung geht, vielleicht auch Kulturwandel, aber weniger jetzt hart zahlengetrieben, x Prozent Produktivitätsanstieg, Effizienzsteigerung, Kosteneinsparung, wie auch immer.
Also das sind für euch nicht die KPIs, auf die es ankommt.
Natürlich setzen wir uns Ziele, dass wir unsere Community erweitern wollen, dass wir natürlich auch Ziele haben.
Wir haben gut kommuniziert, wenn sich so und so viele Menschen zu den Formaten XYZ anmelden.
Das sind aber für uns eher weichere KPIs und keiner steht hinter uns und sagt, ihr habt jetzt hier nicht die 1000 Menschen für den AI-Day erreicht.
Aber es zeigt uns einfach, erreichen wir genug Menschen?
Kommen unsere Botschaften an?
Ist das Interesse immer noch da?
Das heißt, ja, wir steuern uns selber nach Kennzahlen, aber...
Natürlich nicht vergleichbar zu den Themen, die Julian eben angebracht hat.
Jetzt nochmal auf eure Haltung.
Ich erinnere mich an einen Workshop.
Das ist schon eine ganze Weile her.
Anderthalb Jahre oder so.
Ich glaube, ihr wart eines der ersten Unternehmen, was ich so wahrgenommen habe, was sehr klar so...
ich glaube, Werte hattet ihr es genannt oder Leitprinzipien oder sowas ähnliches veröffentlicht hat.
Die fand ich so gut, ich kann sie jetzt aber nicht mehr wiederholen, aber ich fand die so gut, dass ich weiß, dass ich damals in einem Workshop irgendeinem anderen Unternehmen gezeigt habe und gesagt habe, so kann sowas aussehen.
Aber Julian, vielleicht kannst du da nochmal drauf eingehen.
Also die Kollegen in der Rewe Digital haben schon wirklich vor langer Zeit ein AI-Manifesto erstellt, also waren wirklich ihrer Zeit voraus.
Da ging es aber eher um die Entwicklung von KI.
Jetzt, wo aber diese KI eben voll in die Breite gegangen ist, mussten wir halt auch schauen, was wollen wir eigentlich uns grundsätzlich erstmal mitnehmen.
Und tatsächlich haben wir noch das Gefühl, das ist ganz gut gealtert.
Zwei Jahre im Rahmen von Gen AI sind ja schon irgendwie eine lange Zeit.
Und wir hatten schon anfangs so antizipiert, was wird denn dann eigentlich alles passieren?
Und wir haben uns dann eben auch Werte genommen und gesetzt, wie wir wollen untereinander weiter von Mensch zu Mensch kommunizieren.
Also Rewe Gruppe ist ein sehr sozial orientiertes Unternehmen, in dem Zusammenarbeit sehr wichtig ist.
Und so diese Vision, dass sich Leute eigentlich...
eigentlich ist nur noch KIs unterhalten und die Menschen gar nicht mehr, das wäre irgendwie schade.
Oder dass wir auch sagen, wir begreifen KI erst mal als große Chance, bei deren Nutzung wir die Risiken bewerten müssen.
Man könnte es auch andersrum formulieren.
Also man könnte die Risiken nach vorne stellen.
Das sind dann eben auch wichtige Themen oder zuletzt Verantwortung, die Letztverantwortung.
Ich bin trotz KI-Unterstützung selber verantwortlich.
für die Arbeitsergebnisse, die ich produziere, die Artefakte meiner Leistung und dass unsere KI letztendlich alle angeht, jeden.
Und dass wir natürlich einerseits schon alle für uns gucken müssen, wie können wir KI am besten einsetzen, aber dass wir uns als REWE-Gruppe auch immer eigentlich verpflichten, unsere Mitarbeitenden dabei zu unterstützen.
Und das sind so die vier Anker, an denen wir uns heute noch orientieren.
Das Thema Verantwortung.
ist super wichtig, weil wir haben extrem viele Herausforderungen bei dem Thema KI.
Und das über die gesamte Breite der Einsatzgebiete hinweg.
Und gerade wenn wir darüber reden, ich bin die letzte Kontrollinstanz.
Ich habe zuletzt mit einem Kollegen gesprochen, der auch gesagt hat, ich merke schon, dass wenn ich KI nutze, gerne dann auch mal schnell einen Haken hinter das Thema mache und es vielleicht nicht noch zwei-, dreimal durchlese, weil ich denke, es passt schon so.
Und auch das ist ein super wichtiges Thema.
Also A, natürlich das zu erkennen, finde ich total stark.
Aber wir müssen auch damit umgehen können, also auch gerade die Führungskräfte.
Was heißt das jetzt?
Wie ändere ich das Mindset?
Finde ich das jetzt gut, wenn ich vielleicht merke, dass ein Mitarbeitender, ein Kollege mir irgendwas...
KI-Generiertes über den Zaun wirft.
Natürlich ist es total wichtig, da Human in the Loop letztlich nochmal drüber zu schauen und nicht einfach irgendwelche Texte per Teams zu schicken und zu sagen, ich habe jetzt hier meine Aufgabe erledigt.
Aber das ist auch Teil des Wandels, Teil der Transformation.
Es ist ganz, ganz wichtig, da die Menschen auch abzuholen und eben diese Werte wirklich auch zu leben.
Es gibt ja dieses schöne Meme, dass Irgendwie einer schickt, macht aus drei Bullet Points eine ganz lange tolle E-Mail und der nächste macht aus der ganz lang tollen E-Mail wieder drei Bullet Points.
Aber das passiert, das geht jetzt los, dass genau das in Unternehmen passiert und ihr habt ja einfach eine riesige Organisation.
Wie schafft ihr das dann, genau diese Werte, diese Prinzipien in die Köpfe zu bekommen und wirklich zu verankern?
Das ist natürlich ein sehr hoher Anspruch, also über 300.000 Leute mit einer gleichen Einstellung überzeugen zu wollen.
Ich glaube, grundsätzlich ist es wichtig, dass wir erstmal diese Werte formuliert haben und auch als irgendwie klare Anspruchhaltung, wo ja auch drin steht, wir wollen immer noch von Mensch zu Mensch miteinander kommunizieren und uns nicht einfach KI-generiertes Zeug hin und her schicken.
Da müssen wir, glaube ich, auf allen Ebenen ansetzen und das tun wir auch.
Also einerseits über die großen Community-Formate, die Henrike auch beschreibt oder jetzt steht bald wieder der AI-Day an.
Bei der letzten KI-Entdeckungsreise der Vorläufer hatten wir, glaube ich, über 19.000 Teilnahmen.
Ich kann jetzt nicht sagen, wie viele distinkte User das gerade sind, aber das...
Ich glaube, das ist ganz wichtig, dass es immer die Chancen und Angebote gibt, sich einzubringen und zu informieren und über diese Formate eben auch diese Botschaften immer wieder zu senden.
Das andere Thema ist natürlich auch, dass es auch bei Führung und Führungskräften anfängt.
Und auch da gibt es verschiedene Schulungsformate, die angeboten werden, aber auch eine große Schulungsreihe für alle unsere Top-Führungskräfte, auch über AI informieren, in allen Dimensionen, wie das funktioniert, was es für uns bedeutet, aber auch wie sie es selber nutzen können.
Und damit haben wir jetzt auch gerade angefangen.
Lass uns da mal, ja, oder Henrike, genau, ich glaube, du wolltest schon was sagen, weil das interessiert mich.
Also wie habt ihr diese Formate gestaltet?
Wie haben die sich weiterentwickelt?
Ihr macht das ja jetzt auch schon eine ganze Zeit.
Was waren so die Learnings?
Was hat für euch funktioniert?
Und wo hattet ihr vielleicht auch am Anfang Annahmen, die sich jetzt nochmal verändert haben?
Vielleicht Stichwort KI-Entdeckungsreise.
Julian hat es gerade gesagt, extrem viele Anmeldungen.
Wir haben viele Schulungen durchgeführt, Vorträge gehalten.
Das Interesse war unglaublich hoch.
Macht ihr sowas online dann oder ist da sehr viel Präsenz?
Das ist ja eine große Halle auf jeden Fall, die dann voll wird.
Genau, das machen wir online, weil wir ja auch nicht nur Kollegen und Kolleginnen in Deutschland haben, sondern eigentlich in komplett Europa verstreut.
Wir haben dann eben auch einen Teil auf Deutsch angeboten, einen Teil auf Englisch angeboten.
Genau, und das Feedback war durchaus auch sehr positiv.
Wir haben trotzdem aber auch gemerkt, dass das natürlich Formate sind, da gehen wir jetzt einmal mit der Gießkanne drüber.
Wer möchte, wer hat Interesse?
Und ich glaube, für den Zeitpunkt damals war das auch völlig in Ordnung.
Wir müssen nur weiterhin schauen, dass wir natürlich auch die Verantwortung haben, noch gezielter zu schulen.
Ein bisschen wegkommen von, wir machen jetzt allgemein, jeder hat mal was gelernt, sondern wir bieten beispielsweise auch jetzt Schulungen an, die verpflichtend sind.
Also jeder hat dann eine gleiche Schulung einmal besucht, ähnlich wie es das auch zum Thema Arbeitsschutz gibt, um das auch wirklich sicherzustellen und nicht nur das Interesse abzufragen, sondern auch zu sagen, jeder hat diese Schulung jetzt einmal bekommen und wir haben hier ein gleiches Verständnis von Thema XY und Z im Umgang mit KI.
Und weiterhin gehen wir jetzt auch in einem Multiplikatorenprogramm so vor, dass wir eben merken, wenn KI wirklich im Alltag ankommen soll, dann ist es ganz, ganz wichtig, dass wir auch die Menschen in den Fachbereichen schulen, die dann natürlich entsprechend auch die Use Cases aus ihrem Fachbereich kennen und viel besser ihre Kollegen und Kolleginnen schulen können, als das vielleicht wir als AI haben.
oder jemand extern ist, der dann vielleicht erst mal fünf Tage braucht, um die Use Cases, die ja so unterschiedlich sind, zu verstehen.
Und das ist, glaube ich, auch nochmal eine ganz schöne Ergänzung zu den bestehenden Schulungen, die wir haben, zu der KI-Entdeckungsreise, die, wie gesagt, sehr erfolgreich war, zu dem AI-Day, den wir jetzt wieder planen, dass wir hier wirklich Menschen haben, die als Ansprechpartner fungieren in ihren Fachbereichen.
Das sehen wir wirklich auch als Befähigungsmodell.
Also es ist kein Schulungsprogramm, es ist wirklich ein Befähigungsmodell, in dem wir eben Kollegen und Kolleginnen aus diesen Fachbereichen ausbilden und eine klare Rolle übergeben, Ansprechpartner für KI in ihren Teams zu sein.
Wie ist diese Rolle ausgestaltet?
Gibt es da ein bestimmtes?
Irgendwie auch Zeitkontingent, gibt es einen ganz klaren Arbeitsauftrag, vielleicht auch da Ziele oder ist das eher noch weicher gestaltet?
Ich höre das immer wieder von Unternehmen, dass sie über so einen Multiplikatorenansatz versuchen, stärker in die Fachbereiche zu treiben.
Ich glaube, trotzdem ist es noch auch ein Herausfinden, was sind die richtigen Leute dafür, wie viel ist.
Zumutbar vielleicht auch, weil sie sind ja eigentlich auch noch in einer anderen Rolle.
Also es ist ja keine Vollzeitstelle jetzt so gesehen.
Und wo hört quasi, und das würde ich gerne nochmal verstehen, wo hört quasi die Arbeit des Multiplikators auf?
Und wo fängt dann die Arbeit des AI-Hubs wieder an?
Oder vielleicht von Julian und Team, wo es dann um die Umsetzung komplexerer Cases geht.
Also, es waren jetzt viele Fragen.
Ich starte erst mal mit dem Thema Zeitaufwand.
Also jetzt erst mal, wir starten den Piloten auch erst Anfang nächsten Monats.
Da wird es so sein, dass die Ambassadors verschiedene ...
Lernpfade durchlaufen.
Das heißt, wir haben einen Tech-Track, wir haben einen Business-Track und wir haben auch einen hybriden Track.
Das bedeutet, wir schauen schon, dass die Menschen sich da einordnen, wo dann eben auch das Ziel ist, mit diesem Wissen, was sie sich da aneignen, dann auch in ihrem Bereich zum Beispiel im Engineering dann auch ihre Kollegen bestmöglich unterstützen zu können.
Das heißt, wir gehen hier schon einen, glaube ich, sehr speziellen Weg, um auch wirklich die Fachbereiche optimal abzuholen.
Wir glauben, dass natürlich jetzt erstmal ein bisschen mehr Zeitaufwand notwendig ist, um dieses ganze Wissen sich anzueignen.
Wir gehen aber davon aus, dass eben durch verschiedenste Formate die Zeit sich dann in Grenzen halten würde, wenn diese Person dann als Ambassador fungiert.
Wir haben mal so mit zwei Stunden in der Woche im Schnitt gerechnet und glauben auch, dass das realistisch ist.
Das kann dann mal eine Woche sein, wo man vielleicht einen längeren Workshop anbietet.
In der nächsten Woche ist dann vielleicht nichts.
In der darauffolgenden Woche beantwortet man ein paar Fragen von den Kollegen und Kolleginnen.
Aber wir glauben schon, dass diese zwei Stunden extremen Mehrwert haben.
weil die Fachbereiche wissen, ich habe da jemanden, den kann ich fragen und der kennt genau meine Use Cases und hat vielleicht schon mal einen Agenten zu dem und dem Thema gebaut, den kann ich jetzt auch benutzen.
Das ist so das Ziel dahinter.
Wie viel Zeit geht in die Ausbildung von diesen Multiplikatoren?
Da rechnen wir mit vier Stunden die Woche und das ist jetzt erstmal ein Prozess, der über zwei Monate läuft.
Okay, all right, okay.
Also schon ein ordentliches Upfront-Investment in die Ausbildung.
Deswegen haben wir aber auch die Bewerbungsphase so gestaltet, dass eben die Personen tatsächlich mit ihrer Führungskraft im Vorfeld sprechen mussten, um sich eben freigeben zu lassen, ja, du darfst das tun, du kriegst auch wirklich diese Zeit.
Weil ansonsten haben wir natürlich die Herausforderung, dass wir Menschen schulen und ausbilden, die dann überhaupt gar keine Zeit haben, als Investor dort zu fungieren.
Hier geht es ja, wie ich es verstehe, um jetzt die so breite Adaption, die nach oben zu bekommen.
Und korrigiere mich, wenn ich falsch liege, aber KI-gestütztes Arbeiten, Arbeitsplatz der Zukunft, hattet ihr gesagt, das zu einem Standard zu machen und darüber über Multiplikatoren das auch stärker in die Teams zu tragen und dort zu verankern und auch erste Ansprechpartner bei Hilfestellungen, Fragen und so weiter direkt in den Teams zu haben.
Ganz genau.
Also der Effekt ist einfach, dass KI nicht als...
irgendwie zentrales Expertenthema, weder bei uns im Hub noch bei einem Team, wie das von Julian oder rein in der IT liegt, sondern dass wir das wirklich dezentral in die Bereiche wirksam einsetzen oder reinbekommen, weil wir glauben auch, dass die besten Ideen natürlich da entstehen, wo das Fachwissen sitzt.
Und genau das ermöglicht eben das Ambassador-Programm, dass KI nicht nur verstanden wird, sondern wirklich auch angewendet werden kann.
Und ich glaube, dass...
Genau da auch der Hebel ist, diese Arbeitskultur Schritt für Schritt zu verändern und auch das Gefühl zu bekommen, KI bringt mir wirklich was.
Wie geht ihr damit um, wenn heute in den Teams schon Ideen auftauchen, die technisch dann doch etwas, also Use-Case-Ideen, die technisch doch etwas komplexer sind?
Also die dann zum Beispiel mit so einem Standard-No-Code-KI-Tooling vielleicht nicht mehr so einfach umsetzbar sind und da bräucht es mal jemanden, Mit Datenkompetenz, vielleicht IT-Engineering-Kompetenz, um sich das anzuschauen.
Was passiert mit solchen Ideen und Cases?
Im Prinzip läuft das dann in die Priorisierungsprozesse, die ich eben genannt habe.
Also für das Kerngeschäft oder für die generischen Unternehmensfunktionen.
Es gibt auch ein Board, das sich darum kümmert, wie der Arbeitsplatz der Zukunft strategisch aussehen soll.
Also je nachdem, worauf sich das bezieht.
gibt es dann schon die entsprechenden Strukturen, die das auch priorisieren könnten.
Okay, also der Ideenprozess und Qualifizierungsprozess und so weiter ist quasi gespiegelt für die generischen Unternehmensfunktionen.
Genau, aus dem Riekes Team gibt es auch noch eine...
Jetzt habe ich den Namen wieder vergessen, Concept Sprint, das müssen wir nochmal raus.
AI Design Sprint, genau.
Wir verfolgen gerade da eine Idee und haben ein Konzept verprobt, was sich eben AI Design Sprint nennt.
Das hat ein Kollege von uns mit einem externen Partner zusammen aufgebaut und da ist das Ziel wirklich erstmal in die Problemsuche zu gehen und zu sagen, was sind denn...
die ihr gerne mit KI lösen würdet.
Und das war so der erste Teil des Workshops.
Und im Nachgang hat man dann diese Probleme tatsächlich auch mit einer KI, mit einem KI-Agenten besprochen, um dann auch zu schauen, ist das Problem jetzt etwas, was sich eben relativ easy lösen lässt?
Ist es vielleicht ein Quick Win?
Brauche ich dafür überhaupt gar keine KI?
Ist es vielleicht...
Proof of Concept, kann ich da so einen kleinen Agenten mitbauen, was ist dann auch das richtige Tool dafür und das hat A, echt Spaß gemacht und B, kommt man genau darüber dann in dieses Denken rein, okay, es gibt ja wirklich mehr Tools, A, ich brauche gar nicht immer unbedingt mit dem großen Hammer draufschlagen, sondern vielleicht ist es auch, ja, irgendwie ein kleiner Rackbot, das reicht mir schon.
Genau, und das ist ein Ansatz, den haben wir jetzt verprobt und möchten den gerne dann natürlich auch über die Ambassadors in die Breite tragen.
Ah, sehr cool, sehr cool.
Finde ich gute Idee.
Okay, gut, aber das machen die Ambassadors dann auch schon, ja, also auch solche Use Cases.
Doch nicht, genau, noch nicht, weil das sollten sie tun, genau.
Okay, okay, spannend.
Wenn wir jetzt mal bis heute einen Strich drunter ziehen, was würdet ihr sagen, waren die Erfolgsfaktoren?
Auf eurer gesamten KI-Reise, vor vielen Jahren angefangen, durch alle möglichen Phasen, Technologiesprünge, jetzt mit Gen AI auch nochmal ein ganz neues Modell aufgebaut, um mit dieser Technologie erfolgreich umzugehen und Mehrwert für eure Kolleginnen, aber auch für eure Kunden zu stiften.
Ich glaube, was wir ganz klar gelernt haben, ist, dass Innovation alleine nicht reicht.
Technologien, Plattformen und so weiter, das ist natürlich alles wichtig.
Daten, ganz, ganz wichtig.
Aber ich glaube, sie entfalten wirklich nur Wirkung, wenn wir Mensch und Organisation auch befähigen, damit auch sinnvoll umzugehen und zu verstehen.
Das habe ich vorhin schon gesagt, zu verstehen, was sie da in der Hand haben und wie das funktioniert.
Und auch, was es mit uns macht, wenn wir jetzt KI anwenden.
Und ich glaube, was wir ganz klar gelernt haben, ist das AI first.
eben nicht bedeutet, dass wir möglichst viele Tools, verschiedene Tools anbieten und einführen oder auch möglichst schnell Dinge automatisieren, die ersten sind, die irgendwie den Top-Use-Case für den Kunden am Markt haben, sondern es bedeutet vor allem auch bewusst zu entscheiden, wie wir arbeiten wollen, wie wir mit unserem Kunden interagieren wollen und genau da wird es halt eben auch wirklich extrem anspruchsvoll.
Und ja, ich glaube, das sind so die Kern-Learnings aus den letzten Monaten oder mittlerweile ja auch schon Jahren.
Stimmt, ja.
Also auch gerade das Thema Kommunikation, ich glaube, das machen wir sehr stark.
Aber man merkt immer wieder, es braucht eigentlich noch mehr und noch mehr und noch mehr.
Also sowohl Erfolgsfaktor als auch müssen wir, glaube ich, immer noch weiter ausbauen an allen Ecken und Enden.
Und wie eben geschildert, Schrauben war da ja auch schon an allen Ecken und Enden.
Ist, glaube ich, aber einfach diese Transparenz ist einfach wahnsinnig wichtig für die Organisation.
Ich glaube, ganz, ganz wichtig, das haben wir schon im ersten Projekt, wo wir die Rahmenbedingungen gesetzt haben, gemerkt, ist einfach zusammen.
Wir müssen zusammenarbeiten über alle Grenzen hinweg.
Das Thema betrifft so viele Fachbereiche von Legal Compliance bis hin irgendwie zu den Kreativen.
Also das ist ein wahnsinnig großes Feld von Menschen.
Und jetzt hätte ich fast gesagt, die betroffen sind, aber die ja eigentlich beteiligt sein sollten.
Und gerade dieses einfach Menschen zusammenbringen, auch dass sich die verschiedensten Fachbereiche am Beispiel AI...
Verstehen, wo kommt der eine her, wo kommt der andere her, aus welcher Ecke, ist, glaube ich, total wichtig.
Und das, was Henrike gerade sagte, würde ich auch nochmal unterstützen.
Nicht einfach jetzt blind irgendwie AI machen.
Meines Erachtens, und das ist auch meine Wahrnehmung so, ist man entweder begeistert oder enttäuscht von KI und dazwischen gibt es nichts mehr.
Und man hat es auch, glaube ich, an vielen Beispielen gesehen, Taco Bell, Klana.
wo man einfach so ein bisschen blind jetzt KI eingeführt hat und das hat halt irgendwie nicht so gut funktioniert und ich glaube, mein großes Learning ist dabei, es gibt Use Cases, da kommt man von 0 auf 80% und alle sind glücklich, weil man, weil ein Human in the Loop ist und die sagen, ja toll, jetzt habe ich schon 80% meiner Arbeit erledigt, ich gucke dann noch kurz drüber, das ist so eine große Erleichterung.
Wenn aber ich 100% brauche, wenn ich gegenüber dem Kunden interagiere.
Mit einem Bot, mit einem Agenten.
Da braucht man eine riesige hohe Qualität.
Da muss man an die 100% kommen und selbst bei einer Million Requests hat ein System mit 99% Güte immer noch absolut gesehen ziemlich viele Fehler, die dann in der Kundenhotline landen und uns die Hölle heiß machen.
Es gibt ja auch wunderbare Beispiele.
Und ich glaube, das ist so der Breaking Point, wo dann häufig die Begeisterung in Enttäuschung umschlägt, weil die KI sich jetzt eher wie Menschen verhält, die so mit dieser Unschärfe klarkommt.
Die macht es am Anfang super schnell von einem Use Case und am Ende super schwierig, die letzten 5% da noch rauszufischen.
So, und da in der Mitte durchzunavigieren und diesen Entscheidungspunkt immer wieder aktiv zu diskutieren.
Was brauchen wir hier?
Das ist, glaube ich, so die Kern...
Kernerkenntnis, wo ich mich wirklich lange gefragt habe, woran liegt das, dass man manchmal so begeistert und manchmal so enttäuscht ist und auch das ist nur meine Zwischenhypothese, aber ich glaube mittlerweile, dass das ist auf jeden Fall ein wichtiger Punkt, auf den man da achten sollte.
Julian, von dem Kerngeschäft, also von dem KI-Potenzial in eurem Kerngeschäft, wie viel Prozent davon glaubst du, habt ihr schon erfolgreich gehoben und wo siehst du da in Zukunft noch die ganz großen Chancen?
den Teufel tun, irgendeine Zahl zu nennen.
Wir können aber sagen, wir machen signifikant messbaren Impact auf die Bottomline von Rewe und Penny hier in Deutschland.
Und wir glauben, da ist auch noch viel zu holen.
Gibt es irgendeinen Trend, irgendeine Entwicklung, die du dir gerade genauer anschaust, weil du glaubst, dass da echt viel passieren wird?
Gentic AI, das ist halt das alles auf Steroiden nochmal.
im Prinzip in allen Dimensionen mächtiger, aber with great power comes great responsibility.
Spiderman-Zitat oder so.
Alles wird dadurch noch mal wichtiger in allen Dimensionen.
Das ist, glaube ich, so das wichtige Thema, das wir uns gerade anschauen müssen und auch tun.
Sowohl Agentic Organization als auch Agentic Commerce natürlich.
Wie sieht es mit humanoiden Robotern aus?
Das ist dann der nächste Schritt danach.
Ich bin da immer ein bisschen näher an der Umsetzung.
Henrike ist aus dem Bereich Research and Innovation natürlich immer nochmal einen Schritt weit in der Zukunft und vielleicht hast du da auch noch eine Aussage zu.
Aber ja, die Internetvideos kenne ich natürlich alle.
Henrike, dann hast du den Abschluss Teleskop in die Zukunft.
Was sind die großen Trends und Linien, die du dir gerade anschaust im KI-Bereich, sowohl in der physischen Welt als auch in der digitalen?
Was glaubst du, sollten wir auf jeden Fall auf dem Schirm behalten?
Also wie Julian eben gesagt hat, wir sind ja im Bereich Research Innovation genau dafür da, uns ...
alles Mögliche anzuschauen, was könnte interessant werden.
Es geht von Drohnenlieferungen über autonomes Fahren bis hin zu, ja, eben natürlich auch Roboter.
Aber ich glaube, wenn wir jetzt über Agenten sprechen, dass der Einkauf der Zukunft natürlich stark durch Hyperpersonalisierung geprägt sein wird.
Und zwar nicht irgendwie als kurzfristiger Trend, sondern ...
Das wird ein grundlegendes Prinzip für Händler sein, was die Kundeninteraktion angeht.
Wir merken es ja jetzt schon, dass die Menschen in Teilen weggehen von den Webshops, sondern eben wirklich direkt mit der KI sprechen.
Und wir stellen uns das schon so vor, dass eben eine Person...
seinen persönlichen Assistenten, Agenten hat, der eben alles Mögliche weiß über, was habe ich heute für eine Stimmung, das kann man mittlerweile irgendwie über die Ringe feststellen, was sind meine Präferenzen, was steht auf meiner Einkaufsliste, all das wird...
in irgendeiner Art und Weise zusammengeführt werden und über den Agenten gesteuert werden.
Und so wird natürlich auch der Einkauf viel personalisierter werden.
Und das, was wir jetzt irgendwie von personalisierter Werbung kennen oder Angebote, Tipps, das ist ja nur der Anfang.
Wir werden viel, viel stärker mit persönlichen KI.
basierten Assistenzen arbeiten und natürlich auch einkaufen gehen.
Natürlich, wenn die Kunden das möchten.
Es gibt immer Menschen, die sind da früher gerne oder eben ein bisschen später oder auch gar nicht, völlig in Ordnung.
Genau, aber wir glauben eben daran, dass dieses Unified Commerce Erlebnis kommen wird und es wird eben dann spannend, wenn die KI dann auch proaktiv wird und uns unterstützt bei der Gestaltung unseres Ja, lebens, muss man am Ende einfach sagen.
Ja, großartig.
Also bei mir glänzen die Augen, wenn ich sowas höre.
Ich freue mich darauf.
Ich bin total gespannt.
Ich sehe da einfach viele, viele Chancen drin.
Und ich werde jetzt auf jeden Fall noch mit viel offeneren Augen durch eure Märkte und auch digitalen Angebote gehen und immer mal wieder schauen, wo mir da schon KI begegnet.
Und bedanke mich ganz herzlich bei euch für den Einblick.
Nicht nur ...
in eure Use Cases, sondern auch, wie ihr das organisiert habt und KI vom Kerngeschäft in die Breite eures Unternehmens und eurer Teams bringt.
Vielen Dank, hat Spaß gemacht und ich wünsche euch einfach weiterhin ganz viel Erfolg auf dem Weg.
Vielen Dank, Felix.
Ganz herzlichen Dank.