BI für Handel und E-Commerce.
BI für den Handel macht Umsatz, Marge, Warenkorbverhalten, Bestand und Retouren über Filiale, Webshop und Marktplatz hinweg steuerbar. Wichtige Kennzahlen sind Lagerumschlag, Retourenquote und Deckungsbeitrag je Kanal. Prüfen Sie, ob das Werkzeug Shop, Kasse und Warenwirtschaft ohne Handexport zusammenführt.
- Für wen: Händler, Filialisten und Online-Shops in Deutschland, Österreich und der Schweiz.
- Im Überblick: acht Handels-KPIs mit Formeln, die typischen Datenquellen und den Weg zum Datenhub, dazu Auswertungen zu Retouren, Bestand und Aktionen.
- Vergleich und Vorgehen: sechs BI-Werkzeuge mit Preisen, Rechtsfragen, Kosten und ein Vorgehen in sechs Schritten.
- Stand: Quellen Oktober 2026.
Warum Handels-BI ein eigenes Tempo verlangt.
Handel und E-Commerce erzeugen Daten in hoher Frequenz: Bons, Klicks, Warenkörbe, Bestandsbewegungen, Retouren. Wer auf Tagesbasis steuern will, braucht eine BI, die dieses Tempo mitgeht.
BI für den Handel in einem Satz
BI für den Handel bezeichnet die Auswertung von Verkaufs-, Bestands-, Retouren- und Kundendaten aus Warenwirtschaft, Kasse, Webshop, Marktplätzen und CRM in einem gemeinsamen Datenmodell mit einheitlich definierten Kennzahlen, damit Einkauf, Vertrieb, Logistik und Controlling Kanäle, Sortimente und Aktionen auf derselben Datengrundlage steuern.
Die Warenwirtschaft (Software für Artikelstammdaten, Bestände und Bestellungen) kennt Artikel und Lager. Das Kassensystem (Point of Sale, kurz POS) kennt den Bon. Der Webshop kennt Sitzung, Warenkorb und Conversion. Marktplätze wie Amazon, Otto oder Zalando liefern Umsatz, Gebühren und Werbekosten über Schnittstellen. Das CRM (Customer Relationship Management, die Kundenverwaltung) kennt Kampagnen und Kundenbeziehungen. Jedes System rechnet auf seine Weise. Eine BI-Schicht führt diese Sichten zusammen und macht aus Einzelzahlen eine Kennzahl, auf die sich Einkauf, Vertrieb und Controlling verständigen können.
Das Anforderungsprofil unterscheidet sich vom klassischen Konzernreporting. Intraday-Aktualität (mehrmals täglich statt nur nachts aktualisierte Daten), Multichannel-Sichten (Filiale, Webshop und Marktplatz in einem Modell) und Sortiments- sowie Promotionanalysen auf Artikelebene gehören zum Kern. Das allgemeine Vorgehen bei der Auswahl beschreibt unser Leitfaden BI auswählen. Diese Seite ergänzt es um die Besonderheiten des Handels.
Marktlage: Online wächst, Marktplätze dominieren
Der Handelsverband Deutschland (HDE) erwartet laut Online Monitor vom 3. Juni 2026 für das Jahr 2026 ein nominales Wachstum des Online-Umsatzes von 4,3 Prozent, im stationären Handel von 1,6 Prozent. Marktplätze erzielten 2025 nach HDE-Angaben 56,7 Prozent der Online-Umsätze. Ausländische Online-Anbieter kommen auf knapp 11 Milliarden Euro Umsatz, davon rund 4,7 Milliarden Euro auf Temu und Shein. Für die BI heißt das: Ein erheblicher Teil des Geschäfts läuft auf fremden Plattformen, deren Daten nur über Schnittstellen und Berichte zugänglich sind.
Die Branche ist längst Multichannel. Laut der Bitkom-Studie Digitaler Handel verkaufen 86 Prozent der befragten Händler sowohl stationär als auch online, 2019 waren es 66 Prozent. Der Online-Anteil am Umsatz lag 2024 im Schnitt bei 33 Prozent, für 2025 erwarteten die Händler 37 Prozent. Als Online-Kanäle nennen die Befragten vor allem den eigenen Webshop (97 Prozent) und Marktplätze (78 Prozent). Wer mehrere Kanäle bedient, braucht genau die Konsolidierung, die eine BI leistet.
Quellen: HDE Online Monitor 2026, Pressemitteilung, Bitkom, Digitaler Handel in Deutschland, Juli 2026, Stand 2026. Befragung Bitkom: 505 Unternehmen mit mindestens zehn Beschäftigten, Kalenderwochen 11 bis 19 des Jahres 2025.
Acht Kennzahlen, ohne die Handels-BI nicht funktioniert.
Die ersten vier Kennzahlen steuern den Verkauf, die zweiten vier Bestand, Kapital und Kunde. Die genauen Formeln folgen im nächsten Abschnitt.
Umsatz, Marge und Sortimentsbeitrag
Tagesumsatz, Rohertrag, Rohertragsmarge, Sortimentsbeitrag und Eigenmarken-Anteil. Klassische Verkaufskennzahlen, aber granular bis auf Artikel, Filiale und Kanal.
- Rohertrag je Artikel und Kanal
- Sortimentsbeitrag je Warengruppe
- Eigenmarken-Anteil
Warenkorb und Conversion
Durchschnittlicher Warenkorb, Cross-Selling-Quote (Anteil der Zusatzverkäufe ergänzender Artikel) und Conversion entlang der Funnel-Stufen. Im E-Commerce die zentralen Steuerungsgrößen.
- Warenkorbwert je Kanal
- Cross-Selling-Quote
- Conversion je Funnel-Stufe
Bestandsreichweite und Out-of-Stock
Wo geht die Ware bald aus, wo hängt zu viel Kapital im Lager? Drohende Out-of-Stock-Situationen (Artikel nicht verfügbar) und Slow-Mover (langsam drehende Artikel) gleichzeitig sichtbar machen.
- Reichweite in Tagen
- Out-of-Stock-Rate
- Slow-Mover-Liste
Retourenquote
Retouren je Sortiment, Kategorie, Größe und Kunde. Im Online-Handel ein zentraler Margenhebel und ein Treiber von Nachhaltigkeitskennzahlen.
- Quote nach Stück und Wert
- Retourengrund
- Kosten je Retoure
Lagerumschlag und GMROI
Der Lagerumschlag zeigt, wie oft das Lager pro Jahr umgeschlagen wird. GMROI (Gross Margin Return on Inventory Investment) setzt den Rohertrag ins Verhältnis zum gebundenen Lagerkapital.
- Umschlagshäufigkeit
- GMROI je Warengruppe
- Kapitalbindung
Sell-Through-Rate
Welcher Anteil des eingegangenen Bestands wurde in der Periode verkauft? Die Kennzahl ist entscheidend für Saisonware, Aktionen und Abschriften.
- Quote je Saison
- Quote je Aktion
- Abschriftenrisiko
Flächenproduktivität
Umsatz je Quadratmeter Verkaufsfläche. Sie bildet die Grundlage für Flächenplanung, Regalpflege und die Frage, welche Warengruppe wie viel Platz verdient.
- Umsatz je Quadratmeter
- Rohertrag je Regalmeter
- Filialvergleich
Kundenwert und Akquisitionskosten
Customer Lifetime Value (erwarteter Rohertrag eines Kunden über die gesamte Beziehung) und Customer Acquisition Cost (Kosten für die Gewinnung eines Neukunden) entscheiden, wie viel Marketing sich lohnt.
- Kundenwert je Segment
- Akquisitionskosten je Kanal
- Wiederkaufrate
Die Kennzahlendefinitionen entsprechen der im Handelscontrolling gängigen Lesart. Konkrete Formeln und Abgrenzungen legen Sie unternehmensintern verbindlich fest, siehe nächster Abschnitt.
Formeln, Datenquellen und typische Fallstricke.
Die Tabelle fasst die acht Kennzahlen mit gängiger Formel, benötigten Daten und dem häufigsten Fehler zusammen. Legen Sie jede Definition schriftlich fest, bevor Dashboards entstehen.
| Kennzahl | Gängige Formel | Benötigte Daten | Häufiger Fallstrick |
|---|---|---|---|
| Rohertragsmarge | Rohertrag geteilt durch Umsatz, Rohertrag gleich Umsatz minus Wareneinsatz | Verkaufspreis, Einstandspreis, Rabatte | Einstandspreis nicht tagesgenau, Boni und Rückvergütungen fehlen |
| Warenkorbwert | Umsatz geteilt durch Anzahl Bestellungen | Bestellkopf und Positionen | Retouren und Stornos werden nicht abgezogen |
| Conversion Rate | Bestellungen geteilt durch Sitzungen | Webanalyse und Bestelldaten | Sitzungen ohne Einwilligung fehlen im Nenner |
| Lagerumschlag | Wareneinsatz geteilt durch durchschnittlichen Lagerbestand zu Einstandspreisen | Bestandshistorie, Wareneinsatz | Nur Stichtagsbestand statt Durchschnitt |
| GMROI | Rohertrag geteilt durch durchschnittlichen Lagerbestand zu Einstandspreisen | Rohertrag, Bestandshistorie | Lagerbestand zu Verkaufs- statt Einstandspreisen |
| Sell-Through-Rate | Verkaufte Einheiten geteilt durch eingegangenen Bestand der Periode | Wareneingang, Verkäufe | Periode und Eingangsmenge uneinheitlich abgegrenzt |
| Retourenquote | Retournierte Artikel geteilt durch versendete Artikel, nach Stück oder Wert | Versand und Retourenbuchung | Stück- und Wertquote werden vermischt, Teilretouren falsch gezählt |
| Flächenproduktivität | Umsatz geteilt durch Verkaufsfläche in Quadratmetern | Umsatz je Filiale, Flächenstamm | Veraltete Flächenangaben, Umbauten nicht gepflegt |
Zwei Rechenbeispiele zeigen den Zusammenhang. Ein Händler setzt 1,8 Millionen Euro um, der Wareneinsatz beträgt 1,2 Millionen Euro, der durchschnittliche Lagerbestand zu Einstandspreisen 300.000 Euro. Der Rohertrag liegt dann bei 600.000 Euro, die Rohertragsmarge bei 33,3 Prozent. Der Lagerumschlag beträgt 4,0, die Reichweite rund 91 Tage (365 geteilt durch 4), der GMROI liegt bei 2,0. Jeder Euro im Lager erwirtschaftet also zwei Euro Rohertrag im Jahr.
Das zweite Beispiel betrifft die Retoure. Ein Online-Shop verschickt 10.000 Bestellungen im Monat, 20 Prozent werden retourniert. Bei einer Annahme von 6 Euro Handlingkosten je Retoure sind das 12.000 Euro im Monat. Die Zahlen sind illustrativ und keine Marktstatistik. Sie zeigen, warum eine saubere Definition der Retourenquote und der Kosten je Retoure im Datenmodell stehen sollte. Mehr zur Rolle des semantischen Modells in der Auswahl beschreibt der Beitrag BI auswählen.
Wo Handels-BI ihre Daten typischerweise herzieht.
Fünf Quellfamilien decken in den meisten Handelsunternehmen den Kern ab. Jede hat eigene Schnittstellen und Eigenheiten.
Artikel, Bestand und Disposition
Warenwirtschaft (Software zur Verwaltung von Artikelstammdaten, Beständen und Bestellungen) wie SAP S/4HANA, Microsoft Dynamics 365 Commerce, Sage oder JTL liefert Stammdaten, Bestand, Bestellungen und Filialdaten. Sie ist der Kern der Handels-BI.
- Artikel- und Lieferantenstamm
- Bestand und Bewegungen
- Bestellungen und Wareneingang
Klicks, Conversions und Aktionen
Shopify, Shopware, Magento oder Individuallösungen liefern Bestellungen, Sessions und Promotions, häufig kombiniert mit Tag-Manager- und Analytics-Daten.
- Bestellungen und Warenkörbe
- Sitzungen und Funnel
- Gutscheine und Aktionen
Amazon, Otto, Zalando
Marktplatzdaten kommen über Schnittstellen: Umsatz, Gebührenstruktur, BuyBox-Anteil (Position eines Angebots in der Kaufbox, entscheidend für Sichtbarkeit) und Werbekosten bilden für Multichannel-Händler einen eigenen Datenstrom.
- Umsatz und Gebühren
- BuyBox-Anteil
- Werbekosten und Retouren
Filialdaten in hoher Frequenz
POS-Systeme (Point-of-Sale-Kassensysteme in der Filiale) liefern Bons in hoher Frequenz. Die Auswertung läuft typischerweise über einen zentralen Datenhub plus Stamm- und Aktionsdaten aus der Warenwirtschaft.
- Bons und Positionen
- Kassierer- und Filialkennung
- Rabatte und Aktionen
Kunde, Kampagne und Loyalty
HubSpot, Salesforce, Klaviyo oder Mailchimp liefern die Kundensicht, den Kampagnen-ROI und die Wirkung von Loyalty-Programmen (Kundenbindungsprogrammen).
- Kundenstamm und Segmente
- Kampagnen und Reaktionen
- Treuepunkte und Gutscheine
Die Systemnamen sind Beispiele für gängige Anbieter und keine Empfehlung. Schnittstellen und Datenumfang unterscheiden sich je Version und Konfiguration.
Vom Kassenbon zur gemeinsamen Kennzahl.
Ohne gemeinsame Datenbasis rechnet jedes System für sich. Die Architektur entscheidet, wie schnell und wie verlässlich eine Kennzahl entsteht.
Vier Schichten für Handelsdaten
Typischerweise besteht die Datenstrecke aus vier Schichten. Die erste ist die Anbindung (Konnektoren oder Schnittstellen zu Warenwirtschaft, Kasse, Webshop und Marktplätzen). Die zweite ist ein zentraler Datenspeicher, meist ein Data Warehouse oder Lakehouse (analytischer Speicher, der Rohdaten und aufbereitete Tabellen kombiniert). Die dritte ist das semantische Modell, in dem Kennzahlen wie Rohertragsmarge oder Retourenquote genau einmal definiert werden. Die vierte ist die Präsentation in Dashboards, Berichten und Abfragen.
Für den Handel sind zwei Entscheidungen besonders folgenreich. Erstens die Granularität: Bon-, Bestell- und Positionsebene bleiben im Speicher erhalten, damit sich später Warenkorb- und Sortimentsanalysen aufsetzen lassen. Zweitens der Aktualisierungsrhythmus: Ein nächtlicher Lauf reicht für Monatsberichte, nicht für Out-of-Stock-Warnungen oder Aktionssteuerung. Viele Händler laufen deshalb mehrstufig, mit Near-Realtime für Bestand und Verkauf und täglichem Lauf für Marge und Kundenwert.
Stammdaten als Schlüssel
Der unscheinbarste Teil entscheidet über den Erfolg: ein einheitlicher Artikelschlüssel. Warenwirtschaft, Webshop und Marktplätze benennen denselben Artikel oft unterschiedlich. Eine eindeutige Kennung wie die GTIN (Global Trade Item Number, die Nummer hinter dem Strichcode) hilft, Artikel kanalübergreifend zuzuordnen. Ebenso wichtig sind eine einheitliche Filialnummer, eine Warengruppenhierarchie und ein gepflegter Kalender mit Feiertagen, Aktionswochen und Saisonfenstern.
Wer das Zusammenspiel von Quellen, Speicher und Modell grundsätzlich einordnen möchte, findet die Begriffe in unserem Ratgeber Was ist Business Intelligence. Die Rollen und Phasen eines solchen Aufbaus beschreibt unser Ratgeber BI einführen.
Die Beschreibung der Schichten folgt der gängigen Referenzarchitektur analytischer Systeme. Konkrete Produktwahl und Aktualisierungsrhythmus hängen vom Anwendungsfall ab.
Filiale, Shop und Marktplatz in einer Sicht.
Kunden wechseln zwischen Kanälen, die Datenlage tut es oft nicht. Eine Omnichannel-Sicht ist deshalb eine der wertvollsten Leistungen einer Handels-BI.
Was Omnichannel-BI beantworten muss
Omnichannel-BI beantwortet Fragen, die kein Einzelsystem klären kann. Welcher Artikel verkauft sich online besser als in der Filiale, und warum? Wie viel des Umsatzes entsteht über Marktplätze, und was bleibt nach Gebühren und Werbekosten übrig? Welche Kunden kaufen in mehreren Kanälen, und wie viel mehr geben sie aus? Welche Filialbestände könnten Online-Bestellungen erfüllen? Diese Fragen setzen eine gemeinsame Artikel-, Kunden- und Kalenderlogik voraus.
Der Bitkom-Studie Digitaler Handel zufolge können sich 32 Prozent der stationären Händler vorstellen, bis 2030 ausschließlich online zu verkaufen. Der Wandel der Kanäle ist also nicht abgeschlossen. Eine BI, die den Kanalmix von Anfang an als Dimension des Datenmodells behandelt, bleibt auch dann tragfähig, wenn sich Gewichte verschieben.
Kundenidentität und Einwilligung
Der schwierigste Punkt ist die Kundenidentität. Ein Kunde, der in der Filiale mit Treuekarte bezahlt und online mit E-Mail-Adresse bestellt, wird nur dann als eine Person erkannt, wenn beide Systeme einen gemeinsamen Schlüssel kennen und die Einwilligung dafür vorliegt. Anonyme Bons lassen sich analysieren, aber keinem Kunden zuordnen. Planen Sie deshalb früh, welche Auswertungen auf Kundenebene nötig sind und welche Daten dafür rechtlich erhoben werden dürfen. Mehr dazu im Abschnitt zu Recht und Datenschutz.
Quelle: Bitkom, Digitaler Handel in Deutschland, Juli 2026, Stand 2026.
Retouren als Margenhebel verstehen.
Retouren sind im Online-Handel keine Randerscheinung, sondern ein Kostenblock mit eigener Steuerung. Die BI macht sichtbar, wo er entsteht.
Wie groß das Thema ist
Der Retourenforscher Björn Asdecker von der Universität Bamberg rechnet für 2025 mit rund 550 Millionen retournierten Paketen in Deutschland und spricht von einem Rekord. Fast jedes vierte Online-Paket wird demnach ganz oder teilweise zurückgeschickt. Die Quote streut stark nach Branche. In einer Befragung des EHI Retail Institute unter 124 Online-Händlern im deutschsprachigen Raum (Sommer 2025) berichten 12,2 Prozent der Modehändler, dass mehr als die Hälfte ihrer Bestellungen zurückkommt, bei weiteren 24,5 Prozent liegt die Quote zwischen 36 und 50 Prozent. In der Unterhaltungselektronik melden dagegen 85,7 Prozent der Händler Quoten bis 10 Prozent, bei Möbeln rund 93 Prozent.
Die Spannweite zeigt, warum Branchenmittelwerte für die Steuerung wenig taugen. Entscheidend ist die eigene Quote nach Sortiment, Kategorie, Größe und Kunde, verglichen mit dem Vorjahr.
Welche Auswertungen sich lohnen
Handels-BI betrachtet Retouren in vier Perspektiven. Erstens die Quote nach Stück und nach Wert, damit Teilretouren richtig gezählt werden. Zweitens der Retourengrund (falsche Größe, Qualität, Lieferverzug), soweit er erfasst wird. Drittens die Kosten je Retoure inklusive Versand, Prüfung, Wiedereinlagerung und Wertverlust. Viertens die Verknüpfung mit Marketing und Marge: Ein Artikel mit hohem Umsatz, aber hoher Retourenquote, kann nach Abzug aller Kosten Verlust bringen.
Eine praktische Folge: Größenempfehlungen, bessere Produktbilder oder angepasste Retourenbedingungen lassen sich anhand der BI-Daten in Kontrollgruppen testen. Die Quote vor und nach der Maßnahme, je Warengruppe und Kanal, zeigt, was gewirkt hat und was nur den Mittelwert verschoben hat.
Quellen: FashionUnited, Zahl der Retouren steigt auf Rekordwert, 27.11.2025, Textilwirtschaft, EHI-Studie zu Retourenquoten, 27.11.2025, Stand 2025. Die EHI-Zahlen stammen aus einer Händlerbefragung im Sommer 2025, etwa 37 Prozent der Befragten bieten Mode oder Accessoires an.
Verfügbarkeit sichern, Kapital freisetzen.
Bestand ist im Handel gleichzeitig Chance und Risiko. Zu wenig bedeutet entgangenen Umsatz, zu viel gebundenes Kapital und Abschriften.
Out-of-Stock und Slow-Mover gemeinsam sehen
Eine gute Bestands-BI zeigt beide Seiten gleichzeitig. Auf der einen Seite Artikel, deren Reichweite unter die Wiederbeschaffungszeit fällt und die deshalb auszugehen drohen. Auf der anderen Seite Artikel, deren Reichweite weit über der Saison liegt und die Kapital binden. Die Reichweite in Tagen ergibt sich aus Bestand geteilt durch durchschnittlichen Tagesabsatz. Beispiel: 600 Stück auf Lager bei 20 Stück Tagesabsatz ergeben 30 Tage. Liegt die Wiederbeschaffungszeit bei 40 Tagen, droht eine Lücke, noch bevor die Ware vollständig verkauft ist.
Die Kennzahlen werden erst durch Ausnahmelisten nützlich. Statt eines Dashboards mit tausend Artikeln brauchen Disponenten die Liste der zwanzig Artikel, bei denen heute gehandelt werden muss.
Prognose und Disposition
Am schnellsten zahlt sich Predictive Analytics (vorausschauende Analyse auf Basis historischer Muster) bei Absatzprognose und Disposition aus. Laut Bitkom nutzen 18 Prozent der befragten Händler KI bereits für Bestandsmanagement, die Mehrheit steht noch am Anfang. Typische Schritte sind Bedarfsprognosen je Artikel und Filiale, dynamische Bestellpunkte und Aktionsprognosen mit Saisonfaktoren. Voraussetzung ist eine saubere Bestandshistorie: Wer nur Stichtagsbestände speichert, kann Lieferausfälle von echter Nachfrage nicht unterscheiden.
Ein Hinweis zur Messung. Verkäufe in Zeiten ohne Bestand zeigen nicht die wahre Nachfrage. Gute Modelle korrigieren um Ausfalltage, sonst wird der Bedarf systematisch unterschätzt und der Bestand zu knapp geplant.
Quelle: Bitkom, Digitaler Handel in Deutschland, Juli 2026, Stand 2026. Rechenbeispiel zur Reichweite ist illustrativ.
Aktionen messen, Preise steuern.
Aktionen und Preise gehören zu den wirksamsten und zugleich am schlechtesten gemessenen Stellhebeln im Handel.
Promotion-Wirkung sauber messen
Eine Aktion ist nicht erfolgreich, weil in der Aktionswoche mehr verkauft wurde. Erst der Vergleich mit einer Basislinie (dem erwarteten Absatz ohne Aktion) zeigt den Zusatzeffekt, der Uplift. Dazu kommen Nachzieheffekte (Kunden kaufen vor und danach weniger) und Kannibalisierung (Aktionsartikel verdrängen andere Artikel). Ein Beispiel: Die Basislinie liegt bei 1.000 Stück pro Woche, in der Aktionswoche werden 1.600 verkauft, in der Folgewoche nur 800. Über beide Wochen ergeben sich 2.400 Stück statt 2.000, der Nettoeffekt liegt also bei 400 Stück oder 20 Prozent, nicht bei 600 oder 60 Prozent.
Handels-BI stellt dafür Aktionskalender, Basislinien und Vorher-Nachher-Vergleiche bereit und verknüpft sie mit Marge und Bestand. So zeigt sich, ob eine Aktion nach Rabatt und Werbekosten überhaupt Rohertrag gebracht hat.
Dynamische Preise und Preisoptimierung
Preisoptimierung steht auf der Agenda vieler Händler. In der Bitkom-Befragung diskutieren oder planen 47 Prozent entsprechende KI-Anwendungen, genutzt wird sie bisher selten. Technisch beginnt Preissteuerung mit einer verlässlichen Preishistorie, Wettbewerbspreisen und der Preiselastizität je Warengruppe. Rechtlich sind Grenzen zu beachten, etwa bei Preisermäßigungen, siehe den Abschnitt zu Recht und Datenschutz. Beginnen Sie mit regelbasierten Preisen und Auswertung der Wirkung, bevor Sie automatisierte Preismodelle einsetzen.
Quelle: Bitkom, Digitaler Handel in Deutschland, Juli 2026, Stand 2026. Das Rechenbeispiel zum Uplift ist illustrativ.
Was KI im Handel schon leistet.
KI taucht in nahezu jeder Handelsstrategie auf. Die Befragungen zeigen, wie weit die Praxis tatsächlich ist.
Nutzung, Pläne und Hürden
Nach der Bitkom-Studie Digitaler Handel nutzen 25 Prozent der Händler KI im Kundenservice und in der Kommunikation, 22 Prozent für Textgenerierung, je 18 Prozent für personalisierte Empfehlungen und Bestandsmanagement. Geplant oder diskutiert werden vor allem Bildgenerierung (52 Prozent), Textgenerierung (48 Prozent) sowie personalisierte Empfehlungen und Preisoptimierung (je 47 Prozent). 61 Prozent der Unternehmen glauben, dass Händler mit KI einen Wettbewerbsvorteil haben. Als Hürde nennen 66 Prozent fehlendes KI-Know-how im Unternehmen.
Für die BI ist daran vor allem eines wichtig: KI-Anwendungen im Handel stützen sich auf dieselben Daten wie die Berichte. Empfehlungen, Prognosen und Preismodelle sind nur so gut wie Artikelstamm, Bestandshistorie und Kundenzuordnung. Wer die Datengrundlage der BI sauber aufbaut, schafft die Voraussetzung für spätere KI-Anwendungen.
KI in der Produktrecherche der Kunden
Auch auf Kundenseite verändert KI das Geschäft. Laut HDE nutzen 35 Prozent der Menschen in Deutschland KI zur Produktrecherche beim Kauf. Für Händler heißt das: Produktdaten, Verfügbarkeit und Preise müssen maschinenlesbar und aktuell sein, damit Assistenten sie korrekt wiedergeben. Auch das ist ein Datenqualitätsthema, das die BI mit Kennzahlen zu Vollständigkeit und Aktualität der Artikeldaten begleiten kann.
Quellen: Bitkom, Digitaler Handel in Deutschland, Juli 2026, HDE Online Monitor 2026, Stand 2026.
Sechs BI-Werkzeuge für den Handel im Vergleich.
Die Tabelle stellt Lizenzmodell, KI-Funktionen, Hosting und die Passung für den Handel nebeneinander. Preise und Funktionen beruhen auf den Angaben der Hersteller, Stand Oktober 2026. Die Spalte zur Passung ist eine Einschätzung von Find-Your-BI und keine Herstellerangabe. Eine breitere Auswahl mit zehn Werkzeugen steht in unserem Leitfaden Self-Service BI Tools.
| Anbieter | Segment | Preis ab | Lizenzmodell | KI-Funktionen | Hosting in DACH und EU | Passung im Handel (Einschätzung Find-Your-BI) | Profil |
|---|---|---|---|---|---|---|---|
| Microsoft Power BIMicrosoft, Redmond, Marktstart 2015 | Mittelstand | 12,10 € je Nutzer und Monat (Pro) | Pro Nutzer, optional Kapazität (Fabric, Premium) | Copilot in Power BI nur mit bezahlter Kapazität (Fabric F2 oder Premium P1), Power-BI-Daten im Microsoft 365 Copilot Chat über die Copilot-Lizenz | Germany West Central, Switzerland North, Austria East (nur Power BI) | Viele Händler mit Microsoft 365 und Excel-Hintergrund, Buying- und Category-Teams | Zum Portal → |
| TableauSalesforce, Seattle, gegründet 2003 | Enterprise | 75 USD je Creator und Monat (Standard) | Pro Nutzer in drei Rollen: Creator, Explorer, Viewer | Pulse, Agent und Next, Agent erst in Cloud+ | Hyperforce-Regionen Deutschland, UK, Schweiz | Sortiments-, Promotions- und Filialanalysen mit Karten und Heatmaps | Zum Portal → |
| Qlik Cloud AnalyticsThoma Bravo, King of Prussia, gegründet 1993 in Lund | Enterprise | 300 USD je Monat (Starter, 10 Nutzer) | Kapazitätsbasiert nach Datenvolumen, nicht nach Nutzern | Insight Advisor ab Starter, Answers ab Standard, Predict ab Premium | Cloud-Regionen unter anderem Deutschland und Irland | Freie Exploration über viele Dimensionen, kapazitätsbasiertes Modell für viele Nutzer | Zum Portal → |
| Google LookerGoogle Cloud, gegründet 2012, LookML | Enterprise | In der Demo klären | Plattformlizenz plus Nutzertypen, Laufzeit 1 bis 3 Jahre | Conversational Analytics auf Basis des LookML-Modells | Frankfurt, Zürich, Berlin (Google Cloud) | Wachsende D2C-Marken mit Cloud-Stack und Engineering-Team, Modell als Code | Zum Portal → |
| DomoAmerican Fork, Utah, seit 2026 bei Progress | Enterprise | In der Demo klären | Credit-Verbrauch, unbegrenzte Nutzer | KI-geführte Konnektivität, Dokumentenverarbeitung (März 2026) | EU-Region nicht belegt, beim Anbieter klären | Agile Teams ohne großes Engineering, breite Konnektoren, aber Anbieterwechsel zu Progress beachten | Zum Portal → |
| MetabaseSan Francisco, Open Source seit 2015 | KMU | 0 USD (Open Source), Cloud ab 100 USD je Monat | Open Source (AGPL) oder Cloud-Plan mit 5 bis 10 Nutzern inklusive | Metabot, AI-Service nur in der Cloud, 1 Mio. Token frei | Cloud-Region EU (Frankfurt) wählbar, Self-Hosting frei | Kleine Online-Shops mit Warehouse, schneller Start und geringe Kosten | Zum Portal → |
Preise nach Angaben der Hersteller, Stand Oktober 2026, ohne Mehrwertsteuer, Währungen nicht umgerechnet. Power BI: Listenpreis für Deutschland, in den USA 14 USD (Pro) seit 1. April 2025. Domo: Das operative Geschäft ging im September 2026 an Progress Software, Konditionen vor Vertragsabschluss klären. Quellen: Anbieter- und Referenzdatenbank von Find-Your-BI, Microsoft, Tableau, Qlik, Looker, Domo, Metabase. Angaben ohne Preis sind beim Hersteller in der Demo zu klären.
Fünf Prüffelder vor dem Start.
Handelsdaten sind oft personenbezogen und berühren Verbraucherrecht. Klären Sie diese Punkte gemeinsam mit Datenschutz, Rechtsabteilung und, wo nötig, Betriebsrat. Dies ist keine Rechtsberatung.
Rechtsgrundlage für Kundendaten
Kundenbezogene Auswertungen brauchen eine Rechtsgrundlage nach Artikel 6 DSGVO, etwa Vertragserfüllung, berechtigtes Interesse oder Einwilligung. Dokumentieren Sie den Zweck je Auswertung und halten Sie Löschfristen ein. Personalisierung und Profiling sind besonders sorgfältig zu begründen.
- Zweck je Auswertung festhalten
- Verarbeitungsverzeichnis pflegen
- Löschfristen festlegen
Einwilligung für Webshop-Daten
Der Zugriff auf Informationen im Endgerät der Nutzer, etwa durch Cookies und Tracking, setzt nach § 25 TDDDG grundsätzlich eine Einwilligung voraus, soweit keine Ausnahme greift. Für die BI heißt das: Webshop-Sitzungen ohne Einwilligung fehlen oder sind nur eingeschränkt auswertbar. Kennzahlen wie die Conversion Rate sind deshalb mit diesem Hinweis zu lesen.
- Consent-Management prüfen
- Lücken im Tracking dokumentieren
- Server-seitige Bestelldaten als Anker
Preisermäßigungen und Aktionen
Wer mit einer Preisermäßigung wirbt, muss nach § 11 PAngV den niedrigsten Gesamtpreis der letzten 30 Tage angeben. Dynamische Preise und Aktionspreise brauchen daher eine lückenlose Preishistorie, die die BI aus der Warenwirtschaft und dem Webshop bereithalten kann.
- Preishistorie je Artikel speichern
- Aktionspreise kennzeichnen
- Rechtsprüfung vor Automatisierung
Mitbestimmung bei Filialdaten
Kassendaten lassen sich Kassierern zuordnen. Technische Einrichtungen, die zur Überwachung von Verhalten oder Leistung geeignet sind, unterliegen nach § 87 Absatz 1 Nummer 6 BetrVG der Mitbestimmung. Aggregieren Sie Auswertungen auf Filial- oder Teamebene und binden Sie den Betriebsrat früh ein.
- Personenbezug aggregieren
- Betriebsvereinbarung prüfen
- Auswertungen dokumentieren
Plattformdaten und Anbieter
Marktplatzdaten unterliegen den Nutzungsbedingungen der Plattformen. Klären Sie, welche Daten sich speichern und weiterverarbeiten lassen, und prüfen Sie bei Cloud-BI den Auftragsverarbeitungsvertrag und den Hosting-Standort.
- Nutzungsbedingungen prüfen
- Auftragsverarbeitung klären
- Hosting in der EU bevorzugen
Die genannten Normen sind Beispiele für typische Prüffelder, keine abschließende Aufzählung. Im Einzelfall ist rechtlicher Rat einzuholen.
Was Handels-BI wirklich kostet.
Die Lizenzwerte beruhen auf den Angaben der Hersteller, die Aufwandswerte rechnet Find-Your-BI mit angenommenen Beratertagen zu je 1.300 Euro (Durchschnittstagessatz laut BDU, Honorare im Consulting 2025, netto). Beide sind Orientierung, keine Angebote. Rechenbeispiel: 25 Power-BI-Pro-Nutzer kosten 25 mal 12,10 Euro mal 12 Monate, also 3.630 Euro im Jahr, ohne Mehrwertsteuer.
| Posten | Annahme | Spanne | Was zusätzlich anfällt |
|---|---|---|---|
| BI-LizenzPower BI | Pro 12,10 Euro, Premium je Nutzer 20,80 Euro, je Nutzer und Monat | ab 12,10 € je Nutzer | Datenmodell, Gateway oder Kapazität, Schulung |
| BI-LizenzTableau Standard | Creator 75 USD, Explorer 42 USD, Viewer 15 USD, je Nutzer und Monat | ab 15 USD je Nutzer | Data Management für Data Policies, Rollenkonzept |
| BI-LizenzQlik Cloud Analytics | Kapazitätsbasiert: Starter 300 USD, Standard 825 USD je Monat | ab 300 USD je Monat | Datenvolumen, Ladeskripte, Premium bei KI-Funktionen |
| BI-LizenzMetabase Cloud | Starter 100 USD je Monat mit 5 Nutzern, Open Source kostenlos | 0 bis 100 USD je Monat | Eigener Betrieb, Warehouse, Zeilenrechte erst ab Pro |
| DatenanbindungWebshop, Marktplätze, POS | Konnektoren oder Eigenentwicklung, 5 bis 15 Beratertage | 6.500 bis 19.500 € | Schnittstellenpflege, Monitoring, API-Änderungen der Plattformen |
| Datenmodell und DashboardsHandels-KPIs | Datenmodell, acht bis zwölf Kernberichte, 12 bis 30 Beratertage | 15.600 bis 39.000 € | Fachbereichs-Workshops, Abnahme, Schulung |
| BetriebLaufende Pflege | Monitoring, Stammdatenpflege, Anpassungen, 2 bis 4 Beratertage pro Monat | 2.600 bis 5.200 € pro Monat | Neue Kanäle, neue Kennzahlen, Lizenzanpassungen |
Quellen: Microsoft Power BI Preise, Tableau Preise, Qlik Preise, Metabase Preise, Stand Oktober 2026. Ohne Mehrwertsteuer, Währungen nicht umgerechnet. Rechenbeispiel von Find-Your-BI: angenommene Beratertage × 1.300 € Durchschnittstagessatz laut BDU, Honorare im Consulting 2025, netto. Der Aufwand hängt stark von Quellenzahl und Datenqualität ab. Weitere Modelle erklärt der Leitfaden Preise und Modelle.
In sechs Schritten zur Handels-BI.
Ein fokussierter Start mit wenigen Kennzahlen und einem Kanal schafft Akzeptanz. Danach lässt sich der Umfang schrittweise erweitern.
Steuerungsfragen und Kennzahlen festlegen
Klären Sie, welche Entscheidungen die BI unterstützen soll, etwa Disposition, Aktionssteuerung oder Retourenreduktion, und legen Sie dafür die ersten drei bis fünf Kennzahlen mit Formel und Verantwortlichem fest.
Quellen und Stammdaten inventarisieren
Listen Sie Warenwirtschaft, Kasse, Webshop, Marktplätze und CRM auf und prüfen Sie, ob Artikel, Filialen und Kalender einheitlich geschlüsselt sind. Fehlende GTINs und uneinheitliche Warengruppen jetzt beheben.
Datenhub und Konnektoren aufbauen
Binden Sie die Quellen an einen zentralen Speicher an und legen Sie den Aktualisierungsrhythmus je Datenstrom fest, etwa Near-Realtime für Bestand und Verkauf und täglich für Marge und Kundenwert.
Pilot mit einem Kanal und wenigen KPIs
Starten Sie mit einem Kanal, einer Warengruppe und drei Kennzahlen. Vergleichen Sie die BI-Zahlen mit den Systemberichten und klären Sie Abweichungen, bevor Sie ausweiten.
Rollout über Kanäle und Rollen
Erweitern Sie auf weitere Kanäle, Filialen und Teams und richten Sie Berechtigungen nach Region, Filiale und Rolle ein. Betriebsrat und Datenschutz sind vor dem Livegang eingebunden.
Betrieb, Qualität und Weiterentwicklung
Richten Sie ein Monitoring für Datenqualität ein, schulen Sie die Anwender und sammeln Sie neue Fragen. Rollen und Phasen beschreibt unser Beitrag BI einführen.
Das Vorgehen folgt dem allgemeinen Einführungsmodell von Find-Your-BI und ist für den Handel angepasst. Der Zeitrahmen hängt von Quellenzahl und Datenqualität ab.
Woran Handels-BI typischerweise scheitert.
Probleme sind häufig organisatorisch und fachlich, nicht technisch.
Uneinheitliche Stammdaten und Tagesabgrenzung
Ein häufiger Fehler ist ein Artikelstamm, der in Warenwirtschaft, Webshop und Marktplatz unterschiedlich geführt wird. Die Folge: Dieselbe Ware erscheint dreimal, Bestand und Umsatz lassen sich nicht zusammenführen. Ein zweites Muster ist die Tagesabgrenzung. Ein Bon um 23:55 Uhr, eine Bestellung mit späterer Zahlung und eine Retoure mit Gutschriftsdatum landen in unterschiedlichen Tagen und Monaten. Ohne einheitliche Regeln weichen BI-Zahlen und Systemberichte dauerhaft voneinander ab.
Marktplatzdaten, Plattformgrenzen und Kennzahlenstreit
Marktplätze liefern Daten oft verzögert, nach eigener Logik und mit Schnittstellenlimits. Gebühren, Werbekosten und Retouren kommen separat und müssen dem Umsatz zugeordnet werden, sonst wirkt der Marktplatz profitabler, als er ist. Ein weiteres Muster ist der Streit um Kennzahlen: Einkauf, Vertrieb und Controlling definieren Marge, Retoure oder Umschlag unterschiedlich. Eine abgestimmte Definition im semantischen Modell beendet diese Diskussion, bevor sie das Projekt blockiert.
Zu viele Kennzahlen und fehlende Nutzung
Handels-BI scheitert selten an Technik, aber oft an Überladung. Dashboards mit dreißig Kennzahlen ohne Handlungsbezug werden nicht genutzt. Starten Sie mit Ausnahmelisten und klaren Verantwortlichen: Welche Artikel laufen aus, welche Aktionen verfehlen die Basislinie, welche Warengruppen haben auffällige Retouren? Und achten Sie auf Schulung, denn laut Bitkom fehlt 66 Prozent der Händler KI-Know-how, ein Befund, der sich auf Datenkompetenz oft übertragen lässt.
Quelle zur Kompetenzlücke: Bitkom, Digitaler Handel in Deutschland, Juli 2026.
Von der Handels-BI zur konkreten Auswahl.
Diese Seiten vertiefen Auswahl, Einführung, Werkzeuge und Nachbarbranchen.
BI auswählen
Acht Auswahlkriterien und typische Fehler bei der Auswahl. Auswahl-Vorgehen ansehen.
BI für Mittelstand und KMU
Mittelständische Händler müssen besonders auf Time-to-Value achten. Mittelstand ansehen.
BI für das Finanzwesen
Margen, Controlling und Planung als Grundlage der Handelssteuerung. Finanzwesen ansehen.
Preise und Modelle
Wie Lizenz- und Betriebsmodelle die Gesamtkosten bestimmen. Preise und Modelle.
Von der Shortlist bis zum Vertrag: so unterstützt Find-Your-BI.
Welche BI Lösung zu Ihrem Handelsunternehmen passt, hängt von Warenwirtschaft, Webshop und Marktplätzen ab. Find-Your-BI ist anbieterneutral, Empfehlungen entstehen datenbasiert und nicht durch Provision. Drei Pakete decken den Weg von der ersten Vorauswahl bis zur begleiteten Entscheidung ab. Alle Preise sind einmalig und verstehen sich zuzüglich Mehrwertsteuer (Stand Oktober 2026, Preise und Modelle).
BI-Matching
0 € einmalig
Aus Ihrer Unternehmens-URL entsteht in rund sechs Minuten eine begründete Vorauswahl aus über 200 BI-Systemen, ohne Anmeldung. So funktioniert das Matching.
- Top 20 BI-Systeme sichtbar
- Ausgewählte Referenzen je System
- Ergebnisse per E-Mail
- Kontaktdaten gehen nur mit Ihrer Einwilligung an bis zu fünf Anbieter
Matching mit Expertenbudget
900 € einmalig
Für Teams, die die Vorauswahl direkt in einen belastbaren Auswahlprozess überführen wollen. Ihre Daten gehen an keinen Anbieter.
- Individueller BI-Anforderungskatalog als Excel-Datei (XLSX)
- Analyse-Report als Präsentation (PDF)
- Beratungsbudget für Ihre Rückfragen
- Mehr Referenzen je System
End-to-End BI-Auswahl
8.000 € einmalig
Erfahrene BI-Experten begleiten die Auswahl methodisch, von der Bedarfs- und Marktanalyse bis zur Entscheidung. Enterprise-Matching und Selection Portal sind enthalten.
- Persönliche Beratung durch BI-Experten
- Bedarfs- und Marktanalyse, KI-assistiert
- Methodisches Vorgehen bis zur Entscheidung
- BI Selection Portal inklusive
Das BI Selection Portal gibt es auch einzeln: 1.000 € einmalig für ein Auswahlprojekt oder ab 200 € pro Monat für mehrere Projekte, jeweils mit Anforderungserhebung, Demo-Bewertung und auditierbarer Entscheidungsdokumentation. Amatus, der KI-Co-Pilot im Portal, ist optional zubuchbar. Er prüft Anforderungskataloge auf Lücken, wertet Anbieter-Demos aus und bereitet Vertragsreviews vor, mit Verarbeitung in Deutschland und ohne Training mit Ihren Projektdaten.
Häufige Fragen
direkt beantwortet.
Was ist BI im Handel?
BI im Handel (Business Intelligence für Handel und E-Commerce) führt Verkaufs-, Bestands-, Retouren- und Kundendaten aus Warenwirtschaft, Kasse, Webshop, Marktplätzen und CRM in einem Datenmodell zusammen und macht sie in Dashboards und Berichten auswertbar. Ziel ist, Sortiment, Bestand, Aktionen und Kanäle auf einer gemeinsamen Zahlenbasis zu steuern.
Wie aktuell muss Handels-BI sein?
Für Online-Handel und Filialnetze ist Intraday-Aktualität Standard, das heißt mehrmals täglich aktualisierte Daten statt nur eines nächtlichen Laufs. Out-of-Stock-Warnungen und Aktionssteuerung brauchen oft Near-Realtime-Daten, Marge und Kundenwert genügen meist einmal täglich. Welcher Rhythmus passt, hängt von der Entscheidung ab, die die Kennzahl unterstützen soll.
Reicht das Reporting aus der Warenwirtschaft aus?
Für operative Standardberichte oft ja. Sobald Multichannel-Sichten, Aktionsanalysen oder Kundenauswertungen über mehrere Systeme nötig sind, stößt das Reporting der Warenwirtschaft an Grenzen. Ein semantisches BI-Modell konsolidiert die Quellen und definiert Kennzahlen wie Rohertragsmarge oder Retourenquote einheitlich.
Welche KPIs sind im Handel am wichtigsten?
Kernkennzahlen sind Umsatz und Rohertragsmarge, Warenkorbwert und Conversion Rate, Bestandsreichweite und Out-of-Stock-Rate, Retourenquote, Lagerumschlag und GMROI, Sell-Through-Rate, Flächenproduktivität sowie Kundenwert und Akquisitionskosten. Beginnen Sie mit drei bis fünf Kennzahlen, die direkt eine Entscheidung stützen.
Wie berechnet man den Lagerumschlag und den GMROI?
Der Lagerumschlag ergibt sich aus dem Wareneinsatz geteilt durch den durchschnittlichen Lagerbestand zu Einstandspreisen. Der GMROI ist der Rohertrag geteilt durch denselben Lagerbestand. Beispiel: 1,2 Millionen Euro Wareneinsatz, 300.000 Euro Durchschnittsbestand und 600.000 Euro Rohertrag ergeben einen Umschlag von 4,0 und einen GMROI von 2,0.
Wie hoch ist die Retourenquote im Online-Handel?
Eine einheitliche Quote gibt es nicht. Die Universität Bamberg rechnet für 2025 mit rund 550 Millionen retournierten Paketen, fast jedes vierte Online-Paket kommt ganz oder teilweise zurück. Nach einer EHI-Befragung (Sommer 2025) berichtet etwa jeder achte Modehändler von Quoten über 50 Prozent, in der Elektronik liegen die meisten Händler bei höchstens 10 Prozent. Entscheidend ist die eigene Quote je Sortiment.
Wie verbinden Händler Webshop und Marktplätze sauber?
Mit einem einheitlichen Artikel- und Bestellmodell im Data Warehouse. Konnektoren oder Schnittstellen liefern Bestellungen, Bestände und Gebühren je Kanal, eine eindeutige Artikelkennung wie die GTIN sorgt für die Zuordnung. Marktplätze liefern Daten oft verzögert, planen Sie Abgleich und Monitoring ein.
Wo lohnt sich Predictive Analytics im Handel zuerst?
Am schnellsten bei Absatzprognose und Disposition. Bedarfsprognosen je Artikel und Filiale, dynamische Bestellpunkte und Aktionsprognosen sind typische erste Anwendungen. Nach Bitkom nutzen 18 Prozent der Händler KI bereits für Bestandsmanagement. Voraussetzung ist eine saubere Bestandshistorie.
Was ist eine Warenkorbanalyse?
Die Warenkorbanalyse wertet aus, welche Artikel gemeinsam gekauft werden. Sie liefert die Grundlage für Cross-Selling, Platzierung im Regal und Empfehlungen im Webshop und läuft meist auf Bon- oder Bestellebene. Verknüpft mit Kategorien und Kampagnen zeigt sie, welche Kombinationen tatsächlich Zusatzumsatz bringen.
Was versteht man unter Category-Management und wie unterstützt BI dabei?
Category-Management ist die strategische Steuerung von Warengruppen nach Umsatz, Marge und Flächenproduktivität. BI macht Sortimentsbeitrag, Abverkauf, Reichweite und Retourenquote je Warengruppe sichtbar, sodass Sortimentsentscheidungen auf Daten statt auf Bauchgefühl beruhen.
Wie misst man die Wirkung einer Aktion richtig?
Vergleichen Sie den Aktionsabsatz mit einer Basislinie ohne Aktion und berücksichtigen Sie Nachzieheffekte und Kannibalisierung. Beispiel: Basislinie 1.000 Stück pro Woche, Aktionswoche 1.600, Folgewoche 800, das ergibt über beide Wochen ein Plus von 400 Stück oder 20 Prozent. Prüfen Sie zusätzlich, ob nach Rabatt und Werbekosten Rohertrag bleibt.
Welche BI-Werkzeuge eignen sich für kleine und mittlere Online-Shops?
Gut geeignet sind Werkzeuge mit niedriger Einstiegshürde und schneller Anbindung, etwa Power BI (ab 12,10 Euro je Nutzer und Monat) oder Metabase (Open Source kostenlos, Cloud ab 100 USD je Monat). Wachsende D2C-Marken mit Cloud-Stack greifen auch zu Looker. Bei Domo ist der Anbieterwechsel zu Progress im September 2026 zu beachten. Ein Pilot auf eigenen Daten klärt die Passung am schnellsten.
Was kostet Business Intelligence im Handel?
Die Lizenz startet bei etwa 12,10 Euro je Nutzer und Monat (Power BI Pro). Im Rechenbeispiel von Find-Your-BI mit 1.300 Euro je Beratertag (Durchschnitt laut BDU, netto) kommen für die Datenanbindung 5 bis 15 Tage hinzu, also 6.500 bis 19.500 Euro, für Datenmodell und Dashboards 12 bis 30 Tage, also 15.600 bis 39.000 Euro, und für den Betrieb 2 bis 4 Tage pro Monat, also 2.600 bis 5.200 Euro pro Monat. Die Werte hängen stark von Quellenzahl und Datenqualität ab und sind keine Angebote.
Wie lange dauert die Einführung von BI im Handel?
Nach der BARC BI Survey 23 dauert die Einführung von BI-Software im Schnitt 3,9 Monate, und BARC empfiehlt, die erste Anwendung innerhalb von 3 Monaten produktiv zu setzen. Mit Webshop, Marktplätzen, Kasse und CRM kann es länger dauern, weil Stammdaten, Schnittstellen und Kennzahlendefinitionen zu klären sind. Ein Pilot mit einem Kanal und drei Kennzahlen liefert die ersten Ergebnisse früher.
Welche rechtlichen Fragen sind bei Handels-BI zu klären?
Vor allem Rechtsgrundlage und Einwilligung bei Kundendaten (DSGVO, § 25 TDDDG für Tracking), Preisangaben bei Ermäßigungen (§ 11 PAngV), Mitbestimmung bei personenbezogenen Kassendaten (§ 87 BetrVG) und die Nutzungsbedingungen der Marktplätze. Das ist keine Rechtsberatung, im Einzelfall holen Sie rechtlichen Rat ein.
Welchen Nutzen bringt Handels-BI messbar?
Eine belastbare, branchenweite Zahl gibt es nicht. Der Nutzen zeigt sich in den eigenen Kennzahlen vor und nach der Einführung, etwa Out-of-Stock-Rate, Lagerumschlag, Retourenquote, Rohertrag je Aktion und Zeitaufwand für Berichte. Legen Sie diese Basiswerte vor dem Start fest, dann lässt sich der Effekt nach drei bis sechs Monaten nachweisen.
Muss Handels-BI Filial- und Online-Daten zwingend zusammenführen?
Für Multichannel-Händler ja. Nach Bitkom verkaufen 86 Prozent der Händler stationär und online, Kunden wechseln zwischen den Kanälen. Eine gemeinsame Sicht auf Bestand, Umsatz und Kundenverhalten verhindert Fehlbestellungen und ermöglicht kanalübergreifende Aktionssteuerung.
Die passende BI für Ihren Handel.
Geben Sie Ihre Unternehmens-URL ein, und das BI Selection Portal erstellt in rund sechs Minuten eine neutrale Shortlist aus über 200 Systemen, basierend auf Branche, Größe und Ausgangslage, inklusive Bewertung von Tech-Stack-Passung und Datenanbindung.