KI im B2B-Großhandel: Sortiment bis Kundenbindung.

Der mittelständische B2B-Großhandel steht zwischen zwei Wänden: Auf der einen Seite drücken digitale Plattformen wie Amazon Business und spezialisierte Marktplätze die Margen, auf der anderen Seite erwarten Geschäftskunden Echtzeit-Verfügbarkeit, transparente Preise und Bedienkomfort wie im B2C. Die klassische Stärke des Großhandels — Sortimentstiefe, persönliche Beratung, schnelle Lieferung — bleibt wichtig, reicht aber allein nicht mehr. Wer als Geschäftsführer eines 50- bis 500-Mitarbeitenden-Betriebs auf KI schaut, sucht keine Schaufenster, sondern konkrete Hebel: bessere Sortimentssteuerung, bessere Preisfindung, gezielter Vertrieb, weniger administrative Last. An genau diesen Punkten leistet KI heute schon mehr, als die meisten Anbieter wahrnehmen — vorausgesetzt, die eigenen Stamm- und Bewegungsdaten sind brauchbar. Welche Anwendungsfälle sich rechnen, wo Vorsicht angebracht ist und wie eine pragmatische Reihenfolge aussieht, ordnet dieser Artikel.

Die Lage des B2B-Großhandels.

Großhändler sind klassisch Mittler zwischen Industrie und Endabnehmer — Handwerker, Industriekunden, Wiederverkäufer. Sie leben von Sortiment, Service, Verfügbarkeit und persönlicher Beziehung. Die Margen sind in den meisten Sparten überschaubar: Sanitärgroßhandel, Elektrogroßhandel, technischer Handel arbeiten oft mit Spannen unter zehn Prozent. Was zählt, sind Volumen und Umschlag.

Der Druck kommt aus mehreren Richtungen. Plattformen wie Amazon Business listen Lieferanten direkt und drücken Standardprodukte preislich nach unten. Industriekunden zentralisieren ihren Einkauf und verlangen elektronische Anbindung. Marktplätze wie Mercateo oder Conrad Sourcing schalten sich zwischen Großhandel und Kunde. Und der Fachkräftemangel macht es schwer, mit klassisch personenstarkem Vertrieb durchzukommen.

Gleichzeitig verfügt der Großhandel über das, was Plattformen nicht haben: tiefe Sortimentskenntnis, gewachsene Kundenbeziehungen, Lagerbestände vor Ort, eingespielte Lieferprozesse. KI verstärkt diese Stärken, statt sie zu ersetzen — sofern sie richtig eingesetzt wird. Das ist die eigentliche Pointe: Großhändler, die KI als Verstärker ihrer bestehenden Stärken einsetzen, schlagen Plattformen häufig — Großhändler, die KI als Plattform-Kopie missverstehen, verlieren.

Sortimentssteuerung und Datenqualität.

Ein mittelständischer Großhändler führt schnell 30.000, 50.000 oder mehr Artikel. Welche davon laufen, welche binden Lager, welche verlieren über Jahre still Geld, ohne dass es jemand bemerkt? Manuelle Auswertungen sind hier längst überfordert. KI-gestützte Sortimentsanalyse identifiziert Ladenhüter, Komplementärartikel und Substitutionsmuster in einer Geschwindigkeit, die kein Controller mehr leisten kann.

Voraussetzung ist eine saubere Stammdatenbasis. Genau hier liegt im Mittelstand das eigentliche Thema. Artikelstammdaten sind oft über Jahre gewachsen, doppelt geführt, falsch klassifiziert, mit unvollständigen Attributen. KI-gestützte Stammdaten-Bereinigung erkennt Dubletten, ergänzt Attribute aus Hersteller-Datenblättern und vereinheitlicht Klassifikationen — ein Anwendungsfall, der weniger sichtbar ist als andere, aber langfristig den größten Hebel hat.

Ein zweiter Punkt: Bedarfsprognose. Statt fester Meldebestände rechnen KI-Modelle aus Verbrauchshistorie, Saisonmustern, Kundenpipeline und externen Indikatoren tagesaktuell den Bedarf. Für A-Artikel mit stabilem Verbrauch ist der Effekt moderat — hier funktionieren auch klassische Verfahren. Für C-Artikel und projektgetriebene Sortimente liegt der Hebel deutlich höher, weil hier konventionelle Verfahren regelmäßig zu Überbeständen oder Engpässen führen.

Eine ehrliche Anmerkung: Wer keine sauberen Bewegungsdaten der letzten zwei Jahre hat, sollte das Bedarfsprognose-Thema zurückstellen und zunächst an der Datenbasis arbeiten. Eine sauber geführte KI-Readiness-Prüfung deckt solche Lücken im Vorfeld auf.

Preisgestaltung und Konditionen.

Im B2B-Großhandel ist Preisgestaltung komplexer als im Einzelhandel. Es gibt Listenpreise, Staffelpreise, Kundenpreise, Aktionspreise, Projektpreise. Jeder Außendienstler verhandelt anders, jede Sparte hat eigene Logiken. Genau diese Komplexität macht KI-gestützte Preisfindung attraktiv — und gleichzeitig heikel.

Konkret hilft KI bei drei Fragen: Welche Preise hat der Wettbewerb? Welche Konditionen funktionieren bei welchem Kundentyp? Welche Margenoptimierung ist möglich, ohne Kunden zu verlieren? Aus den eigenen Auftragsdaten, Wettbewerbssignalen und Marktbeobachtungen entstehen Preisempfehlungen pro Artikel, Kunde und Bestellsituation.

Heikel ist der Außendienst. Wer einem erfahrenen Vertriebsmitarbeiter erzählt, dass ein Algorithmus seine Preisverhandlung besser kann, verliert ihn. Erfolgreiche Einführungen verbinden Algorithmus und Erfahrung — die KI liefert Vorschläge mit Begründung, der Vertriebsmitarbeiter entscheidet. Akzeptanz entsteht, wenn die Vorschläge nachvollziehbar sind und die Mitarbeitenden Einfluss behalten.

Kundenbindung und Vertriebssteuerung.

Im Großhandel gilt eine harte Faustregel: Zwanzig Prozent der Kunden machen achtzig Prozent des Umsatzes. Und ein bestehender Kunde, der abwandert, ist schwer zurückzugewinnen. KI hilft hier auf zwei Ebenen: Sie erkennt Abwanderungstendenzen früh und sie identifiziert Wachstumspotenziale bei Bestandskunden.

Abwanderungsprognose funktioniert über Bestellmuster. Wenn ein Kunde, der zehn Jahre jeden Monat für 8.000 Euro bestellt hat, plötzlich nur noch alle zwei Monate für 4.000 Euro bestellt, ist das ein Warnsignal. KI erkennt solche Muster früher als ein Außendienstler, der dreihundert Kunden zu betreuen hat. Der Außendienstler bekommt einen konkreten Hinweis: „Kunde Meier, Bestellrückgang von 35 Prozent in den letzten drei Monaten, letzter Besuch vor sieben Wochen — Empfehlung Anruf.“

Wachstumspotenziale identifiziert KI durch Vergleich ähnlicher Kunden. Wenn Kunde A ein Sortiment kauft, das Kunde B in vergleichbarer Größe nicht kauft, obwohl es zum Geschäftsmodell passt, ist das eine Cross-Selling-Chance. Das ist nicht neu — das gab es vorher auch. Neu ist die Geschwindigkeit, mit der diese Muster maschinell erkannt werden.

Wichtig: Der Außendienst bleibt der Träger der Beziehung. KI liefert Hinweise, der Mensch trifft die Entscheidung. Wer das umdreht, verbrennt Kunden und Mitarbeitende gleichzeitig.

Webshop, Suche und Produktinformation.

Der B2B-Webshop ist für viele Großhändler die wichtigste Vertriebsplattform geworden — und gleichzeitig oft die schwächste Stelle. Geschäftskunden suchen technisch präzise: nach Hersteller, nach DIN-Nummer, nach Materialeigenschaften. Die meisten Shop-Suchen scheitern an diesen Suchmustern, weil die Produktdaten unvollständig sind oder die Suchlogik nicht hinterherkommt.

KI-gestützte Suche versteht freie Eingaben und semantische Bezüge. Ein Handwerker tippt „Schraube 8x60 verzinkt für draußen“ ein — das System findet Holzschrauben, die zum Beschrieb passen, auch wenn die exakte Bezeichnung im Stammdatensatz anders lautet. Vergleichbar wichtig: Bildersuche. Der Kunde fotografiert ein Bauteil, das System schlägt vergleichbare Artikel aus dem Sortiment vor.

Produktbeschreibungen sind ein zweiter Hebel. Für ein Sortiment von 30.000 Artikeln vernünftige Beschreibungen zu pflegen, ist manuell unmöglich. KI generiert aus Stammdaten, technischen Datenblättern und Hersteller-Informationen verständliche Produkttexte — sowohl für Suchmaschinen als auch für menschliche Käufer. Korrektur durch einen Produktmanager dauert pro Artikel Sekunden statt Minuten.

Ein dritter Punkt: Empfehlungslogik. „Kunden, die diesen Artikel gekauft haben, kauften auch…“ ist eine Logik aus dem B2C-Bereich, die im B2B-Großhandel überraschend gut funktioniert. Cross-Selling-Quoten von zwei bis vier Prozent zusätzlichen Warenkorb sind realistisch — bei einem Online-Umsatz von zehn Millionen Euro ein sechsstelliger Effekt.

Beleg- und Reklamationsbearbeitung.

Im operativen Tagesgeschäft binden Beleg-Erfassung, Wareneingangsprüfung und Reklamationsbearbeitung erhebliche Verwaltungskapazität. Hier ist KI etabliert und wirksam. Eingehende Bestellungen per E-Mail oder PDF werden automatisch erfasst, gegen Stammdaten geprüft und ins Warenwirtschaftssystem übertragen. Pro Beleg vier bis sechs Minuten Zeitersparnis.

Bei der Reklamationsbearbeitung übernimmt KI die Klassifizierung: Falschlieferung, Transportschaden, Produktmangel, Reklamation aufgrund Kundenfehler. Der Sachbearbeiter bekommt vorstrukturierte Vorgänge mit Vorschlag für die nächste Aktion — Gutschrift, Ersatzlieferung, Rückruf. Bei Standardfällen sinkt die Bearbeitungszeit erheblich; bei komplexen Fällen unterstützt die KI durch Recherche im Vertragsbestand und in der Liefer-Historie.

Auch hier gilt: Persönliche Eskalationen brauchen den Menschen. Eine Beschwerde des wichtigsten Kunden gehört nicht in eine automatisierte Antwortschleife. Klare Eskalationsregeln, dokumentiert in einer KI-Governance, definieren, wo die Grenzen liegen.

Realistische Größenordnung: Bei einem Großhändler mit 100 Mitarbeitenden und entsprechendem Beleg-Aufkommen lassen sich zwischen zwei und vier Vollzeitstellen-Äquivalente in der Verwaltung einsparen oder qualitativ aufwerten — nicht durch Stellenabbau, sondern durch Umverteilung auf wertschöpfendere Aufgaben.

Worauf Sie verzichten sollten.

Es gibt KI-Versprechen im Großhandel, die in der Praxis selten halten. Vollautomatisierte Beschaffung — also KI-Systeme, die selbständig bei Lieferanten bestellen — funktioniert in der Theorie und scheitert in der Praxis an Lieferantenpolitik, Konditionsverhandlungen und Bündelungslogiken. Wer hier zu schnell investiert, verliert wichtige Lieferantenbeziehungen.

Ebenso vorsichtig sollten Sie bei reinen Chatbot-Lösungen für den Kundenservice sein. B2B-Kunden sind anspruchsvoll, technisch versiert und wenig geduldig mit oberflächlichen Antworten. Ein Chatbot, der einem Elektrotechniker nicht erklären kann, welcher Adapter zwischen zwei spezifischen Steckverbindern passt, ist schlimmer als kein Chatbot.

Auch problematisch: vollautomatisierte Sortimentsentscheidungen. Welche Artikel gelistet, welche ausgelistet werden, ist keine reine Datenfrage. Strategische Sortimente, die heute wenig Umsatz machen, aber für Kundenbindung wichtig sind, lassen sich nicht aus Verkaufsdaten ableiten. KI liefert hier Vorschläge mit Risikobewertung — die Entscheidung bleibt beim Einkaufsleiter.

Und schließlich: Plattform-Imitation. Wer als Großhändler versucht, eine Mini-Amazon-Plattform aufzubauen, verliert die eigenen Stärken aus dem Blick. Die Stärke des Großhandels ist Beratung, Verfügbarkeit und Beziehung — nicht die niedrigsten Preise auf den Standardartikeln. KI sollte diese Stärken unterstützen, nicht ersetzen wollen.

Pragmatische Reihenfolge und Größenordnungen.

Für einen Großhandelsbetrieb mit 50 bis 500 Mitarbeitenden empfiehlt sich folgende Reihenfolge. Erste Etappe: Stammdaten-Bereinigung und Beleg-Automatisierung. Beides sind unspektakuläre, aber wirkungsvolle Schritte mit klarer Amortisation innerhalb von zwölf Monaten.

Zweite Etappe: Webshop-Suche und Produktbeschreibungen. Hier wird der Online-Vertrieb spürbar besser, ohne dass eine grundsätzliche Plattform-Diskussion geführt werden muss. Die Effekte sind direkt messbar — Suchabbruch-Quoten, Konversionsraten, durchschnittlicher Warenkorb.

Dritte Etappe: Bedarfsprognose und Sortimentssteuerung. Voraussetzung sind zwei Jahre saubere Bewegungsdaten. Wer das mitbringt, hebt im Lager und im Einkauf erhebliche Effizienz. Wer das nicht mitbringt, sollte die Etappe zurückstellen.

Vierte Etappe — frühestens nach achtzehn Monaten: dynamische Preisgestaltung, Abwanderungsprognose und vertriebsunterstützende Analytik. Diese Bereiche brauchen Akzeptanz im Außendienst, klare Spielregeln und einen Vertriebsleiter, der das Projekt trägt.

Realistische Größenordnung: Ein gut geführter Großhandelsbetrieb mit 100 Mitarbeitenden und 40 Millionen Euro Umsatz kann nach zwei Jahren KI-Einführung zwischen 200.000 und 600.000 Euro jährlichen Effizienz- und Marge-Effekt erzielen — bei Investitionen, die sich in der Regel innerhalb des ersten Jahres tragen. Mehr ist möglich, wenn die Datenbasis stimmt und die Organisation die Tools annimmt.

Sie wollen für Ihren Großhandelsbetrieb herausfinden, wo KI im Sortiment, in der Preisfindung und im Vertrieb wirklich trägt? Unverbindlich anfragen — wir schauen gemeinsam auf Stammdaten, Vertriebsstruktur und mögliche erste Schritte.