Steve begrüßt Ibby Syed, Mitgründer von Cotera, zu einem Gespräch über die Kluft zwischen dem Hype um KI und der tatsächlichen autonomen Anwendung von KI im E-Commerce. Ibby bringt als einer der ersten Data Scientists bei Peloton eine einzigartige Perspektive mit. Dort erlebte er, wie DTC-Marken rasant wuchsen, während ihre Teams in manueller Arbeit erstickten und verstreute Kundendaten über verschiedene, nicht miteinander verbundene Tools analysierten. Diese Erfahrung zeigte ihm genau, wo der traditionelle Data-Science-Workflow versagt: Marketingverantwortliche fordern umsetzbare Erkenntnisse, die sie in Klaviyo oder Braze implementieren können, doch Data Scientists verschwinden für fünf bis sechs Monate und kehren mit komplexen Modelldateien zurück, mit denen niemand etwas anfangen kann.

Im Mittelpunkt des Gesprächs steht die Frage, was autonome Agenten grundlegend von Chatbots oder abfragebasierten KI-Tools unterscheidet. Ibby erläutert das Prinzip: Anstatt ein Tool ständig mit Eingaben zu überfordern oder mehrere Plattformen mühsam miteinander zu verknüpfen, definiert man einen Prozess in einfacher Sprache (ähnlich wie eine Einarbeitung für einen Praktikanten), gibt dem Agenten Zugriff auf relevante Tools (Instagram, Google, Kundendaten) und lässt ihn selbstständig arbeiten. Er nennt ein überzeugendes Beispiel: Eine D2C-Fitnessmarke wollte herausfinden, welche ihrer umsatzstärksten 5 % als Markenbotschafter infrage kommen. Der traditionelle Ansatz hätte ein Team von Praktikanten erfordert, die jeden Kunden manuell auf Instagram recherchieren, Followerzahlen und Fitnessinhalte prüfen und anschließend einzeln Kontakt aufnehmen – eine Arbeit, die Monate gedauert hätte. Mit dem autonomen Agenten von Cotera definierten sie den Prozess einmalig, gaben ihm Zugriff auf Instagram und Google, fütterten ihn mit ihrer Liste der wertvollsten Kunden, und der Agent erledigte die monatelange Recherchearbeit in fünf Minuten.

Ibby erklärt, warum sich die Rolle des Menschen in einem KI-gestützten Betrieb eher verschiebt als verschwindet. Die sich wiederholenden Aufgaben – Support-Tickets analysieren, Retouren kategorisieren, Kunden anhand von Kaufmustern segmentieren – werden automatisiert, doch die Mitarbeiter rücken in den Vordergrund und treffen strategische Entscheidungen mit hohem Handlungsspielraum, lösen Probleme kreativ und gestalten unvergessliche Kundenerlebnisse, die langfristige Kundenbindung fördern. Er verwendet treffend die Analogie der Geldautomaten: Als Geldautomaten erfunden wurden, prophezeiten viele massive Arbeitsplatzverluste im Bankwesen. Tatsächlich aber wurden die Mitarbeiter vom Bargeldzählen befreit und übernahmen wertvollere Beratungs- und Beziehungsaufgaben. Der Bankensektor beschäftigt heute mehr Menschen als vor der Einführung von Geldautomaten, da die Effizienzgewinne das Unternehmenswachstum finanzierten und neue Chancen schufen.

Das Gespräch schließt mit einer realistischen Betrachtung der künstlichen allgemeinen Intelligenz (AGI). Trotz des Hypes, der suggeriert, KI werde menschliches strategisches Denken bald vollständig ersetzen, verbringt Ibby seine Tage damit, KI-Agenten dazu zu bringen, grundlegende Aufgaben korrekt auszuführen. Die aktuelle KI-Technologie erweitert die menschlichen Fähigkeiten zwar wirkungsvoll für definierte, wiederholbare Arbeitsabläufe, doch differenziertes Urteilsvermögen, adaptive Problemlösung und strategische Kreativität bleiben weiterhin fest in menschlicher Hand. Dies ist keine Geschichte darüber, wie KI Ihr Team ersetzt – es ist vielmehr ein Leitfaden, wie Sie die Leistungsfähigkeit Ihres Teams vervielfachen können, indem Sie Routineaufgaben automatisieren und jeden Einzelnen zu höherwertigen Tätigkeiten befähigen.

👉  Definieren Sie die Arbeitsabläufe Ihrer KI-Agenten genau so, wie Sie sie einem menschlichen Teammitglied delegieren würden. Beschreiben Sie den Prozess in einfacher Sprache, so als würden Sie einem Praktikanten eine E-Mail schreiben – Schritt für Schritt, mit klaren Entscheidungspunkten und erwarteten Ergebnissen. Der Durchbruch bei autonomen Agenten liegt nicht in der technischen Komplexität, sondern darin, Ihre Geschäftslogik so klar zu formulieren, dass ein Agent sie selbstständig und ohne ständige Überwachung ausführen kann.

👉  Die KI-Automatisierung sollte sich zunächst auf häufige, wenig komplexe Aufgaben konzentrieren. Beginnen Sie nicht damit, Ihre strategisch wichtigsten Entscheidungen zu automatisieren. Identifizieren Sie stattdessen die wiederkehrenden Aufgaben Ihres Teams – wie die Analyse von Support-Tickets auf häufige Probleme, die Kategorisierung von Rückgabegründen oder die Segmentierung von Kunden anhand ihrer Kaufmuster – und erstellen Sie Agenten für diese Arbeitsabläufe. Bei diesen Aufgaben führen bereits 3–4 Stunden Zeitersparnis täglich zu enormen Effizienzsteigerungen, ohne dass jede Entscheidung absolut präzise sein muss.

👉  Geben Sie Ihren KI-Agenten die richtigen Werkzeuge, nicht nur die richtigen Daten. Ein Agent, der die Kundenabwanderung analysiert, benötigt Zugriff auf Ihr E-Mail-Marketing-System (ESP) für Interaktionsdaten, Ihre Support-Plattform für die Tickethistorie und Ihren Shopify-Shop für Kaufmuster. Überlegen Sie, was ein Mensch für eine korrekte Ausführung dieser Aufgabe benötigen würde, und stellen Sie sicher, dass Ihre Agenten über dieselben Integrationen verfügen. Unzureichend vernetzte Agenten liefern nur bedingt nützliche Ergebnisse, unabhängig davon, wie ausgefeilt das zugrunde liegende KI-Modell ist.

👉  Verändern Sie die Denkweise Ihres Teams von der Aufgabenausführung hin zur Prozessgestaltung. Die Marketingexperten, die in KI-gestützten Prozessen erfolgreich sein werden, sind nicht diejenigen, die ihre bestehenden Arbeitsabläufe verteidigen – sondern diejenigen, die sich mit der Definition von Prozessen, dem Testen der Ergebnisse von Agenten und der iterativen Automatisierung vertraut machen. Nutzen Sie diese Tools jetzt, auch wenn sie noch nicht perfekt sind, denn die Kunst besteht nicht mehr darin, die Arbeit selbst zu erledigen, sondern darin, die Systeme zu orchestrieren, die diese Arbeit im großen Maßstab erledigen.

👉  Den ROI von KI in der eingesparten Zeit messen und diese Zeit dann strategisch reinvestieren. Wenn Ihr Team durch die Automatisierung von Ticketanalyse, Retourenkategorisierung und Kundenforschung wöchentlich 15–20 Stunden einspart, ist das kein Grund, Personal abzubauen – es ist vielmehr ein Wachstumsmotor. Investieren Sie diese Zeit in strategische Initiativen: die Erschließung neuer Kundensegmente, das Testen kreativer Kampagnenkonzepte und den Aufbau tieferer Kundenbeziehungen. Unternehmen, die die durch KI erzielten Einsparungen für Wachstum nutzen, werden diejenigen überflügeln, die sie ausschließlich zur Kostensenkung einsetzen.

👉  Setzen Sie realistische Erwartungen an das, was aktuelle KI leisten kann und was nicht. Trotz des Hypes ist AGI noch nicht in Sicht. Aktuelle KI-Systeme sind zwar hervorragend in der Ausführung definierter, wiederholbarer Arbeitsabläufe, haben aber Schwierigkeiten mit differenzierten Entscheidungen, adaptiver Problemlösung und strategischer Kreativität. Warten Sie nicht auf eine perfekte KI, die menschliches Denken ersetzt – setzen Sie schon heute eine ausreichend gute KI ein, die repetitive Aufgaben übernimmt und Ihre Mitarbeiter so für strategische Aufgaben freisetzt, die Ihre Marke wirklich differenzieren.