Tesco testet KI-Assistenten für Filialen und Produktdaten

Supermärkte haben Automatisierung schon immer früh eingeführt, vom Barcodescanner bis zur Selbstbedienungskasse. Das jüngste Experiment von Tesco trägt diese Logik nun ins Herz des Filialbetriebs: ein KI-„Store Assistant“, der unauffällig die Millionen kleiner Produktdetails verwalten soll, die dafür sorgen, dass die Regale gefüllt sind und die Kundschaft halbwegs bei Laune bleibt.

Auf den ersten Blick wirkt der Schritt von Tesco wie eine weitere Schlagzeile über einen „KI-Assistenten“ in einem Sommer, der ohnehin schon in solchen Meldungen ertrinkt. Darunter steckt aber eine Geschichte, die weit weniger nach Hype klingt und weit folgenreicher ist: Produktinformationen selbst werden zum Schauplatz, an dem Large Language Models, PIM-Plattformen und Abläufe im Handel aufeinanderprallen.

Was Tesco tatsächlich testet

Tesco hat in seinen Filialen einen, wie das Unternehmen es nennt, „groß angelegten Mitarbeitertest“ eines neuen KI-Assistenten gestartet. Das Ziel ist klar: Die Zeit, die Beschäftigte mit dem Nachschlagen von Produktinformationen und mit Verwaltungsaufgaben verbringen, soll sinken, damit mehr Zeit für Kunden und den Betrieb auf der Fläche bleibt.

Der Assistent spricht nicht direkt mit Kunden, er ist für das Personal gedacht. Die Idee: Eine Mitarbeiterin, die vor einer praktischen Frage steht (Wo ist die glutenfreie Variante davon? Hat sich die Verpackung geändert? Was ist die genaue Spezifikation dieses Artikels?), kann das System in natürlicher Sprache fragen und erhält eine Antwort, die aus den eigenen Produktdaten von Tesco stammt.

Mit anderen Worten: Tesco legt eine Gesprächsebene über einen streng kontrollierten Produktinformations-Stack, bei dem viel auf dem Spiel steht. Genau das macht diesen Test interessanter als das übliche Versprechen von „KI im Handel“.

PIM rückt unauffällig ins Rampenlicht

Die Ankündigung wird als KI-Geschichte erzählt, doch darunter liegt ein klassisches PIM-Problem: Händler sitzen auf riesigen, zersplitterten Produktdatenbeständen (Spezifikationen, Zutaten, Allergene, Bilder, Verpackungsvarianten, regionale Unterschiede und die Eigenheiten der Praxis), und nützlich wird all das in großem Maßstab nur, wenn jemand (oder etwas) es schnell und zuverlässig zugänglich macht.

Der Assistent von Tesco funktioniert nur, wenn das zugrunde liegende Product Information Management diszipliniert ist:

• Eine einheitliche Struktur für jede SKU über alle Kategorien hinweg.

• Eine gesteuerte Terminologie für Attribute (Allergene, Nährwertangaben, Herkunft, Verpackungsart, Aktionen).

• Eine Versionshistorie, um mit ständigen Änderungen umzugehen (neue Lieferanten, geänderte Rezepturen, Aktualisierungen bei Etiketten und Compliance).

• Klare Verknüpfungen zwischen dem physischen Filialkontext (was in diesem Regal, in dieser Region, in diesem Format steht) und den Produktstammdaten.

Händler haben PIM früher als reine Infrastruktur behandelt: ein Backoffice-System, das man einmal kaufte und über das man danach für immer fluchte. Der Test von Tesco zeigt eine andere Realität: PIM steht nicht mehr hinter der Bühne. Es ist das Fundament, das darüber entscheidet, ob KI im Handel bahnbrechend oder beängstigend wird.

KI plus PIM: von der statischen Datenbank zur Gesprächsebene

Was Tesco erprobt, ist im Kern ein „dialogfähiges PIM-Frontend“ für das Personal. Statt sich durch starre Produkthierarchien und kryptische Feldnamen zu klicken, stellen Mitarbeitende Fragen in Alltagssprache, und die KI ordnet sie strukturierten Daten und Regeln zu.

Löst man sich von den Details bei Tesco, zeigt dieses Modell, wohin sich ernsthafte Produktorganisationen entwickeln:

• Abfragen statt Durchklicken: Statt sich durch einen Baum in der PIM-Oberfläche zu einem Produktattribut vorzuarbeiten, fragen Teams es direkt ab („Zeige mir alle Kühlprodukte mit Nussallergenen in dieser Region“), und die KI übersetzt die Absicht in die richtigen Filter und Verknüpfungen.

• Kontextbezogene Antworten: Die „richtige“ Antwort steckt nicht allein im PIM. Für eine Filialmitarbeiterin ist sie eine Mischung aus Stammdaten, lokalem Sortiment, Planogrammen und Echtzeitverfügbarkeit. Das erfordert eine engere Integration von PIM, ERP und Filialsystemen.

• Menschliche Sprache rein, strukturierte Daten raus: Der Assistent wird zum Übersetzer zwischen unordentlichen menschlichen Fragen und dem kontrollierten Vokabular, das ein PIM zum Funktionieren braucht.

An dieser Stelle hören LLMs auf, eine Spielerei zu sein, und werden zur Benutzeroberfläche für den gesamten Produkt-Stack.

Vertrauen ist der schwierige Teil

Einen KI-Assistenten zu bauen, der sprechen kann, ist einfach. Einen zu bauen, dem das Filialpersonal tatsächlich vertraut, ist viel schwieriger. Eine halluzinierte Antwort über das iPhone vom letzten Jahr mag ärgerlich sein. Eine halluzinierte Antwort über Allergene oder Verbrauchsdaten ist ein Haftungsrisiko.

Tesco betont, dass der Assistent die Mitarbeitenden „entlasten“ soll. Um das sicher zu tun, muss er:

• Jede Antwort in geprüften internen Daten verankern (nicht im offenen Web).

• Unsicherheit klar kennzeichnen, wenn Daten fehlen, mehrdeutig oder veraltet sind.

• Aktuelle Änderungen abbilden (neue Sortimente, geänderte Rezepturen, ausgelistete Artikel), ohne dass jemand ihn manuell beaufsichtigen muss.

• Sich reibungslos in bestehende Compliance-Abläufe rund um Kennzeichnung und regulatorische Daten einfügen.

Hier hört die PIM-Strategie auf, eine technische Fußnote zu sein, und wird zu einer Frage der KI-Sicherheit. Ist Ihre Data Governance für Produktdaten nachlässig, wird es Ihr KI-Assistent auch sein.

Was das für den PIM-Markt bedeutet

Für PIM-Anbieter ist der Test von Tesco ein Warnschuss. Das zentrale Nutzenversprechen kann nicht mehr nur „Single Source of Truth“ oder „schnellere Syndizierung an Kanäle“ lauten. Die neue Messlatte heißt: Kann Ihr PIM-Stack KI-native Abläufe für Nicht-Spezialisten an der Front sicher unterstützen?

Rechnen Sie damit, dass Händler und Marken ihren PIM-Anbietern ein paar gezielte Fragen stellen:

• Ist Ihr Datenmodell KI-fähig? Taxonomien und Attribute müssen streng genug für die Governance sein und zugleich ausdrucksstark genug, um die Zuordnung natürlicher Sprache zu unterstützen. Ist Ihre Hierarchie ein Frankenstein-Gebilde aus alten ERP-Feldnamen, wird man das merken.

• Wie stellen Sie Produktdaten für LLMs bereit? Eine „API“ anzubieten reicht nicht mehr. Kunden wollen für Retrieval optimierte Endpunkte, Unterstützung für Vektorsuche und Leitplanken, die sicherstellen, dass Modelle nur sehen, was sie sehen sollen.

• Können Sie dialogbasierte Anwendungsfälle unterstützen? Nicht, indem Sie einen Chatbot auf einen Produktfeed setzen, sondern indem Sie Abfrageübersetzung, Disambiguierung und die Rückverfolgbarkeit bis zu bestimmten Attributen und Versionen ermöglichen.

• Wie stehen Sie zu eigenen gegenüber externen Modellen? Händler wie Tesco werden empfindlich darauf reagieren, sensible Produkt- und Lieferantendaten in generische Cloud-LLMs zu schicken. PIM-Anbieter brauchen hier eine Antwort: privates Hosting, Feintuning auf anonymisierten Produktkorpora oder enge Partnerschaften mit Hyperscalern.

Unterm Strich: PIM bewegt sich vom „Backoffice-Datensystem“ hin zur „KI-Datenplattform für alles rund ums Produkt“. Anbieter, die diesen Sprung nicht schaffen, laufen Gefahr, kaum mehr zu sein als eine schwerfällige Datenbank hinter dynamischeren Schichten.

Trends im PIM für den Handel, die dieser Schritt bestärkt

Der Test von Tesco bringt eine ganze Reihe von Trends auf den Punkt, die sich im breiteren PIM-Ökosystem bereits abzeichnen.

1. PIM wächst mit DAM und Filialbetrieb zusammen

Den Mitarbeitenden an der Front ist es egal, ob eine Antwort aus PIM, DAM, ERP oder Filialsystemen kommt. Sie wollen einfach „die richtige Information“. Dieser Druck treibt Händler zu:

• Einer engeren Integration von Produktdaten (PIM), Medien-Assets (DAM) und Transaktionsdaten (ERP/Kasse).

• Einheitlichen Produkt-Knowledge-Graphen statt isolierter Plattformen.

• Anwendungen, in denen eine einzige Abfrage an einer Stelle eine Spezifikation, eine Allergenliste, ein Produktfoto und einen Planogramm-Hinweis liefert.

KI-Assistenten zwingen den Stack dazu, sich wie ein einziges System zu verhalten, auch wenn es hinter den Kulissen noch unordentlich aussieht.

2. Der „KI-Blick“ auf Produktdaten

Wir bewegen uns weg davon, jedes Attribut von Hand zu pflegen, hin zum Einsatz von KI, um Attribute anzureichern, zu prüfen und zu erklären. Der Anwendungsfall von Tesco liegt im Kundenbereich, doch derselbe Stack lässt sich auch nach innen richten:

• Komplexe Spezifikationen automatisch zu personaltauglichen Kurztexten zusammenfassen.

• Anomalien oder fehlende Felder in riesigen Sortimenten markieren.

• Lokalisierte Beschreibungen oder Hinweise für bestimmte Filialen oder Regionen erzeugen.

PIM-Systeme, die diese Art der KI-Anreicherung vermitteln und dabei Kontrolle und Audit-Trails erhalten, werden sich abheben.

3. Filialpersonal als zentrale PIM-Nutzergruppe

Klassisch waren PIM-Nutzer Merchandiser, Content-Teams und E-Commerce-Manager. Der Test von Tesco geht davon aus, dass Filialmitarbeitende täglich Produktdaten nutzen und möglicherweise auch selbst beitragen, indem sie Fehler oder Lücken direkt melden.

Das führt PIM in neues Terrain:

• Oberflächen und APIs für Nicht-Spezialisten, nicht nur für Data Stewards.

• Feedbackschleifen aus den Filialen zurück in die Data Governance der Produktdaten.

• Echtzeitprüfung, wie gut die Produktdaten mit dem übereinstimmen, was tatsächlich im Regal steht.

Das Risiko: KI auf einem brüchigen Fundament

Nichts davon passiert automatisch. Setzt ein Händler ein LLM mitten in einen schlecht gesteuerten Produktdatenbestand, ist das Ergebnis keine „KI-Transformation“, sondern nur schnellere Verwirrung.

PIM-Projekte haben schon immer mit Taxonomie-Streitigkeiten, Zuständigkeitskämpfen zwischen IT und Fachbereich und schwerfälligen Governance-Gremien gerungen. KI löst diese Probleme nicht, sie legt sie offen. Einfach gesagt:

• Sind Allergene nicht einheitlich gekennzeichnet, kann der Assistent Fragen zu Allergenen nicht zuverlässig beantworten.

• Sind regionale Varianten nicht sauber modelliert, sieht das Filialpersonal die falschen Spezifikationen für seine Regale.

• Läuft das Änderungsmanagement nach Gutdünken, wiederholt der Assistent selbstbewusst die Wahrheiten vom letzten Monat.

Die Größe von Tesco macht deutlich, was auf dem Spiel steht. Hier versucht sich keine kleine DTC-Marke an einem niedlichen Chatbot, sondern ein landesweiter Lebensmittelhändler, dessen Produktdaten reale Folgen für Gesundheit und Sicherheit haben. Allein das sollte andere Händler dazu bewegen, den Zustand ihres PIM ernst zu nehmen, bevor sie „KI-Assistenten“ auf das Problem werfen.

Wie es weitergeht

Erweist sich der Test von Tesco als erfolgreich, bestätigt er nicht nur einen Assistenten, sondern ein Modell, in dem Produktwissen als aktives, dialogfähiges Asset behandelt wird statt als statischer Katalog, der in Backoffice-Systemen vergraben ist.

Für den breiteren PIM-Markt bedeutet das voraussichtlich einige Verschiebungen:

• Ausschreibungen (RFP) werden sich ändern: „Wie unterstützen Sie LLM-basierte Anwendungsfälle?“ wird in Ausschreibungen für PIM und Produktdatenplattformen von einer Randfrage zur Kernanforderung.

• Integration wird unverzichtbar: Isolierte PIM-Systeme mit schwachen APIs werden es gegen Plattformen schwer haben, die eine Live-Anbindung an ERP, DAM und operative Systeme voraussetzen.

• Datenqualität wird Thema auf Vorstandsebene: Wenn Führungskräfte sehen, dass KI-Antworten an schlechten Produktdaten scheitern, werden Investitionen in Taxonomie, Governance und Data Stewardship plötzlich weniger abstrakt.

• Händler bauen mehr eigene Schichten: Die fortschrittlichsten Akteure nutzen das PIM als Rückgrat und bauen darauf ihre eigene KI-Orchestrierung, Knowledge Graphs und Assistenten-Oberflächen.

Tesco stellt das Ganze als Möglichkeit dar, die Mitarbeitenden zu „entlasten“. Das ist es auch, aber es ist zugleich ein Signal, dass die stille, unglamouröse Welt des PIM nun fest im Rampenlicht steht. In einer Handelslandschaft, in der sich Unternehmen zunehmend über Erlebnis und Effizienz unterscheiden, gewinnen vielleicht einfach die Marken, deren Produktdaten sauber, vernetzt und vertrauenswürdig genug sind, damit KI selbstbewusst darauf aufsetzen kann.

Quelle: https://www.tescoplc.com/tesco-launches-large-scale-colleague-trial-of-new-ai-assistant-designed-to-lighten-the-load-for-customers/