Lösungen / Detailhandel und E-Commerce

KI für Schweizer Detailhändler und Onlineshops

Ein Schweizer Katalog spricht Deutsch, Französisch, Italienisch und oft Englisch, manchmal im selben Suchfeld.

Was wir bauen könnten

Diese Szenarien sind Beispiele. Keines beschreibt einen Kunden.

E-Commerce

Jede Saison kommen Hunderte neuer Produkte mit Lieferantenblättern in einer Sprache an, und der Shop braucht Seiten in vier.

Was wir bauen würden

Eine Content-Pipeline, die aus Lieferantendaten Produktseiten auf Deutsch, Französisch, Italienisch und Englisch erstellt, nach Ihrem Leitfaden für die Tonalität und Ihrem Glossar. Die Redaktion prüft jede Serie neben den Quelldaten, bevor sie veröffentlicht wird.

Mistral, Akeneo API, Python

Digital

Die Kundschaft tippt «Velo», «vélo» oder «bici», und das Suchfeld versteht nur eines davon.

Was wir bauen würden

Eine hybride Suche, die Stichwortsuche mit mehrsprachiger semantischer Suche über den Katalog kombiniert, damit eine Anfrage die richtigen Produkte findet, in jeder Sprache und Formulierung. Sie läuft neben der heutigen Suchmaschine und wird anhand echter Suchprotokolle abgestimmt.

OpenSearch, BGE-M3, Python

Disposition

Filialbestellungen werden in Excel-Listen geplant, deshalb sind die Regale vor einem langen Wochenende leer und danach übervoll.

Was wir bauen würden

Tägliche Nachfrageprognosen pro Filiale und Produkt, die kantonale Feiertage, Wetter, Aktionen und lokale Anlässe berücksichtigen. Die Disponenten erhalten Bestellvorschläge mit den wichtigsten Einflussfaktoren, und die Modelle werden wöchentlich neu trainiert, wobei die Genauigkeit pro Filiale verfolgt wird.

LightGBM, dbt, Airflow, MLflow

Kundenservice

In den meisten Tickets geht es darum, wo eine Bestellung bleibt oder wie man sie zurückschickt, und das Team beantwortet den ganzen Tag dieselben Fragen.

Was wir bauen würden

Ein Service-Agent, der jedes Ticket liest, die Bestellung und die Rückgaberegeln nachschlägt und die Antwort in der Sprache der Kundschaft entwirft. Routineantworten gehen nach einer kurzen Prüfung hinaus; Rückerstattungen und Ausnahmen warten auf eine Person, mit bereits zusammengefasstem Fall.

LangGraph, Zendesk API, FAISS

Logistik

Jeder zurückgesandte Artikel wird von Hand geöffnet und beurteilt, bevor jemand weiss, ob er sich wieder verkaufen lässt.

Was wir bauen würden

Eine Prüfstation, die Retouren fotografiert, Schäden und fehlende Teile erkennt und einen Weg vorschlägt: wiederverkaufen, aufbereiten oder rezyklieren. Das Lagerpersonal bestätigt den Weg mit einem Scan, und strittige Artikel gehen an eine vorgesetzte Person.

PyTorch, ONNX Runtime

Die Rahmen­bedingungen

Der Schweizer Detailhandel lebt von kleinen, anspruchsvollen Märkten: vier Sprachen, kantonale Feiertage, hohe Erwartungen an den Service und Margen, die wenig Spielraum für Fehler beim Bestand lassen. Jedes Szenario unten knüpft an Systeme an, die Sie bereits betreiben, etwa Ihr PIM, Ihre Shop-Plattform und Ihr Lagerverwaltungssystem, und lässt den letzten Entscheid bei Ihrem Team.

  1. Vier Sprachen

    Produktdaten, Suche und Service müssen auf Deutsch, Französisch, Italienisch und Englisch funktionieren, auch mit Schweizer Begriffen, die generische Modelle nicht kennen.

  2. Regionale Kalender

    Kantonale Feiertage, Schulferien und Einkaufstourismus verschieben die Nachfrage je nach Region. Die Prognosen arbeiten deshalb auf Filialebene.

  3. Bestehende Systeme

    Shops laufen bereits mit einem PIM, einem ERP und einem Helpdesk. Neue Werkzeuge werden über deren APIs angebunden.

  4. Kundendaten

    Bestell- und Kontaktdaten fallen unter das revDSG. Servicewerkzeuge lesen sie deshalb über die Systeme, in denen sie bereits liegen.

Fragen, die wir oft hören

Ja. Wir arbeiten mit Ihren Lieferantendaten, Ihrem Glossar und Beispielen von Texten, die Ihnen gefallen, in Schweizer Rechtschreibung, etwa mit Doppel-s statt Eszett. Jede Serie gibt jemand aus Ihrer Redaktion frei, bevor sie online geht.

Nicht unbedingt. Oft läuft sie neben der bestehenden Suchmaschine, die weiterhin exakte Treffer liefert, während die semantische Ebene Suchabsicht und Synonyme abdeckt.

Zwei Jahre Verkaufsdaten pro Filiale und Produkt sind eine gute Ausgangslage. Mit weniger stützen wir uns stärker auf ähnliche Produkte und bekannte Ereignisse.

Nur wenn Sie das wollen, und nur mit Freigabe durch eine Person. Im Szenario auf dieser Seite bereitet der Agent die Aktion vor, und eine Person bestätigt sie.

Ja. Ein kleinerer Shop kann mit Produkttexten oder Antworten im Kundenservice beginnen, die wenig Integration brauchen. Unsere Seite für KMU, unten verlinkt, beschreibt, wie ein Projekt in dieser Grösse abläuft.

Verwandte Lösungen

Mit welchem Teil Ihres Shops würden Sie beginnen?

Wir beginnen mit einer Machbarkeitsstudie auf Ihren eigenen Daten, damit Sie Ergebnisse sehen, bevor etwas versprochen wird.