KI-Transformation bei REWE: Was funktioniert wirklich?

Intro

Wenn wir an den Lebensmitteleinzelhandel denken, kommt uns selten KI in den Sinn. Doch bei REWE arbeitet seit über einem Jahrzehnt ein Team von mehr als 100 Personen daran, mit künstlicher Intelligenz messbaren Impact auf das Kerngeschäft zu erzielen. In dieser Episode des AI FIRST Podcast sprechen Henrike Alfeis, Leiterin des Hub bei REWE Digital, und Julian Mennenöh, Head of AI Strategy & Enablement, über ihren Weg von traditionellen Machine-Learning-Anwendungen zur generativen KI — und wie sie eine Organisation mit über 300.000 Mitarbeitenden auf dieser Reise mitnehmen. Dabei wird klar: Erfolgreiche KI-Transformation ist kein Sprint, sondern ein Marathon, der strukturiertes Management mit kulturellem Wandel verbindet.

Inhaltsübersicht

KI-Use-Cases im Einzelhandel: Von Nachfrageprognosen über Out-of-Stock-Erkennung bis Computer Vision mit Pick&Go.
Der Unterschied zwischen Kerngeschäft, generischen Unternehmensfunktionen und dem Arbeitsplatz der Zukunft als drei strategische Säulen.
Stage-Gate-Prozess und Produktteam-Ansatz: Wie REWE KI-Projekte von der Idee bis zur Skalierung über tausende Märkte managt.
Die GenAI-Wende: Warum der bewährte Kerngeschäftsprozess allein nicht reichte und ein demokratischerer Ansatz nötig wurde.
Der Hub als Center of Excellence für Enablement, Community Building und KI-Beratung.
Das AI-Manifesto: Vier Werte, die auch nach zwei Jahren GenAI gut gealtert sind.
Das Ambassador-Programm mit Tech Track, Business Track und Hybrid Track für dezentrale KI-Kompetenz.
AI Design Sprints als strukturiertes Format für die Use-Case-Entwicklung in Fachbereichen.
Die 80%-vs-100%-Herausforderung: Warum Begeisterung in Enttäuschung umschlägt und wie man bewusst navigiert.
Führungskräfte-Enablement: Warum Werte von oben gelebt werden müssen.
Zukunftsausblick: Hyperpersonalisierung, Agentic Commerce und das Unified-Commerce-Erlebnis.

Über die Gäste

Henrike Alfeis kommt aus dem Bereich Research & Innovation der REWE Digital und leitet dort den Hub — ein Center of Excellence für Enablement, Community Building, Kommunikation, Change und KI-Beratung. Vom Hintergrund Wirtschaftspsychologin, beschäftigt sie sich mit der Frage, was KI mit der Art verändert, wie Menschen arbeiten und zusammenarbeiten. Sie schaut nicht nur auf Tools und Technologie, sondern vor allem auf die menschliche Seite der KI-Transformation.

Julian Mennenöh ist Head of AI Strategy & Enablement bei REWE (inklusive Penny). Vor 13 Jahren als Aufbauer des ersten Analytics-Bereichs eingestiegen, arbeitet er heute in einem Bereich von weit über 100 Personen, die eng mit IT und Fachbereichen zusammenarbeiten, um aus AI und Advanced Analytics messbaren Wert zu generieren. Er ist einer von sechs Domainleitern, die die AI-Themen vorantreiben.

Detaillierte Zusammenfassung

KI im Einzelhandel: Unsichtbar, aber wirkungsvoll

Die meisten Kunden nehmen es nicht wahr, doch KI durchzieht bei REWE nahezu alle Geschäftsprozesse. Julian nennt eine Reihe konkreter Use Cases, die unter der Haube laufen: Nachfrageprognosen und Bestellvorschläge sorgen dafür, dass immer genug im Regal ist. Die individualisierte Sortimentsgestaltung optimiert per KI, welche Schokoladen-Sorten in welcher Menge in welchem Markt sein sollten — abhängig vom lokalen Umfeld. "Wenn zum Beispiel ein Tierarzt um die Ecke ist, vielleicht mehr Tiernahrung."

Bei Scan&Go entscheidet eine KI intelligenter über Stichprobenkontrollen, um sowohl Kunden als auch Mitarbeitende zu entlasten. Besonders clever ist die Out-of-Stock-Erkennung, die bereits in allen Penny-Märkten läuft: Die KI analysiert Kassenbons ähnlich wie ein GPT-Modell Texte versteht — sie lernt die "Sprache der Bons". "Wenn bei mehreren typischen Frühstückskäufen keine Nutella auftaucht, obwohl sie zum Standardverhalten passt, schickt das System eine Notification in den Markt: Bitte nachschauen." So werden verdeckte oder falsch platzierte Artikel erkannt, bevor Kunden enttäuscht sind.

Weitere Anwendungen umfassen personalisierte Coupons über die REWE-Bonus-App mit Recommender-Systemen, Pick&Go mit Computer Vision — wo Kunden in Testmärkten Produkte nehmen und ohne Checkout den Laden verlassen können, bereits vor ChatGPT umgesetzt — und Routenplanung im Liefergeschäft. Die technische Basis bilden dabei vor allem klassische Machine-Learning-Verfahren, insbesondere XGBoost, das sich in vielen Anwendungsfällen als überlegen herausstellt, sowie Recommender-Systeme und zunehmend Deep Learning mit Embeddings.

Vom POC zur Skalierung: Wie REWE KI-Projekte managt

REWE unterscheidet strategisch drei Säulen: Kerngeschäft (Märkte, Einkauf, Logistik), generische Unternehmensfunktionen (Finance, HR, Marketing, Steuern) und den Arbeitsplatz der Zukunft (unternehmensweite AI-Befähigung). Jede Säule hat eigene Schwerpunkte und Priorisierungsprozesse.

Für das Kerngeschäft hat REWE ein Board etabliert, in dem alle Geschäftsleiter zusammen mit Gruppenvorstand Christoph Elze, der IT-Geschäftsführung und der Analytics-Geschäftsleitung gemeinsam Use Cases priorisieren. Ein klassischer Stage-Gate-Prozess begleitet jede Idee durch mehrere Phasen: Business-Case-Bewertung durch unabhängiges Controlling, POC-Phase (meist ein Quartal) für erste Validierung und dann Produktteam-Bildung. Die Teams sind interdisziplinär mit Analytics, IT und Fachbereich besetzt und sollen sich finanziell selbst tragen.

Ein Projekt ist zeitlich begrenzt, AI nicht. Wir arbeiten produktorientiert, nicht projektorientiert.

Julian betont dabei einen fundamentalen Unterschied: Dieser produktorientierte Ansatz ermöglicht es, von der Idee bis zur skalierten Lösung über tausende Märkte und Millionen Kunden einen strukturierten, aber flexiblen Weg zu gehen.

Die GenAI-Wende: Neue Technologie, neuer Ansatz

Als ChatGPT den Markt veränderte, stand REWE vor einer Herausforderung: Die bewährten Prozesse fürs Kerngeschäft funktionierten weiterhin — auch GenAI fließt dort in den etablierten Funnel ein, etwa für Wissensmanagement in Märkten oder KI-generierte Coupon-Texte in der Bonus-App. Doch GenAI betraf plötzlich jeden Mitarbeitenden und eröffnete weit mehr als das Kerngeschäft.

Henrike und Julian bildeten ein Tandem und trommelten Kolleginnen und Kollegen aus allen Geschäftseinheiten zusammen. Rechtliche Rahmenbedingungen wurden geklärt, über 230 Use Cases aus allen Bereichen identifiziert und eine Community gegründet — von Anfang an mit dem Ziel, Menschen mitzunehmen. Der Ansatz unterschied sich fundamental vom Kerngeschäftsprozess: Nicht nur Tools bereitstellen, sondern Sicherheit schaffen, befähigen und Richtung geben.

Der Hub: Mehr als ein Schulungsprogramm

Nach dem initialen Projekt merkten Henrike und ihr Team: Rahmenbedingungen allein reichen nicht. "Wir können nicht nur immer mehr Tools bereitstellen. Wenn wir zu viele Impulse haben, überfordern wir die Organisation. Was es wirklich braucht, ist Befähigung." Der Hub wurde als Center of Excellence etabliert mit klarem Auftrag: Befähigung, Community Building, Impulse von außen und Richtung geben.

Die KI-Entdeckungsreise erreichte über 19.000 Teilnahmen — ein enormer Erfolg. Doch das Team lernte: Gießkannen-Formate reichen nicht. Die Weiterentwicklung umfasst verpflichtende Basisschulungen für alle — ähnlich wie Compliance-Schulungen —, den AI-Day als regelmäßiges Community-Event, fachbereichsspezifische Schulungen durch Multiplikatoren und AI Design Sprints zur strukturierten Use-Case-Entwicklung. Bei letzteren sprechen Teilnehmende ihr Problem mit einem KI-Agenten durch, der hilft einzuordnen: Ist es ein Quick Win? Braucht es überhaupt KI? Oder ist es ein Proof of Concept?

Das Ambassador-Programm: KI dezentral verankern

Ein zentraler Baustein der Strategie ist das Ambassador-Programm, das Anfang 2026 als Pilot startet. Kolleginnen und Kollegen aus Fachbereichen werden zu KI-Ansprechpartnern ausgebildet — mit drei Tracks: Tech Track, Business Track und Hybrid Track. Die Ausbildung umfasst vier Stunden pro Woche über zwei Monate, die laufende Tätigkeit wird auf etwa zwei Stunden pro Woche geschätzt. Voraussetzung ist die Freigabe durch die Führungskraft.

Henrike beschreibt das Ziel: "KI soll nicht zentrales Expertenthema sein, sondern dezentral in die Fläche getragen werden. Ambassadors kennen die Use Cases ihres Bereichs und können viel besser unterstützen als wir zentral." Wenn technisch komplexere Anforderungen auftauchen, werden diese in die etablierten Priorisierungsprozesse eingespeist. Das Ambassador-Programm ist dabei bewusst als Befähigungsmodell gedacht — nicht als Schulungsprogramm.

KI-Werte: Das AI-Manifesto

REWE hat früh ein AI-Manifesto entwickelt, das auch in der GenAI-Ära gut gealtert ist. Vier zentrale Werte geben Orientierung: Erstens die Mensch-zu-Mensch-Kommunikation — "Wir wollen weiter von Mensch zu Mensch kommunizieren, nicht nur KI-generiertes hin- und herschicken." Zweitens KI als Chance mit Risikobewertung: "Wir begreifen KI als große Chance, bei deren Nutzung wir die Risiken bewerten müssen" — bewusst nicht Risiken an erster Stelle. Drittens Verantwortung: Trotz KI-Unterstützung bleibt jeder selbst verantwortlich für seine Arbeitsergebnisse. Viertens: KI geht alle an — sowohl als Auftrag an jeden Einzelnen als auch als Verpflichtung des Unternehmens, Mitarbeitende zu unterstützen.

Henrike betont das Verantwortungsthema mit einem konkreten Beispiel: "Ein Kollege sagte mir: Ich merke, wenn ich KI nutze, mache ich schneller einen Haken hinter das Thema und lese nicht mehr zwei-, dreimal durch." Das zu erkennen sei stark — aber die Frage, wie man das Mindset verändert, bleibe eine zentrale Herausforderung. Werte müssen von oben gelebt werden: REWE hat daher eine umfassende Schulungsreihe für Top-Führungskräfte gestartet, die über Funktionsweise, Bedeutung und praktische Nutzung von KI informiert.

Die 80%-vs-100%-Herausforderung

Julian beschreibt ein zentrales Pattern, das er als Kern-Learning aus der KI-Reise identifiziert: "Man ist entweder begeistert oder enttäuscht von KI, dazwischen gibt es nichts mehr." Es gibt Use Cases, bei denen man von 0 auf 80 Prozent kommt und alle glücklich sind — Human in the Loop schaut drüber, große Erleichterung. Aber wenn 100 Prozent nötig sind, etwa bei Kundeninteraktion mit einem Bot, braucht man riesige Qualität. "Selbst bei einer Million Requests hat ein System mit 99 Prozent Güte absolut gesehen ziemlich viele Fehler, die dann in der Kundenhotline landen."

Was es wirklich braucht, ist Befähigung. Menschen müssen verstehen, was sie in der Hand haben — nicht nur, wie ein Tool funktioniert, sondern was es bewirkt.

Das ist der Breaking Point, an dem Begeisterung in Enttäuschung umschlägt — weil KI sich wie ein Mensch verhält, der mit Unschärfe klarkommt: Am Anfang super schnell, am Ende super schwierig, die letzten fünf Prozent rauszufischen. Die Erkenntnis: Aktiv diskutieren, was man wirklich braucht. Diese Entscheidung zwischen 80 Prozent mit Human in the Loop und 100 Prozent Automatisierung muss bewusst getroffen werden.

Zukunftsausblick: Agentic AI und Hyperpersonalisierung

Julian sieht Agentic AI als nächsten großen Schritt: "Das ist alles auf Steroiden nochmal, in allen Dimensionen mächtiger — but with great power comes great responsibility." Auch Agentic Commerce steht auf der Agenda.

Henrike blickt aus der Research-Perspektive weiter in die Zukunft: Der Einzelhandel wird durch Hyperpersonalisierung geprägt sein — nicht als kurzfristiger Trend, sondern als grundlegendes Prinzip für Kundeninteraktion. Die Vision: Jede Person hat einen persönlichen KI-Assistenten, der alles weiß — von der Stimmung über Smart Rings bis zu Präferenzen und Einkaufslisten. Das führt zu einem Unified-Commerce-Erlebnis, bei dem die KI proaktiv wird und Menschen in allen Bereichen des Lebens unterstützt. Personalisierte Werbung und Angebote, wie wir sie heute kennen, seien dabei erst der Anfang.

Kernaussagen

Produktorientierung statt Projektdenken — "Ein Projekt ist zeitlich begrenzt, AI nicht. Wir arbeiten produktorientiert, nicht projektorientiert." Langfristige KI-Produktentwicklung, interdisziplinäre Teams
Befähigung vor Tools — "Was es wirklich braucht, ist Befähigung. Menschen müssen verstehen, was sie in der Hand haben — nicht nur, wie ein Tool funktioniert, sondern was es bewirkt." Enablement, Community Building, Kulturwandel
KI als Chance mit bewusster Risikobewertung — "Wir begreifen KI als große Chance, bei deren Nutzung wir die Risiken bewerten müssen." AI-Manifesto, Werte, Verantwortung
Die 80%-vs-100%-Entscheidung bewusst treffen — "Es gibt Use Cases, da kommt man von 0 auf 80 Prozent und alle sind glücklich. Aber wenn ich 100 Prozent brauche bei Kundeninteraktion, brauche ich riesige Qualität. Das ist der Breaking Point, wo Begeisterung in Enttäuschung umschlägt." Human in the Loop, Qualitätsentscheidung
AI-first als bewusste Arbeitskultur — "AI-first bedeutet nicht, möglichst schnell möglichst viele Tools einzuführen, sondern bewusst zu entscheiden, wie wir arbeiten wollen und wie wir zusammenarbeiten wollen." Kulturwandel, Zusammenarbeit, Strategie

Fazit und Takeaways

Für die KI-Governance und Organisationsstruktur

Drei Säulen differenzieren: Kerngeschäft, generische Unternehmensfunktionen und Arbeitsplatz der Zukunft brauchen jeweils eigene Schwerpunkte und Priorisierungsprozesse.
Produktorientiert statt projektorientiert: KI-Initiativen sind keine zeitlich begrenzten Projekte, sondern langfristige Produktentwicklungen mit interdisziplinären Teams.
Stage-Gate mit Flexibilität: Ein strukturierter Prozess mit Business-Case-Bewertung und Pilotphasen ermöglicht nachhaltige Skalierung, ohne Innovation zu bremsen.
Die 80-100-Entscheidung bewusst treffen: Aktiv diskutieren, ob 80 Prozent mit Human in the Loop reichen oder 100 Prozent Automatisierung nötig sind — diese Unterscheidung verhindert, dass Begeisterung in Enttäuschung umschlägt.

Für Enablement und Kulturwandel

Befähigung schlägt Tools: Rahmenbedingungen und Plattformen sind nötig, aber echte Adoption entsteht durch Befähigung, Community und das Gefühl, nicht allein zu sein.
Dezentralisierung durch Ambassadors: KI-Kompetenz darf nicht zentral bleiben — Multiplikatoren aus Fachbereichen kennen ihre Use Cases besser und können gezielter unterstützen.
Werte als Anker: Ein klar formuliertes AI-Manifesto mit Prinzipien wie Mensch-zu-Mensch-Kommunikation, Verantwortung und KI als Chance gibt Orientierung in unsicheren Zeiten.
Führungskräfte zuerst: Werte und neue Arbeitsweisen müssen von oben gelebt werden — Schulungsreihen für Top-Führungskräfte sind kein Nice-to-have.

Für die strategische Zukunft

Kommunikation ist nie genug: Transparenz, regelmäßige Formate und Multiplikation über alle Ebenen sind entscheidend — und können nie ausreichend sein.
GenAI erfordert einen anderen Ansatz: Während traditionelle KI-Projekte ROI-getrieben über etablierte Prozesse laufen, braucht GenAI einen demokratischeren Ansatz mit Community, Enablement und Kulturwandel.
Hyperpersonalisierung wird Grundprinzip: Persönliche KI-Assistenten, die Stimmung, Präferenzen und Einkaufslisten kennen, werden das Einkaufserlebnis fundamental verändern — Händler müssen sich jetzt darauf vorbereiten.

REWE zeigt eindrucksvoll, dass erfolgreiche KI-Transformation den Mut erfordert, über Technologie hinaus zu denken. Der Schlüssel liegt nicht in den Tools allein, sondern darin, Menschen zu befähigen, Werte zu leben und bewusst zu entscheiden, wie man mit der Kraft und den Grenzen dieser Technologie umgehen will.

#68KI-Transformation bei REWE: Was funktioniert wirklich?