Der Einzelhandel konkurriert seit Jahren über das Kriterium der Bequemlichkeit: schnelle Lieferung, flexible Rückgabemöglichkeiten, Zustellung am selben Tag. Und das mit Erfolg: Kund:innen hatten noch nie mehr Auswahl, aber auch noch nie höhere Erwartungen.
Untersuchungen von McKinsey zeigen, dass die Toleranz der Verbraucher:innen gegenüber Reibungsverlusten weiter abnehmen wird, während die Erwartungen an Schnelligkeit und Service stetig steigen.
Diese Bequemlichkeit zu bieten, ist jedoch nicht kostenlos – jedes Lieferversprechen ist mit Kosten verbunden Doch viele Einzelhändler können nicht genau beziffern, wie hoch diese Kosten sind.
Umsatzzahlen allein geben selten Aufschluss
Unterschiedliche Abwicklungskanäle haben unterschiedliche Kostenprofile. Die Lieferung nach Hause ist kein Click-and-Collect, und eine Bestellung mit Lieferung am selben Tag ist nicht mit einer geplanten wöchentlichen Liefertour vergleichbar. Wenn Transportkosten, Arbeitsaufwand, Lagerbestand, Lieferkilometer und Retourendaten alle in getrennten Systemen gespeichert sind, bleiben die wahren Kosten jeder Bestellung verborgen.
Erschwerend kommt hinzu, dass die Geschäftslogik, die zur Zuweisung und Interpretation dieser Kosten verwendet wird, häufig in Altsystemen und manuellen Prozessen gefangen ist oder nur im Wissen einzelner Fachleute existiert. Die Regeln, die bestimmen, wie Transportkosten zugewiesen, Retouren zugeordnet oder die Kundenprofitabilität gemessen werden, können an mehreren Stellen existieren, was es schwierig macht, unternehmensweit eine konsistente Ansicht der so genannten „Cost-to-Serve“ (die Kosten für die Kundenbedienung) zu gewinnen.
Das Ergebnis? Entscheidungen werden aufgrund unvollständiger Informationen getroffen.
Ein Kundensegment, das in einem Umsatzbericht hochprofitabel erscheint, verursacht womöglich kostspielige Lieferrouten auf den „letzten Metern“, die schleichend die Marge schmälern. Eine scheinbar erfolgreiche Produktkategorie könnte für eine überproportional hohe Anzahl an Retouren verantwortlich sein.
Gartner warnt davor, dass viele Unternehmen Faktoren übersehen, die Kunden- und Produktprofitabilität verfälschen.
Automatisierung und KI sind gut positioniert, um diese Herausforderung zu lösen – vorausgesetzt, man kann den zugrundeliegenden Daten vertrauen.
Der Handlungsdruck ist real und nimmt stetig zu
Kostendruck im Einzelhandel ist kein neues Problem. Aber es steht mehr auf dem Spiel.
Fast alle Führungskräfte im Einzelhandel gehen laut Deloitte von höheren Kosten aus, doch 82 % prognostizieren weiterhin bessere Margen für 2026. Angesichts des zunehmenden Kostendrucks ist ein tiefgreifendes Verständnis der Cost-to-Serve unerlässlich, um die Profitabilität zu sichern.
KPMG geht noch einen Schritt weiter und hat die Lieferkosten als oberste Priorität für Führungskräfte in der Lieferkette benannt und Unternehmen ausdrücklich dazu aufgefordert, „sehr detailliert“ zu bestimmen, was die Betreuung der einzelnen Kund:innen, Produkte und Kanäle kostet.
Die Botschaft ist konsistent: Eine pauschale Profitabilitätsanalyse ist nicht mehr ausreichend; die Marge steckt im Detail.
Wie ein Einzelhändler unproduktive SKUs identifiziert und 50 Millionen Dollar einspart
Das Beratungsunternehmen Kearney setzte dies bei einem führenden Einzelhandelsunternehmen um, dem die tatsächlichen Auswirkungen der einzelnen Produkte auf das Geschäftsergebnis nicht bekannt waren. Mithilfe von Alteryx entwickelte Kearney ein Cost-to-Serve-Modell, das die Kosten in jedem Schritt der Lieferkette für über 100.000 SKUs im Einzelhandelssortiment abbildete. Dadurch wurde die Datenverarbeitungszeit im Vergleich zu ihrem vorherigen Excel-basierten Ansatz um mehr als 70 % reduziert.
Die Ergebnisse waren beeindruckend. Die Analyse identifizierte 13.000 unproduktive SKUs und führte zu 50 Millionen US-Dollar an Betriebskapitaleinsparungen sowie einer jährlichen Senkung der Transportkosten um weitere 10 Millionen US-Dollar.
Matt Feeley von Kearney brachte es auf den Punkt: „Das ‚Cost-to-Serve‘-Modell ist das Rückgrat für das Verständnis der Leistungsfähigkeit der Lieferkette. Es bildet die Grundlage für zahlreiche weitere Analysen.“
Transparenz ist eine Wachstumsstrategie
Die erfolgreichsten Einzelhändler wissen, dass es bei der Transparenz hinsichtlich der Cost-to-Serve nicht bloß um Kostensenkungen geht.
Wer die tatsächliche Wirtschaftlichkeit jeder einzelnen Bestellung kennt, kann fundierte Entscheidungen treffen: in welche Abwicklungsoptionen investiert werden soll, wie die Preisgestaltung über verschiedene Kanäle hinweg aussehen muss, welche Kundensegmente ausgebaut werden sollten und wo Neuverhandlungen angebracht sind.
Die Unternehmen, die sich einen Wettbewerbsvorteil verschaffen, betrachten die Analyse der Cost-to-Serve nicht als einmaliges Projekt. Vielmehr integrieren sie Erkenntnisse zur Profitabilität in jeden Planungszyklus, jede Abwicklungsentscheidung, jedes Preisgespräch. Das erfordert Automatisierung, zuverlässige Daten und eine Möglichkeit, die Geschäftslogik konsistent anzuwenden.
KI ist nur so gut wie die Daten, die sie speisen
Wenn der Einzelhandel KI nutzt, um diese Herausforderungen zu lösen, entsteht ein neues Problem: Die Daten, die diese Modelle speisen, sind oft dieselben fragmentierten, unvollständigen Daten, die überhaupt erst zur mangelnden Transparenz geführt haben.
Das Ausmaß dieser Diskrepanz zwischen Ambition und tatsächlicher Einsatzbereitschaft ist frappierend. Der „State of the Data Analyst Report 2026“ von Alteryx macht diese Spannung deutlich. Während fast alle Data Analysts (96 %) jetzt KI-Tools verwenden und 85 % sagen, dass KI geschäftskritische Entscheidungen beeinflusst, werden 47 % der gescheiterten KI- und Analyseprojekte immer noch auf schlechte Datenqualität oder Governance zurückgeführt.
KI-Ambitionen übertreffen die Datenbereitschaft. Im Einzelhandel, in dem die Cost-to-Serve davon abhängen, Abwicklungs-, Transport-, Bestands- und Finanzdaten über nicht verbundene Systeme hinweg zu verbinden, ist diese Lücke der Ort, an dem die Gewinnspanne schwindet.
Neben der Datenqualität müssen auch die Geschäftsregeln, Kostenverteilungsmodelle und das operative Wissen, die den Cost-to-Serve zugrunde liegen, erfasst, standardisiert und konsequent angewendet werden. Ohne dies haben Unternehmen Schwierigkeiten, einen zuverlässigen Überblick über die Profitabilität in großem Umfang zu erhalten.
Daher muss der Einzelhandel, der ein echtes Verständnis der Cost-to-Serve sucht, einen zuverlässigen, wiederholbaren Rahmen schaffen, der hochwertige Daten mit standardisierter Geschäftslogik kombiniert, um eine konsistente Profitabilitätsanalyse über Kund:innen, Produkte und Kanäle hinweg zu ermöglichen.