Einzelhändler nutzen KI, um Lebensmittelabfälle zu verringern und Margen zu stützen
Apps und KI-gesteuerte Tools dämpfen Abschriften durch zielgenaue Preisnachlässe auf kurzlebige Waren und locken zusätzlich Kundinnen und Kunden in die Filialen.
Nach Angaben aus der Branche setzen Einzelhändler zunehmend auf datengetriebene und KI-unterstützte Preisstrategien, um Lebensmittelabfälle zu reduzieren und zugleich Margen zu schützen. Im Mittelpunkt stehen verderbliche Artikel, deren Preise kurzfristig gesenkt werden, wenn das Haltbarkeitsdatum näher rückt, anstatt großflächige Sortimentsrabatte anzusetzen.
Zugleich zwingt ein veränderter Einkaufsstil die Handelsketten zum Umdenken: Eine Studie zeigt, dass ein hoher Anteil der Kundschaft aktiv nach Rabatten sucht, und Daten eines Marktforschungsanbieters deuten darauf hin, dass Käuferinnen und Käufer inzwischen häufiger mehrere Händler pro Einkauf ansteuern. Das macht traditionelle Preissetzungen weniger wirksam und erhöht den Druck auf Händler, Preise punktgenau zu steuern, um Marktanteile gegenüber Discountern und Warenhäusern zu verteidigen.
Daneben übernehmen spezialisierte Plattformen die Verbindung zwischen Händlern und Schnäppchenkäufern. Solche Apps listen reduzierte Frischeware, vermitteln den Kauf im digitalen Kanal und organisieren die Abholung an im Laden ausgewiesenen Bereichen. Anbieter berichten, dadurch den sogenannten Shrink im Mittel deutlich gesenkt und zusätzlich Kundenfrequenz sowie den Mehrumsatz pro Besuch gesteigert zu haben.
Gleichzeitig bauen einige dieser Dienste ihre Präsenz aus und erweitern ihr Filialnetzwerk, um mehr Verbraucher zu erreichen. Handelsunternehmen nennen den Einsatz von KI als einen Faktor, der zu wettbewerbsfähigeren Preisen beitragen kann, und sehen erste Auswirkungen auf Umsatz und Kundenbindung, ohne auf pauschale Promotions zurückgreifen zu müssen.
Das erklärte Ziel der Branche ist, Verderb gezielt zu reduzieren, ohne die Marke durch sichtbare, großflächige Abschläge zu verwässern. Anbieter argumentieren, dass präzise gesteuerte, algorithmisch unterstützte Preisnachlässe unverkäufliche Ware in Umsatz verwandeln und zugleich preisbewusste Kundengruppen bedienen können, ohne das gesamte Sortiment in Rabattaktionen zu drücken.