Category Management mit KI: Sortiment steuern statt Listen pflegen

Ein Category Manager im Mittelstand verbringt einen großen Teil der Woche nicht mit Strategie, sondern mit Aufbereitung: Abverkaufslisten ziehen, Pivot-Tabellen bauen, Langsamdreher markieren, Lücken im Sortiment suchen. Die eigentliche Entscheidung – was bleibt, was fliegt, was kommt neu – dauert dann oft nur Minuten. KI dreht dieses Verhältnis um: Sie übernimmt die Aufbereitung, damit mehr Zeit für die Entscheidung bleibt.

Worum es geht: die Kurzfassung

• KI übernimmt im Category Management die Analyse, nicht die Entscheidung. Sie liest Abverkauf, Margen und Bestände und formuliert Auffälligkeiten als begründete Vorschläge.
• Der Mensch entscheidet weiter über das Sortiment, weil Lieferantenbeziehungen, Verbundeffekte und Strategie nicht in den Daten stehen.
• Voraussetzung ist ein konsistenter Artikelstamm mit sauberen Warengruppen. Ohne den analysiert die KI Chaos und liefert Chaos zurück.
• Reine Abverkaufslogik ist eine Falle: Sie sortiert margenstarke Nischen und strategische Sortimentsbreite aus. Deshalb braucht jeder Vorschlag eine nachvollziehbare Begründung.
• Der Hebel ist Zeit für Entscheidungen statt Zeit für Tabellen – plus Auffälligkeiten, die in einer Pivot-Tabelle untergehen.

Was Category Management mit KI heute kann

KI liest Ihre Abverkaufs-, Bestands- und Margendaten und beantwortet die wiederkehrenden Fragen des Category Managements in Klartext: Welche Artikel binden Kapital ohne Umsatz? Wo fehlt im Sortiment ein nachgefragter Typ? Welche Artikel kannibalisieren sich? Statt einer Tabelle bekommen Sie eine nach Wirkung sortierte Vorschlagsliste mit Begründung.

Der Unterschied zum klassischen BI-Dashboard ist die Richtung. Ein Dashboard legt Ihnen Zahlen vor, die Sie interpretieren. Ein Agent interpretiert selbst, ordnet ein und schlägt vor. Sie prüfen das Ergebnis, statt es zu erarbeiten. Genau diese Verschiebung – von der Datenaufbereitung zur Entscheidung – ist der Zeitgewinn.

Konkret trägt KI heute vier Aufgaben verlässlich: die Abverkaufsanalyse über viele Artikel, das Aufspüren von Langsamdrehern und Ladenhütern mit Kapitalbindung, die Lückenanalyse im Vergleich von Nachfrage und Sortiment, und das Erkennen von Auffälligkeiten, die in der Masse untergehen – etwa ein einzelner Artikel, dessen Marge seit Monaten erodiert.

Wo der Mensch entscheidet

Die Sortimentsentscheidung bleibt menschlich, und das ist kein Übergangszustand, sondern Absicht. Drei Dinge weiß die KI nicht.

Sie kennt die Lieferantenlage nicht: dass ein margenschwacher Artikel an einen wichtigen Rahmenvertrag gekoppelt ist, oder dass eine Auslistung die Verhandlungsposition schwächt. Sie kennt die Verbundeffekte nicht: dass ein Langsamdreher als Lockartikel Frequenz bringt oder einen Korb vervollständigt. Und sie kennt die Strategie nicht: dass Sie eine Warengruppe bewusst breit halten, um in einem Segment als Vollsortimenter wahrgenommen zu werden.

Wer der KI hier blind folgt, optimiert den Katalog kaputt. Die margenstärksten Nischenartikel sind oft genau die, die eine reine Abverkaufslogik zuerst streicht. Deshalb ist die Begründung kein Beiwerk, sondern der Kern: Sie entscheiden mit dem Vorschlag, nicht gegen ihn, aber Sie behalten das letzte Wort.

Ein Raster: welche Aufgaben KI trägt

Es hilft, die Aufgaben des Category Managements nach Daten- und Urteilsanteil zu sortieren. Grob lassen sie sich in drei Zonen einteilen:

• KI übernimmt (hoher Datenanteil, geringes Urteil): Abverkaufsranking, Langsamdreher-Erkennung, Kapitalbindungs-Report, Margen-Drift, Dubletten und Kannibalisierung im Sortiment, Lückenhinweise.
• KI schlägt vor, Mensch entscheidet (gemischt): Auslistungskandidaten, Nachbestellmengen, Sortimentserweiterung, Preisanpassungsvorschläge. Hier liefert die KI die Vorlage, die Entscheidung trägt Kontextwissen.
• Mensch führt (hohes Urteil): Lieferantenverhandlung, strategische Sortimentsbreite, Eigenmarken-Positionierung, Verbund- und Lockartikel-Logik.

Dieses Raster ist auch der Einstieg für ein Pilotprojekt: Fangen Sie in der ersten Zone an, wo die KI eigenständig liefert und der Nutzen sofort messbar ist, bevor Sie sich in die Vorschlagszone vortasten.

Datenbasis: woran es im Mittelstand hakt

Die Analyse ist selten das Problem. Die Datenbasis ist es. Wer Warengruppen uneinheitlich pflegt, Margen nicht sauber hinterlegt oder Abverkaufsdaten über mehrere Systeme verteilt, bekommt Auswertungen, die niemand ernst nimmt. Die erste Stufe eines KI-Projekts im Category Management ist deshalb fast immer Datenkonsolidierung – derselbe Engpass, der in Stammdaten als Engpass ausführlich beschrieben ist.

Ein verwandtes Feld ist die Mengenplanung: Wer Langsamdreher erkennt, will als Nächstes wissen, wie viel von den Drehern nachkommen soll. Dort beginnt die Bestandsprognose im B2B-Handel, die auf derselben sauberen Datenbasis aufsetzt. Und wer Sortimentslücken schließt, braucht für die neuen Artikel verkaufsfertige Texte – hier greift die KI-gestützte Erstellung von Produkttexten direkt ein.

Was das realistisch bringt

Der Gewinn ist nicht primär Umsatz, sondern Entscheidungsqualität pro Stunde. Die Aufbereitung, die heute Tage frisst, läuft auf Knopfdruck; die freigewordene Zeit fließt in Verhandlung, Sortimentsstrategie und die Fälle, die echtes Urteil brauchen. Den Umsatzeffekt sehen Sie erst über einen Sortimentszyklus, weil Auslistungen und Lückenschließungen Zeit bis zur Wirkung haben.

Setzen Sie die Erwartung entsprechend: kein Umsatzsprung in Woche eins, sondern ab dem ersten Lauf bessere, schnellere, besser begründete Entscheidungen. Wo dieser Use Case neben anderen im Gesamtbild steht, zeigt der Überblick zu KI-Anwendungen im Mittelstand.

Häufige Fragen

Die wiederkehrenden Fragen aus Projektgesprächen – ob KI den Category Manager ersetzt, welche Daten sie braucht, wie sie sich vom Dashboard unterscheidet und wie man profitable Nischen schützt – haben wir oben in den FAQ zusammengefasst.

Wie Sie anfangen

Starten Sie mit einer Warengruppe, deren Daten Sie für belastbar halten. Lassen Sie die KI eine Abverkaufs- und Langsamdreher-Analyse rechnen und vergleichen Sie das Ergebnis mit Ihrer eigenen Einschätzung. Diese erste Gegenprobe zeigt schnell, ob die Datenbasis trägt – und schafft das Vertrauen, das es braucht, bevor Sie der KI Vorschläge für Auslistung oder Nachbestellung abnehmen.

Category Management ist einer von mehreren Anwendungsfällen, die einen abgegrenzten 90-Tage-Piloten tragen; den Rahmen dafür liefert der Pillar KI-Agenten im Mittelstand 2026. Wenn Sie prüfen möchten, ob Ihre Sortimentsdaten für eine solche Analyse reif sind, schauen wir uns das in einem unverbindlichen Erstgespräch gemeinsam an.