Zwei Arten von KI — und warum die Verwechslung Geld kostet
Generative KI erzeugt Inhalte: Text, Bild, Code, Antworten. Sie ist gut darin, plausibel zu klingen — und genau das ist ihr Risiko in einem Geschäft, das aus Zahlen besteht. Ein Sprachmodell, das nach dem Break-even-ROAS gefragt wird, liefert eine überzeugende Erklärung; ob die Zahl stimmt, hängt davon ab, ob es die Marge, die Umsatzsteuer und die Retourenquote kennt. Meist kennt es sie nicht, und es sagt das nicht.
Entscheidende KI rechnet: Sie verbindet Daten aus Shop, Werbekonten, Zahlungsanbieter und Lager zu einem Modell, rechnet es durch, simuliert Alternativen und meldet, wo etwas kippt. Ihre Antworten sind Zahlen mit Herkunft — nachprüfbar, langweilig, richtig. Der Unterschied ist nicht „alt gegen neu", sondern „Sprache gegen Rechnung":
| Frage | Generative KI (Sprachmodell) | Entscheidende KI (Modell mit Daten) |
|---|---|---|
| Reicht mein ROAS von 4? | Erklärt ROAS, nennt Faustregeln („3–4 ist gut") | Break-even-ROAS = (1 + USt) ÷ DB2-Marge aus den echten Artikeln der Kampagne — 3,40 bei 35 %, 4,76 bei 25 % |
| Welches Produkt verliert Geld? | Fragt nach Zahlen, die du nicht hast | DB3 je Artikel jede Nacht aus Einkauf, Versand, Gebühr, Retoure, Werbung |
| Wann muss ich nachbestellen? | Nennt die Formel für den Meldebestand | Meldebestand je Artikel aus Absatz, Schwankung und Lieferzeit; Warnung, bevor die Reserve angegriffen wird |
| Trägt sich 20 % Rabatt? | „Kommt auf die Marge an" | Nötiges Mengenplus für denselben Deckungsbeitrag: +1.018 % — also nein |
| Produkttext, Anzeigentext, Kundenantwort | Ja — dafür ist sie gebaut | Nicht ihre Aufgabe |
| Warum ist die Marge gesunken? | Listet mögliche Gründe | Zerlegt die Differenz: Einkaufspreis +1,40 €, Retourenquote +5 Punkte, Klickpreis +18 % |
Drei Rechenbeispiele, die Sprache nicht lösen kann
1 · Der ROAS, der Verlust bedeutet
Ein Shop bewirbt mit 1.000 € Budget und erzielt 4.000 € Umsatz — ROAS 4,0. Ein Sprachmodell nennt das solide. Die Rechnung: 4.000 € brutto sind 3.361 € netto; bei 35 % Deckungsbeitrags-Marge bleiben 1.176 €, nach 1.000 € Werbung 176 € — Puffer zum Break-even 18 %. Bei 25 % Marge liegt der Break-even-ROAS bei 4,76: Dieselbe Kampagne verliert 160 €. Die Antwort hängt an einer Zahl, die im Werbekonto nicht steht. Rechenweg im ROAS-Rechner.
2 · Der Stockout, den kein Dashboard zeigt
Ein Artikel verkauft sich 13-mal am Tag, bringt 12,41 € Deckungsbeitrag je Stück und bekommt 78 € Werbung je Tag. Die Lieferung kommt eine Woche zu spät. Kein Dashboard meldet einen Verlust — es zeigt sieben Tage mit null Verkäufen. Die Rechnung: 91 verlorene Bestellungen × 12,41 € plus 546 € Werbung auf eine leere Produktseite = 1.675 €. Die Reserve, die das verhindert hätte (53 Stück), kostet 13,25 € im Monat. Entscheidende KI rechnet den Meldebestand je Artikel jede Nacht und pausiert die Kampagne, bevor die Ware ausgeht. Rechenweg im Lagerkennzahlen-Rechner.
3 · Der Rabatt, der sich nicht trägt
Black Friday, 20 % auf einen Artikel mit 39,90 € Preis und 6,41 € DB3. Nach dem Rabatt bleiben 0,57 € je Bestellung. Um denselben Deckungsbeitrag wie ohne Rabatt zu erreichen, müsste der Absatz um 1.018 % steigen — elffach. Mit einer realistischen Verdopplung verliert der Artikel 2.105 € gegenüber dem normalen Monat. Ein Sprachmodell sagt „kommt auf die Marge an"; das Modell sagt, ab welchem Rabatt es kippt (22 %) und welche Alternative trägt (ein Bundle mit 12 % Rabatt bringt 8,71 € je Stück statt 6,41 €). Rechenweg im Rabatt-Break-even-Rechner.
Wo ein Sprachmodell wirklich hilft
Ehrlich: an vielen Stellen. Produkttexte in drei Sprachen, Anzeigenvarianten, Antworten im Kundenservice, das Zusammenfassen von Lieferantenmails, das Erklären einer Kennzahl in einem Satz. Generative KI ist ein hervorragendes Werkzeug für alles, was aus Sprache besteht — und de_core nutzt sie genau dafür: um Ergebnisse des Modells in verständliche Sätze zu übersetzen und Rückfragen zu beantworten. Die Zahl dahinter kommt nie aus dem Sprachmodell, sondern aus der Rechnung; das Sprachmodell darf sie erklären, nicht erfinden.
Die Regel, die daraus folgt: Texten darf raten. Rechnen darf es nicht. Wer ein Sprachmodell nach seiner Marge fragt, bekommt eine Antwort — und sollte sie so behandeln wie den Rat eines eloquenten Bekannten, der die Bücher nicht gesehen hat.
Woran du entscheidende KI erkennst
- Jede Zahl hat eine Herkunft. Welche Bestellung, welche Rechnung, welcher Klick — nachprüfbar, nicht plausibel.
- Sie rechnet mit deinen Daten, nicht mit Branchendurchschnitten: Einkaufspreise aus der Warenwirtschaft, Gebühren vom Zahlungsanbieter, Kosten aus dem Werbekonto.
- Sie sagt, wo es kippt: Break-even-ROAS, Kipppunkt der Retourenquote, Meldebestand, maximaler Rabatt — Schwellen statt Meinungen.
- Sie simuliert, bevor du entscheidest: Was passiert mit dem Ergebnis, wenn der Einkaufspreis um 1,40 € steigt oder die Retourenquote um fünf Punkte?
- Sie ist langweilig: keine Überraschungen, keine Halluzinationen, dieselbe Antwort auf dieselbe Frage.
Die Grenze dieses Ratgebers
Die drei Beispiele rechnen je einen Artikel, eine Kampagne, einen Rabatt. Ein Shop hat dreihundert Artikel, fünf Kampagnen und drei Kanäle — und alle Zahlen bewegen sich täglich. Die Rechnung über alle gleichzeitig, jede Nacht, mit Warnung am Kipppunkt: Das ist de_core. Ein digitaler Zwilling deines Geschäfts, der rechnet — und ein Sprachmodell, das die Ergebnisse erklärt, in dieser Reihenfolge.