Einleitung
Martina Krüger erinnert sich an den Geruch der letzten Kartons: Pappe, Kunststofffolie, ein Rest Parfüm aus dem Regal neben der Kasse. Die Boutique war geschlossen, aber Warenlisten und Lieferantenmails blieben.
Heute lebt Martina in Leipzig und berät kleine Läden beim Einsatz von KI. Sie kommt selten mit großen Versprechen. Meist beginnt sie mit einer Inventarliste, einem Kaffee und der Frage, welche Entscheidung der Inhaberin seit Wochen Bauchschmerzen macht.
Geschichte des Weges in die KI
Nach der Insolvenz wollte Martina zunächst nichts mehr von Zahlen hören. In einer Beratung für Gründerinnen sah sie dann, wie einfache Auswertungen langsame Abverkäufe sichtbar machen. Das traf sie unangenehm genau. Einige Fehlkäufe hätte sie vermutlich früher bemerkt, wenn die Daten nicht nur als Stapel von Tabellen dagelegen hätten.
Das technische Vokabular war am Anfang eine Zumutung. Klassifikation, Prognose, Pipeline: Es klang, als müsste sie erst eine fremde Sprache lernen. Sie begann mit No-Code-Werkzeugen, alten Bestandslisten und groben Musterprüfungen. Einmal hielt es ein saisonales Produkt für dauerhaft beliebt, weil die Testdaten aus der falschen Woche stammten. Martina schrieb diesen Fehler groß auf: Kalender sind keine Kundschaft.
Aktuelle Arbeit
Martina arbeitet heute mit Buchhandlungen, Spielwarenläden und kleinen Concept Stores. Bei einer Buchhandlung richtete sie ein Bestellsystem ein, das nur Vorschläge liefert: Welche Titel bewegen sich langsam, welche Warengruppe bindet Kapital, wo gibt es auffällige Rückgaben? Die endgültige Entscheidung bleibt im Laden, bei Menschen, die Lesekreise, Stammkundinnen und lokale Veranstaltungen kennen.
Manche Kundinnen erwarten sofort sinkende Kosten. Martina bremst dann. KI kann Muster hervorheben, aber keine schlechte Kalkulation heilen und kein Gespräch mit Lieferanten ersetzen. Entscheidend ist, dass Läden früher sehen, wo Ware liegt.
Persönlicher Rat
„Scham ist eine schlechte Datenquelle“, sagt Martina. Sie meint damit ihre eigene Pleite genauso wie die Lage ihrer Kunden. Wer nur beweisen will, dass alles doch richtig war, lernt nichts. Wer Tabellen als Erinnerung an Entscheidungen liest, findet manchmal den Punkt, an dem ein neuer Prozess beginnen kann.
Schlüsselfakten
Alter und Ort: 56, Leipzig.
Hintergrund: Einzelhandel, Insolvenz, zweiter Berufsstart.
Einstieg in KI: Warnhinweise für Warenbestände und saisonale Fehlkäufe.
Schwerpunkt heute: KI für kleine, inhabergeführte Geschäfte.
Typische Werkzeuge: Tabellenanalyse, No-Code-Automation, einfache Prognosemodelle.
Werkstattnotiz
Martina bewahrt eine Liste mit Produkten auf, die das erste Modell falsch eingeschätzt hat. Darunter steht ein Spielzeug, das laut Daten liegen bleiben sollte und nach einem Regentag doch ausverkauft war. Seitdem notiert sie neben jeder Empfehlung: Wetter, Schaufenster, Gespräch im Laden. Die Maschine sieht den Kassenzettel, nicht die nasse Jacke der Kundin.