E-Commerce: Aimondos Künstliche Intelligenz gegen 88% Excel-Berechnungsfehler
Fast alle etwas komplexeren Excel Tabellen sind fehlerhaft. Ein einziger Tippfehler, eine falsche Formel oder ein Zahlendreher kann schlimme Folgen haben. Das Ergebnis: 88% aller Tabellen mit mehr als 150 Zeilen enthalten nachweislich massive Fehler. Fehler in der Preiskalkulation wirken direkt in die Ergebnisrechnung. Nun könnte man sagen: die Fehler gleichen sich aus – ein Fehler erhöht den Preis und ein anderer verringert ihn. Mit jeweils entgegengesetztem Effekt für Gewinn und Verlust. Das jedoch ist eine zwar verführerische aber irreführende Annahme. Denn die Käufer sind das unbestechliche Korrektiv für falsche Preise.
Ist der Preis zu hoch, merkt das der Verkäufer im großen Sortiment kaum und zieht allenfalls den Schluss daraus, dass der Artikel schwer verkäuflich ist, unbewegt im Lager liegt und er nimmt ihn vielleicht sogar aus dem Sortiment. Die Kunden kaufen anderswo, denn sie sind für jedes einzelne Produkt sensibel und kennen sich aus – durch eigene Initiative oder mithilfe von Preisvergleichsportalen. Der Effekt: entgangener Umsatz, entgangener Gewinn und wertvolle Kunden, die sich an die Wettbewerber binden.
Ist der Preis zu niedrig, stimmt vielleicht die sogenannte Lagerdrehzahl – der Ertrag aber lässt zu wünschen übrig und mit jedem Umsatz des von einem Fehler betroffenen Artikels entsteht eine unbemerkte Deckungslücke. Die Summe derart nicht erzielter Einzelerträge gefährdet die Kraft des Unternehmens, sie entwickelt sich gar zur Schwäche.
Fehler sind nicht vermeidbar – aber verringerbar. Kommen wir zum Anfang zurück: 65% aller Händler kalkulieren mit Excel. Nehmen wir als plastisches Beispiel eine Funktion des weltweit verbreiteten Tabellenkalkulationsprogrammes für die noch nicht einmal ein Formel- oder Eingabefehler des Nutzers verantwortlich gemacht werden kann. Die Autokorrektur. Bei Datumsangaben wird in der englischen Version aus March1 unbemerkt 1-Mar. Für den Kaufmann mag dieser Fehler vielleicht folgenlos bleiben. Die Gen-Forscher hingegen kannten in der Vergangenheit das Gen March1 – verloren es mit Excel und hatten nun den Effekt, dass bis zu 30% aller Studien falsch sind. Um das festzustellen mussten 11.000 wissenschaftliche Studien mit Excel-Anhängen untersucht und analysiert werden. Ein fataler Bezeichnungsfehler mit großen Folgen – neben den Kontrollen und Korrekturen mussten 27 unterschiedliche Gene umbenannt werden. Was bedeutet ein solch massenhaft auftretendes Fehlergebnis wirtschaftlich? Wie viele Produkte haben Beschreibungsdetails, die Excel mit seinem programmierten Wissen kommentarlos umbenennt? Und wie viele Fehler über solche Systemprobleme hinaus macht der Mensch in der Tiefe einer Datei mit etlichen Bezügen zu anderen Dateien oder Tabellenblättern? Wer wird bei einer gewachsenen Datei mit etlichen Bezügen und vielleicht sogar unterschiedlichen Autoren noch alle Datenpunkte kontrollieren?
Untersuchungen von Ray Panko, Professor für Informationstechnologie-Management an der University of Hawai’i, zeigen seit langem, dass die Entwickler von Tabellenkalkulationen bei der Eingabe von Informationen eine Genauigkeit von 96 % bis 99 % erreichen. Bei großen Tabellenkalkulationen führt eine Zellenfehlerrate von 1 % bis 6 % leider mit Sicherheit zu falschen Ergebnissen. Können die Zellfehlerraten (CERs) wirklich so hoch sein? Die allgemeine menschliche Fehlerforschung hat gezeigt, dass Menschen bei einfachen, aber nicht trivialen kognitiven Aufgaben unweigerlich vergleichbare Fehlerquoten aufweisen. Das Problem besteht darin, dass die kognitiven Mechanismen in fast allen Fällen richtig sind, aber in einigen Prozent der Fälle versagen.
Über Jahre hinaus beeinflussen systemtechnische oder menschliche Fehler den tagtäglichen Be- und Vertrieb – mit Einflüssen vom Einkauf bis in die Bilanz. Und das bei 65% aller Händler. In einer Marktumgebung unzähliger einzelner Produkte für die rund 85% aller Käufer den Preis als wichtigstes Kaufentscheidungskriterium angeben.
Aimondo untersucht mit der Macht der Algorithmen für jeden Artikel alle findbaren Anbieter mit der Präzision und der Geschwindigkeit der KI. Durch die Vergleiche von durchschnittlich etwa 50 Anbietern pro Artikel entsteht ein Allwissen, das automatisch die Positionen jedes Produktes des Aimondo-Kunden mit dem Markt vergleicht. Im Detail und im Kontext. Abweichungen von der Norm werden damit sofort erkannt, mit der gewünschten Strategie, der Lagersituation, dem aktuellen Verkaufspreis und den Beschaffungskosten sowie etlichen weiteren Details verglichen.
Aus einer mit Rechnergestützter Präzision und Zuverlässigkeit gesammelten Informationsfülle, die mit eigenen Daten angereichert analysiert wird, entstehen vollkommen automatisierte Entscheidungsraster. Beliebig oft, mit unterschiedlichen Parametern. Zudem werden Auffälligkeiten erkannt und im Zweifelsfall der menschlichen Entscheidung auf Einzelfallbasis vorgelegt. Denn die letzte und oberste Instanz ist und bleibt der Mensch. Er bestimmt die Eckpunkte und schafft KI-assistierte Kundenzufriedenheiten im großen Stil, die erfolgsentscheidende Bausteine der digitalisierten Handelswelt sind.
Heinrich Müller, Geschäftsführer der Aimondo GmbH und seit nunmehr gut zehn Jahren einer der führenden Digitalpioniere der Entwicklung KI-basierter Business Intelligence fasst praxisnah zusammen: „Menschen machen je nach Tagesform und Umständen unterschiedliche Fehler. Außerdem hängt die Qualität der Arbeitsergebnisse direkt mit der Arbeitsbelastung zusammen. Unsere in der Cloud erbrachte Leistung ist beliebig skalierbar – von einer Sekunde auf die andere. Da sich unsere Algorithmen in ihren speziellen Aufgaben mit ihren kognitiven Fähigkeiten so ähnlich verhalten wie Menschen, sind sie praktisch fehlerfrei. Ihre Ergebnisse leiden unter keiner CER. Wer online kompromisslos führen will, sollte für diese verantwortungsvollen und massenhaft wiederkehrenden Arbeiten Techniken wie die unsere einsetzen. Blue Chips einiger Branchen setzen schon darauf.“ Mathematik und Präzision sind eben untrennbare Zwillinge.
(ots)
HandelIn vielen Branchen ist die berührungslose Identifikation von Produkten und Gegenständen Pflicht oder zumindest sinnvoll. Wenn du selbst die Entscheidungsgewalt hast, wirst du irgendwann vor der Frage stehen, ob Barcodes oder RFID-Etiketten die sinnvollere Lösung für dich und dein Business sind. Beide Möglichkeiten haben einen Mehrwert, unterscheiden sich aber deutlich voneinander. Für welche Lösung du dich entscheidest, hängt von deinen Bedürfnissen und von der jeweiligen Industrie ab. Das sind die größten Unterschiede zwischen RFID und Barcode Um die richtige Wahl zu treffen, musst du zunächst die Unterschiede zwischen den beiden Systemen kennen. Während der klassische Barcode auf optischer Erkennung basiert, nutzt RFID (Radio Frequency Identification) elektromagnetische Wellen. Das hat massive Auswirkungen auf deinen Arbeitsalltag.
BusinessEin Gewerbe abmelden zu müssen, wirkt auf den ersten Blick wie ein rein formaler Behördengang. In der Praxis entsteht der größte Fehler aber meist schon davor: Nicht jede Veränderung im Betrieb führt automatisch zu einer Gewerbeabmeldung. Entscheidend ist, ob der Gewerbebetrieb endgültig aufgegeben wird, ob sich die Rechtsform ändert oder nur Daten des Unternehmens angepasst werden müssen. Seit dem 1. November 2025 gilt außerdem bei der Verlegung in einen anderen Meldebezirk ein vereinfachtes Rückmeldeverfahren, das die Abläufe an einem wichtigen Punkt verändert hat. Gerade für kleinere Unternehmen, Einzelunternehmen und wachsende Betriebe mit mehreren Standorten ist diese Unterscheidung wichtig. Wer die falsche Anzeige wählt, riskiert Rückfragen der Behörde, unnötige Doppelwege oder im schlechtesten Fall eine verspätete Meldung. Deshalb lohnt sich ein Blick auf die Fälle, in denen eine Abmeldung tatsächlich erforderlich ist, und auf die Konstellationen, in denen stattdessen eine Gewerbeummeldung oder eine neue Gewerbeanmeldung vorzunehmen ist. Wann muss ein Gewerbe tatsächlich abgemeldet werden?
IT & SoftwareObject Storage rückt im Mittelstand aus einer Nische in das Zentrum der IT-Planung. Der Grund liegt nicht in einem kurzfristigen Trend, sondern in einer strukturellen Veränderung: Unternehmen speichern heute deutlich mehr unstrukturierte Daten, sichern mehr Systeme gleichzeitig und wollen Daten später auch für Analysen, Automatisierung und KI nutzen. Klassische Speicherkonzepte geraten dabei oft an Grenzen, weil sie auf Dateipfade, feste Hierarchien oder teure Primärspeicher angewiesen bleiben. Object Storage setzt an genau dieser Stelle an und schafft eine skalierbare Grundlage für moderne IT-Architekturen. Was Object Storage grundsätzlich anders macht Object Storage speichert Daten nicht als klassische Dateien in Ordnern und Unterordnern, sondern als eigenständige Objekte. Jedes Objekt enthält die eigentlichen Daten, Metadaten und eine eindeutige Kennung. Dadurch entsteht im Kern keine starre Verzeichnisstruktur, sondern ein flacher, sehr gut skalierbarer Datenraum, in dem Anwendungen Objekte über Schnittstellen wie HTTP, HTTPS und REST finden und abrufen können. Einige Plattformen ergänzen dieses Prinzip heute zwar um filesystem-nahe Funktionen wie hierarchische Namespaces oder NFS-Zugriff, die Grundlogik von Object Storage bleibt aber objektbasiert. Genau dieser technische Unterschied macht das Modell für den Mittelstand interessant, weil es mit wachsenden Datenmengen besser umgeht als viele traditionelle Ansätze. Bilder, Videos, Backups, Logdaten, E-Mails, Sensordaten oder Archivbestände lassen sich in großen Mengen verwalten, ohne dass bei jeder Erweiterung das gesamte Speicherkonzept neu gedacht werden muss. In der Praxis steht hinter Object Storage deshalb nicht nur ein weiterer Speicherort, sondern ein anderer Ansatz für den Umgang mit unstrukturierten Daten. Wer moderne Anwendungen, verteilte Standorte oder hybride Infrastrukturen betreibt, profitiert besonders davon, dass Metadaten sehr gezielt ausgewertet und Richtlinien automatisiert auf große Datenbestände angewendet werden können.