AI-Washing in Vendor-Pitches erkennen

# AI-Washing in Vendor-Pitches erkennen

Eine Category Managerin bei einem mittelgroßen europäischen Händler erzählte mir einmal, ihr Team habe einen Aufpreis für „AI-powered assortment optimization" gezahlt und dann festgestellt, dass der Implementierungsleitfaden des Anbieters auf statische Logik nach dem Muster „wenn Regalfläche gleich X, dann SKU unter Y % Velocity auslisten" verwies, geschrieben 2015. Kein Modell. Keine Trainingsdaten. Nur eine umetikettierte Rules Engine mit einem neuen Slide Deck. Das passiert bei FMCG-Software (Fast Moving Consumer Goods) häufiger, als Einkäufer vermuten, und es kostet Budget, das in Tools fließen sollte, die tatsächlich aus Daten lernen.

Diese Lektion gibt Ihnen fünf Fragen für jedes Vendor-Meeting, am Beispiel eines realistischen Category-Management-Pitches.

Warum das speziell in FMCG relevant ist

Category-Management-Software versprucht, Regalsortimente, Preise und Promotions mit „AI" zu optimieren. Die Kategorie ist für Anbieter aus mehreren Gründen attraktiv für AI-Washing:

• Händler und Hersteller haben tatsächlich unordentliche, volumenstarke Daten (Point-of-Sale-Transaktionen, Kundenkartendaten, Planogramm-Layouts), die *klingen* wie perfekter AI-Treibstoff.
• Einkäufer (Category Manager, Trade-Marketing-Verantwortliche) sind oft nicht technisch, also bleiben vage Claims unwidersprochen.
• Die Grenze zwischen einem legitimen regelbasierten System (deterministische, von Menschen kodierte Logik) und einem trainierten Machine-Learning-Modell (ein System, das Muster aus Daten lernt statt vorgeschriebenen Regeln zu folgen) lässt sich in einem Pitch leicht verwischen.

Beide Ansätze kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen nützlich sein. Das Problem entsteht, wenn eine Rules Engine mit ML-Vokabular vermarktet wird, um Premium-Preise zu rechtfertigen oder sich einer Prüfung zu entziehen.

Die fünf Fragen

1. „Mit welchen Daten wurde dieses Modell trainiert, und mit wie vielen?"

Ein trainiertes Modell braucht ein Trainings-Dataset: historische Beispiele, aus denen der Algorithmus Muster lernt. Eine legitime Antwort nennt Volumen, Zeitraum und Quelle: „3 Jahre Point-of-Sale-Daten über 40.000 SKUs von 12 europäischen Lebensmittelketten." Eine Rules Engine kann das nicht schlüssig beantworten. Vage Antworten („unser proprietäres Branchenwissen") sind ein Red Flag.

Fragen Sie nach einer konkreten Zahl. Wenn es heißt „Millionen von Transaktionen", aber nicht gesagt werden kann, wofür diese Transaktionen verwendet wurden (Training oder bloße Speicherung in einer Datenbank), fragen Sie weiter.

2. „Was passiert, wenn Sie es mit einer Produktkategorie füttern, die es noch nie gesehen hat?"

Das testet Generalisierung, also ob das Modell neue Situationen bewältigen kann und nicht nur memorierte Regeln abspult. Wenn der Anbieter sagt, das System „wendet konfigurierte Geschäftsregeln an" auf unbekannte Kategorien (etwa ein Händler, der ein Regal für pflanzenbasierte Fleischalternativen ohne Verkaufshistorie einführt), ist das ein Hinweis darauf, dass eine Regelschicht die eigentliche Arbeit macht, mit einem dünnen ML-Mantel an anderer Stelle.

Ein echtes Modell sollte sich graceful degradieren und eine probabilistische Schätzung mit ausgewiesener Unsicherheit liefern, nicht einen selbstbewussten regelbasierten Output, der als „Prediction" verkleidet ist.

3. „Kann ich eine Confusion Matrix oder eine Accuracy-Metrik aus einem Held-out-Test-Set sehen?"

Ein Held-out-Test-Set sind Daten, die das Modell während des Trainings nie gesehen hat, genutzt um zu prüfen, ob es tatsächlich generalisiert statt zu memorieren. Eine Confusion Matrix zeigt, wo Vorhersagen richtig oder falsch waren.

Wenn der Anbieter keine Accuracy-Metrik (Precision, Recall, Mean Absolute Error bei Demand Forecasts) auf ungesehenen Daten liefern kann, wird wahrscheinlich überhaupt kein trainiertes Modell evaluiert. Rules Engines haben in diesem Sinne keine „Accuracy", weil sie keine probabilistischen Vorhersagen machen, sondern Logik ausführen.

Kostenlose Einführung, falls Sie das Vokabular vor dem Meeting brauchen: Glossar des Machine Learning Crash Course von Google.

4. „Wie oft wird das Modell neu trainiert, und durch welchen Trigger?"

Echte ML-Systeme brauchen Retraining, wenn sich das Konsumentenverhalten verschiebt (ein klassisches FMCG-Beispiel: das pandemiegetriebene Horten von Vorräten 2020 hat viele Demand-Forecasting-Modelle zerschossen, die auf Daten vor 2020 trainiert waren, und branchenweit schnelles Retraining erzwungen; das ist in Retail-Analytics-Fallstudien aus dieser Zeit gut dokumentiert).

Wenn das System des Anbieters nur dann „aktualisiert" wird, wenn deren Engineers manuell Regel-Schwellenwerte anpassen, ist das Regelpflege, kein Model Retraining. Fragen Sie konkret: Ist das Retraining automatisiert, geplant oder durch einen Performance-Einbruch ausgelöst (das nennt man „Model Drift", wenn die Accuracy eines Modells nachlässt, weil sich reale Muster seit dem Training verändert haben)?

5. „Zeigen Sie mir einen Fall, in dem die Empfehlung des Modells Ihr eigenes Team überrascht hat."

Das ist die schärfste Frage. Echte ML-Systeme bringen gelegentlich nicht offensichtliche Muster zum Vorschein: die Platzierung eines Premium-Snacks neben einer unerwarteten angrenzenden Kategorie auf Basis echter Co-Purchase-Daten, oder das Flaggen einer regionalen Preisanomalie, die Menschen übersehen haben. Wenn jeder Output, den der Anbieter zeigt, genau dem entspricht, was ein erfahrener Category Manager ohnehin empfehlen würde, automatisiert das System vielleicht nur bestehende Intuition. Das hat Wert, ist aber keine „AI-powered optimization" in dem Sinne, in dem sie verkauft wird.

Ein schnelles technisches Indiz im Pitch Deck selbst

Schauen Sie sich an, wie der Anbieter Assortment Scoring beschreibt. Echte ML-basierte Sortiments-Tools verweisen typischerweise auf etwas, das einem gewichteten Scoring- oder Ranking-Modell mit gelernten Koeffizienten ähnelt, nicht auf feste Schwellenwerte. Eine vereinfachte, ehrliche Variante kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnte wie dieser Pseudocode aussehen, in dem die Gewichte *aus Daten gelernt* und nicht hartkodiert sind:

# Rules engine (hardcoded, not AI)
if sku.velocity < 0.5 and sku.margin < 0.15:
    recommend_delist(sku)

# Trained model (weights learned from historical sales data)
score = model.predict(sku_features)  
# model.predict() wendet Koeffizienten an, die beim Training gelernt wurden,
# nicht von Menschen geschriebene Schwellenwerte
if score < learned_threshold:
    recommend_delist(sku)

Wenn der technische Anhang des Anbieters nur das erste Muster mit anderen Variablennamen zeigt, fragen Sie, warum sie es überhaupt AI nennen.

Wie legitimer AI-Einsatz im Category Management aussieht

Um fair zu bleiben: Echte Anwendungen existieren. Demand-Forecasting-Modelle mit Gradient Boosting oder neuronalen Netzarchitekturen werden von großen CPG-Playern (Consumer Packaged Goods) und Händlern eingesetzt; Nestlé, Unilever, Walmart und Tesco haben alle öffentlich über Machine Learning in Supply-Chain- und Demand-Planning-Kontexten gesprochen. Nielsen und Circana (früher IRI) integrieren ebenfalls statistische und ML-Modelle in Retail-Analytics-Produkte, in der Regel mit mehr Transparenz zur Methodik als kleinere Category-Management-Punktlösungen.

Das unterscheidende Merkmal legitimer Anbieter: Sie kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen über Modellarchitektur, Herkunft der Trainingsdaten und Validierungsmetriken flüssig und konkret sprechen, weil ein echtes Data-Science-Team das Produkt gebaut hat und pflegt.

Praktische Bewertungs-Checkliste für den Einkauf

Fordern Sie vor Vertragsabschluss schriftlich an:

• Beschreibung der Trainingsdaten (Volumen, Quelle, Aktualität)
• Mindestens eine Validierungsmetrik auf Held-out-Daten
• Retraining-Kadenz und Prozess zum Drift-Monitoring
• Einen Referenzkunden, der bereit ist, über die tatsächliche Modell-Performance zu sprechen, nicht nur über Zufriedenheit mit dem UI

Wenn ein Anbieter sich allen vier Punkten verweigert, kalkulieren Sie das Tool als Rules Engine (die trotzdem einen Kauf wert sein kann; Rules Engines sind oft günstiger, erklärbarer und leichter auditierbar als opake Modelle) und verhandeln entsprechend. Erklärbarkeit zählt besonders bei regulierten Claims: Europäische Händler mit automatisierten Pricing-Systemen müssen ihre Preislogik nach allgemeinen verbraucherschutzrechtlichen Grundsätzen erklären kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, auch wenn derzeit kein EU-AI-spezifisches Preisrecht Modelltransparenz auf dieser Granularitätsebene vorschreibt.

🎬 [VIDEO: „How to Spot AI Washing" - youtube.com - suchen Sie nach aktuellen Erklärvideos etablierter Data-Science-Bildungskanäle zu AI-Marketing-Claims versus technischer Substanz]

Key Takeaways

• Die zentrale diagnostische Frage ist, ob das System Muster aus Daten lernt (trainiertes Modell) oder vorgeschriebene Logik ausführt (Rules Engine); beides ist legitim, aber nur eines verdient „AI-powered" als Beschreibung prädiktiver Fähigkeit.
• Fordern Sie konkrete Angaben zu Trainingsdaten, Validierungsmetriken auf Held-out-Daten und einen dokumentierten Retraining-Prozess; vage oder ausweichende Antworten deuten auf eine umetikettierte Rules Engine hin.
• Testen Sie Generalisierung mit Fragen zu unbekannten Kategorien oder Edge Cases; Rules Engines versagen vorhersehbar, echte Modelle degradieren graceful mit quantifizierbarer Unsicherheit.
• Legitimer ML-Einsatz im FMCG-Category-Management existiert bei großen Playern (Nestlé, Unilever, Walmart, Tesco, Nielsen, Circana) und geht meist mit flüssiger, konkreter technischer Diskussion einher, nicht mit Marketingsprache allein.
• Rules Engines sind nicht wertlos, sie sind oft erklärbarer und auditierbarer, also bepreisen und bewerten Sie sie ehrlich, statt einen AI-Aufpreis für Nicht-AI-Logik zu zahlen.