KI als Amazon-Händler: wo sie Arbeit abnimmt und wo nicht

Wer bei Amazon verkauft, arbeitet die meiste Zeit nicht am Produkt. Er arbeitet an Text. Rechnungen, Rückläufer, Lieferantenmails, Produktdaten in vier Sprachen, Settlements mit dreihundert Zeilen. Nichts davon ist schwierig. Es ist nur viel, und es kommt jeden Tag nach.

Genau da sind Sprachmodelle stark. Sie sind gut darin, unstrukturierten Text zu lesen und in eine Form zu bringen, mit der ein Programm weiterarbeiten kann. Sie sind schlecht darin, allein zu entscheiden. Diese Trennung ist der ganze Trick.

Was sich im Alltag rechnet

Der offensichtlichste Fall sind Belege. Eine Eingangsrechnung von einem Lieferanten kommt als PDF, in jedem Layout, das der Lieferant für schön hält. Rechnungsnummer, Datum, Netto, Steuersatz, Leistungszeitraum: alles steht drin, nur eben jedes Mal woanders. Ein Modell zieht diese Felder zuverlässig heraus. Für einen Verkäufer, der im Monat hundert solcher Rechnungen bekommt, ist das der Unterschied zwischen einem halben Tag und einer Kaffeepause.

Der zweite Fall ist Recherche. Für ein CRM im Großhandel lasse ich die Webseite eines Händlers crawlen und ein Modell Kontaktdaten, Ansprechpartner und geführte Marken herausziehen. Danach wird gegengeprüft: USt-ID gegen VIES, Domainalter gegen WHOIS. Das Modell liefert die Rohdaten, die Prüfung macht etwas anderes.

Der dritte Fall ist die Vorbereitung von Antworten. Nicht das Versenden. Vorbereitung heißt: Der Entwurf liegt fertig da, jemand liest ihn, und erst dann geht er raus.

Was ich nicht automatisch entscheiden lasse

Preise. Bestellmengen. Alles, was ein Konto oder eine Palette bewegt.

Das ist keine Prinzipienreiterei. Ein Sprachmodell hat keinen Begriff davon, ob eine Zahl plausibel ist. Es hat einen Begriff davon, wie eine plausible Zahl klingt. Beim Extrahieren aus einem vorliegenden Dokument reicht das, weil sich das Ergebnis gegen das Original prüfen lässt. Bei einer Entscheidung über zukünftige Mengen gibt es kein Original.

Deshalb baue ich Abläufe so, dass die Maschine einen Vorschlag macht und der Mensch bestätigt. Bei tausend gleichförmigen Vorgängen ist Bestätigen billig. Ein falscher Einkauf ist es nicht.

Woran man einen brauchbaren Aufbau erkennt

Drei Punkte, an denen sich zeigt, ob jemand eine KI-Anwendung gebaut hat oder nur ein Modell angeschlossen:

• Der Standardweg kommt ohne Modell aus. Liegt eine E-Rechnung als ZUGFeRD- oder XRechnung-XML vor, sind die Felder bereits strukturiert. Ein Modell darauf loszulassen wäre teurer, langsamer und ungenauer.
• Jedes Ergebnis ist nachvollziehbar. Zu jedem extrahierten Feld gehört die Quelle. Wer nicht zurückverfolgen kann, woher eine Zahl kommt, hat sich Handarbeit gegen Ratearbeit eingetauscht.
• Unsicherheit ist ein Zustand, kein Fehler. Erkennt die Anwendung ein Feld nicht sicher, gehört der Vorgang auf einen Stapel „bitte ansehen“, nicht ins Ergebnis.

Der ehrliche Teil

KI ersetzt im Seller-Alltag keine Person. Sie räumt eine bestimmte Sorte Arbeit weg, nämlich die stumpfe, textlastige, wiederkehrende. Das ist weniger spektakulär, als es in den meisten Ankündigungen klingt, und im Tagesgeschäft mehr wert.

Wenn du wissen willst, ob sich das für deinen Ablauf lohnt: Nimm den Vorgang, der dich jeden Monat am meisten Zeit kostet, und schau nach, ob er im Kern aus Lesen und Sortieren besteht. Wenn ja, ist er ein Kandidat. Wenn nein, ist er meistens keiner, und dann sage ich das auch.