K5 2026 Eröffnungsthesen

Key Takeaways

• Google dominiert weiter mit 16 Mrd. Suchanfragen pro Tag – verändert hat sich, was innerhalb dieser Suchen passiert: die KI-isierung der Ergebnisse.
• 20–50 % der Suchergebnisse sind bereits KI-durchsetzt; 80 % der generischen, intentbildenden Suchen landen in KI-Übersichten.
• In KI-Antworten schaffen es im Schnitt nur rund sechs Anbieter – wer nicht dabei ist, findet nicht mehr statt.
• Strukturierte Produktdaten sind Pflicht, aber kein Wettbewerbsvorteil. Die entscheidende Metrik heißt Share of Answer.
• Machine Equity ist für die Zielgruppe Maschine das, was Brand Equity für Menschen war: Trust-Signale, Lieferperformance, Ratings, interpretierbare Daten.
• Die Branchen-Kennzahlen 2020–2025 verschlechtern sich: DB1- und EBIT-Marge runter, Akquisitionskosten hoch, Retention stagniert, Kapitalkosten über EBIT-Marge.
• Systemfehler Fashion: 170 Tage Vorlauf, 30–40 % Abschrift, 50–60 % Retouren und trotzdem 20–30 % Überhänge – bis zu 8 % des globalen Modemarktes.
• First Party Fata Morgana: 30 % Retention und 2–4 % Conversion sind keine belastbare Direktkundenbeziehung.
• Sales-led Commerce ist ökonomisch am Ende; im Windschatten der KI entsteht Demand-led Commerce – Zara zeigt mit unter 1 % Überhang, dass es geht.
• Fast 90 % der Firmen machen etwas mit KI, unter 10 % heben den Wert – 20 % greifen fast 80 % des Werts ab. Das Limit ist nicht die Technologie, sondern die Menschen.

Transkript

Guten Morgen, herzlich willkommen. Die K5 ist viel Content, keine Frage, aber es ist vor allen Dingen ein Netzwerkevent. Wer sich nicht nur mit Big Corporates beschäftigen möchte, sondern mit Firmen am Bleeding Edge: Sprecht die Gründerinnen und Gründer an, die hier im Raum sitzen – Size, Global Points, Anyjoy und ShopAgentic. Nutzt die Zeit.

**These 1**

Wir steigen ein mit einem Experiment: Holt euer Telefon raus, ruft Google auf und tippt ein: „Agentic Commerce Bücher". Hand hoch, wer dieses Buch jetzt in den KI-Ergebnissen ganz oben hat. Ich schätze, das werden über 80 Prozent sein.

Was hier passiert: Das Geschäftsmodell des Netzes, wie wir es kannten, verändert sich. Menschen suchen Antworten woanders, als wir es gewohnt waren. Wir leben in einer Welt der Marktdominanz von Google – man dachte, Userverhalten kann sich nicht ändern: Suche ist Google. Und auf einmal packen sich andere Produkte und Anbieter davor, am Beispiel von ChatGPT mit einer Milliarde Nutzern pro Woche. Das zieht signifikant Audience auf sich.

Aber was wir verkennen: Der Silberrücken dominiert das Thema immer noch absolut, mit 16 Milliarden Suchanfragen pro Tag. In der Relation ist das ein beachtlicher Achtungserfolg der Kleinen, und die Kurve geht nach oben – aber aktuell hat sich das Spiel nicht verändert. Was sich ändert, ist, was innerhalb dieser 16 Milliarden täglichen Suchanfragen passiert: die KI-isierung dessen, was wir früher normale Suche genannt haben. Je nach Suchbegriff und Kategorie sind 20 bis 50 Prozent der Suchergebnisse bereits KI-durchsetzt – AI Overview oben oder AI Mode daneben. 80 Prozent aller eher generischen, intentbildenden Suchen landen in diesen KI-Übersichten.

Und innerhalb dieser Übersichten gibt es eine Hardcore-Kuration: im Schnitt sechs Anbieter, wenn es hochkommt, bei ChatGPT noch weniger. Die Anzahl derer, die als Treffer reinkommen, ist homöopathisch im Vergleich zu früher, als wir endlos lange Linklisten hatten und jeder sich von Platz 350 auf Platz 46 hocharbeiten konnte. Hier ist bei sechs oder bei drei Schluss – wer nicht Teil davon ist, findet im Suchergebnis schlichtweg nicht mehr statt. Wir haben also einen neuen Sheriff in Town: jemanden, der sich zwischen euch und euren User stellt.

Unsere Reaktion ist völlig klar: Wir strukturieren jetzt Daten und Produktdaten. Dass wir nach 25, 30 Jahren immer noch darüber reden, unsere Produktdaten strukturieren zu müssen, ist peinlich genug – ein Thema für die Bar. Aber es hilft auch nicht, denn die beststrukturierten Daten sind nur bedingt viel wert, wenn ich nicht Teil der neuen Entscheidungsdimension bin. Ich muss in die Entscheidung rein, und die Metrik dafür heißt Share of Answer. Ohne hohen Share of Answer zahle ich im Zweifel noch mehr Paid Media, um in den arrondierenden Spaces um die KI-Ergebnisse herum überhaupt stattzufinden.

Teil der Entscheidung zu werden, haben wir hunderte Jahre gemacht, als die Zielgruppe Mensch hieß: Wir haben Brand Equity aufgebaut, das war der Hack, um ins Relevance Set zu kommen. Jetzt haben wir eine neue Zielgruppe: die Maschine. Und wir haben noch nicht verstanden, was das bedeutet. Eine Maschine kennt keine Logos. Eine Maschine kennt auch nicht, was ihr glaubt, Tolles über euch zu erzählen. Sie versucht zu verstehen: Welche Signale kann ich interpretieren, damit ich keinen Fehler im Ergebnis mache? Denn was eine KI auf jeden Fall vermeiden will, ist, ihren User über eine schlechte Antwort zu frustrieren.

Deswegen nenne ich das, was jetzt aufzubauen ist, Machine Equity – für die Zielgruppe Maschine das, was Brand Equity für Menschen war. Ich muss defragmentieren, was ein Algorithmus, was ein Large Language Model glaubt zu bewerten, damit ich Teil der Entscheidung werde. Da gibt es sachliche Informationen, aber auch die Frage: Wie sehr kann ich mich über meine Daten differenzieren? Weitergedacht ins agentische Commerce: Warum sollte der Agent dich als Händler auswählen? Wie gut ist deine Lieferperformance? Wie gut sind Ratings und Reviews? Was sind deine Trust-Signale, damit du zwischen all den vergleichbaren Angeboten den Zuschlag bekommst? Das ist keine kleine Änderung im Geschäftsmodell.

Meine erste These lautet deshalb: Wer mitspielen will, strukturiert weiter fleißig Daten – nichts falsch damit. Wer aber Teil der Entscheidung sein will, muss eine komplett neue Muskelgruppe aufbauen: Machine Equity.

**These 2**

E-Commerce ist der Graf Zahl des Handels. Wir sind die mit dem großen Solartaschenrechner, wir haben Unit Economics erfunden, wir sind die mit den Attributionsmodellen. Schönes Selbstbild – aber die Performance der Branche im Schnitt sieht durchwachsener aus.

Vergleich 2020 zu 2025: Die DB1-Marge ist gesunken. Die EBIT-Marge ist gesunken. Die durchschnittlichen Akquisitionskosten sind gestiegen. Die Retention Rate im ersten Jahr stagniert – nach fünf Jahren CRM-Investments und „Data is the new oil". Kreditkosten und Kapitalkosten sind hoch. Wer ein höheres Weighted Average Cost of Capital hat als eine EBIT-Marge, verbrennt Wert. Deswegen mag uns in der Finanzwirtschaft niemand: Das ist kein gutes Geschäftsmodell, in das man investieren sollte. Ja, das ist der Mittelwert – bei manchen sieht es besser aus, bei manchen leider schlimmer.

Klickt man aufs größte Vertical, Fashion, zeigt sich ein Systemfehler, über den wir zu selten sprechen. Wir sitzen 170 Tage auf Klamotten, bevor sie überhaupt in Umlauf kommen, weil wir vorproduzieren, um ein My an Skaleneffekten in der Beschaffung zu heben. Das ist Working Capital, das tot in der Ecke liegt – und wir entscheiden das ein Jahr vorher und glauben, die Nachfrage zu antizipieren. Das ist seit Corona übrigens noch schlechter geworden: nochmal 14 Punkte mehr.

Dann ist die Glaskugel neblig, also kommt die Abschrift: 30 bis 40 Prozent Rotpreis, in der Hoffnung, Bestände abzubauen. Dazu Größen- und Passformprobleme, Inkonsistenz – und trotzdem eine Retourenquote von 50 bis 60 Prozent. Und nach all dem bleiben immer noch 20 bis 30 Prozent Überhänge am Ende der Saison. Mit dem Durchschnitts-VK multipliziert sind das 70 bis 140 Milliarden Dollar Handelsvolumen, bis zu 8 Prozent des globalen Modemarktes.

Das ist nicht nur betriebswirtschaftlich daneben, es ist auch das Allerletzte für unseren Planeten. Auf dem Satellitenbild der Atacama-Wüste in Chile sieht man Klamotten – jedes Jahr werden dort 40 Tonnen abgeworfen. Das sind die Überhänge, die wir so unheimlich schlau zu vermeiden glaubten. Das ist ein Systemdefekt. Und bevor die anderen Verticals sich gut fühlen: Die Abschriftenquote bei Home & Living und Electronics ist ebenfalls eine Katastrophe, besonders gegen die deutlich geringere DB1-Marge gelegt.

Das Problem: Wir arbeiten in einem Modell, das man Sales-led Commerce nennen könnte – sell what's on the truck. Wir hauen uns die Hütte voll, je mehr wir vorbestellen, desto günstiger pro Stück. Dann muss das jemand abschleusen, wird in den Markt gedrückt, bekommt Rabatt, wird Überhang und geht nach Chile. Das ist kein Konzept.

Die Begleiterscheinung hat jetzt einen Namen – Weltpremiere: FPFM, die First Party Fata Morgana. Wir sehen etwas am Firmament flimmern und glauben, das sei unsere Direktkundenbeziehung. 30 Prozent Retention heißt: Im Jahr 0 akquiriere ich 100 Menschen, im Jahr 4 sind weniger als vier davon übrig. Eine durchschnittliche Webconversion von 2 bis 4 Prozent – über 20 Jahre nicht bahnbrechend besser geworden – heißt: 96 Prozent sagen „I don't think so". Dieses Ausmaß an Irrelevanz verhindert wirtschaftlich sinnvolle Kundenbeziehungen. Deswegen fliegen uns die Unit Economics mit Ansage um die Ohren.

Diese Kombination ist weder sinnvoll noch finanzierbar. Rein aus BWL-Logik wird sich das Modell ändern – auch für die, denen der Planet egal ist. Dass es geht, zeigt Zara: Trotz des Bleirucksacks Stores erwirtschaften sie eine Rendite ähnlich der von Luxusmarken, mit Überhängen unter einem Prozent, weil sie an der Nachfrage arbeiten statt über Vertrieb zu kommen. Die drücken keinen Schrott in den Umlauf, sondern hören zu und produzieren in kurzen Zyklen das, was der Markt braucht. Das nächste Amazon entsteht gerade – wahrscheinlich in einer Garage in unserer Nähe – als Kombination aus Zara, Shein, TikTok und Uber, und das Ganze AI-first.

Meine zweite These: Sales-led Commerce ist am Ende. Die eigentliche Disruption des Handels kommt im Windschatten der KI. Was kommt, nenne ich Demand-led Commerce – nicht, weil wir das toll finden, sondern weil es die normative Kraft des Faktischen ist.

**These 3**

Wir Menschen überschätzen die Geschwindigkeit von Veränderungen und unterschätzen ihr Ausmaß. Jeden Tag FOMO, jeder muss ein Tool ausprobieren – dass gleichzeitig tektonische Verschiebungen stattfinden, in einem Umfang, den wir noch nie erlebt haben, wird zu selten wertgeschätzt.

Dann gibt es die Superfrösche: Das leapfroggen wir, wir haben die Digitalisierung ja auch überlebt. Das Problem: Mit gebrochenen digitalen Beinen lässt es sich schlecht leapfroggen. Wir sind nicht so digital, wie wir glauben – es gibt einen fundamentalen Unterschied zwischen einem digitalen Unternehmen und einem Digitalunternehmen. Wer unsicher ist, welcher Kategorie er angehört, schaut auf den Technologie-Stack, auf die Reaktionsfähigkeit bei Veränderungen, auf Entscheidungsprozesse, auf die Anzahl der Meetings und den Politikanteil. Autosuggestion raus, Pfeifen im Wald abschalten, in den Spiegel der Realität schauen.

Das zeigen auch die Marktzahlen: Fast 90 Prozent der Firmen haben schon irgendwas mit KI gemacht, aber unter 10 Prozent heben den Wert. Umgekehrt formuliert: 20 Prozent der Firmen greifen fast 80 Prozent des generierten Werts aus KI ab. Und da hilft die neue Firmenkrankheit KI-Tourette nicht, bei der jeder zweite Satz irgendwas mit KI ist. Wir müssen in die Wirksamkeit – und es geht, das sieht man an den 20 Prozent. Ein Tool-Problem haben wir nicht mehr. Das Limit sitzt vor dem Rechner.

Deswegen meine dritte These: 10 Prozent eurer Leute bauen 100 Prozent eurer Zukunft. Nicht Technologie – findet die 10 Prozent.