KI im technischen Fachhandel: Was 2026 wirklich funktioniert

Wie viele Betriebe nutzen KI wirklich — und warum widersprechen sich die Zahlen?

Je nachdem, wen Sie fragen, nutzen zwischen 20 und 57 Prozent der Unternehmen künstliche Intelligenz. Alle diese Zahlen stimmen — sie messen nur Unterschiedliches. Die niedrigste stammt von der KfW, gilt nur für den Mittelstand und fragt rückblickend nach den Jahren 2022 bis 2024; die höchsten stammen vom ifo Institut (54 Prozent der Unternehmen, berichtet im Juni 2026) und von Bitkom (57 Prozent der Unternehmen ab 20 Beschäftigten, September 2026) und erfassen die Gegenwart. Misstrauen Sie also jedem, der eine davon als die Wahrheit präsentiert.

Eindeutig ist trotzdem die Richtung: Bitkom hat innerhalb von zwei Jahren einen Anstieg von 20 über 36 auf 57 Prozent gemessen. Das ist keine Momentaufnahme, das ist eine Bewegung.

Zur Einordnung der Quellen: Bitkom ist in diesem Artikel die meistzitierte Studie und zugleich ein Verband, der die Interessen der Digitalwirtschaft vertritt. Zahlen zum Digitalisierungsgrad sind von dort eher optimistisch zu lesen. Das entwertet sie nicht, aber es gehört dazu.

Eine Einschränkung, die für Sie besonders zählt: Keine dieser Studien weist den Großhandel getrennt aus. Bitkom befragte 505 Handelsunternehmen aus Groß-, Einzel- und Kfz-Handel gemeinsam, KfW und DIHK trennen nach Betriebsgröße, nicht nach Handelsstufe. Was Sie unten lesen, stammt aus dem Handel insgesamt.

Eine Zahl aus der Bitkom-Erhebung vom Sommer 2025, die in den meisten Zusammenfassungen fehlt: 28 Prozent der Unternehmen, die KI einsetzen, rechnen deswegen in den kommenden fünf Jahren mit weniger Beschäftigten. Das gehört zu einer ehrlichen Bestandsaufnahme dazu, auch wenn es in einem Betrieb, der ohnehin niemanden findet, anders aussieht als in einem Konzern. Für viele Fachhändler ist die realistischere Frage nicht, wen KI ersetzt, sondern welche Arbeit liegen bleibt, weil niemand mehr da ist, der sie macht.

Welche Anwendungen laufen im Handel produktiv?

Vier bis sechs, je nach Erhebung — und deutlich weniger, als in Anbieterprospekten stehen.

Zwei 2026 veröffentlichte Studien geben darüber Auskunft, und sie kommen zu unterschiedlichen Größenordnungen:

Die Bitkom-Zahlen stammen aus einer Befragung von 505 Handelsunternehmen ab zehn Beschäftigten, erhoben im Frühjahr 2025. Die IFH-Zahlen aus dem B2BEST Barometer beruhen auf 200 Antworten von Großhändlern und Herstellern — allerdings war die Studie von zwei kommerziellen Partnern mitbeauftragt, einer E-Commerce-Agentur und einem Plattformanbieter. Das erklärt einen Teil der höheren Werte, aber nicht alles. Die Lücke bleibt und sollte Sie eher vorsichtig als zuversichtlich stimmen.

Der aufschlussreichste Befund steckt nicht in den Einsatzzahlen, sondern im Abstand zu den Planzahlen. Bildgenerierung wollen 52 Prozent der Handelsunternehmen nutzen, 17 Prozent tun es. Textgenerierung planen 48 Prozent, im Einsatz sind 22 Prozent. Preisoptimierung planen oder diskutieren 47 Prozent — im Einsatz ist sie bei 13 Prozent.

Diese Lücke ist der eigentliche Zustandsbericht. Nicht: KI kommt. Sondern: KI wird geplant, und die Umsetzung hakt an derselben Stelle wie jedes IT-Projekt vorher.

Was davon passt zum technischen Fachhandel?

Hier fällt die Antwort unbefriedigend aus — und trotzdem lässt sich etwas damit anfangen.

Es gibt keine unabhängig geprüfte Fallstudie zum KI-Einsatz im technischen Fachhandel. Nicht zu Schweißtechnik, nicht zu Werkzeug, nicht zu Arbeitsschutz, nicht zu Industriebedarf. Weder ein Erfolgsfall noch ein Misserfolgsfall. Wir haben gezielt in der Fachpresse gesucht, bei den Verbänden, bei den Verbundgruppen — nichts, was den Namen Fallstudie verdient.

Was es gibt:

Der VTH, der Verband Technischer Handel, hat eine eigene Themenseite zu künstlicher Intelligenz aufgebaut, mit den Bausteinen KI-Readiness, KI-Agenten und KI-Anwendungsfelder. Checklisten und Downloads richten sich an Mitglieder; von außen ist nicht beurteilbar, wie tief die Inhalte gehen. Dass der Verband das Thema überhaupt institutionell besetzt, ist ein Signal — mehr aber auch nicht.

Zwei Anbieter mit ausdrücklichem Branchenfokus beschreiben KI-Funktionen für diesen Handel: redPIM, ein PIM-System für technische Händler und den Werkzeughandel, das Klassifikation und Artikeltexte KI-gestützt aufbereitet und drei Kunden aus der Branche namentlich mit Erfahrungsberichten nennt; und enventa, das für sein Trade ERP — die Warenwirtschaft, in der Einkauf, Lager und Fakturierung zusammenlaufen — KI-Funktionen zur Fehlmengen-Früherkennung und mehrsprachigen Produkttexten bewirbt. Beides sind Herstellerangaben ohne unabhängig geprüfte Vorher-Nachher-Zahlen. Als Marktsignal aussagekräftig, als Beleg nicht.

Damit bleibt nur eine ehrliche Methode: Von der Struktur Ihres Geschäfts her denken, statt von fremden Studien. Was folgt, ist unsere Einordnung, keine belegte Aussage.

Produktdaten sind der naheliegendste Einstieg. Ein Fachhändler mit einem fünfstelligen Sortiment bekommt seine Artikeldaten aus Herstellerkatalogen — meist über BMEcat, das Austauschformat für elektronische Produktkataloge im B2B, klassifiziert nach dem Klassifikationsstandard ETIM, dessen Version 10.0 inzwischen über 5.600 Produktklassen umfasst. Genau diese Struktur ist die Voraussetzung dafür, dass ein Sprachmodell brauchbare Beschreibungen erzeugt: Es muss nicht raten, was ein Artikel ist, sondern bekommt Merkmale geliefert. Es ist dieselbe Bewegung, die gerade auch die Rechnungsstellung erfasst — weg vom Fließtext, hin zu Feldern, die eine Maschine eindeutig lesen kann, wie sie der Vergleich von ZUGFeRD und XRechnung zeigt. Wer seine Artikeldaten sauber klassifiziert hat, hat diese Arbeit an einer Stelle bereits hinter sich. Dass die beiden konkretesten Branchenanbieter genau hier ansetzen, ist kein Zufall.

Das Anwendungswissen sitzt in wenigen Köpfen. Welche Schleifscheibe für welchen Werkstoff, welche Schutzklasse bei welchem Einsatz, warum ein bestimmter Kunde seit jeher eine Sonderausführung bekommt — dieses Wissen ist selten dokumentiert und geht mit den Menschen. Die Technik, die dafür gedacht ist, Dokumente durchsuchbar zu machen und Fragen daraus zu beantworten, existiert. Ob sie in dieser Branche funktioniert, ist nicht belegt.

Der Außendienst ist Ihr Hauptkanal, nicht Ihr Nebenkanal. Fast alle KI-Anwendungen, die die Studien beschreiben, zielen auf Selbstbedienung: Chatbots, automatische Empfehlungen, Self-Service-Portale. Für einen Betrieb, dessen Geschäft am Küchentisch des Kunden entsteht, ist das die falsche Richtung. Die interessantere Frage — wie KI den Außendienst unterstützt, statt ihn zu umgehen — beantwortet die verfügbare Literatur nicht. Wir haben danach gesucht und nichts gefunden.

Ihre Angebote sind komplizierter als die in den Beispielen. Kundenindividuelle Nettopreise, Rahmenverträge, Staffelungen, Sonderkonditionen aus einer Vereinbarung, die älter ist als das ERP, in dem sie hinterlegt sein müsste. Wenn Sie irgendwo lesen, KI erstelle Angebote automatisch, dann stammt das Beispiel mit hoher Wahrscheinlichkeit aus einem Geschäft mit Listenpreisen. Wie ein Sprachmodell im Innendienst trotzdem beim Angebotstext hilft, ohne Zahlen zu erfinden, beschreibt unser Ratgeber zu ChatGPT im Innendienst.

Und Ihre Logistik kommt in der Literatur nicht vor. Sammelrechnungen über einen Monat, Streckengeschäfte, bei denen der Hersteller direkt an den Kunden liefert und Sie trotzdem fakturieren, Teillieferungen über Wochen — das sind Vorgänge, für die keine der von uns geprüften KI-Studien auch nur einen Anwendungsfall benennt. Wer Ihnen erzählt, KI optimiere die Disposition, meint einen Lagerbestand mit gleichmäßigem Abverkauf, nicht ein Streckengeschäft mit drei Beteiligten.

Aus alldem folgt eine unbequeme, aber nützliche Regel: Je näher eine Anwendung an Ihren Besonderheiten liegt, desto weniger Erfahrung gibt es damit. Produktdaten sind der Einstieg, weil sie das am wenigsten branchenspezifische Problem sind, das Sie haben.

Warum scheitern so viele KI-Projekte?

Weil sie an der Anbindung scheitern, nicht am Modell.

Die meistzitierte Zahl zu diesem Thema stammt aus einer Untersuchung des MIT-Projekts NANDA vom Juli 2025: 95 Prozent der Organisationen erzielten keinerlei Rendite aus ihren Investitionen in generative KI; nur etwa fünf Prozent der Pilotprojekte erzeugten nennenswerten Mehrwert.

Bevor Sie diese Zahl weitererzählen, sollten Sie wissen, worauf sie beruht: über 300 öffentlich dokumentierte Initiativen, 52 Interviews und 153 Umfrageantworten von Führungskräften — erhoben auf vier großen Industriekonferenzen zwischen Januar und Juni 2025. Kein deutscher Mittelstand, kein Großhandel, und die 95-Prozent-Zahl selbst ist nicht nach Branchen aufgeschlüsselt. In der deutschen Wirtschaftspresse wird sie regelmäßig ohne diesen Zusatz zitiert.

Interessanter als die Zahl sind die Gründe, die der Report nennt. Gescheitert wird an Widerstand gegen neue Werkzeuge, an Zweifeln an der Modellqualität, an schlechter Bedienbarkeit und an fehlender Unterstützung durch die Führung. Der Kernbefund: Systeme ohne Gedächtnis scheitern häufiger — Anwendungen, die Rückmeldungen nicht speichern, sich nicht an den Kontext anpassen und nicht besser werden.

Das deckt sich mit dem, was die deutschen Erhebungen als Hürden nennen. Im B2B-Handel steht die Integration in Bestandssysteme mit 44 Prozent an erster Stelle — vor Datenschutz und Sicherheit mit 37 Prozent. Die DIHK-Umfrage nennt rechtliche Unsicherheit mit 59 Prozent, technische Hemmnisse mit 50 und fehlendes Know-how mit 37 Prozent. In der Bitkom-Befragung von 505 Handelsunternehmen fehlen 66 Prozent Mitarbeitende mit KI-Kompetenz. Und in der branchenübergreifenden Bitkom-Befragung vom Sommer 2026 nennen 54 Prozent der KI-Nutzer schwer zu kalkulierende Kosten als Hemmnis.

Der MIT-Report benennt auch die Gegenseite, und die ist für Ihre Entscheidungen brauchbarer als die Schreckenszahl. Erfolgreich waren Anwendungen, die drei Eigenschaften hatten: Sie merkten sich, was vorher passiert war. Sie steckten tief im Arbeitsablauf statt daneben. Und sie stammten von außen statt aus der eigenen Entwicklung — bei extern bezogenen Lösungen war die Erfolgsquote doppelt so hoch.

Der letzte Punkt verdient Aufmerksamkeit, weil er der Intuition widerspricht. Man würde annehmen, dass eine selbst gebaute Lösung besser passt. Warum es andersherum ist, sagt der Report nicht; naheliegend wäre, dass in kleineren Häusern die Person, die es baut, es zum ersten Mal baut — und dass danach niemand zuständig ist. Das ist unsere Vermutung, kein Befund.

Über alle Quellen hinweg zeigt sich dasselbe Muster: Der begrenzende Faktor ist nicht, was die Modelle können, sondern ob sie an das herankommen, womit Sie arbeiten.

Was muss im Betrieb vorhanden sein, damit es funktioniert?

Drei Dinge, und keines davon ist ein KI-Werkzeug.

Auswertbare Daten. Die KfW nennt hochwertige, auswertbare Daten als einen von drei Erfolgsfaktoren. Für Sie heißt das konkret: Ein Sprachmodell, das aus Ihren Artikeldaten Beschreibungen erzeugen soll, kann nur so gut sein wie die Merkmale, die es bekommt. Wenn im Feld für die Schutzklasse mal „S3", mal „S 3" und mal nichts steht, produziert die KI diesen Zustand mit — nur schneller.

Zugang zu den Systemen. Eine Anwendung, die neben dem ERP steht statt darin, erzeugt eine zweite Datenhaltung. Das ist derselbe Fehler, den Betriebe bei der Umstellung auf die E-Rechnung im technischen Fachhandel machen, wenn sie ein separates Portal neben die Warenwirtschaft stellen. Die Folge ist hier dieselbe: Es funktioniert im Test und läuft im Alltag auseinander.

Jemand, der es versteht. Nicht ein Informatiker — jemand im Haus, der eine KI-Ausgabe fachlich beurteilen kann. Wenn ein Modell eine Produktbeschreibung erzeugt, in der eine Schutzklasse falsch steht, merkt das nur der, der die Norm kennt. Die KfW findet, dass Betriebe mit Hochschulabsolventen und mit Digitalisierungsstrategie deutlich häufiger KI nutzen; der Zusammenhang ist nicht kausal belegt, aber plausibel.

Alle drei Punkte stammen aus Erhebungen, die nicht speziell den technischen Handel untersucht haben. Eine Studie zu einem gewachsenen ERP-Umfeld ohne eigene IT-Abteilung — also genau Ihrer Ausgangslage — existiert nicht.

Daraus ergibt sich eine Reihenfolge — unsere Einschätzung, kein Befund der KfW: aufwendige KI-Anwendungen zugunsten einfacher umsetzbarer zurückzustellen. Das kann man als Mangel an Ehrgeiz lesen. Man kann es auch als vernünftig lesen — wer mit dem anfängt, was ohne Umbau funktioniert, sammelt Erfahrung, bevor er investiert. Für einen Betrieb ohne IT-Abteilung ist das vermutlich die einzige tragfähige Reihenfolge.

Was kostet das?

Weniger als vermutet beim Einstieg, schwerer kalkulierbar im Betrieb.

Für die naheliegendste Variante gibt es öffentliche Preise: Microsoft 365 Copilot kostet in der Business-Variante 15,60 Euro je Nutzer und Monat als Aktionspreis bis zum 31. Dezember 2026, danach regulär 18,20 Euro — jeweils zusätzlich zur bestehenden Microsoft-365-Lizenz. Als Paket mit der Grundlizenz nennt Microsoft 20,36 Euro je Nutzer und Monat mit Microsoft 365 Business Standard und 27,73 Euro mit Business Premium, jeweils bei jährlicher Abrechnung. Zehn Lizenzen kosten damit gut 2.400 Euro im Jahr mit Business Standard oder gut 3.300 Euro mit Business Premium, jeweils zuzüglich Mehrwertsteuer — gerechnet mit dem Gesamtpreis, nicht mit dem Aufpreis. Das ist der Unterschied, den Angebote gern verschweigen.

Für Chatbots kursieren Spannen von 10 bis 150 Euro monatlich bei einfachen regelbasierten Systemen bis zu 500 bis 2.500 Euro bei handlungsfähigen Agenten. Entscheidender ist die Einrichtung: 2.000 bis 15.000 Euro bei einer fertigen Lösung, 10.000 bis 30.000 Euro bei einer Eigenentwicklung. Diese Angaben stammen allerdings von einem Anbieter, der selbst Chatbots verkauft, und sind nicht unabhängig geprüft — als grobe Orientierung brauchbar, als Kalkulationsgrundlage nicht.

Zu den beiden Branchenanbietern gibt es keine öffentlichen Preise; beide werben mit einem Erstgespräch.

Und die Zahl, die Sie einplanen sollten: 54 Prozent der Unternehmen, die KI einsetzen, nennen schwer kalkulierbare Kosten als Hemmnis. Das ist Bitkom, September 2026; als große Kostenpunkte nennen die Anwender dort Infrastruktur, Datenaufbereitung und die Integration in bestehende Systeme häufiger als Lizenzen. Was der reale Personal- und Zeitaufwand für die Einführung in einem gewachsenen ERP-Umfeld ohne IT-Abteilung ist, hat unseres Wissens niemand erhoben.

Welche Pflichten treffen mich rechtlich?

Drei, und alle gelten bereits.

Der Chatbot muss sich zu erkennen geben. Seit dem 2. August 2026 sind die Transparenzpflichten der EU-KI-Verordnung anwendbar. Wenn ein Mensch mit einem KI-System interagiert, muss das am Interaktionspunkt selbst erkennbar sein — ein Hinweis in der Datenschutzerklärung genügt nicht. Wer einen KI-Chatbot auf der Website oder im Kundenservice betreibt, ist davon unmittelbar betroffen. Zur Einordnung: Mit der Änderungsverordnung (EU) 2026/1744, dem sogenannten Digital Omnibus, wurden die Pflichten für Hochrisiko-Systeme auf Dezember 2027 beziehungsweise August 2028 verschoben; daneben haben Anbieter generativer KI-Systeme, die schon vor August 2026 am Markt waren, für die maschinenlesbare Kennzeichnung erzeugter Inhalte Zeit bis zum 2. Dezember 2026. Die Erkennbarkeit des Chatbots betrifft beides nicht. Das wird in der Debatte häufig verwechselt.

Ihre Mitarbeitenden brauchen KI-Kompetenz. Als Anwenderunternehmen müssen Sie Maßnahmen ergreifen, die den Aufbau von KI-Kompetenz bei den Menschen fördern, die KI einsetzen. Seit der Neufassung durch den Digital Omnibus verlangt Artikel 4 nicht mehr, ein bestimmtes Kompetenzniveau jeder einzelnen Person zu garantieren. Als praktischen Nachweis nennt die von uns ausgewertete Kanzleiquelle eine dokumentierte Einweisung.

Kundendaten gehören nicht in eine kostenlose KI. Sobald ein externer Anbieter personenbezogene Daten in Ihrem Auftrag verarbeitet, brauchen Sie einen Auftragsverarbeitungsvertrag nach Artikel 28 DSGVO. Der Punkt ist praktischer, als er klingt: Er greift in dem Moment, in dem jemand im Innendienst eine echte Kundenmail mit Name und Anschrift in ein Prompt-Feld kopiert. Bei OpenAI gilt ein Auftragsverarbeitungsvertrag — nach der ausgewerteten Übersicht in der Fassung vom 1. Januar 2026 —, aber nur für Business, Enterprise, Edu und API. Die kostenlose Variante und Plus sind nicht abgedeckt. Bei Anthropic gilt er für Team, Enterprise und API, bei Microsoft Copilot für die kommerziellen Microsoft-365-Lizenzen, bei Google Gemini für Workspace Business und Enterprise.

Das ist der wahrscheinlichste Weg, auf dem ein Fachhandelsbetrieb 2026 in ein Datenschutzproblem läuft: nicht über ein Projekt, sondern über einen hilfsbereiten Mitarbeiter mit einem Gratis-Account. Wie ernst die Aufsicht das nimmt, lässt sich derzeit nicht abschätzen — belastbare Angaben zur Durchsetzungspraxis gegenüber kleinen Anwenderunternehmen haben wir nicht gefunden.

Und wenn Sie selbst KI-Texte veröffentlichen? Artikel 50 verlangt auch eine Kennzeichnung für KI-erzeugte oder -manipulierte Texte, die Angelegenheiten von öffentlichem Interesse betreffen. Davon ausgenommen sind Texte, die ein Mensch redaktionell geprüft hat und für die er die Verantwortung trägt. Wie weit diese Ausnahme reicht und was genau als öffentliches Interesse gilt, ist rechtlich nicht geklärt und in der Fachdiskussion umstritten. Für einen Fachhändler, der Produktbeschreibungen erzeugen lässt, ist das mit hoher Wahrscheinlichkeit unkritisch. Für alles, was wie Redaktion aussieht — ein Blog, ein Newsletter, ein Ratgeber —, ist ein dezenter Hinweis der ruhigere Weg. Wir handhaben es auf dieser Seite genauso; der Vermerk steht unter jedem Artikel.

Bemerkenswert dazu eine Zahl aus dem B2B-Handel: 56 Prozent beobachten die EU-KI-Verordnung nur passiv, ein Viertel der kleineren Unternehmen sieht überhaupt keinen Handlungsbedarf.

Ihr Fahrplan

Vier Schritte, in dieser Reihenfolge. Der erste kostet nichts und dauert einen Vormittag.

1. Klären, was im Haus schon läuft. Fragen Sie im Innendienst und im Vertrieb, wer bereits KI-Werkzeuge benutzt und wofür. Die Antwort wird Sie überraschen, und sie ist die Voraussetzung für Schritt zwei. In vielen Betrieben ist KI längst im Einsatz, oft ungesteuert: In der Bitkom-Befragung vom Sommer 2025 berichteten 25 Prozent der Unternehmen, dass Beschäftigte generative KI über private Zugänge nutzen, weitere 17 Prozent vermuteten es.

2. Die Datenschutzfrage sofort regeln. Legen Sie fest, welche Daten in externe Werkzeuge dürfen und welche nicht, und sorgen Sie für Zugänge mit Auftragsverarbeitungsvertrag. Das ist kein Projekt, das ist eine Entscheidung und eine Lizenz. Solange sie fehlt, arbeiten Ihre Leute weiter mit Gratis-Konten.

3. Eine Anwendung auswählen, bei der die Daten schon stimmen. Nicht die spannendste, sondern die mit der besten Datenlage. Im technischen Handel führt das meist zu den Produktdaten, weil sie durch die Klassifikation ohnehin strukturiert vorliegen. Ein Bereich, in dem KI aus schlechten Daten gute Ergebnisse erzeugen soll, ist der falsche Startpunkt.

4. Vor dem Einkauf die Integrationsfrage stellen. Nicht „was kann das Werkzeug", sondern „wie kommt es an unsere Daten und wie kommt das Ergebnis zurück ins System". Daran scheitern die meisten Projekte, und die Frage lässt sich vor der Unterschrift beantworten.

Wenn Sie an einem einzigen Punkt anfangen wollen: Nehmen Sie Schritt eins. Sie können nichts steuern, was Sie nicht kennen.