Eine Stunde, um Floskeln von Fakten zu trennen, und am Ende das Fazit: KI ist nichts für mich. Bevor Sie das Thema abhaken: Das Problem lag nicht an der KI. Das Problem lag daran, was die KI als Input bekommen hat.
Ein Gespräch, das Sie kennen
Die meisten Shopbetreiber haben dieses Gespräch schon geführt. Abends, nach dem Monatsabschluss, öffnen Sie den Chat und stellen die Frage, die Sie wirklich beschäftigt. Die Antwort kommt in drei Sekunden: lang, gut gegliedert, in selbstsicherem Ton.
Chat ohne Zugriff auf die Shopdaten
Ein Umsatzrückgang im Onlineshop kann viele Ursachen haben. Diese Bereiche sollten Sie am häufigsten prüfen:
- Saisonalität: Viele Branchen erleben im Jahresverlauf natürliche Nachfrageschwankungen…
- Wachsender Wettbewerb: Beobachten Sie Preise und Angebot der Konkurrenz…
- Sichtbarkeit in Suchmaschinen: Achten Sie auf SEO-Optimierung und Inhalte…
- Nutzererlebnis: Analysieren Sie Ladezeit und Kaufprozess…
- Marketingmaßnahmen: Erwägen Sie eine stärkere Präsenz in sozialen Medien…
- Preispolitik: Prüfen Sie, ob Ihre Preise wettbewerbsfähig sind…
Jeder dieser Punkte stimmt. Und keiner hilft weiter, weil keiner Ihren Shop betrifft. Dieselbe Antwort passt auf einen Reifenshop, eine Kleiderboutique und einen Schraubengroßhandel. Mit Analyse hat das nichts zu tun: Es ist der Durchschnitt aller Ratgeber, die das Modell je gesehen hat.
Warum die Antwort so allgemein ausfällt
Ein Sprachmodell ergänzt Text auf Grundlage dessen, was es bekommt. In der Frage „warum sinkt mein Umsatz“ steckt keine einzige Zahl, kein Datum, kein Fakt über Ihren Shop. Das Modell hat also nichts, woraus es eine konkrete Antwort bauen könnte. Es füllt die Lücke mit dem, was statistisch am häufigsten über Umsatzrückgänge geschrieben wird.
Das ist kein Fehler des Modells, sondern fehlender Input. Auch der beste Analyst der Welt würde zu einem Shop, den er nie gesehen hat, genauso antworten: mit Allgemeinplätzen.
Ohne die Daten Ihres Shops analysiert die KI nicht, sie füllt den Text mit dem Landesdurchschnitt auf. Der selbstsichere Ton verdeckt, dass das Modell rät.
Dasselbe Gespräch, diesmal mit Daten
Jetzt dieselbe Frage, aber das Modell hat Zugriff auf die Datenbank des Shops: Bestellungen, Traffic und Kampagnen, an einem Ort zusammengeführt und täglich aktualisiert. Bevor es antwortet, prüft es nach. Das sieht man im Gespräch.
Derselbe Chat mit angebundener Datenbank · Daten anonymisiert, Shop für Naturkosmetik
get_sales_summary · 7 Tage · Vergleich: Vorwoche
get_session_funnel · 7 Tage
Ich habe nachgesehen. Der Umsatz ist nicht gesunken: 24.030 €, also +2,4 % gegenüber der Vorwoche. Bei Ihrer Größenordnung ist das normales Rauschen und kein Signal.
Da Sie aber fragen, was den Umsatz bremst: Im Funnel gibt es eine Stelle, die auffällt:
| Schritt | Anzahl | Übergang |
|---|---|---|
| Sitzungen | 14.394 | – |
| Produktansicht | 9.020 | 63% |
| In den Warenkorb | 5.511 | 61% |
| Zur Kasse | 685 | 12% |
| Kauf | 520 | 76% |
Kunden legen gern Produkte in den Warenkorb: 61 % sind ein sehr guter Wert. Aber nur 12 % der Warenkörbe gehen weiter zur Kasse. Das ist der schwächste Schritt in Ihrem Funnel. Soll ich den Sitzungs-Funnel laut GA4 nach Kanal aufschlüsseln und prüfen, ob das den gesamten Traffic oder nur eine Quelle betrifft?
Achten Sie auf zwei Dinge. Erstens: Das Modell hat das Bauchgefühl nicht bestätigt. Die Woche war nicht schwach, und die Antwort beginnt damit, die Annahme zu korrigieren, mit einer Zahl als Beleg. Zweitens: Statt sechs allgemeiner Bereiche bekommen Sie eine konkrete Stelle, an der etwas auffällt, und einen Vorschlag für den nächsten Schritt.
Das Modell ist dasselbe. Die Frage ist dieselbe. Der Unterschied: Hinter dem zweiten Gespräch stehen Daten, und das Modell prüft, statt zu raten.
Was Sie heute schon tun können, ganz ohne Tool
Dieses Prinzip können Sie sofort nutzen: Fügen Sie eine Tabelle aus dem Shop-Backend oder einen Export aus GA4 in den Chat ein und stellen Sie Ihre Frage zu diesen Zahlen. Die Antwort wird ungleich besser sein als ohne Daten. Probieren Sie es aus.
Die Grenzen dieser Methode zeigen sich allerdings schnell. Sie fügen einen Ausschnitt ein, also sieht das Modell nur diesen Ausschnitt. Bei jeder weiteren Frage kopieren Sie von vorn. Und Umsatz, Traffic und Kampagnen lassen sich in einem einzigen Einfügen schlicht nicht zusammenführen.
Manuell einfügen
Ein Ausschnitt nach dem anderen
Das Modell sieht einen Ausschnitt: die Tabelle, die Sie eingefügt haben. Jede neue Frage bedeutet einen neuen Export und erneutes Einfügen. Die Daten sind auf dem Stand des Exports.
Einmal anbinden
Alle Quellen gleichzeitig
Das Modell wählt die passenden Daten selbst aus: Umsatz, Traffic und Kampagnen gleichzeitig, täglich aktualisiert. Sie fragen, wann Sie wollen, ohne Vorbereitung.
Genau diese Lücke schließt eine an den Chat angebundene Datenbank: Statt bei jeder Frage Ausschnitte einzufügen, verbinden Sie die Quellen einmal, und das Modell greift in jedem Gespräch auf so viele Daten zu, wie es für die Antwort braucht.
Fazit
Bevor Sie die KI bewerten: Prüfen Sie, was sie als Input bekommen hat.
Die Antwort eines Modells ist genau so gut wie die Daten dahinter. Das gilt für jedes KI-Tool, nicht nur in der Analyse: Eine allgemeine Frage ohne Kontext liefert eine allgemeine Antwort ohne Nutzen.
Wer vor einem Jahr zu dem Schluss kam, dass „KI in meinem Geschäft nicht funktioniert“, hat sehr wahrscheinlich ein Modell bewertet, dem keinerlei Daten zur Verfügung standen. Es lohnt sich, diesen Test unter anderen Bedingungen zu wiederholen.
DataOrganizer · MCP
DataOrganizer führt Shop, GA4 und Kampagnen in einer gemeinsamen Datenbasis zusammen und verbindet sie mit Ihrem bevorzugten Chat. Das erste Gespräch ist in 20 Minuten möglich.
