KI im E-Commerce richtig einsetzen

KI in E-Commerce-Projekten: Status quo und Bedeutung für Unternehmen 

KI ist längst kein Zukunftsthema mehr. Sie ist im Alltag von E-Commerce-Teams angekommen – als Werkzeug, als Beschleuniger, als Experimentierfeld. 

Gleichzeitig verändert sich das Umfeld: Standardisierte SaaS-Lösungen stoßen an Grenzen, individuelle Systeme gewinnen wieder an Bedeutung, und die Anforderungen an Qualität, Performance und Skalierbarkeit steigen.

Bei digital.manufaktur beobachten wir diese Entwicklung nicht nur – wir arbeiten täglich damit.

Entscheidend ist dabei unsere Haltung:
KI ist für uns kein Ersatz für Menschen, sondern ein Hochleistungs-Werkzeug.

Sie schafft Freiräume. Für bessere Architektur. Für durchdachte Business-Logik. Für nachhaltige Qualität.

KI ersetzt keine Entwickler: Warum Unternehmen weiterhin menschliche Expertise brauchen

Mit dem Aufkommen leistungsfähiger KI stellt sich vielen Unternehmen eine berechtigte Frage:

Wofür brauchen wir eigentlich noch Entwickler:innen oder Digital-Agenturen?

Die Vorstellung liegt nahe: Wenn KI Code schreiben, Systeme analysieren und sogar Features generieren kann – warum nicht einfach alles automatisieren?

Die Realität ist komplexer.

»Die Erwartung ist oft: KI rein, fertige Lösung raus. Aber so funktionieren LLMs nicht.«

Lukas Heinze

Senior Frontend Developer bei digital.manufaktur

Dieses Phänomen nennen wir das Entwickler-Paradoxon: E-Commerce-Manager:innen, die versuchen, KI autonom zu nutzen, um Zeit zu sparen, investieren am Ende selbst Zeit in die Programmierung und Fehlerbehebung und werden dadurch unfreiwillig selbst zu Entwickler:innen. 

Und genau hier beginnt das eigentliche Missverständnis: KI ist nicht nur komplex in der Anwendung – sie hat systemische Grenzen, die sich direkt auf Qualität und Zuverlässigkeit eines E-Commerce-Projektes auswirken. 

»Das Hintergrundwissen von Projekt und Framework ist weiterhin ein großer Bestandteil unserer Arbeit. Wir müssen die Ergebnisse der KI prüfen und weiterverarbeiten. Copy & Paste funktioniert da nicht.«

Exxor Arevalo

Projektmanager bei digital.manufaktur

Grenzen von KI im E-Commerce

Warum KI einzelne Aufgaben, aber keine Menschen ersetzen kann

Viele Unternehmen sind mit der Erwartung gestartet, durch KI signifikant Personal einzusparen und Entwicklungsprozesse weitgehend zu automatisieren. In der Praxis zeigt sich jedoch zunehmend, dass dieser Ansatz nur eingeschränkt funktioniert.

Vor allem im US-amerikanischen Markt, der in der KI-Adoption häufig als Vorreiter gilt, wird dieser Kurs bereits teilweise korrigiert.

Aktuelle Studien und Marktanalysen zeigen ein klares Bild:

• 55 % der Unternehmen bereuen KI-bedingte Entlassungen. (Forrester)

• 50 % dieser Entscheidungen könnten bis 2027 rückgängig gemacht werden. (Gartner)

• 75 % der KI-Projekte erreichen nicht den erwarteten ROI. (IBM)

Die Ursachen sind dabei strukturell und wiederholen sich über viele Organisationen hinweg:

• KI ersetzt einzelne Aufgaben, aber keine vollständigen Rollen

• Wertvolles Kontext- und Systemwissen geht verloren

• Qualitätssicherung wird komplexer statt einfacher

• Governance und Kontrolle von KI-Systemen verursachen zusätzlichen Aufwand

Die zentrale Frage für Unternehmen ist nicht, ob KI beeindruckende Ergebnisse liefern kann – sondern, wie zuverlässig diese Ergebnisse im produktiven Einsatz wirklich sind. 

Besonders im E-Commerce, wo Systeme direkt auf Umsatz, Checkout-Stabilität und Kundenerlebnis einzahlen, wird diese Frage geschäftskritisch.

Halluzinationsraten von LLMs: Das ist die Realität

Bei stark kontrollierten Textaufgaben – etwa Zusammenfassungen oder faktischen Question-Answering-Szenarien – zeigen moderne KI-Modelle teilweise sehr niedrige Halluzinationsraten im einstelligen Prozentbereich. 

Diese Werte entstehen jedoch unter idealisierten Bedingungen: klarer Kontext, begrenzte Aufgabenstellung und häufig zusätzliche Absicherungen durch Retrieval-Systeme.

Sobald KI-Systeme jedoch in offene, komplexe oder mehrstufige Anwendungsszenarien überführt werden, verändert sich dieses Bild deutlich. Studien und Praxisanalysen zeigen, dass die Fehleranfälligkeit je nach Setup und Komplexität der Aufgabe signifikant ansteigen kann und sich in realen Anwendungen im zweistelligen Bereich bewegt (siehe z.B. Newsguard).

Dieses Problem wird durch einen systemischen Effekt verschärft: Das Internet, die Haupttrainingsquelle der Modelle, wird zunehmend mit KI-generierten Inhalten – dem sogenannten „AI Slop“ – geflutet. Dies kann dazu führen, dass die Antworten der Modelle generischer und normierter werden, wodurch die Ergebnisqualität entgegen den Erwartungen nachlässt. 

Diese Entwicklung ist kein kurzfristiges Problem, sondern hat strukturelle Ursachen – und lässt sich auch durch bessere Modelle nicht einfach „wegoptimieren“. 

Warum diese Fehler nicht einfach „wegoptimiert“ werden können

Ein häufiger Irrtum in der Diskussion um KI ist die Annahme, dass sich diese Fehler durch bessere Modelle, mehr Trainingsdaten oder zusätzliche Validierungsschichten vollständig eliminieren lassen.

Die Forschung zeigt jedoch ein anderes Bild: Halluzinationen sind kein Randproblem, sondern ein strukturelles Merkmal von Large Language Models. Sie entstehen aus der Art, wie diese Systeme arbeiten – nämlich probabilistisch, nicht semantisch oder logisch im menschlichen Sinne.

Das bedeutet: KI „versteht“ nicht, ob eine Antwort korrekt ist – sie generiert nur eine wahrscheinlich klingende Fortsetzung.

Selbst moderne Ansätze wie Retrieval-Augmented Generation (RAG) oder zusätzliche Fact-Checking-Layer verbessern zwar die Qualität, eliminieren das Grundproblem jedoch nicht vollständig.

KI in der Softwareentwicklung: Warum Halluzinationen und Fehlerquoten ein reales Projektrisiko sind

Im Bereich der Code-Generierung verschärft sich diese Problematik nochmals deutlich. Eine Studie zu realitätsnahen, projektbasierten Code-Kontexten (class-level innerhalb echter Softwareprojekte) zeigt, dass KI-generierter Code nur in etwa 25–34 % der Fälle korrekt ist – entsprechend liegt die Nicht-Korrektheitsrate bei rund 66–75 %.

Das ist kein abstrakter Benchmark mehr, sondern eine Annäherung an reale Entwicklungsbedingungen.

Gerade im E-Commerce bedeutet das: Fehler entstehen nicht in isolierten Snippets, sondern in zusammenhängenden Systemen – dort, wo sie direkte Auswirkungen haben können:

• Checkout-Logiken

• Pricing- und Rabattstrukturen

• API-Integrationen zu ERP- und PIM-Systemen

• Warenkorb- und Bestellprozesse

Ein einzelner fehlerhafter KI-Vorschlag ist hier kein „kleiner Bug“, sondern potenziell ein Conversion-kritischer Fehler.

Risiken beim Einsatz von KI in der Onlineshop-Entwicklung

Je näher KI an produktive Systeme und Geschäftslogik heranrückt, desto relevanter werden diese Fehlerquoten. Denn mit zunehmender Systemtiefe steigt nicht nur die Komplexität – sondern auch die potenzielle Schadwirkung einzelner Fehler.

In der Praxis bedeutet das:

• Ein falscher API-Call kann Dateninkonsistenzen erzeugen

• Eine fehlerhafte Preislogik kann Umsätze verfälschen

• Ein unerkannter Edge Case kann Checkout-Prozesse blockieren

Ein solches Risiko besteht insbesondere in Conversion-kritischen Prozessen. Beispielsweise kann ein fehlerhaftes, von der KI erstelltes neues Feature dazu führen, dass der Checkout abstürzt und Bestellungen ausfallen. 

Praxisbeispiele: Wo KI ohne Kontrolle an Grenzen stößt

Die Herausforderungen zeigen sich besonders deutlich in realen Projekten.

Ein Beispiel aus der Praxis:

Das Startup Enrichlead entwickelte seine Plattform nahezu vollständig mit KI-generiertem Code. Kurz nach dem Launch stellte sich heraus, dass gravierende Sicherheitslücken vorhanden waren – etwa ungeschützte Zugriffe auf kostenpflichtige Funktionen und manipulierbare Daten. Der Versuch, diese Probleme ausschließlich mit KI zu beheben, scheiterte – das Projekt wurde schließlich eingestellt.
(Quelle: Kaspersky)

Dieses Beispiel verdeutlicht ein grundlegendes Muster:
KI kann funktionierenden Code erzeugen – aber nicht automatisch sicheren, stabilen oder systemisch sauberen Code.

Weitere typische Risiken:

• Sicherheitslücken: z. B. unsichere Authentifizierung-Logiken oder Passwörter und andere sensible Daten im Klartext

• Fehlerhafte Architekturentscheidungen: lokal funktionierende Lösungen, die im Gesamtsystem instabil werden

• Accessibility-Probleme: falsche HTML-Strukturen, die Nutzer:innen vom Kaufprozess ausschließen

• Unvollständige Business-Logik: Edge Cases werden nicht berücksichtigt
  

Warum diese Risiken im E-Commerce besonders kritisch sind

Im E-Commerce wirken sich solche Fehler direkt auf den Geschäftserfolg aus:

• instabile Checkout-Prozesse → Kaufabbrüche

• fehlerhafte Preislogiken → Umsatzverluste

• unsichere Schnittstellen → Datenrisiken

• schlechte User Experience → sinkende Conversion Rates

Ein einzelner Fehler bleibt selten isoliert – er beeinflusst meist mehrere Systeme gleichzeitig.

Fazit: KI-Einsatz erfordert Kontrolle und Kontext

Der Versuch, menschliche Expertise vollständig zu ersetzen, führt in der Praxis nicht zu stabileren oder effizienteren Systemen, sondern häufig zu neuen Abhängigkeiten und zusätzlichen Kontrollaufwänden.

Erst durch menschliche Expertise, Kontextwissen und strukturierte Qualitätssicherung wird aus KI ein verlässlicher Bestandteil der Softwareentwicklung.

KI als “Co-Pilot”: Mensch und Maschine im Zusammenspiel

Wenn vollständige Autonomie durch KI in der Praxis an ihre Grenzen stößt, verschiebt sich die entscheidende Frage: Wie holen wir das Beste aus diesem Werkzeug heraus – sicher, kontrolliert und mit echtem Mehrwert?

Genau hier setzt unser Ansatz bei digital.manufaktur an. Wir verstehen KI nicht als Ersatz, sondern als Verstärkung menschlicher Expertise.

Unternehmen, die diesen Ansatz verfolgen, erzielen laut einer aktuellen PwC-Studie ein deutlich höheres Umsatzwachstum pro Mitarbeiter:in, da KI gezielt dort eingesetzt wird, wo sie Stärken hat – ohne kritische Verantwortung abzugeben.

Mehr Effizienz durch KI – und mehr Fokus auf Qualität

Wenn KI Aufgaben schneller erledigt, liegt die naheliegende Frage auf der Hand: Werden Projekte jetzt einfach günstiger?

Die kurze Antwort: Nicht unbedingt – aber deutlich besser. Denn der eigentliche Hebel von KI liegt nicht darin, Projekte nur zu beschleunigen, sondern darin, Ressourcen neu zu verteilen.

Der Mensch bleibt hier der entscheidende Faktor, insbesondere wenn es um die Anwendung von detailliertem Projektwissen und vernetztem Denken geht. Das ist die eigentliche Wertschöpfung, die KI nicht ersetzen kann.

Wir arbeiten mit KI effektiver und sind dadurch natürlich schneller. Dennoch besteht ein großer Teil der Aufgabe weiterhin darin, das detaillierte »Projektwissen zu kennen und es vernetzt anzuwenden – was die KI Stand heute nicht leisten kann.«

Hans Tapfer

Projektmanager bei digital.manufaktur

Wo KI konkret Effizienz schafft

In der Praxis übernimmt KI vor allem die Aufgaben, die viel Zeit kosten, aber wenig Differenzierung schaffen. Dazu gehören typischerweise:

• Boilerplate-Code (wiederkehrender Standard-Code)

• Automatisierte Tests

• Technische Dokumentation

• Analyse von Fehlern und Logiken

Genau hier entstehen im klassischen Entwicklungsprozess viele Stunden „unsichtbarer“ Arbeit.

Was das für Projekte wirklich bedeutet

Der Effekt ist nicht einfach „mehr Geschwindigkeit“, sondern ein strategischer Shift im Projektfokus.

Ein konkretes Beispiel aus der Praxis:

»Für einen Shopware-6-Kunden mit Performance-Problemen mussten wir an über 150 Stellen im Code sogenannte Annotationen ergänzen – also kleine Markierungen, die zusätzliche Profiling-Daten liefern und helfen, Engpässe im System zu identifizieren. Normalerweise ist das eine sehr monotone Aufgabe, die viel Zeit dauert. Mit KI-Unterstützung war sie in rund 10 Minuten erledigt – das hat enorm viel Zeit gespart.«

Paul Kramme

DevOps-Experte bei digital.manufaktur

Der entscheidende Punkt dabei: Die gewonnene Zeit wird nicht eingespart – sondern gezielt reinvestiert.

Reinvestition in Qualität statt reiner Zeitgewinn

Was passiert mit der eingesparten Zeit?

Sie fließt in genau die Bereiche, die für den langfristigen Projekterfolg entscheidend sind:

• saubere Architektur

• umfangreichere Tests

• bessere Dokumentation

• stabilere Systeme

Wissen, das wächst: KI als Teil unserer Lernkultur

Ein weiterer wichtiger Aspekt bei digital.manufaktur ist der kontinuierliche Wissenstransfer im Team. In wöchentlichen Sessions werden Erfahrungen mit KI gesammelt, bewertet und geteilt.

So entsteht nicht nur Tool-Kompetenz, sondern echte Domänenexpertise im Umgang mit KI in der Softwareentwicklung.

KI-Workflows bei digital.manufaktur: Von Features zu skalierbaren, kontrollierten Prozessen

Die Integration von KI passiert bei digital.manufaktur nicht punktuell über einzelne Tools – sondern systematisch über durchdachte, automatisierte Workflows. Ziel ist es, die Stärken der KI gezielt zu nutzen und ihre Schwächen durch klare Strukturen, Kontrolle und Erfahrung abzufedern.

KI im Alltag: Effizienz dort, wo sie heute schon wirkt

Im Entwicklungsalltag setzen wir KI vor allem in Bereichen ein, in denen sie bereits heute echten Mehrwert liefert:

• Unterstützung bei Code Reviews

• Automatisierte Tests und QA-Prozesse

• Intelligente Dokumentation

• Debugging und Fehleranalyse

Doch der eigentliche Fortschritt entsteht nicht durch einzelne Anwendungen, sondern durch ihre Einbettung in einen größeren Zusammenhang.

Workflow-Automation: Wie KI ihr volles Potenzial entfaltet

KI ist besonders stark, wenn sie entlang klar definierter Abläufe arbeitet:

lesen → verstehen → entscheiden → handeln

Diese Logik macht sie ideal für automatisierte Prozesse – bringt aber gleichzeitig ein zentrales Risiko mit sich: Unzuverlässigkeit.

Deshalb basiert unser Ansatz konsequent auf drei Prinzipien:

• Der richtige Kontext

• „Human in the Loop“

• Klare Kontrollmechanismen

Von Code zu Prozessen: Ein neues Projektverständnis

Der Einsatz von KI verändert nicht nur, wie wir entwickeln – sondern auch, was wir für unsere Kunden bauen.

Früher:

• Anforderungen definieren

• Features entwickeln

• Ergebnisse ausliefern

Heute und in Zukunft:

• Anforderungen analysieren

• Prozesse entwickeln

• Systeme schaffen, die sich selbst erweitern lassen

Ein konkretes Beispiel:

Statt ein einzelnes CMS-Element umzusetzen, entwickeln wir einen Prozess, mit dem E-Commerce-Unternehmen selbst neue Elemente erstellen können – unter Berücksichtigung von Design, SEO, Accessibility und Deployment.

Die Qualitätssicherung bleibt dabei jederzeit in der Hand unserer erfahrenen Entwickler:innen und Projektmanager:innen.

KI-Agenten: 20 Jahre Erfahrung als skalierbares System

Der nächste Schritt geht noch weiter: Wir bündeln unsere Projekterfahrung aus über 20 Jahren in spezialisierten, von Menschen überwachten KI-Agenten, die Teil dieser Workflows sind.

Dazu gehören u. a.:

• Knowledgebase Agent → lebendige Projektdokumentation

• Jira Agent → Transparenz über Aufgaben, Fortschritt und Auslastung

• GitLab Agent → direkter Zugriff auf Code im Arbeitskontext

• Business Agent → Zugriff auf Performance- und Projektdaten

Diese Agenten arbeiten nicht isoliert, sondern in einem kontrollierten Gesamtsystem.

Technische Grundlage: Qualität, Kontrolle und Transparenz

Damit diese Prozesse zuverlässig funktionieren, setzen wir auf eine klare technische Basis:

• Test Driven Development als Qualitätsstandard

• vollautomatisierte CI/CD-Pipelines für Test- und Produktivsysteme

• kontinuierliches Performance Monitoring

• KI-gestützte Code Reviews mit menschlicher Kontrolle

• transparente Hosting- und Infrastrukturumgebungen

Zusätzlich bündeln wir Best Practices in Frameworks wie Nuxtware und eigenen Lösungen wie TradelinePro oder ECOM-EXPRESS.

Sicherheit und Datenschutz: kein Kompromiss

Ein häufiger Vorbehalt betrifft den Umgang mit Daten. Auch hier ist die Antwort klar strukturiert.

KI wird bei digital.manufaktur ausschließlich unter kontrollierten Bedingungen eingesetzt:

• Nutzung DSGVO-konformer Lösungen

• isolierte Entwicklungsumgebungen

• keine direkte Verarbeitung sensibler Kundendaten

• Prüfung aller Ergebnisse vor produktivem Einsatz

Für Unternehmen mit besonders hohen Anforderungen werden zusätzlich individuelle Setups entwickelt – bis hin zu vollständig kontrollierten, selbst gehosteten Lösungen.

Fazit: Menschliche Expertise, KI-gestützte Qualität

KI ist ein Hochleistungs-Werkzeug, dessen Wert nur durch kontrollierten Einsatz entsteht. Bei digital.manufaktur fungiert KI als Co-Pilot und Verstärker für menschliche Expertise, nicht als Ersatz. 

Die Überwachung durch unser Team sichert Qualität und Verantwortung, da LLMs strukturelle Fehler aufweisen und wichtige Projektentscheidungen nicht automatisierbar sind. 

- KI unterstützt unsere Entwickler:innen, Designer:innen und       Projektmanager:innen bei ihren Aufgaben