Der Großhändler verwaltete sein Sortiment von über einer Million Titel weitgehend manuell. Ein Team von Fachreferenten kategorisierte neue Titel, schätzte Verkaufspotenziale ein und traf Bestandsentscheidungen. Diese Prozesse waren nicht nur zeitaufwändig, sondern führten auch zu Inkonsistenzen und verzögerten die Markteinführung neuer Titel. Die Bestandsplanung basierte hauptsächlich auf Erfahrungswerten, was zu suboptimaler Lagerhaltung und entgangenen Verkaufschancen führte.

In meiner Position als Product Owner übernahm ich die fachliche Führung des Projekts. Dies beinhaltete die enge Zusammenarbeit mit dem Data Science Team, den Fachreferenten und der IT-Abteilung. Besonders wichtig war dabei die Balance zwischen technischer Innovation und der Integration des wertvollen Fachwissens der Mitarbeiter. Ich koordinierte die Entwicklung der KI-Modelle, gestaltete die neue Prozesslandschaft und begleitete den Change-Management-Prozess.

Wir entwickelten einen hybriden Ansatz, bei dem KI-Algorithmen die Grundarbeit der Katalogisierung und Bestandsplanung übernehmen, während die Fachreferenten sich auf die Qualitätssicherung und besondere Fälle konzentrieren. Die KI-Modelle wurden speziell für die deutsche Sprache und die Besonderheiten des Buchmarkts trainiert.

Ein besonderer Fokus lag auf der Entwicklung selbstlernender Algorithmen, die aus den Korrekturen der Fachreferenten kontinuierlich dazulernen. Dies ermöglichte eine stetige Verbesserung der Prognosegenauigkeit und schuf Vertrauen in das System.

Wir entwickelten einen hybriden Ansatz, bei dem KI-Algorithmen die Grundarbeit der Katalogisierung und Bestandsplanung übernehmen, während die Fachreferenten sich auf die Qualitätssicherung und besondere Fälle konzentrieren. Die KI-Modelle wurden speziell für die deutsche Sprache und die Besonderheiten des Buchmarkts trainiert.

Ein besonderer Fokus lag auf der Entwicklung selbstlernender Algorithmen, die aus den Korrekturen der Fachreferenten kontinuierlich dazulernen. Dies ermöglichte eine stetige Verbesserung der Prognosegenauigkeit und schuf Vertrauen in das System.

Die Implementation erfolgte in mehreren Phasen, beginnend mit der automatischen Kategorisierung von Sachbüchern. Natural Language Processing (NLP) Modelle analysierten Klappentexte, Inhaltsverzeichnisse und Autorenbeschreibungen, um Bücher präzise einzuordnen. In der zweiten Phase integrierten wir Machine Learning für die Absatzprognose, basierend auf historischen Verkaufsdaten und Markttrends.

Parallel entwickelten wir ein intuitives Interface, das den Fachreferenten ermöglicht, KI-Vorschläge einfach zu prüfen und bei Bedarf anzupassen. Die letzte Phase fokussierte sich auf die Integration von Deep Learning für die Analyse von Coverdesigns und deren Einfluss auf den Verkaufserfolg.

Die Ergebnisse übertrafen die ursprünglichen Erwartungen deutlich. Die automatische Katalogisierung erreicht eine Genauigkeit von 95% bei Standardtiteln, während die Bestandsoptimierung zu einer Reduktion der Lagerkosten um 28% führte. Die Bearbeitungszeit für neue Titel sank von durchschnittlich 45 Minuten auf 5 Minuten.

Besonders bemerkenswert ist die Verbesserung der Absatzprognosen. Die KI-gestützte Planung reduzierte Überbestände um 40% und Out-of-Stock-Situationen um 60%. Die freigewordenen Kapazitäten der Fachreferenten werden nun für qualitative Aufgaben wie die Pflege von Verlagsbeziehungen und die Entwicklung neuer Serviceangebote genutzt.

Das Projekt zeigte eindrucksvoll, wie wichtig die frühe Einbindung der Fachanwender in KI-Projekte ist. Der anfängliche Widerstand wandelte sich in aktive Unterstützung, als die Mitarbeiter die Vorteile der Automatisierung in ihrer täglichen Arbeit erlebten. Der hybride Ansatz, der menschliche Expertise mit KI-Fähigkeiten verbindet, erwies sich als Schlüssel zum Erfolg.

Die Lösung basiert auf einer modernen Cloud-Architektur mit Python für die KI-Komponenten und TensorFlow für Deep Learning. Für die NLP-Verarbeitung deutscher Texte entwickelten wir spezialisierte BERT-Modelle. Die Datenhaltung erfolgt in einer PostgreSQL-Datenbank, ergänzt durch Elasticsearch für die Volltextsuche. Das Frontend wurde als Progressive Web App mit React entwickelt.

Die erfolgreiche Implementation hat das Unternehmen als Innovationsführer im Buchgroßhandel positioniert. Die KI-Plattform bildet heute das Rückgrat für weitere Digitalisierungsinitiativen und ermöglicht die schnelle Integration neuer Funktionen wie Print-on-Demand-Steuerung und dynamische Preisgestaltung.