KI-Agenten im Handel: 
Wie GAIA Entscheidungsprozesse bei OTTO automatisiert

Künstliche Intelligenz hält in Unternehmen längst nicht mehr nur als Chatbot oder Analysehilfe Einzug. Zunehmend übernehmen KI-Agenten konkrete Aufgaben in komplexen Prozessen: Sie verknüpfen Daten aus verschiedenen Systemen, bereiten Entscheidungen vor, erkennen Abweichungen und stoßen Folgeaktionen an. Damit entwickelt sich KI vom reinen Assistenzwerkzeug zum aktiven Prozessbeteiligten.

Gerade im Handel und E-Commerce ist das Potenzial groß. Dynamische Märkte und die enge Verzahnung von Sortiment, Pricing, Beständen, Kampagnen und operativer Steuerung erzeugen hohe Komplexität. KI-Agenten können helfen, Informationen zu verdichten, Zusammenhänge sichtbar zu machen und Entscheidungen gezielter vorzubereiten.

Genau hier setzt eines unserer aktuellen Projekte bei OTTO an: Mit dem GAIA-Cockpit entwickeln wir ein Steuerungstool für den KI-Agenten GAIA (GEMA AI Assistent), der das bereichsübergreifende GEMA-Meeting (GEMA steht für ‘Gemeinsame Marktbearbeitung’) unterstützt. Dort werden zentrale Kennzahlen, Entwicklungen und Handlungsbedarfe zusammengeführt, um datenbasierte Entscheidungen effizienter vorzubereiten.

Bevor wir auf das GAIA-Cockpit eingehen, möchten wir kurz unser Team vorstellen, das hinter dem Projekt steht. Wir von OTTOs Team Inc(AI) (‚Inc‘ steht für ‚Incubator‘) bestehen aus Data Scientists und Machine Learning Engineers. Wir unterstützen bei der anfänglichen Umsetzung von KI-Lösungen für verschiedenste Use-Cases bei OTTO und begleiten die Teams dabei von Sparringsessions bis zur Entwicklung von Prototypen.

OTTOs GEMA Meeting findet alle zwei Wochen statt und bringt Entscheider aus allen relevanten Plattform-Bereichen zusammen.
Das GEMA-Meeting dient der bereichsübergreifenden Analyse der vergangenen Handelsaktivitäten und der Abstimmung der zukünftigen Steuerung. Dabei geht es um die schnelle Ableitung von Maßnahmen, die Definition gemeinsamer Ziele und den Aufbau eines einheitlichen Verständnisses.

Gerade weil bei dem zweiwöchentlichen Meeting viele verschiedene Bereiche zusammenkommen, ist der manuelle Vor- und Nachbereitungsaufwand sehr hoch.
Auch die hohe Komplexität der Themen und die Interdependenz der einzelnen Organisationseinheiten erschwert eine schnelle und eindeutige Problemanalyse.
Um den Aufwand zu reduzieren, kommt hier der KI-Agent GAIA ins Spiel.

GAIA ist nicht als isolierter KI-Prototyp angelegt, sondern als erweiterbares System für konkrete Arbeitsprozesse. Die folgenden Abschnitte zeigen, wie dieses System technisch aufgebaut ist und praktisch nutzbar wird.

Unsere technische Grundlage bildet Snowflake Cortex AI. Die Firma Snowflake ist vor allem als Datenbankanbieter bekannt, bietet aber auch die integrierte Möglichkeit KI-Agenten aufzusetzen. Hinter Snowflakes Agenten verbergen sich gängige LLMs wie GPT- oder Anthropic-Modelle. Diese können auf die in Snowflake liegenden Daten zugreifen. Voraussetzung ist, dass der Agent für jede Datenquelle die entsprechenden Zugriffsrechte erhält. Die Daten werden dem Agenten durch natürlichsprachliche Beschreibungen der Tabellenspalten - sogenannte „Semantic Views“ - zugänglich gemacht. Der Agent kann so passende SQL-Abfragen generieren und ausführen.

Abbildung 1:Der GAIA-Agent im Einsatz in Snowflake Intelligence.

Abbildung 2: Die Knowledge Base des GAIA-Cockpits bündelt relevante Informationen und macht sie für den KI-Agenten nutzbar.

Die App umfasst folgende zentralen Komponenten:

• Möglichkeit via einer einfachen File-Upload Funktion, dem Agenten unstrukturierte Daten direkt mitzugeben, etwa Definitionen von KPIs, Economy Knowledge, Business-Logik oder Protokolle der GEMA-Meetings
• Scheduling von asynchronen Agenten-Tasks: der Agenten erhält Aufgaben, die er zu einem festgelegten Zeitpunkt einmalig oder wiederkehrend ausführen soll. Die Tasks können in der App manuell definiert oder automatisiert aus den GEMA-Protokollen ausgelesen werden.
• Benachrichtigung via MS Teams: nach Abschluss eines Tasks wird eine Message an den GAIA Teams Kanal geschickt - realisiert über einen Webhook.
• Skills ermöglichen es, rezeptartige Handlungsabfolgen zu definieren, um den Agenten bei spezifischeren Tasks eine Handlungsrichtung vorzugeben und ihn gegebenenfalls mit ausführbarem Code zu unterstützen.
• Evaluationsfunktion: Antworten des Agenten auf Prompts können direkt von den Nutzer:innen auf Korrektheit gelabelt werden. Die gelabelten Daten dienen dann als Trainingsdaten für die kontinuierliche Verbesserung des Agenten.

Mit GAIA und dem GAIA-Cockpit schaffen wir eine flexible technische Grundlage, um KI-Agenten gezielt in komplexe Steuerungs- und Entscheidungsprozesse einzubinden. So können wir bereichsübergreifende Abstimmung effizienter gestalten, manuellen Vor- und Nachbereitungsaufwand reduzieren und das Potenzial von Daten und Wissen im Kontext des GEMA-Meetings deutlich besser nutzbar machen. Gleichzeitig zeigt der Ansatz, wie sich bestehende Drittanbieter-Produkte wie Snowflake Cortex AI zu maßgeschneiderten KI-Lösungen erweitern lassen. - und das mittels KI mit überschaubarem Aufwand.

Wir hoffen, mit diesem Einblick Impulse zu geben, wie sich KI-Agenten pragmatisch und wirksam in bestehende Steuerungsprozesse integrieren lassen. Wenn dieser Einblick neue Ideen auslöst, freuen wir uns sehr über Austausch, Feedback und weiterführende Perspektiven.

Wer sich darüber hinaus dafür interessiert, wie KI-Agenten nicht nur Steuerungsprozesse, sondern auch die Entwicklung digitaler Produkte verändern, findet im folgenden Artikel weitere Einblicke: „AI Software Development – Wie AI Agents unser Engineering verändern“. Darin zeigen wir, wie sich Softwareentwicklung bei OTTO durch AI-Assisted Engineering, spezifikationsgetriebenes Arbeiten und den Einsatz spezialisierter KI-Agenten grundlegend weiterentwickelt.