Konzeptkarte

KI für Handel & Konsumgüter — Demand Sensing und dynamische Preisgestaltung

Stand 27. September 2026

Redaktion: Cédric Mary, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist KI für Handel & Konsumgüter?

Demand Sensing und dynamische Preisgestaltung stehen und fallen beide mit Datasphere als governance-gesicherter Landing Zone für POS-, IRI/Nielsen-, Wetter- und Wettbewerbspreissignale — IBP und SAC sind die Oberfläche, Datasphere ist die Einschränkung.

Worum es geht

KI für Handel und Konsumgüter (CPG) im SAP-Ökosystem konzentriert sich auf zwei Fähigkeiten, die in einem Pitch häufig gebündelt werden, aber getrennt bewertet werden müssen: Demand Sensing, das eine wöchentliche statistische Prognose durch ein tägliches oder untertägiges Machine-Learning-Signal ersetzt, und dynamische Preisgestaltung, die Regal- oder Onlinepreise nahezu in Echtzeit als Reaktion auf Bestandsposition, Wettbewerberbewegungen und Nachfragesignale anpasst. Beide laufen typischerweise auf SAP Integrated Business Planning als Planungsrückgrat, auf SAC für Simulation und Genehmigung und auf Datasphere als der governance-gesicherte Hub, der Point-of-Sale-Daten, syndizierte Paneldaten (IRI oder Nielsen), Wetter- und Social-Signale aufnimmt.

Das Geschäftsproblem sind zwei unterschiedliche Fehlermodi, die klassische, wochenzyklische Planung nicht beheben kann. Nachfrageschocks sind der erste: Ein Produkt wird in den sozialen Medien viral, und der Abverkauf verdoppelt sich innerhalb von 48 Stunden — aber das Distributionszentrum erfährt davon erst drei Tage später beim wöchentlichen Prognoselauf, zu welchem Zeitpunkt das Regal bereits leer ist. Veraltete Preise sind der zweite: Ein Wettbewerber senkt am Freitagnachmittag den Preis, und der Category Manager erfährt davon erst am Montagmorgen durch eine manuelle Wettbewerbsanalyse — bis dahin ist ein Wochenende an verlorenem Marktanteil bereits verstrichen.

Warum es zählt

Demand Sensing verkürzt den Prognosehorizont von wöchentlich auf 1–7 Tage und beantwortet damit direkt den Fehlermodus „viraler TikTok-Post leert das Distributionszentrum in 72 Stunden“.
Dynamische Preisgestaltung hängt von einer nicht-nativen SAP-Preisintelligenz-Middleware ab, die Datasphere speist — eine Build-Abhängigkeit, die frühzeitig in jedem Kundengespräch anzusprechen ist.
Die Genehmigung von Preisänderungen bleibt ein einfaches SAC-Planning-Tabelleneingabeformular mit Leitplankenbändern — der Workflow muss nicht exotisch sein, um wirksam zu sein.

Kernpunkte

Demand Sensing und dynamische Preisgestaltung sind zwei getrennte Fähigkeiten — auch dann getrennt bewerten, wenn ein Anbieter sie in einem Pitch bündelt.
Demand Sensing ersetzt die wöchentliche statistische Prognose durch ein tägliches oder untertägiges Signal aus POS-Daten, Panels (IRI/Nielsen), Wetter- und Social-Daten.
Datasphere ist die governte Landezone für diese externen Signale; IBP trägt das Planungsrückgrat, SAC die Simulation und Freigabe.
Die Einschränkung ist die Datenbereitschaft, nicht der Algorithmus: ohne governte, aktuelle POS- und Wettbewerbspreis-Feeds ist keine der beiden Fähigkeiten produktionsreif.
Das Preis-Elastizitätsmodell der dynamischen Preisgestaltung braucht dieselbe POS-Historientiefe wie Demand Sensing (typischerweise 2+ Jahre, SKU je Filiale) — beide Fähigkeiten teilen sich eine Datenvoraussetzung, auch getrennt gescopt.
Von Abverkauf getriebener Mode-/Saisonhandel braucht eine andere Modellfamilie (Markdown-Optimierung) als das Nachschub-Geschäft im stationären Lebensmittel-/CPG-Bereich — ein Sensing-Modell auf Mode-Volatilität zu erzwingen liefert technisch laufende, aber praktisch nutzlose Prognosen.
Das Guardrail-Band und der menschliche Freigabepunkt in SAC Planning sind die Funktion, die die automatische Ausführung sicher macht, keine optionale Härtung, die unter dem Druck eines „Vollautomatisierung“-Pitches entfernt werden sollte.
SAP AI Core (über das SAP AI SDK oder BTP-gehostete Modelle) ist die AI-Foundation-Schicht für die Machine-Learning-Komponenten selbst — keine native IBP-/SAC-Fähigkeit für sich genommen.

Begriffe auf dieser Seite

Agent reliability: Die Konsistenz, Kosten, Sicherheit und Policy-Konformität eines Agenten über wiederholte Durchläufe hinweg.
IBP Demand Sensing: Fähigkeit von SAP Integrated Business Planning, die ein kurzfristiges (1-7 Tage) Nachfragesignal aus POS-Scan-Daten, Wetter, Promotions und Social-Sentiment-Feeds über OData neu berechnet, ohne auf den vollständigen wöchentlichen S&OP-Zyklus zu warten.
Preis-Elastizitätsmodell: Ein Modell, das schätzt, wie sich die Nachfrage nach einer SKU mit dem Preis ändert, trainiert auf historischen Preis-/Volumendaten — der Input, den eine dynamische Preis-Engine gegen aktuelle Wettbewerber- und Bestandssignale variiert, um einen neuen Preis vorzuschlagen.
Guardrail-Band (Preisgestaltung): Eine vorab vereinbarte Unter-/Obergrenze um eine empfohlene Preisänderung, konfiguriert in SAC Planning, innerhalb derer ein Category Manager einen Preis automatisch ausführen lassen kann, statt ihn Zeile für Zeile manuell freizugeben.
Syndizierte Paneldaten (IRI/Nielsen): Retail-Verkaufspaneldaten von Drittanbietern, die Kategorien und Wettbewerber über den eigenen POS-Feed eines einzelnen Händlers hinaus abdecken — ein gängiges externes Signal, das in Datasphere landet, um ein Demand-Sensing- oder Preismodell anzureichern.
Markdown-Optimierung: Eine eigene Modellfamilie, abgestimmt darauf, einen endlichen Bestand vor einer festen Saisonende-Frist abzuverkaufen, eingesetzt für Mode-/Saisonkategorien statt eines nachschubsorientierten Demand-Sensing-Modells.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →

Offene SAP-Projekte

Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.