Nordstroms KI-Integration im Einkauf
Nordstrom hat künstliche Intelligenz (KI) stark in seine Software zur Analyse der Ausgaben im Einkauf integriert, um die Beschaffungsstrategien und die Transparenz der Ausgaben zu verbessern. Karoline Dygas, VP und Chief Procurement Officer, erklärte während eines Panels auf der Manifest 2026 in Las Vegas, dass KI die Lieferantenrecherche beschleunigt und Informationen in Minuten zusammenstellt, was früher Stunden dauerte. Der Einzelhändler nutzt diese Technologie über eine Einkaufs-Intelligence-Software und erhält so Echtzeit-Einblicke in Ausgabendaten, Lieferantenbeziehungen und strategische Beschaffungschancen, wie z. B. die Bewältigung komplexer Lieferketten und Einzelbezugsrisiken.[1][2]
Diese Implementierung unterstützt nicht-lineare Beschaffungsprozesse und bewegt sich über traditionelle lineare Werkzeuge hinaus hin zu mehr Agilität und Widerstandsfähigkeit. Dygas betonte das Interesse an prädiktiver KI für die Bedarfsplanung und an präskriptiver KI für Handlungsempfehlungen, wobei sie die Datenverwaltung betonte, um Ungenauigkeiten oder Halluzinationen zu vermeiden. Nordstrom sieht die Einführung von KI als unerlässlich an, wobei Dygas feststellte, dass Unternehmen, die zurückbleiben, Gefahr laufen, weiter zurückzufallen, da sich die Technologie rasant weiterentwickelt.[1]
Auswirkungen auf E-Commerce-Produktfeeds
KI-gestützte Beschaffung verfeinert Produktfeeds im E-Commerce direkt, indem sie die Transparenz der Ausgaben und die Genauigkeit der Lieferantendaten verbessert. Erweiterte Analysen ermöglichen die präzise Verfolgung von Beschaffungskosten und -kategorien, was zu saubereren Dateneingaben für Produktkataloge führt. Dies reduziert Fehler bei der Feed-Erstellung, bei der fehlerhafte Lieferanteninformationen oft die Preis- oder Verfügbarkeitssynchronisierung über verschiedene Plattformen hinweg beeinträchtigen.
In der Praxis rationalisieren schnellere Lieferanteneinblicke Feed-Updates und stellen sicher, dass die Sortimente Echtzeit-Änderungen in der Beschaffung widerspiegeln, ohne manuelle Abstimmung. Für Einzelhändler, die mit riesigen Beständen hantieren, bedeutet dies, dass Produktfeeds zuverlässiger werden, wodurch Störungen bei der automatisierten Synchronisierung mit Verkaufskanälen minimiert werden.[1][2] Erfahren Sie mehr über das Konzept eines Produktfeeds und seine Bedeutung für Ihren Online-Shop.
Anhebung der Katalogstandards
Die Katalogstandardisierung profitiert von der Fähigkeit der KI, Ausgaben systematisch zu kategorisieren und Beschaffungsmuster zu identifizieren. Nordstroms Ansatz zeigt versteckte Erkenntnisse, wie z. B. übersehene Lieferantenabhängigkeiten, und ermöglicht es Teams, konsistente Kategorisierungsregeln über globale Lieferketten hinweg durchzusetzen. Dies erhöht die Katalogstandards, indem strukturierte Daten aus der Beschaffung in Produktlistings eingebettet werden, wodurch die Variabilität bei Attributen wie Materialspezifikationen oder Herkunftsdetails reduziert wird.
Eine höhere Standardisierung unterstützt skalierbare E-Commerce-Abläufe, bei denen einheitliche Kataloge die kanalübergreifende Konsistenz und die Einhaltung der Marktplatzanforderungen erleichtern. Die Geschwindigkeit der KI bei der Verarbeitung von Ausgabendaten beschleunigt diese Angleichung und wandelt Rohdaten aus der Beschaffung in standardisierte Kataloggrundlagen um.[2]
Steigerung der Qualität und Vollständigkeit der Produktkarten
Die Qualität und Vollständigkeit der Produktkarten verbessert sich, da KI detaillierte Lieferanten- und Ausgabendetails aufdeckt, die zuvor in Silosystemen verborgen waren. Bei Nordstrom füllen umsetzbare Erkenntnisse aus der Ausgabenanalyse Lücken in den Produktdaten, wie z. B. detaillierte Kostenaufschlüsselungen oder alternative Beschaffungsoptionen, und bereichern die Karten mit verifizierten Attributen. Diese Vollständigkeit erhöht das Vertrauen der Käufer, da die Karten umfassendere Spezifikationen ohne die Unvollständigkeit durch manuelle Dateneingabe aufweisen.
Die Beschaffungs-KI stellt die laufende Genauigkeit sicher und kennzeichnet Anomalien wie vertragslose Ausgaben, die Fehler in die Karten einschleusen könnten. Die resultierenden Karten unterstützen ein reichhaltigeres Merchandising, wobei präzise Details zu einer besseren Suchrelevanz und Konversion in E-Commerce-Umgebungen führen.[1][2] Effektive Produktbeschreibungen sind entscheidend, um Besucher in Kunden zu verwandeln.
Beschleunigung der Sortimentsausrollung
Die Geschwindigkeit bei der Einführung neuer Sortimente steigt durch die schnelle Entwicklung von Beschaffungsstrategien durch die KI. Das Beschaffungsteam von Nordstrom erstellt jetzt schnell Kategoriepläne, recherchiert Lieferanten vor dem Meeting und simuliert Optionen in Echtzeit. Dies verkürzt die Zeitspanne von der Strategie bis zum Regal und ermöglicht schnellere Sortimentseinführungen bei volatiler Nachfrage.
Im E-Commerce, wo Agilität die Wettbewerbsfähigkeit definiert, bedeutet eine solche Beschleunigung, dass Einzelhändler ihre Sortimente wöchentlich statt vierteljährlich anpassen können. Die Zeitersparnis der KI – Stunden reduziert auf Minuten – führt direkt zu einer schnelleren Feed-Befüllung und Storefront-Updates und übertrifft damit Wettbewerber, die auf langsamere manuelle Prozesse angewiesen sind.[1] Für weitere Informationen lesen Sie unseren Artikel über wie man verkaufsfördernde Produktbeschreibungen erstellt, ohne ein Vermögen auszugeben.
No-Code- und KI-Synergien in der Content-Infrastruktur
No-Code-Plattformen verstärken die Auswirkungen der KI auf die Beschaffung und die Content-Infrastruktur, indem sie nicht-technischen Teams ermöglichen, Produktdatenflüsse ohne benutzerdefiniertes Coding zu orchestrieren. Die benutzerfreundlichen KI-Tools von Nordstrom erfordern nur minimale Prozessüberarbeitungen, so dass die Ergebnisse der Beschaffung direkt in No-Code-Pipelines für die Katalogautomatisierung eingespeist werden können. Diese Synergie bettet Ausgabenerkenntnisse in die dynamische Content-Generierung ein und automatisiert die Kartenanreicherung und Feed-Optimierung.
Präskriptive KI könnte dies weiterentwickeln und No-Code-Workflows auf der Grundlage von Ausgabenprognosen empfehlen, wodurch widerstandsfähige Content-Pipelines entstehen. Noch in der Entwicklung – Dygas weist auf das frühe Stadium der GenAI hin – stellt die robuste Datenverwaltung sicher, dass diese Tools halluzinationsfreie Eingaben liefern und die Content-Infrastruktur für die Anforderungen des E-Commerce skalieren.[1][5] Erfahren Sie, wie KI für Unternehmen Ihre E-Commerce-Performance verbessern kann.
Supply Chain Dive.
Suplari Fallstudien.
Die Fortschritte in der KI-gestützten Beschaffung, die von Nordstrom gezeigt werden, unterstreichen einen entscheidenden Wandel im E-Commerce hin zu größerer Datengenauigkeit und betrieblicher Agilität. Dieser Trend steht in engem Einklang mit der Kernaufgabe von NotPIM, die sich auf die Bereitstellung von Werkzeugen zur Verwaltung und Anreicherung von Produktdaten konzentriert. Durch die Automatisierung der Integration von detaillierten Lieferanteninformationen und Ausgabenanalysen aus Quellen wie Beschaffungssoftware in Produktkataloge können Einzelhändler die Qualität ihrer Produktinformationen erheblich verbessern, Fehler reduzieren und die Markteinführungszeit verkürzen. Die Notwendigkeit präziser, aktueller Daten ist von höchster Bedeutung, und die KI-gestützte Beschaffung unterstreicht den Wert von Systemen wie NotPIM, die die Datenintegration in einer No-Code-Umgebung rationalisieren. Um Ihnen bei der Bewältigung dieser Herausforderungen zu helfen, bieten wir ein Programm zur Preislistenverarbeitung an.