Axept & Abacus: KI-Skalierung für Handel und Energie

Am 19.12.2025 wurde bekannt: Axept Business Software (Swisscom-Gruppe) übernimmt die Abacus-Tochter Abacus Services – Stichtag 01.04.2026. Klingt wie „nur“ ein weiterer Deal im Schweizer ERP-Markt. Ich sehe darin aber vor allem ein Signal: Wer KI im Handel wirklich nutzen will, braucht zuerst ein belastbares, regional starkes Implementierungs- und Datenfundament. Und genau da setzen solche Übernahmen an.

Gerade jetzt – kurz vor Jahreswechsel und Budgetrunden für 2026 – überlegen viele Retailer und E-Commerce-Teams, wo sie bei KI, Automatisierung und Nachhaltigkeit ansetzen sollen. Die Realität? Viele KI-Projekte scheitern nicht am Modell, sondern an heterogenen Systemen, inkonsistenten Stammdaten, fehlenden Prozessen und an fehlender Nähe zum operativen Geschäft. Eine stärkere, einheitlichere Beratungs- und Delivery-Struktur (hier: Expansion in die Westschweiz) ist deshalb mehr als ein Wachstumshebel: Sie ist oft die Voraussetzung, damit KI später überhaupt skaliert.

Diese Einordnung passt auch in unsere Serie „KI in Energie und Nachhaltigkeit“: KI wird im Handel zunehmend dafür eingesetzt, Energieverbräuche zu senken, CO₂ zu tracken, Lieferketten zu optimieren und Bestände zu reduzieren. All das braucht saubere Datenflüsse zwischen ERP, POS, Shop, Lager und Logistik.

Was die Übernahme konkret bedeutet – und warum sie für KI relevant ist

Die Kernaussage ist klar: Axept kauft Abacus Services und führt die Einheit ab April 2026 als „Abacus Suisse Romande“ innerhalb von Axept weiter. Ziel ist eine gezieltere Betreuung von Unternehmen in der Westschweiz und eine schweizweit einheitliche Positionierung des Dienstleistungsportfolios. Axept übernimmt laut Mitteilung Mitarbeitende und Kunden vollständig.

Warum das für KI im Einzelhandel und E-Commerce zählt:

• Mehr Delivery-Kapazität: KI-Initiativen brauchen Umsetzungspower (Datenintegration, Prozessdesign, Change). Wer nur Ideen verkauft, verliert.
• Einheitliche Methoden: KI-Use-Cases werden skalierbar, wenn Implementierung, Betrieb und Datenqualität nach gleichen Standards laufen.
• Regionale Nähe: In der Schweiz entscheidet Sprache/Region oft über Projekterfolg. „KI aus der Zentrale“ ohne lokale Verankerung bleibt Theorie.

Merksatz: KI im Handel ist zu 70% Integration und Betrieb – und nur zu 30% Modell.

Warum Konsolidierung im ERP-Ökosystem KI im Handel beschleunigt

ERP ist der Datenrückgrat-Kandidat für Handel und Omnichannel: Artikelstammdaten, Einkauf, Preise, Finanzen, teilweise Personalplanung und in vielen Setups auch Teile der Logistik. Wenn das Ökosystem rund um ein ERP konsolidiert, passieren drei Dinge, die KI-Programme spürbar beschleunigen.

1) Daten werden „anschlussfähig“ – die eigentliche Währung für KI

Personalisierte Empfehlungen, Nachfrageprognosen oder dynamische Disposition funktionieren nur, wenn Daten wie Artikelattribute, Lieferzeiten, Retouren, Abverkauf, Promotions und Kundeninteraktionen zusammenpassen.

In der Praxis sehe ich häufig:

• gleiche Produkte mit unterschiedlichen IDs in Shop und ERP
• uneinheitliche Größen-/Farbattribute
• historische Preislogik ohne nachvollziehbare Promo-Kennzeichnung

Eine stärker gebündelte Implementierungsorganisation kann hier Standards etablieren: Stammdaten-Governance, einheitliche Schnittstellen, klare Ownership.

2) Prozesse werden standardisiert – damit KI überhaupt „darf“

Viele KI-Use-Cases scheitern an Prozesslücken:

• Wer genehmigt automatische Bestellvorschläge?
• Welche Regeln gelten bei Out-of-Stock-Risiko?
• Wann wird ein Preis automatisch angepasst und wann nicht?

Konsolidierung im Partnernetzwerk bedeutet oft: mehr Referenzprozesse, weniger Wildwuchs, mehr Betriebsreife.

3) Betrieb & Sicherheit werden professioneller – relevant für produktive KI

Sobald KI produktiv läuft, entstehen neue Risiken: Datenzugriffe, Modell-Drift, fehlerhafte Entscheidungen, Compliance. Ein größeres, strukturiertes Delivery-Setup kann Monitoring, Rollenmodelle und Auditierbarkeit eher liefern als eine kleine, lokal isolierte Einheit.

Brücke zur Serie „KI in Energie und Nachhaltigkeit“: Wo Handel wirklich sparen kann

Der Handel hat in Sachen Nachhaltigkeit ein unbequemes Problem: Die größten Hebel sind oft operativ – nicht kommunikativ. KI hilft vor allem dort, wo Energie, Waren und Transport „versickern“.

Hier sind vier KI-nahe Anwendungsfelder, die stark von einem stabilen ERP-/Integrationsfundament profitieren:

1) KI-gestützte Bestandsoptimierung reduziert CO₂ und Kapitalbindung

Überbestände bedeuten:

• unnötige Produktion und Transport
• höhere Lagerenergie (Beleuchtung, Heizung/Kühlung)
• Abschriften und Vernichtung

Demand Forecasting (z. B. pro Filiale, Kategorie, Saison, Wetter-/Eventfaktoren) und automatisierte Disposition senken Out-of-Stock und Überhänge – aber nur, wenn ERP, Warenwirtschaft und POS sauber zusammenspielen.

2) Energieeffizienz in Filialen: KI braucht Betriebsdaten, nicht Bauchgefühl

Bei Filialketten ist Energie ein wiederkehrender Kostenblock. KI kann:

• Lastspitzen erkennen
• Heiz-/Kühlprofile optimieren
• Öffnungs- und Frequenzdaten einbeziehen

Dafür müssen Energie- und Betriebsdaten (Öffnungszeiten, Flächen, Geräte, Wartung) strukturiert vorliegen. Viele Unternehmen unterschätzen, wie oft diese Daten im ERP- oder Facility-nahen Systemen stecken und erst integriert werden müssen.

3) CO₂-Tracking: Ohne einheitliche Datenmodelle wird’s schnell unbrauchbar

CO₂-Bilanzen im Handel stehen und fallen mit:

• Artikel-/Lieferantendaten
• Transportdaten
• Verpackungsdaten
• Retouren- und Entsorgungslogik

KI kann bei der Schätzung fehlender Emissionsfaktoren helfen oder Anomalien in Lieferketten identifizieren. Aber wenn die Basisdaten nicht konsistent sind, entsteht nur ein „Dashboard der Hoffnung“.

4) Retouren im E-Commerce: KI senkt Kosten und Emissionen

Retouren treiben Transport, Handling, Neuverpackung und häufig Abschriften. KI wirkt hier an zwei Stellen:

• Bessere Größen-/Passformempfehlungen (wo möglich)
• Retourenprognosen (zur Steuerung von Versandregeln, Bundles, Produktcontent)

Auch hier gilt: Ohne saubere Produktattribute und Retourengründe (strukturiert, nicht nur Freitext) ist das Modell blind.

Was Retailer jetzt aus dem Deal lernen sollten (Checkliste für 2026)

Die Übernahme ist ein guter Anlass, die eigene KI-Roadmap zu erden. Wer 2026 Leads, Umsatz und Effizienz über KI verbessern will, sollte diese Punkte konsequent durchgehen.

1) Erst Datenverantwortung klären, dann Use-Cases priorisieren

Konkreter Schritt: Benennt pro Datenbereich einen Owner.

• Artikelstamm: Einkauf/Category Management
• Kunden & Consent: CRM/Marketing + Datenschutz
• Bestände: Supply Chain
• Energie/Betrieb: Facility/Operations

Wenn niemand verantwortlich ist, ist später „die KI schuld“.

2) „Integration Budget“ fest einplanen

Viele Budgets gehen in Tools und Lizenzen – und dann fehlt Geld für:

• Schnittstellenharmonisierung
• Datenqualität (Deduping, Validierung, Taxonomien)
• Monitoring

Ich halte es für realistisch, dass bei ernsthaften KI-Programmen mindestens 40–60% der Aufwände in Daten/Integration/Prozess fließen.

3) KI-Use-Cases auswählen, die Nachhaltigkeit und Profit verbinden

Für Lead-getriebene Programme im Handel funktionieren Use-Cases am besten, wenn sie gleichzeitig eine Business- und Nachhaltigkeitslogik haben:

• Absatzprognosen → weniger Abschriften
• Energieoptimierung → niedrigere Kosten + weniger Emissionen
• Retourenreduktion → weniger Transport

4) Sprachregionen und Change ernst nehmen

Die Axept-Expansion in die Westschweiz erinnert an einen Projektkiller: Change scheitert oft an Kommunikation und Nähe.

Praktisch heißt das: Rollouts, Trainings, KPI-Reviews und Support müssen lokal funktionieren. Nicht nur technisch.

Mini-FAQ: Häufige Fragen aus Retail- und E-Commerce-Teams

„Was hat eine ERP-Übernahme mit personalisierten Empfehlungen zu tun?“

Mehr als man denkt. Empfehlungen brauchen Produktattribute, Preise, Verfügbarkeit und Kampagnenlogik. Das sitzt häufig im ERP-Umfeld. Wenn diese Daten sauber und schnell fließen, wird Personalisierung zuverlässig.

„Wo starte ich, wenn ich KI und Nachhaltigkeit verbinden will?“

Mit Themen, die unmittelbar messbar sind: Bestände/Abschriften, Energie in Filialen, Retouren. Dort gibt es klare Kosten, klare Daten und schnelle Lernschleifen.

„Was ist der größte Fehler bei KI im Handel?“

KI als Tool-Projekt zu behandeln. Erfolgreiche Teams behandeln KI als Betriebsmodell: Datenprozesse, Rollen, KPI, Monitoring, Verantwortung.

Nächste Schritte: KI im Handel sauber aufsetzen – statt nur darüber zu reden

Die Übernahme von Abacus Services durch Axept zeigt, worum es im Schweizer Markt 2026 gehen wird: Skalierung durch Integration, regionale Nähe und standardisierte Delivery. Wer im Einzelhandel und E-Commerce mit KI wachsen will, sollte diese Logik übernehmen – nicht als M&A, sondern als Betriebsprinzip.

Wenn du für 2026 KI-Projekte planst, würde ich so starten:

1. Datenlandkarte (ERP, POS, Shop, Lager, Energie/Betrieb) und Datenqualität bewerten
2. Top-3 Use-Cases festlegen, die Profit und Nachhaltigkeit bedienen
3. Pilot in 8–12 Wochen, danach Skalierungsplan (inkl. Betrieb/Monitoring)

Die spannendste Frage fürs neue Jahr: Welche KI-Use-Cases sind bei euch schon möglich – und welche scheitern heute noch an Integration, Daten und Zuständigkeiten?