Retouren kosten Millionen – wie KI die Logistik rettet

Zwischen Retouren und Rentabilität: Warum KI jetzt zur Chefsache gehört

Jeder achte Modehändler bekommt laut aktueller EHI-Studie mehr als 50 % seiner Bestellungen zurück. Pro retourniertem Artikel fallen bis zu 10–20 Euro Bearbeitungskosten an – und knapp ein Drittel der Händler kennt die eigenen Kosten nicht einmal genau.

Für österreichische Händler ist das nicht nur ein deutsches Problem. Gerade in der DACH-Logistik mit ihren grenzüberschreitenden Strukturen, hohen Löhnen und steigenden Transportkosten entscheidet ein professionelles Versand- und Retourenmanagement über die Marge. Wer seine Prozesse noch manuell steuert, verschenkt Geld – jeden einzelnen Tag.

In dieser Ausgabe der Serie „KI in der österreichischen Logistik: Supply Chain Excellence“ geht es darum, wie Händler die Erkenntnisse der EHI-Studie praktisch nutzen können – und wie künstliche Intelligenz aus einem reinen Kostenblock „Retoure“ ein strategisches Steuerungsinstrument für Logistik und Sortiment macht.

---

1. Die Fakten: Retourenquoten und Kosten im DACH-E-Commerce

Retouren im E-Commerce sind kein Randthema, sondern ein massiver Ergebnishebel. Die EHI-Studie „Versand-, Verpackungs- und Retourenmanagement im E-Commerce 2025“ zeigt ein klares Bild – auch für österreichische Player relevant, denn befragt wurden 124 Händler aus der gesamten DACH-Region.

Retourenquoten nach Branche – Textil bleibt Problemkind

Kernbefund: Das Sortiment bestimmt die Retourenquote.

• Textilhandel
  • 87,7 % der Händler haben bis zu 50 % Rücksendungen
  • weitere 12,2 % liegen sogar darüber
  • nur 12,2 % schaffen es, die Quote bei unter 10 % zu halten
• Elektronikhandel
  • 85,7 % der Händler: bis 10 % Retouren
  • der Rest: max. 35 % Rückläufe
• Möbelhandel
  • rund 93 %: bis 10 % Retouren
  • nur vereinzelt höhere Quoten
• Spielwaren, Bücher & Medien
  • generell niedrige Retourenquoten

Im Modehandel ist das Problem also strukturell. Passform, Stoff, Tragegefühl – all das kann kein Produktfoto vollständig abbilden. Gleichzeitig sind Textilien leicht zurückzuschicken. Diese Kombination treibt die Quote nach oben.

Retourenkosten – der stille Margenkiller

Mindestens genauso dramatisch wie die Quote sind die Kosten pro Retoure:

• 53,3 % der Händler liegen bis 10 Euro pro Artikel
• 13,9 % kalkulieren sogar bis 20 Euro
• 27 % können ihre Bearbeitungskosten gar nicht konkret beziffern

Rechnen wir das kurz durch:
Ein österreichischer Omnichannel-Händler mit 500.000 Online-Bestellungen pro Jahr, 35 % Retourenquote und 8 Euro Bearbeitungskosten je Retoure:

500.000 × 35 % × 8 € = 1,4 Mio. Euro Retourenkosten pro Jahr

Und das sind nur die direkten Prozesskosten. Wertverlust, Abschriften, beschädigte Ware und entgangener Umsatz kommen noch dazu.

Bearbeitungszeit – meist schnell, aber nicht unbedingt smart

Die Studie zeigt: Die Prozessgeschwindigkeit ist gar nicht so schlecht.

• 43,4 % der Händler brauchen 1–2 Tage pro Retoure
• 26,2 % liegen bei 3–4 Tagen
• Ein gutes Zehntel schafft es sogar in unter 24 Stunden

Schnell ist aber nicht gleich effizient. Wer Retouren in 24 Stunden bearbeitet, aber mit einem Mix aus Excel-Listen, manueller Erfassung und Bauchgefühl steuert, holt bei weitem nicht das heraus, was mit KI-gestützter Logistik möglich wäre.

---

2. Wo Händler heute stehen: Viel Bauchgefühl, wenig KI

Die EHI-Zahlen zeigen deutlich, dass der Handel beim Thema Datennutzung und Automatisierung erst am Anfang steht.

Datenerfassung: Manuell dominiert noch

Retourengründe sind eine Goldgrube – wenn sie strukturiert erfasst und ausgewertet werden. In der Praxis sieht es so aus:

• 34,4 % der Unternehmen erfassen Retourengründe manuell
• nur 29,5 % haben eine vollständig automatisierte Erfassung
• knapp 5 % planen Automatisierung
• gut 20 % haben gar keine Pläne, hier etwas zu tun

Wer Retourengründe in Freitextfeldern sammelt oder in der Logistik auf Zuruf dokumentiert, kann keine robuste Retourenprognose aufbauen – und damit auch keine saubere KI in der Logistik etablieren.

KI-Einsatz: Noch klar unter 10 %

Noch deutlicher wird es bei der künstlichen Intelligenz im Retourenmanagement:

• 7,3 % setzen bereits KI im Retourenmanagement ein
• 12,2 % prüfen KI-Use-Cases
• 45,5 % halten KI zukünftig für relevant
• rund 35 % distanzieren sich aktuell komplett von KI-Lösungen

Heißt übersetzt: Die Mehrheit weiß, dass sie das Thema braucht, aber nur wenige haben es bereits implementiert. Für Händler in Österreich ist das eine Chance – wer jetzt startet, kann sich in der Supply Chain Excellence messbar absetzen.

---

3. Wie KI konkret hilft: Vom Retourenproblem zum Steuerungshebel

Die gute Nachricht: Die Probleme, die die EHI-Studie beschreibt, lassen sich mit KI in der Logistik sehr konkret adressieren. Es geht nicht um futuristische Szenarien, sondern um handfeste, heute realisierbare Anwendungen.

3.1 Retourenprognose auf Artikel- und Kund*innenebene

KI-Modelle können für jeden Artikel und jede Bestellung eine Retourenwahrscheinlichkeit berechnen. Grundlage sind u. a.:

• historische Retourendaten
• Artikelmerkmale (Kategorie, Passform, Preis, Marke)
• Kund*innenverhalten (Historie, Retourenquote, Warenkorbstruktur)
• Kanal (reiner Onlinekunde vs. Omnichannel, Filialabholung etc.)

Konkrete Effekte:

• Sortimentssteuerung: Artikel mit hoher prognostizierter Retourenquote werden anders präsentiert oder gar nicht mehr stark promotet.
• Mengenplanung: Bei saisonalen Kollektionen (z. B. Mode im österreichischen Wintergeschäft) kann die Einkaufsmenge besser an realistisch bleibende Verkäufe angepasst werden.
• Grenzüberschreitende Logistik: Für Lieferungen aus Österreich nach Deutschland oder umgekehrt kann die erwartete Rücklaufquote in die Standortwahl und Transportplanung einfließen.

3.2 Intelligente Grössen- und Beratungslogik

Gerade im Textilhandel entscheidet Sizing über Retour oder Behalt.

Mit KI-basierten Größenempfehlungen lässt sich die Quote messbar senken:

• Auswertung von Retourengründen wie „zu groß“, „zu klein“
• Abgleich von Körperdaten, bisherigen Käufen und Bewertungen
• dynamische Empfehlungen: „Bei dieser Marke bitte eine Größe größer bestellen“

Ich habe bei mehreren Projekten gesehen, dass Shops mit dieser Art von KI-gestützter Grössenberatung 5–15 % weniger Retouren erzielen – bei gleichbleibender Conversion.

3.3 KI-gestützte Lager- und Transportplanung

Retouren sind für die Lagerlogistik in Österreich besonders kritisch, weil Flächen teuer und Personalkapazitäten begrenzt sind.

KI kann hier u. a.:

• Rücklaufvolumen je Region, Wochentag und Sortiment vorhersagen
• Personaleinsatz in Retourenabteilungen dynamisch planen
• entscheiden, ob ein Artikel ins zentrale Lager, in eine Filiale oder direkt an einen Sekundärmarkt (Outlet, B2B-Verwerter) gehen sollte

In der Transportlogistik fließen Retourenprognosen in die Routenoptimierung ein: Wenn klar ist, welche Regionen morgen besonders hohe Rücklaufmengen haben, lassen sich Touren effizient verdichten – gerade für österreichische Händler mit vielen Grenzregionen (Bayern, Tschechien, Slowakei, Ungarn, Schweiz) ein enormer Kostenvorteil.

3.4 Dynamische Retourenpolitik

Ein oft unterschätzter Hebel ist eine differenzierte Retourenpolitik, gesteuert durch KI:

• Kund*innen mit extrem hoher Retourenquote erhalten weniger großzügige Konditionen (z. B. kürzere Fristen, kostenpflichtige Retoure, Einschränkung bei „Try & Buy“)
• Neukund*innen mit geringem Risiko oder Stammkunden mit treuem Kaufverhalten profitieren von sehr kundenfreundlichen Bedingungen
• bestimmte Artikel (z. B. sperrige Möbel, stark reduzierte Ware) erhalten individuelle Retourenregeln

Wichtig ist dabei Transparenz und Konsistenz – KI liefert die Risikoeinschätzung, der Händler definiert die geschäftliche und rechtliche Leitplanke.

---

4. Roadmap für Händler in Österreich: In 5 Schritten zu KI im Retourenmanagement

Viele Unternehmen wissen, dass sie handeln müssen, bleiben aber in der Analyse stecken. Der pragmatische Weg zu KI in der österreichischen Logistik sieht aus meiner Sicht so aus:

Schritt 1: Datengrundlage schaffen

Ohne saubere Daten keine sinnvolle KI.

• Retourengründe standardisieren (Dropdown statt Freitext)
• Retourenstatus durchgängig digital abbilden
• Stammdatenqualität bei Artikeln verbessern (Größen, Materialien, Passformen, Bilder)
• Kundendaten DSGVO-konform, aber nutzbar strukturieren

Schritt 2: Transparenz über Kosten herstellen

Bevor KI optimiert, muss klar sein, wo das Geld verbrennt.

• Prozesskosten pro Retoure erfassen (Wareneingang, Prüfung, Neuaufbereitung, Wiedereinlagerung, IT/Service)
• Unterschiede nach Sortiment, Herkunftsland, Kund*innensegment sichtbar machen
• Quick Wins identifizieren (z. B. bestimmte Artikelgruppen, die systematisch defekt zurückkommen)

Schritt 3: Erste KI-Use-Cases auswählen

Start klein, aber mit klar messbarem Effekt.

Typische Einstiegsprojekte:

• Größenempfehlung im Shop (Modehandel)
• Retourenprognose für Lager- und Personaleinsatzplanung
• KI-gestützte Klassifikation von Retourengründen (z. B. Analyse von Freitexten im Kundenservice)

Schritt 4: Logistikprozesse anpassen

KI bringt nur etwas, wenn Prozesse auch auf die neuen Erkenntnisse reagieren.

• Pick- und Einlagerungsstrategien im Lager anpassen (z. B. schnell drehende, rücklaufstarke Artikel näher zur Retourenbearbeitung)
• Routenplanung im Transportmanagement mit Retourendaten verknüpfen
• Omnichannel-Funktionen wie „Return-to-Store“ strategisch nutzen, um Logistikkosten zu senken

Schritt 5: Kontinuierlich messen und nachschärfen

Supply Chain Excellence ist kein Projekt, sondern ein Dauerzustand.

Wichtige Kennzahlen:

• Retourenquote nach Kategorie, Marke, Kanal
• Bearbeitungskosten pro Artikel
• Durchlaufzeit von der Retoure bis zur Wiederverfügbarkeit
• Kunden- und Retouren-Score je Segment

Je reifer die Datengrundlage und KI-Modelle, desto stärker können weitere Bereiche profitieren – von der Nachfrageprognose bis zur Netzwerkplanung der Standorte.

---

5. Warum jetzt der ideale Zeitpunkt ist – gerade im Weihnachtsgeschäft

Wir stehen im Dezember 2025 mitten im Peak des Weihnachtsgeschäfts. In den kommenden Wochen laufen österreichische Logistikzentren am Limit, Retourenströme werden im Januar explodieren. Wer jetzt nur reagiert, hat spätestens im Q1 ein Profitabilitätsproblem.

Die EHI-Daten zeigen klar:

• Das Retourenaufkommen wird sich laut über 80 % der Händler in den nächsten drei Jahren nicht verbessern.
• 17 % erwarten sogar eine weitere Zunahme.

Der einzige Weg, die Rentabilität stabil zu halten, ist ein professionelles, datengetriebenes Retourenmanagement – und dafür ist KI kein „Nice to have“, sondern der logische nächste Schritt.

Für österreichische Händler, Hersteller und Logistikdienstleister gilt: Wer heute die Grundlagen legt, wird bereits im nächsten Weihnachtsgeschäft mit niedrigeren Retourenkosten, stabileren Lieferketten und einer robusteren Marge belohnt.

Wenn Sie Ihre Logistik vom Retouren-Stress befreien möchten, fangen Sie bei einer einfachen Frage an:

„Welche drei Retourenprobleme kosten uns aktuell am meisten Geld – und welche Daten hätten wir eigentlich schon, um daran zu arbeiten?“

Die Antwort darauf ist oft näher, als man denkt. Und genau dort beginnt Supply Chain Excellence mit KI.