Wie Target KI in Bestandsführung, Filialwerkzeugen und Einkaufsassistenten einsetzt
Target hat generative KI-Werkzeuge für Gäste und Filialteams, eine ChatGPT-App und ein Data-Science-Bestandssystem für rund 2000 Filialen beschrieben. Eine Fallstudie darüber, was veröffentlicht ist, und wo die Grenzen liegen.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Target erklärte im November 2025, ein datenwissenschaftlich gesteuertes Bestandsmanagementsystem decke rund 2000 Filialen und Hunderttausende Produkte ab, beginnend mit häufig gekauften Artikeln wie Cerealien oder Unterwäsche.
- Am 19. November 2025 kündigten OpenAI und Target eine Target-App in ChatGPT an, die in der folgenden Woche als Beta startete, zusammen mit dem Einsatz von ChatGPT Enterprise durch 18’000 Mitarbeitende.
- Targets Store Companion, ein generativer KI-Chatbot für Filialmitarbeitende, wurde im August 2024 gemeldet. Er beantwortet Fragen zu Abläufen im Arbeitsalltag und coacht neue Mitarbeitende.
- Laut Bain verbessert generative KI Hunderttausende Produktseiten auf Target.com mit Zusammenfassungen von Bewertungen sowie überarbeiteten Titeln und Beschreibungen, veröffentlicht aber keine quantifizierten Geschäftsergebnisse.
- Die geprüften Quellen beschreiben Targets KI-Arbeit im gesamten Warensortiment und in den Handelsabläufen, ohne dass bekleidungsspezifische KI-Ergebnisse veröffentlicht wurden.
Target hat zu seinen generativen KI-Werkzeugen mehr Details veröffentlicht als die meisten Händler: Assistenten für Filialteams, Geschenk- und Einkaufsberatung für Gäste, eine App in ChatGPT und ein Data-Science-Bestandssystem. Quantifizierte Ergebnisse hat das Unternehmen nicht veröffentlicht, und keine der geprüften Quellen trennt Bekleidung heraus. Diese Fallstudie beschreibt daher Targets handelsweiten KI-Ansatz und was er für Bekleidung bedeutet.
Wie nutzt Target KI in Lieferkette und Bestandsführung?
In einem am 26. November 2025 veröffentlichten Interview mit Fortune sagte Prat Vemana, Chief Information and Product Officer, Target nutze ein datenwissenschaftlich gesteuertes Bestandsmanagementsystem, das rund 2000 Filialen und Hunderttausende Produkte abdeckt und den Bestand an die erwartete Nachfrage anpassen soll. Der frühe Schwerpunkt liegt auf häufig gekauften Artikeln wie Cerealien oder Unterwäsche, also Produkten, die wiederholt gekauft werden und bei denen die Prognose vergleichsweise stabil ist.
Häufig gekaufte Artikel sind ein leichterer Einstieg als Mode mit ihren kurzen Lebenszyklen, was daran erinnert, dass bewährte Bestandsmodelle im Handel nicht automatisch auf Bekleidung übertragbar sind. Target erklärte zudem, im nächsten Geschäftsjahr die Investitionsausgaben um 1 Milliarde US-Dollar auf rund 5 Milliarden US-Dollar zu erhöhen, für neue Läden, Umbauten und Technologie mit Schwerpunkt auf Merchandising, Lieferkette und Filialbetrieb.
Welche KI-Werkzeuge nutzen die Filialteams von Target?
Store Companion ist ein eigener generativer KI-Chatbot, erstmals im August 2024 gemeldet, der Fragen zu Abläufen im Arbeitsalltag beantwortet, neue Teammitglieder coacht und das Management des Filialbetriebs unterstützt. In der Ankündigung von OpenAI vom November 2025 nannte Target Agent Assist und Store Companion als Werkzeuge, die Service-Center- und Filialteams helfen, Gäste zu bedienen, unter anderem bei Preisanpassungen, dem Start von Retouren und der Lösung von Problemen.
Target führte ChatGPT Enterprise bei rund 18’000 Mitarbeitenden der Zentrale ein. Rund 4300 Mitarbeitende nahmen an Schulungen teil, und Vemana sagte, 92 Prozent seien zufrieden gewesen. Das Unternehmen erklärte ausserdem, es habe mehrere agentische KI-Anwendungsfälle eingeführt, vor allem für Kundenserviceanfragen und IT-Abläufe.
| Werkzeug | Nutzer | Was es leistet | Veröffentlichtes Ergebnis |
|---|---|---|---|
| Store Companion | Filialmitarbeitende | Beantwortet Fragen zu Abläufen, coacht neue Mitarbeitende | Nicht quantifiziert |
| Bullseye Gift Finder | Gäste | Empfiehlt Kindergeschenke nach Alter, Hobbys und Lieblingsmarken | Nicht quantifiziert |
| Shopping Assistant und Geschenkwerkzeuge | Gäste | Beantwortet Produktfragen auf Produktseiten und schlägt Geschenke vor | Nicht quantifiziert |
| Target-App in ChatGPT | Gäste | Stöbern, Warenkörbe füllen, Bezahlen mit Drive Up, Abholung oder Versand | Beta am 19. November 2025 angekündigt |
| Bestandsmanagementsystem | Planer | Passt den Bestand in rund 2000 Filialen an die erwartete Nachfrage an | Nicht quantifiziert |
Wie nutzt Target KI, um Gäste zu bedienen?
Bain, das mit Target an den ersten Anwendungsfällen für generative KI zusammenarbeitete, berichtet, Target nutze generative KI, um Hunderttausende Produktseiten auf Target.com mit Zusammenfassungen von Bewertungen sowie überarbeiteten Titeln und Beschreibungen zu verbessern. Der Bullseye Gift Finder, über den RetailWire am 11. Dezember 2024 berichtete, empfiehlt Kindergeschenke aus Tausenden Ideen anhand von Alter, Hobbys und Lieblingsmarken.
Am 19. November 2025 gab OpenAI bekannt, dass Target eine Target-App in ChatGPT lancieren werde, in der Kundinnen und Kunden stöbern, Warenkörbe mit mehreren Artikeln füllen und Frischeprodukte einkaufen können, mit Bezahlung über Drive Up, Order Pickup oder Versand. Vemana sagte gegenüber Fortune, Target wolle überall präsent sein, wo Kunden Fragen stellen, darunter ChatGPT, Perplexity und Gemini. Das ist ein frühes Beispiel für einen Händler, der sich auf KI-vermittelte Produktentdeckung vorbereitet.
Was bedeutet Targets Ansatz für Bekleidungslieferanten und Marken?
Targets Aussagen zeigen, dass ein grosser Händler daran arbeitet, wie seine Produkte in KI-Assistenten erscheinen und wie seine eigenen Mitarbeitenden sie nutzen. Für Marken, die über Händler wie diesen verkaufen, ergeben sich zwei Folgerungen. Erstens zählt die Qualität der Produktinhalte: Titel, Beschreibungen und Attribute speisen sowohl generative Zusammenfassungen auf der Website als auch externe Assistenten. Zweitens bauen Händler interne Assistenten, die Fragen aus ihren eigenen Daten beantworten, weshalb die Informationen der Lieferanten über alle Kanäle hinweg korrekt und konsistent sein müssen.
Es gibt auch einen Vorbehalt zu Bestandsmodellen. Target begann mit häufig gekauften Artikeln, bei denen die Nachfrage stetig ist und die Historie reich. Mode hat kürzere Lebenszyklen, mehr Varianten und mehr Retouren. Dass ein Händler anderswo beginnt, deutet darauf hin, dass Bekleidung ein schwierigeres Prognoseproblem ist, nicht dass sie ungeeignet wäre.
| Frage | Warum sie wichtig ist |
|---|---|
| Welche Daten nutzt das Werkzeug? | Die Qualität der Ergebnisse spiegelt die Qualität der Eingaben |
| Wer prüft Fehler? | Filial- und Servicewerkzeuge können falsche Auskünfte zu Regeln geben |
| Wie werden Ergebnisse gemessen? | Target hat keine Daten zu Conversion oder Marge veröffentlicht |
| Welche externen Oberflächen sind angebunden? | ChatGPT, Perplexity und Gemini werden als Orte genannt, an denen Target erscheinen will |
Welche Risiken birgt Targets Ansatz?
Der Rollout eines generativen Assistenten an 18’000 Mitarbeitende und eines Einkaufsassistenten für Gäste schafft mehrere Risiken, die die Quellen nur indirekt erwähnen. Assistenten können bei Preisanpassung, Retouren oder Produktattributen falsch antworten, und Mitarbeitende könnten vertrauliche Daten mit externen Werkzeugen teilen. Target sagt, ChatGPT Enterprise sei darauf ausgelegt, sicher mit den eigenen Daten zu arbeiten, was einen Teil davon abdeckt, doch das ist eine Aussage des Anbieters und sollte als solche gelesen werden.
Hinzu kommt ein Konzentrationsrisiko. Mehrere der Werkzeuge entstanden mit OpenAI, und die ChatGPT-App bindet das Gästeerlebnis von Target an eine Schnittstelle eines Dritten, deren Regeln sich ändern können. Für Marken lautet die Lehre, Produktdaten, Kundenbeziehungen und Messung in der eigenen Hand zu behalten, damit sich neue Schnittstellen ergänzen oder ersetzen lassen, ohne von vorn zu beginnen.
Wo liegen die Grenzen der Evidenz?
- In den geprüften Quellen hat Target keine Ergebnisse zu Conversion, Marge oder Preisreduktionen für diese Werkzeuge veröffentlicht.
- Der frühe Schwerpunkt des Bestandssystems auf häufig gekauften Artikeln sagt wenig über Bekleidung aus.
- Mehrere Beschreibungen stammen aus Ankündigungen von Partnern wie OpenAI und Bain, die ein Interesse daran haben, Erfolge zu zeigen.
Targets Ansatz zeigt das Muster, dem viele grosse Händler folgen: mit interner Produktivität und Filialwerkzeugen beginnen, Assistenten für Gäste ergänzen und dann auf externe Agentenoberflächen ausweiten. Für Bekleidungsteams liegt die relevante Lehre in der Datenbasis: Die Produkttitel, Beschreibungen und Attribute, die Target mit generativer KI verbessert, sind dieselben Eingaben, die externe Assistenten lesen.
Häufige Fragen
Wie nutzt Target KI für den Bestand?
Target erklärte im November 2025, ein datenwissenschaftlich gesteuertes Bestandssystem decke rund 2000 Filialen und Hunderttausende Produkte ab, mit frühem Schwerpunkt auf häufig gekauften Artikeln wie Cerealien oder Unterwäsche. Ergebnisse wurden nicht veröffentlicht.
Was ist Targets App in ChatGPT?
Am 19. November 2025 kündigten OpenAI und Target eine Target-App in ChatGPT an, die in der folgenden Woche als Beta startete. Kundinnen und Kunden können stöbern, Warenkörbe füllen und über Drive Up, Order Pickup oder Versand bezahlen.
Was ist Store Companion bei Target?
Store Companion ist ein generativer KI-Chatbot für Filialmitarbeitende. Laut Targets Ankündigung von 2024, über die RetailWire berichtete, beantwortet er Fragen zu Abläufen im Arbeitsalltag, coacht neue Mitarbeitende und unterstützt das Management des Filialbetriebs.
Hat Target KI-Ergebnisse für Bekleidung veröffentlicht?
Die geprüften Quellen berichten keine bekleidungsspezifischen KI-Ergebnisse. Sie beschreiben handelsweite Werkzeuge und ein Bestandssystem mit Schwerpunkt auf häufig gekauften Artikeln und veröffentlichen keine quantifizierten Resultate.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
