Vier Unternehmen entscheiden, ob deine Marke in Deutschland überhaupt ein Geschäft ist. Edeka, Rewe, die Schwarz-Gruppe (Lidl und Kaufland) und Aldi vereinen zusammen rund 85 Prozent des deutschen Lebensmittelumsatzes, laut Statista-Marktdaten zu den führenden Lebensmitteleinzelhändlern in Deutschland (Stand 2025). Edeka allein steht für rund 28 Prozent Marktanteil und etwa 11.000 Verkaufsstellen, Edeka und Rewe zusammen für 46,8 Prozent.
Und trotzdem verkauft dir gerade jeder Martech-Anbieter dasselbe Versprechen: Mit KI personalisierst du die Ansprache jedes einzelnen Käufers. Für eine Konsumgütermarke, die über diese vier Konzerne verkauft wird, ist dieses Versprechen weitgehend hohl. Frag einen FMCG-Markenmanager, wer sein Produkt letzte Woche gekauft hat. Er kann es dir nicht sagen.
Der Datengraben zwischen Marke und Käufer
Der Grund ist strukturell, keine Frage von Budget oder Kompetenz. Zwischen einer Konsumgütermarke und ihrem Käufer steht immer der Handel. Der Hersteller verkauft an Edeka. Edeka verkauft an den Käufer. Und die Transaktion, der Kassenbon, die Kundenkarte, das Kaufdatum, gehört Edeka, nicht der Marke.
Der Warenfluss und der Datenfluss laufen also in entgegengesetzte Richtungen: Das Produkt geht nach vorn zum Käufer, die Kaufdaten bleiben hinten beim Handel. Die Marke sieht ihre Käufer deshalb nie als Personen. Sie sieht sie als Panel: als hochgerechnete Stichprobe, nicht als adressierbaren Kontakt. Das Datenfundament der deutschen FMCG-Markenplanung ist bis heute das GfK-Haushaltspanel. Nur gehört es seit der NIQ-GfK-Fusion 2023/2024 nicht mehr GfK. Die EU-Kommission machte den Verkauf des europäischen Consumer-Panel-Geschäfts an YouGov zur Fusionsbedingung, laut NIQ-Pressemitteilungen von 2023 und 2024. Wer intern also von „den GfK-Zahlen” spricht, plant auf Basis eines Panels, das rechtlich YouGov gehört. YouGov baute dieses Haushaltspanel bis Ende 2025 von 30.000 auf 50.000 Haushalte aus, NielsenIQ zog parallel mit einem eigenen Consumer Panel von 30.000 Haushalten in Deutschland nach.
Beide Panels sind solide. Beide beantworten aber nicht die Frage, die im CRM eines D2C-Händlers trivial ist: Wer hat mein Produkt letzte Woche gekauft? Der Markenmanager plant stattdessen aus Haushaltspanel, Handelspanel, qualitativer Studie und Erfahrung. Vier Annäherungen an eine Antwort, die die Kundenkarte von Edeka längst kennt. Was aus Sicht des Händlers ein Datenschatz ist, wie KI im Einzelhandel Personalisierung und Bestandsmanagement aus genau diesen Kassendaten speist, ist aus Sicht der Marke der blinde Fleck.
Warum „mehr First-Party-Data” für dich keine Antwort ist
Das KI-Syndikat hat an anderer Stelle richtig beschrieben, dass der Werbevorteil nicht dem gehört, der mehr Varianten produziert, sondern dem, der die eigenen Kundendaten kontrolliert, First-Party-Data statt Produktionstempo. Für Händler, D2C-Marken und Dienstleister stimmt das. Für die Regalmarke bricht die Annahme an einer Stelle: Sie unterstellt, dass du First-Party-Data überhaupt aufbauen kannst.
Ein Hersteller, dessen Käufer an einer fremden Kasse zahlt, hat diesen Kanal strukturell nicht. Der Rat „sammle First-Party-Data” ist für ihn kein Wettbewerbsvorteil, den er nur heben müsste, sondern eine Aufgabe, für die ihm das Ladengeschäft fehlt. Der Grundsatz bleibt richtig. Für Marken im Regal ist er nur die halbe Geschichte.
„Dann bauen wir eben unseren eigenen Kanal”
Der naheliegende Einwand: Marken sind der Handelsdaten-Blindheit nicht hilflos ausgeliefert. Loyalty-Apps, QR-Codes auf der Verpackung, Gewinnspiele, Connected Packaging, ein eigener D2C-Shop. Alles Wege, den Käufer doch direkt zu erreichen.
Der Einwand ist ernst. Aber die Zahlen der Marke, die ihn am konsequentesten verfolgt hat, sprechen dagegen. Nike hat jahrelang Milliarden in Direct-to-Consumer investiert. Im Geschäftsjahr 2024 machte NIKE Direct mit 21,5 Milliarden US-Dollar rund 44 Prozent des Markenumsatzes aus, laut Nikes SEC-Quartalsbericht (10-Q, FY2024) und der Berichterstattung von Retail Dive. Das klingt nach dem Beweis, dass ein eigener Kanal geht. Nur wuchs Direct in diesem Jahr gerade noch um 1 Prozent, und im vierten Quartal brach der Direct-Umsatz um rund 8 Prozent ein, während der Großhandel um rund 5 Prozent zulegte. CEO John Donahoe ruderte zurück und kündigte an, wieder verstärkt auf Handelspartner zu setzen. Begründung: Nike performe „nicht auf seinem Potenzial”.
Wichtig zur Einordnung: Nike ist Apparel und Footwear, nicht Lebensmittel. Es ist die nächstliegende, zahlenmäßig belegte Annäherung, kein deckungsgleicher Fall. Aber genau deshalb ist er so ernüchternd. Nike verkauft ein margenstarkes Consideration-Produkt, für das Menschen bewusst eine App öffnen. Selbst dort trägt der eigene Kanal nicht so, wie es die D2C-Erzählung verspricht.
Bei einem 3-Euro-Impulskauf ist die Rechnung ungleich härter. Die Akquisitionskosten einer Loyalty-App-Anmeldung übersteigen häufig den Lifetime-Value eines Gelegenheitskäufers. Und laut Forschung des Ehrenberg-Bass Institute, Byron Sharp, „How Brands Grow” und den Folgearbeiten zu Leichtkäufern, entsteht Markenwachstum überwiegend durch genau diese Gelegenheits- und Leichtkäufer. Die aber registrieren sich strukturell kaum für Treueprogramme. Ein FMCG-Loyalty-Programm erreicht damit vor allem die ohnehin loyalen Vielkäufer, einen kleinen und unrepräsentativen Ausschnitt. Es ist ein sinnvoller Baustein. Ein Ersatz für die Käuferdaten, die beim Handel liegen, ist es nicht.
Wo KI für Regalmarken wirklich zählt
Wenn Hyperpersonalisierung strukturell nicht dein Spiel ist, heißt das nicht, dass KI im Marketing an dir vorbeigeht. Es heißt, dass dein Vorteil an drei anderen Stellen entsteht.
Schnellere Insight-Synthese. Der FMCG-Markenmanager plant aus mehreren Datenquellen, die niemand von Hand in Echtzeit zusammenführt: Haushaltspanel, Handelspanel, qualitative Studien und Social Listening. Genau diese Synthese ist eine KI-Stärke. Statt sechs Wochen auf den nächsten Panel-Report zu warten, lässt sich der Bestand fortlaufend gegen Suchtrends, Bewertungen und Social-Signale spiegeln. Wie sich daraus belastbare Markt- und Wettbewerbs-Insights ziehen lassen, zeigt unsere Analyse zu KI für Marktforschung. Der Vorteil ist nicht Personalisierung, sondern Geschwindigkeit im Verstehen.
Innovations- und Time-to-Market-Tempo. KI verkürzt den Weg von Insight zu Konzept zu Konzepttest. In gesättigten Märkten, in denen der Regalplatz umkämpft ist, entscheidet nicht, wer den einzelnen Käufer anspricht, sondern wer schneller ein Produkt am Regal hat, das ein echtes Bedürfnis trifft. Das ist die Disziplin, in der eine Marke ihren Datennachteil gegenüber dem Handel tatsächlich einholen kann: nicht bei der Ansprache, sondern beim Angebot.
Retail Media als strategischer Hebel. Der Handel verkauft den Marken heute Zugang zu genau den Kassendaten, die er selbst besitzt. Werbeflächen, die der Handel im Online-Shop, in der App und am digitalen Regal auf echtes Kaufverhalten aussteuert, statt auf hochgerechnete Panels. Die Ironie: Die einzige echte Personalisierung, die einer Regalmarke offensteht, kauft sie beim Handel zurück, der ihr die Daten im Alltag vorenthält. Retail Media wächst genau aus diesem Grund so schnell. Für die Marke ist es kein Add-on im Mediaplan, sondern der erste Ort, an dem sie auf Kaufverhalten statt auf Stichproben aussteuern kann.
Das nächste Regal ist ein KI-Einkaufsagent
Und dann kommt eine zweite Distributionsfrage auf die Marke zu, mit derselben Logik wie das Supermarktregal. KI-Einkaufsagenten werden real, aber holprig. OpenAI startete am 29. September 2025 „Instant Checkout” samt Agentic Commerce Protocol mit Stripe in ChatGPT, zunächst mit Etsy, angekündigt für Shopify-Marken wie Glossier, SKIMS, Spanx und Vuori, laut OpenAI Newsroom. Am 4. März 2026 baute OpenAI das Feature wegen enttäuschender Conversion wieder zurück. Walmart maß, dass der Checkout in ChatGPT rund dreimal schlechter konvertierte als der Klick zu walmart.com, brachte aber eine rund doppelt so hohe Neukundenrate wie die klassische Suche, laut Forbes (Jason Goldberg, 10. März 2026) und CNBC (24. März 2026).
Zurückgedreht heißt nicht verschwunden. Im Januar 2026 formierte sich eine Koalition um ein „Universal Commerce Protocol” mit Google, Shopify, Etsy, Wayfair, Target, Walmart, Visa, Mastercard und Stripe; Google integrierte Shopping in Gemini, Perplexity baute eigenes Agentic Purchasing, Meta testet Commerce in WhatsApp. Die Richtung ist klar: Neben dem physischen Regal entsteht ein zweiter Gatekeeper. Ob dich der KI-Einkaufsagent kennt, empfiehlt und bevorzugt, wird zur Distributionsfrage, so wie heute die Zweitplatzierung bei Edeka. Und auch hier gilt der alte Befund: Die Marke sieht am Ende nicht den einzelnen Käufer. Sie sieht nur, ob der Agent sie ausspielt oder nicht.
Fazit: Erst die richtige Frage, dann das Tool
Der KI-Personalisierungs-Hype misst Marketing an einer Frage, die eine Regalmarke gar nicht stellen kann: Wie sprichst du jeden Käufer einzeln an? Wer über Edeka, Rewe, Lidl und Aldi verkauft, sollte drei andere Fragen stellen. Verstehst du deinen Markt schneller als der Wettbewerb? Bringst du das nächste Produkt schneller ins Regal? Und steuerst du Retail Media auf echtes Kaufverhalten statt auf Panels?
In der FMCG-Budgetrunde ist das der Unterschied, der zählt. Sobald ein CFO Attribution verlangt, kürzt er zuerst das Budget, das seine Wirkung nicht belegen kann. Die Marke, die KI dort einsetzt, wo sie ohne Käufer-CRM trotzdem wirkt, im Verstehen, im Innovationstempo, in Retail Media, hat auf diese Frage eine Antwort. Die Marke, die auf eine Hyperpersonalisierung wartet, die im Handelsgeschäft nie ankommt, hat keine.
Wenn du regelmäßig praxisnahe Impulse zu KI im Marketing willst, ohne Tool-Hype, aber mit Blick auf die Realität im Handel, liefert der KI-Syndikat Newsletter genau das.