Macy's: KI-Forecasting verlässt die Pilotphase – Zahlen kommen später

Am 10. September 2026 holt Macy's das KI-Forecasting aus der Pilotphase

Am 10. September 2026 beschrieb COO und CFO Tom Edwards im Earnings Call von Macy's Inc. einen präzisen operativen Schritt: ein KI-Forecasting-Overlay für die Warennachbestückung, im Übergang von der Pilotphase zu einem breiteren Rollout.

Das erklärte Ziel betrifft zwei Punkte: die Regalverfügbarkeit und die Bestandseffizienz. Die Capability gehört zu einer grösseren Initiative, die dem Prinzip «das richtige Produkt am richtigen Ort zur richtigen Zeit» folgt, wie Edwards es formulierte.

Die Rekonstruktion stammt von Retail Dive^[1], das den Bericht am 18. September 2026 veröffentlichte. Die Deployment-Ankündigung nennt ein Datum, einen Perimeter und eine namentlich benannte Führungskraft. Die Kennzahl, die das Ergebnis messbar machen würde, ist Stand heute nicht veröffentlicht.

Die ursprüngliche Idee: ein KI-Layer über einem bereits laufenden Plan

Macy's arbeitet seit 2024 an einem dreiteiligen Transformationsplan mit dem Namen «Bold New Chapter», dessen Schwerpunkt auf der Supply Chain liegt.

Der Plan sieht die Schliessung von als wenig produktiv eingestuften Logistikzentren und die Eröffnung einer automatisierten Anlage in North Carolina vor. Die erklärten Einsparerwartungen belaufen sich laut dem Bericht von Retail Dive auf 235 Millionen US-Dollar bis 2026.

Die Designentscheidung verdient Aufmerksamkeit. Das Unternehmen hat die Prognose auf ein bereits im Umbau befindliches Logistiknetz aufgesetzt, statt sie als eigenständiges Projekt zu behandeln. Dieses Muster kehrt in erfolgreichen Enterprise-Deployments wieder: Der Vorteil entsteht aus Architekturentscheidungen, die Jahre zuvor getroffen wurden. Die Technologie kommt danach, auf vorbereitetem Boden.

Die vorhandenen Zahlen und die noch fehlenden

Der Call liefert eine Bestandszahl: Im zweiten Quartal wachsen die Bestände um 2,5 %, im Gleichschritt mit dem Umsatzwachstum.

Das ist ein Mass für operatives Gleichgewicht. Die Kennzahl beschreibt allerdings das gesamte Warengeschäft. Kein öffentlich verfügbarer Hinweis verbindet sie mit dem gerade ausgeweiteten Forecasting-System.

Der wirtschaftliche Nutzen wird ausdrücklich vertagt. «Insgesamt erwarten wir, Supply-Chain-Effizienzen in der zweiten Jahreshälfte 2026 zu realisieren, mit einem positiven Effekt auf die Bruttomarge», sagte Edwards vor Analysten. Der Satz deckt den gesamten Plan ab: Schliessungen, Automatisierung, Nachbestückung, Prognose. Den KI-Beitrag zu isolieren, bleibt für aussenstehende Leserinnen und Leser derzeit unmöglich.

Die Unterscheidung ist relevant. Ein in einem Call angekündigtes Ergebnis ist eine Aussage des Managements. Ein verifiziertes Ergebnis ist eine Zahl, die Dritte nachrechnen können. Der Fall Macy's gehört zur ersten Kategorie – mit einer namentlich benannten Führungskraft und einem präzisen Datum, womit er den Durchschnitt der KI-Mitteilungen bereits übertrifft.

Der Reibungspunkt: die Skalierung wird vor der Messung verkündet

Jede nützliche Geschichte enthält einen Reibungspunkt. Hier liegt er in der Reihenfolge.

Die Skalierungsschwelle wird dem Markt vor der Zahl kommuniziert, die sie rechtfertigt. Der Pilot endet, der Rollout startet, und der öffentliche Beleg kommt später – eingebettet in eine aggregierte Bruttomargenposition.

Diese Reihenfolge hat einen Informationspreis. Sie macht es schwer, einen technischen Erfolg von einer Programmentscheidung zu unterscheiden. Und sie verschiebt die Überprüfung auf einen Zeithorizont, in dem weitere Hebel gleichzeitig wirken. Der Bewertungsmassstab bleibt unverändert: ROI misst man mit einem Vorher/Nachher auf einer Kennzahl mit Nenner. «Deutliche Verbesserung» bleibt Kommunikation, solange kein Vergleich zweier Zeiträume sie stützt.

Warum die Nachbestückung das passende Testfeld ist

Die Nachbestückung ist ein nahezu reines Prognoseproblem: wie viel Ware, in welcher Filiale, in welcher Woche.

Ein Overlay arbeitet über dem bestehenden System und korrigiert die Nachfrageschätzung mit Signalen, die klassische statistische Modelle nur schwer verarbeiten: Wetter, lokale Promotionen, digitaler Traffic, Retouren. Der erwartete Gewinn zeigt sich in der Verfügbarkeit und in der Ware, die im Lager liegen bleibt.

Der gewählte Perimeter reduziert zudem die Exposition gegenüber der Kundschaft. Das Lager bleibt weit vom Endkunden entfernt. Ein Modellfehler übersetzt sich damit in interne Kosten, nicht in ein beeinträchtigtes Einkaufserlebnis. Eine Analyse der MIT Sloan Management Review^[2] zum Widerstand von Kundinnen und Kunden gegenüber KI erinnert daran, wie stark die Akzeptanz wiegt, sobald die Technologie den Kaufmoment berührt. Der Start im Back Office verkleinert diese Risikofläche.

Schmutzige Daten schlagen das brillante Modell

Ein Overlay erbt die Qualität der zugrunde liegenden Daten: Stammdaten, Preise, Filial-Mappings, saubere Verkaufshistorien.

Jim Webber von Neo4j verknüpft in einem von diginomica^[3] veröffentlichten Interview genau die Datengenauigkeit mit der Qualität der Antworten von KI-Systemen und merkt an, dass Budgetkürzungen das Kostenproblem kaum lösen. Der Gedanke gilt auch ausserhalb der Welt der Knowledge Graphs.

Auf Macy's angewandt zeigt das Prinzip, worauf in den kommenden Quartalen zu achten ist.

• In-Stock-Quoten je Kategorie, vor und nach dem Rollout
• Regallücken in den vom Rollout erfassten Filialen
• Abschriften auf Ware mit niedriger Drehung
• Reichweite in Tagen je Verkaufsstelle

Eine isoliert betrachtete Verbesserung der Bruttomarge lässt die Frage nach der Herkunft des Ergebnisses offen. Wer aufmerksam liest, sucht die disaggregierte Position und verlangt den Vergleich mit einer Vorperiode.

Was Sie daraus mitnehmen können

Die Lesart ändert sich je nach Rolle.

Für Gründerinnen und Gründer von KMU bleibt das Playbook zu überschaubaren Kosten replizierbar. Die Methode sieht die Auswahl eines internen, messbaren und kundenfernen Prozesses vor. Auf diesen Prozess setzt man einen Prognose-Layer auf, ohne das ERP neu zu schreiben.

Für einen CTO betrifft die Botschaft die Architektur. Ein Overlay koexistiert mit dem bestehenden ERP, das Rollback-Risiko bleibt also gering und der Testzyklus verkürzt sich. Für ein Board verschiebt sich die Messlatte woanders hin: Ein Milliarden-Retailer verkündet die Skalierung des Deployments vor dem Beleg – und der Markt nimmt den Schritt als Fortschrittssignal auf.

Für Abteilungsleitungen ist die Übersetzung unmittelbar. Die heute von Hand in einer Tabelle gepflegte Prognose nimmt zwei externe Signale auf – jene, die die Abteilung besser kennt als alle anderen im Unternehmen. Der Ergebnisvergleich umfasst acht Wochen.

Die offene Frage

Es bleibt eine Frage, die für jede Organisation gilt, von der globalen Kette bis zum Händler mit drei Filialen: Welche Kennzahl haben Sie zu veröffentlichen beschlossen, bevor Sie die Technologie auf alle Abteilungen ausweiten?

Wer mit einer Zahl und einem Datum antwortet, hat eine Fallstudie in der Hand. Wer mit einem Ziel antwortet, hat ein Projekt. Das Projekt bleibt trotzdem ein guter Anfang – vorausgesetzt, die Messgrösse wird jetzt festgelegt.

Der nächste Prüftermin für Macy's steht bereits fest: die Zahlen der zweiten Jahreshälfte 2026. Die Bruttomarge wird einen Hinweis liefern. Wie gut die Antwort ausfällt, hängt davon ab, wie detailliert das Unternehmen die einzelnen Positionen aufschlüsselt.