Crisp bringt Halo auf den Markt, um KI für den Einzelhandel in Cloud-Umgebungen von Unternehmen zu integrieren

Crisp hat Halo eingeführt, eine KI-Plattform für den Einzelhandel, die in der eigenen Cloud-Umgebung eines Unternehmens betrieben werden kann. Damit rücken Vertriebs- und Lieferkettenanalysen näher an die Daten und Governance-Systeme heran, die Unternehmen bereits nutzen. Die am 29. Oktober angekündigte Plattform richtet sich an Hersteller von Konsumgütern (CPG), Einzelhändler, Distributoren und Makler.

Die Einführung greift ein bekanntes Problem im Einzelhandel auf: Teams erkennen zwar Veränderungen bei Umsatz oder Lagerbeständen, benötigen aber oft noch Stunden, um den nötigen Kontext zu sammeln und die Ursache zu erklären. Crisp beschreibt in der Ankündigung von Halo ein System, das Einzelhandelsdaten, branchenspezifische Logik und agentenbasierte Werkzeuge kombiniert, damit Nutzer die Geschäftsentwicklung untersuchen und über die nächsten Schritte entscheiden können.

Eine Datengrundlage für den Einzelhandel als Fundament der KI

Die Architektur von Halo beginnt bei den Informationen, die von Einzelhändlern und Distributoren eingehen. In der Plattformübersicht unterteilt Crisp diese Grundlage in Datenintegration, Datenverwaltung und Datenmodellierung. Darauf aufbauend kommen agentenbasierte Werkzeuge und rollenspezifische Anwendungen zum Einsatz.

Diese Struktur ist wichtig, weil Handelspartner ein Produkt, eine Filiale oder einen Berichtszeitraum unterschiedlich abbilden können. Eine Frage zu einem Lagerengpass lässt sich besser beantworten, wenn die zugrunde liegenden Systeme übereinstimmen, um welchen Artikel, welchen Standort und welchen Zeitraum es geht.

Crisp bezeichnet seinen Ansatz als vertikale KI: Die Daten werden bereinigt und um die Fachsemantik des Einzelhandels angereichert, bevor sie für Analysen genutzt werden. In den Hintergrundmaterialien des Unternehmens werden Einzelhandelskalender, Produkthierarchien, Lieferquoten und Analysen zu ausverkauften Artikeln als Beispiele für den relevanten Geschäftskontext genannt. Crisp zufolge nutzen mehr als 7.000 Kunden die Dienste des Unternehmens, darunter 90 der 100 größten CPG-Unternehmen. Dabei handelt es sich um vom Unternehmen gemeldete Nutzungszahlen.

Betrieb in der Cloud des Kunden

Halo ist als gehostete Plattform oder innerhalb der Kundenumgebungen auf Databricks, Snowflake und Google Cloud verfügbar. Letztere Option bietet Unternehmen eine Alternative dazu, ihre Einzelhandelsanalysen in eine weitere extern gehostete Anwendung zu verlagern.

Die Architekturdokumentation von Databricks von Crisp liefert ein konkretes Beispiel. Einzelhandelsdaten werden in Delta-Tabellen abgelegt, die über Unity Catalog verwaltet werden; Anwendungen und Agenten laufen in Databricks Apps. Für den Anwendungsstatus, Unterhaltungen und das Gedächtnis der Agenten kommt eine Lakebase-Datenbank zum Einsatz. Modellaufrufe laufen über Model Serving und AI Gateway, während semantische Abfragen ein ausgewähltes SQL-Warehouse nutzen.

Crisp zufolge verbleiben proprietäre Daten in der Umgebung des Kunden, während nicht proprietäre Betriebsprotokolle und Telemetriedaten an die zentralen Systeme des Unternehmens übermittelt werden. Diese Unterscheidung ist präziser, als zu behaupten, bei der Bereitstellung gebe es keinerlei externe Kommunikation. Außerdem führt Crisp die Integration von MLflow und die Veröffentlichung seiner semantischen Modelle als Unity Catalog Metric Views als geplante Funktionen auf.

Für IT-Teams liegt die Bedeutung im Betrieb: Zugriffskontrollen, Inferenzoptionen und Nutzungsüberwachung können auf die bereits vorhandene Infrastruktur abgestimmt werden. Der Bereitstellungsort allein belegt jedoch weder die Richtigkeit einer Antwort noch die Eignung einer automatisierten Maßnahme.

Von Fragen zum Gesamtportfolio zu Entscheidungen für einzelne Einzelhändler

Mit der Einführung kommen die Zentrale und der Kundenbereich hinzu. Die Zentrale bietet den Teams in der Unternehmenszentrale einen Überblick über das gesamte Einzelhandelsportfolio und unterstützt Aufgaben in den Bereichen Vertriebsstrategie, Kategorieverwaltung und Lieferkettenplanung. Der Kundenbereich richtet sich an Kundenbetreuungsteams, die Kennzahlen, Terminologie und Betriebslogik eines einzelnen Einzelhändlers benötigen.

Stellen wir uns vor, eine Marke untersucht rückläufige Verkäufe eines bestimmten Produkts. Entscheidend ist, ob die Veränderung auf die Nachfrage, die Verfügbarkeit, den Vertrieb oder einen anderen betrieblichen Faktor zurückzuführen ist. Werden Analysen mit Daten auf Filial- und Artikelebene verknüpft, können Teams die Ursachen gezielter eingrenzen, anstatt einen Rückgang im gesamten Portfolio als ein einziges Problem zu behandeln.

Darin liegt der praktische Unterschied zwischen einer dialogorientierten Benutzeroberfläche und einer Einzelhandelsanwendung: Letztere muss die Geschäftseinheiten und Zusammenhänge hinter einer Frage verstehen. Die übergreifende Plattform von Halo bündelt ihre Funktionen außerdem nach Bereichen wie Nachschub, Kategorieplanung und Zusammenarbeit mit Lieferanten.

Nachvollziehbare Antworten und wiederholbare Arbeitsabläufe

In den Materialien zu KI-Agenten beschreibt Crisp Werkzeuge, die tägliche Informationen zu Filialen und Produkten für Analysen und Maßnahmen nutzen. Als zentrale Einsatzmöglichkeiten dieser Werkzeuge nennt das Unternehmen für Halo dialogbasierte Abfragen, regelmäßige Berichte, die Automatisierung von Arbeitsabläufen und maßgeschneiderte Anwendungen.

In den Materialien zur Einführung wird betont, dass sich Empfehlungen auf die Quelldaten und die zu ihrer Erstellung verwendete Logik zurückführen lassen. Eine solche Herkunftsdokumentation erleichtert die Prüfung einer Antwort: Analysten können die Datensätze und die Begründung hinter einer Empfehlung untersuchen, statt eine überzeugend formulierte Erklärung ungeprüft zu übernehmen.

Für Unternehmen, die die Plattform prüfen, reichen die entscheidenden Fragen über diese Erklärung hinaus bis zur Umsetzung: Welche Maßnahmen sind zulässig, welche müssen überprüft werden und wie werden Veränderungen nach der Umsetzung gemessen? Die veröffentlichten Materialien beschreiben Funktionen und Bereitstellungsarchitektur, liefern jedoch keine unabhängige Vergleichsstudie zur Prognosegenauigkeit oder zu finanziellen Erträgen.

Halos stärkster Vorteil ist die Verbindung zwischen diesen Ebenen. Der Einzelhandelskontext liefert einem KI-System nützlichere Informationen, die Bereitstellung in der Kunden-Cloud kann sich in bestehende Governance-Strukturen einfügen, und rollenspezifische Workflows bringen die daraus resultierenden Analysen den Verantwortlichen für Bestände und Geschäftsentscheidungen nahe.