Viki Zabala, Chief Growth & Strategy Officer bei First Insight – Interviewreihe

Viki Zabala, Chief Growth & Strategy Officer bei First Insight, bringt mehr als 22 Jahre Führungserfahrung in hochwachsenden SaaS-, AI- und Technologieunternehmen mit, die an der Schnittstelle von Strategie, Produkt und Innovation tätig sind. In ihrer Rolle leitet sie den einheitlichen Wachstumsmotor von First Insight in den Bereichen Strategie, Go-to-Market, Marketing, Produkt, KI, Kundenunterstützung und Partnerschaften und prägt die Vision hinter der Retail-Decision-Intelligence-Plattform des Unternehmens. Bekannt für die Fähigkeit, Unsicherheit in Klarheit zu übersetzen, hat Zabala Hyperwachstum, Markterweiterung und KI-gesteuerte Transformation vorangetrieben, indem sie Kundeninsights, Entscheidungsintelligenz und skalierbare Betriebsmodelle miteinander verband, um messbare Geschäftsergebnisse für globale Unternehmen zu liefern.

First Insight ist eine KI-gesteuerte Entscheidungsintelligenz-Plattform, die für Einzelhändler und Marken entwickelt wurde, die Nachfrage vorhersagen, Preise und Sortimente optimieren und Risiken über den gesamten Produktlebenszyklus hinweg reduzieren möchten. Durch die Kombination von Echtzeit-Kundenfeedback mit prädiktiver, generativer und agenter KI hilft die Plattform Organisationen, schneller und selbstbewusster Entscheidungen in den Bereichen Design, Merchandising, Planung und Saisonumsatz zu treffen. Von führenden globalen Einzelhändlern und Verbrauchermarken genutzt, konzentriert sich First Insight darauf, Kundeninsights in handhabbare Intelligenz umzuwandeln, die die Margen verbessert, die Zeit bis zum Markteintritt beschleunigt und das langfristige Wachstum stärkt.

Ihre Karriere hat sich konsequent an der Schnittstelle von Daten, Go-to-Market-Strategie und Ausführung bewegt. Welche Momente in Ihrer frühen Karriere haben am meisten dazu beigetragen, wie Sie heute über die Umwandlung von Erkenntnissen in reale betriebliche Entscheidungen denken?

Ich habe mich immer auf eine grundlegende Herausforderung konzentriert: Wie man das Verhalten auf großen Skalen beeinflusst und ändert.

Früh in meiner Karriere zeigte sich dies in mobilen Apps und Ad-Tech, wo Feedback-Schleifen sofort sind. Man lernt schnell, dass Daten nur dann wichtig sind, wenn sie das ändern, was jemand als Nächstes tut – Installation, Engagement, Umwandlung. Später, in IoT- und Erfahrungsplattformen, spielte sich dieselbe Wahrheit in physischen Umgebungen aus: Wie Kontext, Timing und Erfahrung das menschliche Verhalten in Echtzeit prägen.

Über alle diese Branchen hinweg blieb eine Lektion konstant: Erkenntnisse sind nur dann wertvoll, wenn sie handhabbar sind im Moment, in dem eine Entscheidung getroffen wird. Wenn sie den Druck der Ausführung nicht überstehen – Preisgestaltung, Go-to-Market, Bestand, Messaging – sind sie nur Informationen.

Diese Denkweise ist es, die mich zu First Insight gebracht hat. Der Einzelhandel ist eine der verhaltensgesteuertesten Branchen, die es gibt, und Entscheidungen basierten historisch auf rückblickenden Indikatoren und Bauchgefühl. Meine Arbeit bestand darin, diese Lücke zu schließen – die Stimme des Kunden nach vorne zu bringen, früh genug und kontinuierlich genug, um bessere Ergebnisse zu konstruieren, anstatt auf Misserfolge zu reagieren.

Mein Fokus liegt jetzt darauf, Organisationen dabei zu helfen, bessere Entscheidungen zu treffen, früh genug, um wichtig zu sein – damit sie Umsatz generieren, Kundenloyalität erwerben und konsequent besser als der Markt abschneiden.

Als Chief Growth & Strategy Officer bei First Insight sind Sie für Produkt, KI-Roadmap, Go-to-Market und Kundenunterstützung verantwortlich. Wie verändert die einheitliche Sicht die Art und Weise, wie KI innerhalb von Einzelhandelsorganisationen entworfen und eingesetzt werden sollte?

Wenn man das gesamte System sieht, hört man auf, über KI als Werkzeug nachzudenken und beginnt, über sie als Betriebsmodell nachzudenken.

Das Produkt zeigt, was technisch möglich ist. Go-to-Market zeigt, was tatsächlich verstanden und angenommen wird. Kundenunterstützung zeigt, was unter realen Einschränkungen – Zeitdruck, cross-funktionale Spannungen, Datenqualität und Rechenschaftspflicht – besteht. Wenn diese Perspektiven einheitlich sind, wird KI um die Art und Weise herum entworfen, wie Entscheidungen tatsächlich getroffen werden, und nicht um die Art und Weise, wie die Technologie in Isolation aussieht.

Das ist der Grund, warum KI im Einzelhandel als System von Entscheidungen und Aktionen und nicht nur als System von Intelligenz funktionieren muss. Sie muss Kunden-Signale mit Preisgestaltung, Sortiment, Marketing und Planung in einer Weise verbinden, die Teams ausrichtet und Entscheidungen beschleunigt. Wenn KI die Reibung zwischen Teams reduziert und den Abstand zwischen Erkenntnis und Aktion verkürzt, beginnt sie, echten Wert zu liefern.

Einzahlhändler haben sich lange auf saisonale Planungszyklen und historische Daten verlassen. Warum sind diese Modelle aus Ihrer Sicht auf dem Boden immer mehr mit dem Verhalten der Verbraucher heute nicht mehr vereinbar?

Weil diese Modelle für eine Welt entwickelt wurden, in der der Einzelhandel hauptsächlich darum ging, das zu optimieren, was bereits existierte – und nicht darum, das zu erfinden, was als Nächstes kommt.

Historische Verkäufe und saisonale Zyklen können helfen, die Leistung in etablierten Kategorien zu erklären, aber sie sind schwach in den zwei Dingen, die Einzelhändler heute am meisten benötigen: Reaktion auf schnell änderndes Kundenverhalten und Schaffung neuer Nachfrage durch Produktinnovation und Weißraumerweiterung.

Die Nachfrage ändert sich nun in Echtzeit – getrieben von Preissensibilität, kulturellen Momenten, sozialem Einfluss, wirtschaftlichem Druck und Kanaldynamik. Ein Trend kann über Nacht entstehen. Ein Preissignal kann das Verhalten sofort ändern. Historische Daten erklären, was bereits passiert ist, aber sie sagen nicht zuverlässig, wie Kunden als Nächstes reagieren werden – auch für Produkte, die bereits auf dem Regal sind – wenn Kontext und Stimmung sich jederzeit ändern können.

Und wenn es um Innovation geht, kann Verkaufsgeschichte nicht ein Produkt validieren, das noch nicht existiert – oder eine Kundensegment, das man in Gefahr ist, zu verlieren. Das ist der Grund, warum so viele Einzelhändler auf der Vergangenheit herumiterieren, anstatt mit Zuversicht in die nächste Kategorie, das nächste Feature-Set oder das nächste Publikum zu investieren. Der Schlüssel ist, die Stimme des Kunden nach vorne zu bringen – früh genug, um Konzepterstellung, Preisgestaltung und Positionierung zu leiten – damit Innovation zu einem wiederholbaren System wird und nicht zu einem Glücksspiel.

Der KI-Assistent von First Insight, Ellis, ermöglicht natürliche Sprachabfragen zu Preisen, Sortimenten und Nachfrage. Wie wichtig ist die Benutzeroberflächen-Design und -Zugänglichkeit für die tatsächliche KI-Adoption im Vergleich zu nur technischer Fähigkeit?

Die Benutzeroberfläche ist der Unterschied zwischen “KI existiert” und “KI wird verwendet”.

Einzelhandels-Entscheidungen umfassen weit mehr als nur einen Moment – Konzeptforschung, Design, Sortimentsaufbau, Preisoptymierung, Margenmodellierung, Kauf Tiefe, Zuweisung, saisonale Anpassungen, Marketing und Verkauf. Die Herausforderung besteht nicht darin, dass Einzelhändler keine Fragen haben; es ist, dass Antworten in Berichten, Decks, Exporten und spezialisierten Teams gefangen sind – und dass der Moment, in dem sie geliefert werden, bereits vorbei ist.

Ellis ist wichtig, weil er die Reibung zwischen Erkenntnis und Aktion reduziert. Anstatt Berichte zu navigieren oder auf neue Analysen zu warten, können Teams strategische und taktische Fragen in einfacher Sprache stellen – zu Konzepten, Preisen, Sortimenten, Segmenten, Märkten, Wettbewerbern – und klare, prädiktive Antworten in Minuten erhalten. Das ist nicht nur Benutzbarkeit; das ist Entscheidungsgeschwindigkeit.

Die Zugänglichkeit treibt auch die Adoption über das gesamte Unternehmen hinweg voran. Wenn das gleiche Kunden-Signal sofort für Merchandising, Preisgestaltung, Marketing und Planung verfügbar ist, reduziert man interne Kämpfe und Fehlausrichtungen. Menschen hören auf, über dessen Daten zu streiten, was richtig ist, und beginnen, über das zu streiten, was als Nächstes zu tun ist – schneller und mit mehr Zuversicht.

Sie haben eng mit Einzelhändlern zusammengearbeitet, die unter Margendruck, Bestandsrisiko und volatiler Nachfrage leiden. Wo liefert KI den schnellsten, messbaren Einfluss heute – und wo ist die Hype noch vor der Realität?

Der schnellste Einfluss zeigt sich, wo Entscheidungen häufig, teuer und zeitkritisch sind: Preisgestaltung, Sortimentsauswahl, Nachfragevalidierung und Bestandsrisiko. Wenn KI Teams hilft, Überbestände zu vermeiden, Preise mit Zuversicht zu halten oder verlierende Produkte früher zu verlassen, ist der finanzielle Einfluss sofort und messbar.

Wo die Hype vor der Realität liegt, ist die Idee von vollständig autonomen Einzelhandel oder KI, die reale Kundenverständnis durch synthetische Abkürzungen ersetzt. Verbraucher sind sehr klar: Sie schätzen Authentizität, Transparenz und das Gehörtwerden. KI, die Marken von den Kunden entfernt, schafft nicht Effizienz – sie schafft Risiko.

Das gewinnende Modell heute ist menschliches Urteil, das durch prädiktive Erkenntnisse gestärkt wird, und nicht Automatisierung um der Automatisierung willen.

Viele KI-Tools versprechen prädiktive Fähigkeiten. Was sieht bedeutsame Vorhersage im Einzelhandel aus, und wie sollten Führungskräfte beurteilen, ob Vorhersagen tatsächlich entscheidungsreif sind?

Bedeutsame Vorhersage im Einzelhandel ist nicht eine Prognose – es ist die Fähigkeit, die Schleife von Kundenwahrheit zu finanziellem Ergebnis zu schließen.

Viele KI-Ausgaben klingen prädiktiv, aber sie ändern das Geschäft nicht, weil sie nie in den Betriebsablauf gelangen. Das Quartal verfehlt, der Bestand stapelt sich, Markdown-Budgets werden ausgegeben – und jeder kann auf Daten zeigen, die hätten helfen können. Der wahre Misserfolg ist, dass Entscheidungen nicht ausgerichtet waren, Aktionen nicht ergriffen wurden und der Arbeitsablauf nicht geändert wurde.

Entscheidungsreife Vorhersage tut drei Dinge auf einmal:

1. Sie basiert auf der Art und Weise, wie Kunden tatsächlich Wert wahrnehmen – nicht nur Verkaufsgeschichte – so dass sie Entscheidungen von Konzept bis Saison leiten kann.
2. Sie bindet direkt an die Ökonomie: Nachfrageelastizität, Zahlungsbereitschaft, AUR/ASP über den Produktlebenszyklus und die Margenimplikationen von Preisgestaltung gegenüber Rabattierung.
3. Sie ist operativ – in einem wiederholbaren Prozess, dem Teams tatsächlich folgen, und nicht in Dutzenden von Tools und siloartigen Dashboards gefangen.

Ein wiederkehrendes Thema, das wir sehen, ist die Kosten des “langen Schwanzes” von SKUs. Über-Sortimentierung ist ein stiller Killer: übermäßige Tiefe, niedrige Geschwindigkeit, vergrabenes Risiko. Eine der größten Hebel, die prädiktive KI freischaltet, ist die Fähigkeit, den Schwanz zu kürzen – unterperformende Produkte früh zu entfernen und die Bestandsdollar in Top-Performer zu reinvestieren, wo Kunden-Nachfrage und -Stimmung am höchsten sind.

Wenn Teams diese Disziplin anwenden, sehen wir dramatische Ergebnisse:

• Bestandsdollar werden für Innovation und Hochleistungs-Opportunitäten freigeschaltet,
• die Markdown-Kadenz stabilisiert und schrumpft,
• die Werbedruck ebbt ab und
• das Markenvertrauen steigt, weil Kunden nicht darauf trainiert werden, 50-60% Rabatt zu erwarten, bevor sie kaufen.

Führungskräfte sollten prädiktive KI mit einer Frage bewerten: Ändert sie, wo wir investieren? Die höchste Rendite ist nicht mehr Daten – es sind bessere Entscheidungen darüber, wie man Kapital, Zeit und Bestand gegen reale Kunden-Nachfrage alloziert – früh genug, um wichtig zu sein.

Verantwortungsvolle KI wird oft auf hohem Niveau diskutiert. Was sieht praktische, verantwortungsvolle KI-Adoption im Einzelhandel aus, wenn Entscheidungen direkt Preise, Verbraucher und Markenvertrauen beeinflussen?

Verantwortungsvolle KI im Einzelhandel beginnt mit einem einfachen Prinzip: KI verwenden, um die Kundenbeziehung zu vertiefen, und nicht, um sie auszunutzen.

Dies ist nicht darum, Einzelpersonen hyper-zu verfolgen, Überwachung oder Daten zu sammeln, um der Sammlung willen. Verantwortungsvolle KI ist darum, die Stimme des Kunden in jede Entscheidung auf großen Skalen zu bringen – so dass Produkte, Preise, Nachrichten und Erfahrungen das widerspiegeln, was Menschen tatsächlich schätzen. Auf viele Weise ist es eine Form der Ko-Entwicklung: Kunden leiten, was erstellt wird, wie es positioniert wird und was fair erscheint.

Praktisch sieht verantwortungsvolle KI so aus:

• Grundlegende Entscheidungen in realem Kunden-Input – sowohl quantitativ als auch qualitativ (“was sie/sie/er sagte”).
• Transparenz und Schutzschilde für hochwirkungsvolle Entscheidungen wie Preisgestaltung, Werbung und Segmentierung aufbauen.
• Sicherstellen, dass Fairness über Segmente und Märkte hinweg besteht, so dass KI nicht ungewollt eine Gruppe bevorzugt, während sie eine andere benachteiligt.
• Menschen in der Schleife halten für Urteil, Rechenschaftspflicht und die kreative Nuance, die KI nicht selbst generieren kann.

Wenn KI auf diese Weise eingesetzt wird, stärkt sie die Kundenbeziehung, anstatt sie zu untergraben. Kunden fühlen sich gehört, im großen Maßstab. Teams treffen bessere Entscheidungen, schneller. Und Marken bauen Vertrauen auf – weil sie nicht mehr auf den Markt reagieren; sie handeln mit ihm.

Sie haben sowohl Marketing-Narrative als auch Produktstrategie geleitet. Wie sollten Einzelhändler interne Geschichten über KI so umdenken, dass sie als Entscheidungspartner und nicht als Bedrohung oder Black-Box gesehen wird?

Einzahlhändler sollten aufhören, die Geschichte zu erzählen, dass KI “intelligente Analyse” ist, und beginnen, die Geschichte zu erzählen, dass KI Kunden-Zentrierung im großen Maßstab ist.

Die interne Reibung im Einzelhandel ist nicht nur Silos – es sind Silos, die hochriskante Entscheidungen mit unterschiedlichen Wahrheiten treffen: Marketing hat Engagement-Signale, Merchandising hat Verkaufsgeschichte, Preisgestaltung hat Margendruck, Planung hat Bestandsbeschränkungen. Dort finden die Kämpfe statt.

KI wird zu einem Entscheidungspartner, wenn sie eine gemeinsame Sprache über Funktionen hinweg schafft: die Stimme des Kunden, übersetzt in prädiktive Anleitung, die Produkt, Preis, Sortiment und Verkauf – von Konzept bis Umsetzung – informiert.

Und es ist wichtig, ehrlich über die Rolle der Menschen zu sein. KI erfindet nicht die nächste Durchbruchsidee – sie lernt Muster. Menschen bringen Kreativität, Geschmack, Marken-Intent und kulturelle Intuition. KI macht diese Kreativität schärfer, indem sie Feedback-Schleifen verkürzt und Entscheidungen vor dem Markt testet.

Wenn KI immer mehr in Planung und saisonale Entscheidungen eingebettet wird, wie sehen Sie die Rolle des menschlichen Urteils sich entwickeln, anstatt zu verschwinden?

Menschliches Urteil wird wichtiger – und mehr genutzt – weil in der Saison der Einzelhandel-Gewinn gewonnen oder verloren wird.

Markdowns sind einer der größten Kosten im Einzelhandel. Einzelhändler budgetieren oft für sie, weil sie gezwungen sind, unverkaufte Bestände zu löschen. Der Grund, warum Markdowns so schmerzhaft sind, ist die Zeit: zu früh Rabatt und man zerstört die Marge; zu spät Rabatt und man verpasst das Fenster, um Nachfrage zu konvertieren.

Mit prädiktiver KI und Menschen in der Schleife können Teams elastische Nachfragekurven modellieren und verstehen, wie ASP/AUR über die Lebensdauer des Produkts hinweg evolvieren sollte – basierend auf Verkauf, Kundenwahrnehmung und Marktsignalen. Das ermöglicht cleverere Züge: wann man den Preis hält, wann man rabattiert und wie viel – ohne überzukorrigieren.

Und saisonale Entscheidungen sind nicht nur Preisgestaltung. KI kann Werbung und Marketing in der Saison informieren, indem sie kulturelle Momente, Influencer, Trend-Beschleunigung und Verschiebungen in Kunden-Personas – neben Produktwahrnehmung und Preissensibilität – berücksichtigt. Menschen wenden dann Urteil an: Marken-Intent, Risikotoleranz und die kreative Nuance, die KI nicht selbst generieren kann.

Die Zukunft ist nicht Automatisierung. Es sind schnellere, kunden-informiertere Entscheidungen – wo KI das Zuhören skaliert und Menschen die Bedeutung leiten.

Wenn Sie in die Zukunft blicken, wie erwarten Sie, dass agente und generative KI den Einzelhandels-Workflow in den nächsten zwei bis drei Jahren umgestalten – nicht theoretisch, sondern operativ?

Wir bewegen uns von Systemen der Intelligenz zu Systemen der Aktion.

Operativ wird generative KI Erkenntnisse über Rollen und Ebenen hinweg zugänglich machen: zusammenfassend, vergleichend, erklärend und Fragen beantwortend in Minuten. Agente KI wird immer mehr die repetitive Arbeit übernehmen, die Organisationen behindert: Szenarien vorbereiten, executive-ready-Berichte zusammenstellen, Signale überwachen, Risiken flaggen und nächste Aktionen koordinieren.

Aber die bedeutendste Veränderung wird nicht darin bestehen, dass KI “den Einzelhandel steuert”. Es wird darin bestehen, dass Einzelhändler endlich die Schleife zwischen dem Kunden und dem Unternehmen schließen. Teams werden schneller handeln, interne Reibung überwinden und bessere Entscheidungen früher treffen – bevor Trends ihren Höhepunkt erreichen, bevor Markdowns sich ausbreiten und bevor verpasste Chancen zu quartalsweisen Fehlern werden.

Die Einzelhändler, die gewinnen, werden nicht diejenigen sein, die die meisten KI-Experimente haben. Sie werden diejenigen sein, die einen wiederholbaren Betriebsrhythmus aufbauen, in dem Kundenwahrheit, prädiktive Intelligenz und menschliche Kreativität zusammenarbeiten – von Konzept bis Umsetzung.

Vielen Dank für das detaillierte Interview. Leser, die mehr erfahren möchten, sollten First Insight besuchen.