BENTONVILLE / LONDON (IT BOLTWISE) – Walmart rollt KI-Werkzeuge für Filialteams deutlich breiter aus. Im Fokus stehen KI-Agenten, die Aufgaben in der MyWalmart-App vorschlagen oder Sicherheitsereignisse aus Kamera- und Sensorsignalen ableiten. Mitarbeitende berichten, dass die Systeme zwar helfen können, aber in komplexen Alltagssituationen Fehler machen und Kontext nachliefern müssen. Gleichzeitig betont das Unternehmen, dass Feedback aus den Filialen zentral ist, um die Software in der Praxis zu verbessern.
Walmart schiebt die KI aus dem Backoffice an die Front: In den Filialen tauchen KI-Agenten zunehmend dort auf, wo vorher vor allem Menschen die nächsten Schritte festgelegt haben. Konkret geht es um Aufgabenlisten und Zielvorgaben, die den Angaben zufolge in der MyWalmart-App erscheinen – auf dienstlichen Geräten, aber auch als Download auf privaten Smartphones möglich. Damit verändert sich die Rolle vieler Mitarbeitender: Aus „Abarbeiten“ wird „Validieren“, wenn die KI Arbeitsabläufe anhand unvollständiger Annahmen plant oder wenn eine Anweisung im Laden nicht zur Realität passt.
Technisch betrachtet nutzt Walmart hier eine typische Kombination aus Agentenlogik und datenbasierter Planung, die im Tagesgeschäft mit variablen Randbedingungen klarkommen muss. Ein Beispiel aus der Organisation der Aufgaben ist das Auffüllen von Regalen: Das ist nicht nur „Ware in eine freie Fläche stellen“, sondern umfasst auch das Prüfen von Haltbarkeitsdaten, das Entsorgen beschädigter Artikel sowie das Reinigen und Desinfizieren von Bereichen, in denen Staub oder Flüssigkeiten gelandet sind. Wenn ein KI-System die Zeit oder die Reihenfolge nicht sauber an diese Schritte koppelt, entsteht ein Bruch zwischen Modellannahmen und praktischer Arbeitsroutine. Mitarbeitende schildern genau diesen Moment als Lernkurve: Die Software soll zwar schneller helfen, braucht aber offenbar laufend Kontext, um die Komplexität im Markt zu erfassen.
Besonders sichtbar wird die Herausforderung bei KI-generierten Routen und Zeitvorgaben. Ein Online-Fulfillment-Mitarbeitender berichtet, dass die App bei der Bearbeitung von Bestellungen ein Tempo erwartet, das sich in der Praxis nicht erreichen lässt – unter anderem wegen der vom System projizierten Wege durch den Store. Ähnlich schildern Fahrer, die für den Walmart-eigenen Spark-Dienst zuständig sind, Probleme mit einer „smart path“-Funktion: Sie könne dazu führen, dass gefrorene Artikel und Beilagen wie Eisbeutel am Anfang einer Tour abgeholt werden sollen, während sie eigentlich erst später am Tag ihre Position finden dürften, um das Auftauen zu steuern. Solche Fälle zeigen, dass selbst gut gemeinte Optimierungslogik dann ins Leere läuft, wenn Zeitfenster, Temperaturanforderungen und reale Laufwege nicht vollständig in den Agenten-Entscheidungsprozess eingehen.
Daneben tritt ein weiterer Strang hinzu, der im Alltag häufig als „Sicherheitsrauschen“ wahrgenommen wird: Ein neuer Agent zur Laden-Sicherheit, der Daten aus Kameras und Sensoren auswertet, soll potenzielle Probleme erkennen und Mitarbeitende alertieren. In der Praxis müssen Betroffene diese Warnungen jedoch häufig einordnen, weil nicht jede Meldung tatsächlich einen unmittelbaren Handlungsbedarf abbildet. Laut Schilderungen kommt es vor, dass beim Öffnen der Walmart-App auf persönlichen Geräten eine Flut von Sicherheitsalarmen anderer Abteilungen erscheint. Die Intention ist klar – etwa Verschüttetes zum Aufwischen oder Temperaturabweichungen im Kühlsystem zu markieren. Aber wenn die Filterung oder Klassifikation noch nicht zuverlässig genug ist, entsteht für die Mitarbeitenden ein zusätzlicher Aufwand, der Vertrauen und Nutzwert direkt beeinflusst.
Walmart versucht, diesen Rückkopplungseffekt strukturell zu nutzen. Das Unternehmen beschreibt sich seit Jahren als „people-led, tech-powered“ und macht deutlich, dass neue Tools Menschen in der Arbeit unterstützen sollen, statt sie zu ersetzen oder automatisch zu bestrafen. Im Kern lautet die Aussage: Employee Feedback gilt als entscheidend, um die Softwarewerkzeuge zu verbessern. Zusätzlich betont das Unternehmen, dass Stores bei der Nutzung der Funktionen eine gewisse Autonomie behalten, und nennt als Entwicklungsbestandteil regelmäßige Besuche in Filialen sowie regelmäßig geplante Listening-Sessions aus dem Hauptsitz in Bentonville. Dadurch verschiebt sich der AI-Rollout von einem reinen IT-Projekt hin zu einem organisatorischen Lernprozess, bei dem der Agent nicht nur „trainiert“ wird, sondern auch seine Einsatzlogik im Laden aktualisiert bekommt.
Der Markt sieht solche Schritte bereits seit Jahren als nächste Stufe der Automatisierung: Nicht mehr nur Datenübersichten, sondern Handlungsanweisungen über Apps. Walmart liefert dafür ein konkretes Beispiel in einer besonders arbeitsintensiven Umgebung. Weil das Unternehmen nach eigenen Angaben rund 1,6 Millionen Beschäftigte hat, skaliert jeder Fehler- und Feedbackzyklus schnell – und entsprechend groß ist der Druck, dass das System im Feld robust genug wird. Gleichzeitig entsteht ein neues Spannungsfeld für Workforce-Management: Mitarbeitende müssen den Output der KI so lange korrigieren oder ignorieren, bis das System ihre tatsächlichen Arbeitsbedingungen abbildet. In der Konsequenz wird KI weniger zu einer „Autopilot“-Funktion und eher zu einem Mitspieler, dessen Vorschläge nur dann verlässlich sind, wenn die Realität im Store in der Trainings- und Regelbasis genug Gewicht bekommt.
Welche Wirkung das auf die Wahrnehmung hat, zeigen auch Auswertungen aus einem Mitarbeiter-Umfeld: Eine Umfrage der Organisation United for Respect, die auf Antworten von mehr als 250 Beschäftigten basiert, beschreibt spürbare Skepsis. Dabei geben laut den Angaben mehr als 85 % der Befragten an, nicht darauf zu vertrauen, dass Walmart ihre Bedürfnisse bei der KI-Entwicklung priorisiert; zugleich erwarten etwa 40 %, dass KI ihnen die Arbeit erleichtern könnte, und ein ähnlicher Anteil glaubt, KI könne repetitive oder geringwertige Aufgaben reduzieren. Als Top-Sorge nennen nahezu drei Viertel der Befragten die Gefahr, dass KI Entscheidungen in HR-Kontexten beeinflusst, etwa bei Lohn-Reviews oder Urlaubsanträgen; außerdem befürchten zwei Drittel weniger Kontakt zu Managern und Kollegen. Eine Überlegung, die in solchen Rollouts immer wieder auftaucht, ist damit konkret: Wenn KI-Agenten Teil von Leistungs- oder Taktvorgaben werden, müssen Unternehmen nicht nur Modelle verbessern, sondern auch die Auswirkungen auf Vertrauen, Fairness und Betriebsabläufe sauber gestalten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Walmart setzt KI-Agenten im Laden ein – und macht Mitarbeitende zum Fehler-Manager" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Walmart setzt KI-Agenten im Laden ein – und macht Mitarbeitende zum Fehler-Manager" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Walmart setzt KI-Agenten im Laden ein – und macht Mitarbeitende zum Fehler-Manager« bei Google Deutschland suchen, bei Bing oder Google News!