У нас вы можете посмотреть бесплатно ABZ 02-65 – Künstliche Intelligenz für städtischen Handel und Gastronomie или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса ClipSaver.ru
Der stationäre Einzelhandel steht unter massivem Transformationsdruck. E-Commerce, verändertes Konsumverhalten und steigende Kosten zwingen insbesondere kleine und mittlere Unternehmen dazu, Prozesse zu hinterfragen und effizienter zu gestalten. In dieser Podcastfolge stellen wir mit dem „Innenstadt-Prognosemodell für den Handel“ einen zentralen Baustein des Projekts KI-Regio vor. Ziel ist es, mithilfe von KI-basierten Prognosen Planungsprozesse im Handel und in der Gastronomie messbar zu verbessern. Das Projekt verbindet Wissenschaft und Praxis: fünf Professuren der Wirtschaftswissenschaftlichen Fakultät der Universität Würzburg aktuell rund 65 Handels- und Gastronomiebetriebe aus Mainfranken. Zu Gast sind: Volker Wedde, Bezirksgeschäftsführer Handelsverband Bayern (Unterfranken) Kai Günder, Doktorand und wissenschaftlicher Mitarbeiter am Lehrstuhl für Logistik und quantitative Methoden (Universität Würzburg) Gemeinsam diskutieren wir, wie Daten, KI und interdisziplinäre Kooperationen helfen können, den stationären Handel resilienter und planbarer zu machen. ⏱️ Kapitel / Timecodes 00:00 – Begrüßung & Einordnung der Podcastfolge 01:10 – Überblick: Zielsetzung und Struktur des Projekts KI-Regio 02:05 – Vorstellung der Gäste und ihrer Rollen im Projekt 04:20 – KI im stationären Handel: Ausgangslage und Perspektive der Händler 06:15 – Transformationsdruck: E-Commerce, Konsumverhalten und Unsicherheit 07:50 – Prozesseffizienz als zentrale Chance für KMU 08:45 – Praxisbeispiel: Manuelle Planung in Gastronomie und Handel 10:05 – Idee des Innenstadt-Prognosemodells 11:55 – Relevante Einflussfaktoren: Wetter, Events, Semesterzeiten 13:10 – Zentrale Herausforderung: Datenverfügbarkeit bei KMU 15:15 – Externe Datenquellen: Passantenmessungen & Stadtinformationen 17:20 – Ressourcenfrage im Handel: Zeit, Know-how, Umsetzbarkeit 19:05 – Education & Begleitung als Erfolgsfaktor 20:55 – Dashboard-Ansatz: Prognosen verständlich nutzbar machen 22:30 – Individualisierung für einzelne Betriebe 24:45 – Datenschutz & Datensouveränität 26:05 – Anwendung in Personal- und Warenplanung 28:30 – Prognosequalität: Abweichungen und realistische Erwartungen 30:40 – Effizienzgewinne und wirtschaftlicher Mehrwert 33:15 – KI als Werkzeug, nicht als Ersatz unternehmerischer Entscheidungen 35:20 – Ausblick: nächste Projektphase und Weiterentwicklung 38:10 – Skalierungspotenzial für andere Städte 40:05 – Fazit: Wissenschaft und Wirtschaft im Schulterschluss 🎧 Jetzt reinhören und erfahren, wie KI konkret im innerstädtischen Handel wirkt. ⬇️ Link zur Podcastfolge & zum YouTube-Video in den Kommentaren ⬇️ @uniwuerzburg @wirtschaftswissenschaftlic6343@handelsverbandbayern9923