06.05.2021

Data Science als Entwicklungsturbo für den Handel

Im Interview mit brutkasten Wirtschaft spricht Nils Wlömert, neuer Vorstand am Institut für Retailing & Data Science am Department für Marketing an der WU Wien über das noch nicht genutzte Potenzial von Datenanalysen für die Marketingabteilungen vieler Unternehmen und wie man dieses heben kann.
/artikel/data-science-entwicklungsturbo-handel
Nils Wlömert WU
Nils Wlömert, Vorstand Institut für Retailing & Data Science an der WU Wien © www.danielnuderscher.com

Seit 1. Jänner ist Nils Wlömert neuer Vorstand des Instituts für Retailing & Data Science am Department für Marketing an der WU Wien. Der 41-Jährige promovierte 2014 an der Universität Hamburg, war von 2015 bis 2020 als Assistenzprofessor am Institut für Interactive Marketing & Social Media an der Wirtschaftsuniversität Wien tätig, und schloss dort 2020 seine Habilitation ab. In seiner Forschung beschäftigt sich der neue Institutsleiter mit dem Einfluss der Digitalisierung und neuer Technologien auf Märkte und Geschäftsmodelle von Unternehmen. Dabei untersucht er beispielsweise den Einfluss neuer Online-Vertriebskanäle auf traditionelle Vertriebskanäle und deren Zusammenspiel im Multi-Channel Vertrieb.


Das Instituts für Handel und Marketing an der WU Wien wurde unter Ihrer Führung zum Institut für Retailing & Data Science umbenannt. Was waren die Beweggründe dafür?

Der Handel, den wir im Namen des Instituts ja auch weiterhin verankern, wird zukünftig inhaltlich nach wie vor eine übergeordnete Bedeutung am Institut haben. Daran wird sich nichts Grundlegendes ändern. Mit Data Science gibt es aber eine Erweiterung der Kompetenzen, mit der wir einem aktuellen Markttrend folgen, der insbesondere für den Handel viel Potenzial bietet. 

Sie sprechen von Big Data?

Genau. Big Data spielt in vielen Unternehmen bereits seit Längerem eine immer wichtigere Rolle, denn es werden sehr großen Datenmengen über das Verhalten von Kunden gesammelt. Dieses Thema gewinnt  durch die steigende Popularität von Onlinekanälen, wo das Kundenverhalten noch genauer erfasst werden kann, deutlich an Dynamik. Diese Daten nutzbar zu machen um daraus Implikationen für das Marketing abzuleiten wird immer relevanter. Der zweite Trend, der die Neuausrichtung notwendig macht, ist das Thema Personalisierung, das große Onlinehändler bereits sehr erfolgreich für sich nutzen. Und genau hier wollen wir sowohl in der Lehre als auch in der Forschung anknüpfen, um die dafür notwendigen Kompetenzen zu vermitteln.

Und dementsprechend auch das Unterrichtsprogramm adaptieren?

Ja genau. Im Bereich der Lehre werden wir das Angebot ausbauen und den Bereich Data Science stärker aus einer Managementperspektive fokussieren. Denn wir sehen zwar eine immer engere Verzahnung des Marketings mit anderen Forschungsdisziplinen wie zum Beispiel im Bereich Computer Science, wo entsprechende Algorithmen entwickelt werden, jedoch erfordert die Interpretation der Ergebnisse für das Marketing spezielle Kenntnisse. Wenn der Schwerpunkt zu technisch ist, dann fehlt oftmals das Verständnis für die strategischen Implikationen im Marketing. Und letztendlich kommt es bei der Wahl der Methode immer auf den Anwendungsfall und die Zielsetzung an. Es macht beispielsweise einen Unterschied, ob eine Prognose oder ein Ursache-Wirkungs-Zusammenhang das Ziel der Analyse ist. 

Können Sie das bitte anhand eines Beispiels genauer erklären?

Ich werde zum Beispiel häufig gefragt, wie effektiv ein bestimmter Werbekanal im Vergleich zu anderen Werbekanälen ist. Um den relativen Return on Investment eines Marketingkanals zu ermitteln, können prinzipiell Daten wie Absatzzahlen und Werbebudgets herangezogen werden, die bei Unternehmen häufig vorliegen. Jedoch werden Werbebudgets oftmals strategisch in Abhängigkeit der Nachfrage angepasst. Saisonalität ist hier ein Beispiel – wenn Manager das Werbebudget aufgrund eines erwarteten Nachfrageanstiegs um einen Feiertag erhöhen, dann muss die Analyse den natürlichen Nachfrageanstieg durch den Feiertag kontrollieren, um den Einfluss der Werbung nicht zu überschätzen. Hinzu kommen Herausforderungen durch Abhängigkeiten zwischen Werbekanälen und die korrekte Zurechnung des Effektes zu dem jeweiligen Kanal, was die Komplexität zusätzlich erhöht. Um die Ergebnisse solcher Analysen im Sinne einer datengestützten Marketingstrategie für Manager sinnvoll nutzbar zu machen, sind spezielle Marketingkenntnisse im Hinblick auf die Interpretierbarkeit der Ergebnisse erforderlich. 

Das Institut hat bisher mit der Verbindung von Forschung, Lehre und Praxis gepunktet. Werden Sie an diesem Kurs weiter festhalten?

Es ist mir ein großes Anliegen, den Praxisbezug weiter auszubauen und zwar sowohl in der Lehre als auch in der Forschung. Ich würde mich sehr darüber freuen, wenn Forschung und Lehre so wie in der Vergangenheit auch in Zukunft sehr praxisnah verstanden werden und wir langfristige Kooperation gemeinsam mit Handels- und Industrieunternehmen etablieren können. Hier möchte ich ganz klar an dem bisher eingeschlagenen Weg festhalten.

In welcher Form können Sie sich solche Kooperationen vorstellen?

Ich bin davon überzeugt, dass die Zusammenarbeit von Universitäten mit Akteuren aus der Praxis sehr wichtig ist, weil beide Seiten voneinander profitieren können. Es gibt sehr häufig Fragestellungen, die auf der einen Seite wissenschaftliche Relevanz haben, aber auf der anderen Seite greifbaren Nutzen und Mehrwert für Unternehmen schaffen. In der Vergangenheit haben sich Forschungskooperationen sehr bewährt und wir werden auch an den etablierten Praxisdialogen, einer Vortragsreihe, bei der renommierte Praktiker wie zum Beispiel zuletzt Bipa-Geschäftsführer Thomas Lichtblau, instinct laboratory-CEO Matt Chadder oder Miele Österreich-Geschäftsführerin Sandra Kolleth zu Wort kommen, festhalten. Diese Vortragsreihe ist ein gutes Beispiel für eine erfolgreiche Zusammenarbeit von Lehre und Praxis, denn während die Studierenden Informationen aus erster Hand erhalten, können sich die jeweiligen Unternehmen präsentieren und im besten Fall als attraktiver Arbeitgeber für die zukünftigen Absolventen positionieren. Außerdem können sich Unternehmen auch in Form von Datenkooperationen einbringen, denn es geht letztendlich wie bereits geschildert ja darum, die Schnittstelle zwischen Handel und Data Science abzubilden und das Institut als Kompetenzplattform in diesem Bereich zu etablieren. 

Um gleich bei der Praxis zu bleiben, sind die österreichischen Unternehmen in Sachen sinnvolle Datennutzung für das Marketing – wie von Ihnen eben geschildert – bereits gut aufgestellt? 

Das ist ein Bereich, der sich sehr dynamisch entwickelt und dementsprechend gibt es auch noch Entwicklungspotenzial. Ich sehe hier aber kein Versäumnis der Unternehmen, sondern sehe es auch als Aufgabe der Universitäten, entsprechende Kompetenzen in diesem Bereich zu vermitteln. Viele Unternehmen wären vermutlich schon deutlich weiter, wenn sie auf Mitarbeiter mit diesem Know-how zurückgreifen könnten. Aktuell gibt es zwar das Berufsbild des Data Scientist, aber hier fehlt eben häufig das Verständnis für den Nutzen der Daten fürs Marketing. Wenn es uns gelingt, uns hier zu verstärken, dann können wir auf der einen Seite die Chancen für Absolventen am Jobmarkt verbessern und Unternehmen auf dem Weg der Datennutzung und Digitalisierung besser unterstützen. 

Digitalisierung und E-Commerce werden häufig in einem Atemzug genannt. Im Gegensatz zu anderen Branchen kommt der Onlinehandel mit Lebensmitteln bei den etablierten Konzernen nicht so wirklich in Schwung. Kleinere Player wie gurkerl.at oder markta scheinen das Business deutlich besser im Griff zu haben. Woran liegt das Ihrer Meinung nach?

Hierfür gibt es verschiedene Gründe. Zum einen ist die hohe Filialdichte im LEH in Österreich zu nennen, wodurch es für die meisten Konsumenten und Konsumentinnen bequem möglich ist, Einkäufe im stationären Handel zu erledigen. Daher ist der Handlungsdruck für große Händler in diesem Bereich weniger stark ausgeprägt. Zumal bei einem Multichannel-Ansatz im Hinblick auf die Gesamtprofitabilität auch die Interaktionen zwischen Vertriebskanälen beachtet werden müssen. Diese Überlegungen müssen reine Online-Händler nicht anstellen, bei denen der Fokus rein auf dem Online-Handel liegt. Es bleibt abzuwarten, wie sich die von Ihnen genannten Unternehmen und andere Startups wie Gorillas aus Deutschland, welches auf die relativ kostspielige Überbrückung der letzten Meile fokussieren, zukünftig entwickeln werden und wie das die Marktdynamik beeinflussen wird. Insbesondere in urbanen Gebieten gibt es sicherlich einen Markt für ein solches Angebot – entsprechend schnelle Lieferzeiten vorausgesetzt.  

Muss man heutzutage wirklich einen Onlineshop haben, um im LEH erfolgreich zu sein?

Wenn man sich den Marktanteil ansieht, demzufolge lediglich rund 2,5 Prozent aller Lebensmittel online gekauft werden, dann macht das die Wichtigkeit des stationären Handels in dieser Branche deutlich. Daran hat auch – im Gegensatz zu anderen Branchen – die aktuelle Situation der Pandemie, dank der Hygiene-Konzepte im Handel, nicht viel geändert. Um sich für die Zukunft zu rüsten, geht es meines Erachtens gar nicht so sehr um die Frage ob Onlinehandel oder stationärer Vertrieb, sondern um einen nachhaltigen Multichannelansatz nach dem Grundsatz der Customer Centricity. So kann sich die jeweilige Zielgruppe aus einem Portfolio das jeweils für die Bedürfnisse passendste Angebot aussuchen. Und hier ist der Online-Kanal ein wichtiger Bestandteil der weiter an Relevanz gewinnen wird.  

Im Zusammenhang mit dem Thema Digitalisierung ist auch immer wieder die Rede von Supermärkten ohne Mitarbeitern. Amazon lebt dieses Geschäftsmodell vor und auch hierzulande gibt es schon Märkte mit Self Checkout-Zonen, die ja als erster Schritt in diese Richtung verstanden werden können. Ist das die Zukunft des Einkaufens?

Es gibt sicherlich auch für dieses Konzept einen Markt. Wenn man an Öffnungszeiten denkt, gibt es für Standorte ohne Personal andere Möglichkeiten. Gleichzeitig ist das Personal aber auch ein zentrales Differenzierungsmerkmal des stationären Handels gegenüber dem Online-Handel. Hier ist es wichtig, die unterschiedlichen Bedürfnisse der Konsumenten zu verstehen und entsprechende Angebote bereitzustellen. Während für viele Konsumenten bei Online-Kanälen insbesondere Faktoren wie Bequemlichkeit, Sortimentsbreite und Preis-Leistung eine Rolle spielen, sind es im stationären Handel vorwiegend das Einkaufserlebnis, soziale Kontakte und der damit verbundene Freizeitwert. Hierbei spielt das Personal eine zentrale Rolle. Ich denke also nicht, dass Supermärkte langfristig auf Personal verzichten können, aber es ist auf jeden Fall spannend für Händler, im Zuge kleinerer Rollouts vorausschauend zu testen, in welchen Situation für welche Segmente ein solches Angebot passend ist.

Und angesichts des Vormarsches bargeldloser Bezahlsysteme – werden wir bald nur mehr bargeldlos einkaufen?

Ich glaube, hier kommt es auch darauf an. Es gibt viele Menschen, die die Vorteile von bargeldlosem Bezahlen zu schätzen wissen. Andere wiederum wollen ihre Einkäufe nicht mittels Kredit- oder Bankomatkarte oder via Smartphone begleichen. Man muss sein Angebot eben dementsprechend breit aufstellen, um allen Bedürfnissen bestmöglich Rechnung zu tragen. Aber dass der bargeldlose Bezahlvorgang an Bedeutung und Relevanz gewinnt, ist denke ich klar. 

Vielen Dank für das Gespräch.

Deine ungelesenen Artikel:
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
15.09.2026

Ablatic AI: Linzer LLM Talos spielt ohne VC-Kapital in einer Liga mit internationalen KI-Playern

Das nun gelaunchte Large Language Model (LLM) Talos des Linzer Startups Ablatic AI kann sich in mehreren Benchmarks mit den internationalen KI-Giganten messen. Co-Founder und CEO Florian Zimmermann erklärte uns, wie das ohne VC-Kapital möglich ist und wie man nun den Markt erobern will.
/artikel/ablatic-ai-linzer-llm-talos-spielt-ohne-vc-kapital-in-einer-liga-mit-internationalen-ki-playern
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI
Die Ablatic-AI-Gründer vl. Florian Zimmermann (CEO) und Julian Mauerkirchner (CTO) | (c) Ablatic AI

Wieder einmal ist es Linz. Die Stahlstadt mausert sich immer mehr zu Österreichs KI-Hauptstadt und auch eines der bislang sicher ambitioniertesten Startups in dem Bereich kommt von dort: Ablatic AI. Mit Talos wagt es sich über die Herausforderung schlechthin in der KI-Welt: ein eigenes Large Language Model (LLM) – brutkasten berichtete bereits.

Bei einer Benchmark vor Sol von OpenAI

Nun erfolgte der offizielle Launch und Ablatic gab erste Benchmark-Vergleiche aus (siehe Tabelle unten). An Claude Opus 5 kommt man demnach noch in keiner Kategorie ganz heran, in mehreren aber ziemlich nahe. DeepSeek V4 kann man dagegen gleich bei drei Werten schlagen, Qwen3.8 von Alibaba bei zwei und OpenAIs Flagship-Modell GPT-5.6 Sol immerhin bei einem, konkret der exakten Befolgung schriftlicher Anweisungen (IFBench). Unterm Strich spielt das Linzer LLM also in den vorgelegten Benchmarks in der internationalen Top-Liga mit.

„Es kann ja nicht sein, dass es in Europa nur Mistral gibt“

Aber warum überhaupt noch ein weiteres LLM? „Julian [Anm. Mauerkirchner] und ich kennen uns schon seit der Schule. Später haben wir als Unternehmer damit gestartet, Legacy-ERP-Systeme zu erneuern. Dabei sind wir auf ein Problem gestoßen: Wir konnten dafür aus Daten-Gründen keine US-KI-Systeme nutzen“, erzählt CEO Florian Zimmermann, der Ablatic AI gemeinsam mit Julian Mauerkirchner (CTO) gegründet hat, im Gespräch mit brutkasten. Man habe nur Mistral aus Frankreich oder Open-Source-Modelle verwenden können. „Mistral war für den Zweck aber nicht passend und unser Business Case bald tot“.

Mit dem Entschluss, eine neue Idee zu verfolgen, sei daher auch eine neue Motivation einher gegangen: „Es kann ja nicht sein, dass es in Europa nur Mistral gibt“, so Zimmermann. Man habe sich danach mit der Johannes Kepler Universität Linz (JKU) kurzgeschlossen und sei darüber auch zur AI Factory Austria AI:AT gekommen, wo man wiederum im Rahmen des EuroHPC-Programms europäische Hochleistungsrechenressourcen nutzt, um das Modell zu trainieren. „Ohne diese EU-Ressourcen würde es kostentechnisch überhaupt nicht gehen“, sagt Zimmermann.

Öffentliche Forschungsergebnisse statt eigenes Riesen-Research-Team

Doch auch mit diesen Ressourcen – wie lässt sich ein konkurrenzfähiges LLM mit einem kleinen Team und bislang gänzlich ohne VC-Kapital umsetzen? Schließlich beschäftigen die globalen KI-Player, mit denen sich Ablatic misst, riesige Teams. Mistral etwa ist mit seiner kürzlich kommuniziert Drei-Milliarden-Euro-Finanzierungsrunde im Vergleich zu Anthropic und OpenAI nach wie vor ein kleiner Fisch (brutkasten analysierte).

„Wir können kein 200-köpfiges Research-Team finanzieren und gleich von 0 auf 100 gehen, also greifen wir auf Bestehendes zurück“, erklärt der Gründer. Konkret verwende man einerseits Open-Source-Layer und code sie auf die eigenen Bedürfnisse um. Andererseits nutze man die neuesten Forschungsergebnisse von Universitäten wie dem MIT oder Stanford, die laufend über die Plattform arXiv veröffentlicht werden. „Wir orientieren uns an der Frontier-Forschung. Wir analysieren die Paper, legen die Erkenntnisse auf unsere Architektur um und testen es durch. Vieles davon funktioniert nicht, aber alles was funktioniert, bringt uns weiter“, so Zimmermann.

Mehr als 100 B2B-Testkunden – viele konvertieren gleich zum Launch

Die Beta-Version wurde nun bereits seit einiger Zeit mit mehr als 100 Unternehmen getestet – Ablatic konzentriert sich nämlich vorerst klar auf den B2B-Markt. Man habe für diese Tests schnell auch größere Unternehmen und Konzerne gewonnen. „Ich bin dafür wochenlang gesessen, habe Leute angeschrieben und einen Call nach dem anderen gemacht“, räumt Zimmermann ein. Dass man ein eigenes LLM und nicht nur eine Oberfläche baue, sei dabei zum entscheidenden Bonus geworden. „Und dass wir von der JKU kommen und im EuroHPC-Programm sind, hat unsere Glaubwürdigkeit enorm gesteigert“, sagt der Gründer.

Jetzt zum Launch würden viele der Testkunden bereits zu regulären Nutzern konvertieren, viele weitere noch die Testphase abschließen, mit dem Vorhaben, das dann auch zu tun, verrät Zimmermann. „Wir werden nicht 100 Prozent, aber einen Großteil konvertieren können“, ist er sicher. Punkten will Ablatic dabei nicht nur mit der europäischen Herkunft – Stichwort: Digitale Souveränität – sondern auch mit dem Pricing. „Wir haben eine relativ effiziente Architektur. Wir können kostengünstig hosten und das an die Kunden weitergeben“, so der CEO. Dass der offizielle Launch genau jetzt erfolgt, hat vor allem mit dem Gründungsprozess zu tun, der länger dauerte, als erhofft. „Ich gründe nie wieder im Sommer ein Unternehmen“, sagt der Gründer lachend.

Investment geplant: „Das Ziel ist definitiv, keine kleine Bude zu bleiben“

Und wie geht es weiter? „Wir wollen zuerst im DACH-Raum Fuß fassen und ohne große weitere Standorte skalieren. Dann wollen wir es auf Europa hochziehen“, erläutert Zimmermann. Auf Dauer werde dabei auch die Aufnahme von VC-Kapital relevant, vor allem wenn es darum gehe, die nächste Modell-Version herauszubringen. „Dann ist es wichtig, dass man schnell skaliert und iteriert. Wir sind stolz darauf, dass wir ein Modell ohne VC-Kapital trainiert haben. Wir haben gezeigt, dass auch so Großes möglich ist. Aber langfristig ist es völlig logisch, dass wir Kapital aufnehmen müssen“, sagt der Gründer.

Und es seien bereits mehrere Investoren aktiv auf das Team zugekommen, mit einigen befinde man sich schon in Gesprächen. „Das Ziel ist definitiv, keine kleine Bude zu bleiben, sondern eine größere Firma zu werden. Wir wollen jedenfalls nicht in Vergessenheit geraten“, so Zimmermann. Und der Zeitpunkt sei angesichts der Souveränitätsdebatte gut.


Benchmark-Vergleichstabelle

Anmerkungen zur Tabelle:

  • Fette Zahlen: Höchster Wert in der jeweiligen Zeile unter den Vergleichsmodellen.
  • „text-only“: Das Modell verarbeitet keine Bilder/visuellen Dokumente, weshalb OmniDocBench nicht anwendbar ist.
  • „–“: Kein veröffentlichter Wert vorhanden.

Kurzerklärungen der Benchmarks

  • Agents‘ Last Exam (UC Berkeley): Prüft langwierige, echte Arbeitsaufgaben an einem Computer (Terminal und Bildschirm zusammen), bewertet anhand des fertigen Gesamtergebnisses.
  • AutomationBench (Zapier): Testet 600 Business-Workflows über 47 simulierte Unternehmens-Softwaretools hinweg, die vollständig durchgehend ausgeführt werden müssen.
  • Toolathlon: Bewertet das Erledigen von Aufgaben in echter Büro-Software (z. B. E-Mail, Kalender, Tabellenkalkulationen und GitHub) über deren direkte Schnittstellen.
  • BrowseComp (OpenAI): Stellt schwierige Fragen, deren Antworten über das gesamte Internet verstreut liegen und durch selbstständiges Surfen recherchiert werden müssen.
  • DeepSWE v1.1 (Datacurve): Misst das eigenständige Beheben echter Softwareprobleme (Bugs) in bestehenden Quellcode-Sammlungen. Hinweis: Talos-1 wurde hierfür nicht optimiert und liegt 22 Punkte hinter der Spitze zurück.
  • OmniDocBench: Bewertet das fehlerfreie Lesen und Verstehen echter Dokumente inklusive visueller Layouts, Tabellen und mathematischer Formeln.
  • IFBench: Prüft die exakte Einhaltung von schriftlich vorgegebenen Anweisungen und Formatierungsregeln.
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Data Science als Entwicklungsturbo für den Handel