Was der Mittelstand von L'Oréals ChatGPT-Deal lernen kann
Von Jan Griebel, Inhaber von Process Vision
Vergangene Woche ging eine Meldung durch die Tech-Presse: L'Oréal bringt das virtuelle Make-up-Anprobieren von Maybelline direkt in ChatGPT. Wer mag, testet künftig im Chat einen Lippenstift am eigenen Gesicht, bevor er ihn kauft. Das klingt nach einer netten Spielerei für Beauty-Fans.
Für Unternehmer ist die spannende Frage eine andere: Warum kann ein Konzern so ein Feature in wenigen Monaten ausrollen — und das eigene Team hängt seit einem halben Jahr an einem simplen Chatbot fest? Die Antwort hat wenig mit ChatGPT zu tun. Sie hat mit Prozessen zu tun. Und genau da liegt die Lektion für den Mittelstand.
Was L'Oréal angekündigt hat
Auf der VivaTech in Paris haben L'Oréal und OpenAI eine breite Partnerschaft vorgestellt. Das virtuelle Anprobieren ist nur ein Baustein:
- Maybelline integriert sein ModiFace-Try-on direkt in ChatGPT (Start im Sommer).
- L'Oréal speist geprüfte Produktdaten ein, damit Marken wie Lancôme und Kérastase besser gefunden werden.
- Mehrere Marken nehmen an OpenAIs Werbe-Pilot in ChatGPT teil.
- Intern läuft ein eigenes Modell zur Erforschung des Haut-Mikrobioms.
- Nach eigenen Angaben sind bereits rund 73.000 Mitarbeitende im Umgang mit generativer KI geschult.
Die Überschriften zielen auf den Lippenstift. Der eigentliche Aufwand steckt in den letzten beiden Punkten.
Das Feature ist nicht die Arbeit
ModiFace fällt nicht vom Himmel. L'Oréal hat das Unternehmen 2018 gekauft und seitdem eine Technologie aufgebaut, die Gesichter erkennt, Hauttöne misst und Produkte realistisch darüberlegt. Dahinter stehen Jahre an Daten, an abgestimmten Produktinformationen, an Tests.
ChatGPT ist in dieser Geschichte nur die neue Tür. Die Substanz dahinter — saubere Produktdaten, eine funktionierende Try-on-Engine, klare Rechte an den Bildern — gab es vorher schon. Das Sprachmodell macht sie zugänglicher, mehr nicht.
Genau hier verrechnen sich viele KMU. Sie sehen das fertige Feature und schließen daraus: Wir brauchen auch so eine KI. Was sie übersehen, ist die unsichtbare Arbeit darunter. Ohne geordnete Daten und definierte Abläufe bleibt jedes Sprachmodell ein Gesprächspartner ohne Substanz.
Verifizierte Daten schlagen jedes Modell
Ein Detail aus der Ankündigung verdient mehr Aufmerksamkeit, als es bekommt: L'Oréal liefert geprüfte Produktdaten an OpenAI. Nicht irgendwelche Texte aus dem Netz, sondern kuratierte, korrekte Informationen aus dem eigenen Haus.
Das ist die stille Voraussetzung für jeden sinnvollen KI-Einsatz. Ein Modell kann nur so gut antworten, wie die Daten sind, die es bekommt. Füttern Sie es mit widersprüchlichen Preislisten, veralteten Datenblättern und drei verschiedenen Versionen derselben Kundenliste, dann produziert es genau das: widersprüchliche, veraltete, falsche Antworten — nur schneller und selbstbewusster.
Für ein mittelständisches Unternehmen heißt das: Bevor Sie über KI nachdenken, lohnt der Blick auf die eigene Datenlage. Wo liegen Ihre Produktinfos? Stimmen sie überein? Wer pflegt sie? Diese Fragen sind unbequem, aber sie entscheiden über Erfolg oder Frust.
Menschen vor Maschine — auch bei L'Oréal
73.000 geschulte Mitarbeitende. Diese Zahl sagt mehr über die Strategie aus als jedes Feature. L'Oréal verkabelt nicht einfach ein paar Tools und hofft auf Wunder. Der Konzern investiert in Menschen, die verstehen, was die Technik kann und wo sie an Grenzen stößt.
Das ist auf jede Betriebsgröße übertragbar. Ein Handwerksbetrieb mit zwölf Leuten braucht keine 73.000 Schulungen. Er braucht zwei, drei Leute, die wissen, welche Routineaufgabe sich sinnvoll automatisieren lässt — und welche besser in Menschenhand bleibt. KI ersetzt keine Entscheidung. Sie nimmt Arbeit ab, die niemand vermisst.
Drei Fragen, bevor Sie KI einführen
Nehmen Sie die Konzern-Lektion mit auf KMU-Maß:
- Welcher Prozess nervt konkret? Nicht "wir wollen was mit KI", sondern "die Angebotserstellung kostet uns jede Woche sechs Stunden". Erst das Problem, dann das Werkzeug.
- Sind die Daten dafür sauber? Wenn die Grundlage chaotisch ist, verstärkt KI das Chaos. Aufräumen kommt zuerst.
- Wer im Team trägt es mit? Ein Tool ohne Menschen, die es nutzen und verstehen, verstaubt nach drei Wochen.
Wer diese drei Fragen ehrlich beantwortet, spart sich teure Irrwege. Die meisten gescheiterten KI-Projekte scheitern nicht an der Technik. Sie scheitern daran, dass niemand vorher den Prozess angeschaut hat.
Die unspektakuläre Wahrheit
Der L'Oréal-Deal ist ein gutes Beispiel — nicht weil ein Konzern wieder etwas Glänzendes macht, sondern weil er zeigt, wo die eigentliche Arbeit liegt. Nicht im Modell. In den Prozessen und Daten davor.
Gute Prozesse machen KI erst wertvoll. Das gilt für den Weltkonzern in Paris genauso wie für den Maschinenbauer in Zwickau. Der Unterschied ist nur das Budget, nicht das Prinzip.
Wenn Sie wissen wollen, welcher Prozess in Ihrem Betrieb sich für den Einstieg eignet, schauen wir gemeinsam drauf. In einem kostenlosen Erstgespräch finden wir den einen Ablauf, bei dem sich der erste Schritt wirklich lohnt — ohne Hype, ohne Werkzeug-Kauf auf Verdacht.
→ Kostenloses Erstgespräch vereinbaren: process-vision.de
Quellen: