KI im Deal-Sourcing: Wie ich Arbitrage-Produkte in Minuten bewerte

Beim Arbitrage hält sich ein Denkfehler hartnäckig: Irgendwo wartet der eine geniale Deal, den nur du gefunden hast. Nach drei Jahren in diesem Geschäft kann ich dir sagen – diesen Deal gibt es selten, und wenn, dann nicht lange. Gute Quellen sprechen sich herum, Margen schrumpfen, der Vorsprung ist nach ein paar Wochen weg.

Was stattdessen zählt, ist eine unspektakuläre Größe: wie viele Deals du pro Stunde sauber bewerten kannst. Sauber heißt: nach festen Kriterien, mit echten Daten, ohne Abkürzung übers Bauchgefühl. Wer 30 Kandidaten pro Stunde diszipliniert prüft, findet auf Dauer mehr als jemand, der einen ganzen Nachmittag über einem einzelnen Fund brütet.

Genau an dieser Stelle setze ich KI ein. Nicht als Orakel, das Deals ausspuckt, sondern als Werkzeug, das meine Bewertung schneller und vor allem konsistenter macht. Zur Einordnung: Ich mache seit 2023 Amazon-Arbitrage, seit 2025 in Vollzeit und EU-weit über alle Marktplätze; 2025 lag mein Umsatz bei €1,5 Mio. Der folgende Prozess ist der, mit dem ich täglich arbeite – Stand: Sommer 2026.

Meine Bewertungskriterien

Bevor wir über KI reden, muss klar sein, was überhaupt bewertet wird. Ohne feste Kriterien beschleunigst du mit KI nur dein Chaos. Das hier ist mein Raster, in genau dieser Reihenfolge:

Kriterium	Worauf ich achte	K.-o.-Kriterium?
Marge nach allen Kosten	Einkauf, Versand, Amazon-Gebühren und ein Retouren-Puffer – nicht die Brutto-Spanne	Ja
Verkaufsfrequenz	BSR-Drops in Keepa über 90 Tage, nicht die BSR-Momentaufnahme	Ja
Preisstabilität	Verlauf über 90 und 180 Tage: Hält der Preis, oder bewerte ich gerade einen Ausreißer nach oben?	Ja
Wettbewerb & Buybox	Anzahl aktiver Seller, Buybox-Rotation, Amazon selbst im Rennen?	Wenn Amazon dauerhaft anbietet: ja
Gating & Marke	Darf ich die Marke überhaupt listen? Ist sie für Abmahnungen bekannt?	Ja
Hazmat & Compliance	Gefahrgut-Einstufung, Kennzeichnungspflichten, GPSR, Kategorie-Auflagen	Nein, aber Aufwand einpreisen
Saisonalität	Läuft das Produkt ganzjährig, oder hängt es an Q4, Sommer oder Schulstart?	Nein
EU-Preisunterschiede	Spread zwischen DE, FR, IT und ES – lohnt der Verkauf auf mehreren Marktplätzen?	Nein

Die Reihenfolge ist Absicht. Marge und Frequenz sortieren sofort aus: Wenn nach allen Kosten nichts übrig bleibt oder sich das Produkt zweimal im Monat verkauft, muss ich den Rest gar nicht mehr prüfen. Und der Retouren-Puffer fehlt in erstaunlich vielen Kalkulationen – in manchen Kategorien frisst er einen erheblichen Teil der Marge.

Noch ein Wort zum BSR: Eine Momentaufnahme sagt fast nichts, sie kann von einem einzigen Aktionstag stammen. Erst die Drops über 90 Tage zeigen, was wirklich verkauft wird.

Wo KI konkret hilft

Vorweg: Ob du Claude oder ChatGPT nutzt, ist für diese Aufgaben zweitrangig. Entscheidend ist, dass du der KI Daten mitgibst und ihr klar umrissene Aufgaben stellst.

Struktur erzwingen

Ein Nutzen, über den kaum jemand spricht: Ein fester Bewertungs-Prompt zwingt jede Analyse durch dasselbe Raster. Deal Nummer 3 des Tages und Deal Nummer 43 werden nach identischen Kriterien geprüft. Genau bei Nummer 43 wird das Bauchgefühl nachlässig – meins auch. Die KI vergisst kein Kriterium, auch nicht um 22 Uhr.

Keepa-Verläufe und Exporte interpretieren

Ich lasse die KI keine Charts raten, sondern gebe ihr Zahlen: exportierte Keepa-Daten oder die Kennwerte, die ich ablese – Drops, Preisspanne, Seller-Verlauf, Buybox-Anteile. Daraus lasse ich mir Risiken benennen. Muster wie „der Durchschnittspreis sinkt seit 60 Tagen" oder „die Seller-Anzahl hat sich verdoppelt" übersehe ich im Tagesgeschäft schneller, als mir lieb ist. Die KI übersieht sie nicht, wenn die Daten vor ihr liegen.

Kategorie-Risiken einordnen

Bei Spielzeug, Kosmetik oder Elektronik lasse ich mir auflisten, welche Fragen ich vor dem Einkauf klären muss: CE-Kennzeichnung und Spielzeugnorm? Verantwortliche Person nach Kosmetikverordnung? WEEE-Registrierung, Batterierecht? Das ist ein Recherche-Startpunkt, keine Rechtsberatung – verifiziert wird in den offiziellen Quellen und in Seller Central. Aber die passende Checkliste nach einer Minute statt nach einer halben Stunde Recherche zu haben, ist ein realer Zeitgewinn.

Sprachbarrieren im EU-Sourcing

Ich kaufe unter anderem in Frankreich, Italien und Spanien ein, spreche aber keine dieser Sprachen verhandlungssicher. Lieferanten-Anfragen auf Französisch, die AGB eines italienischen Großhändlers, eine spanische Rechnung – das übersetzt und formuliert die KI in Minuten. Klingt banal, öffnet aber genau die Quellen, um die viele deutsche Seller wegen der Sprache einen Bogen machen.

Ein Durchlauf an einem Beispiel

Das folgende Beispiel ist konstruiert – alle Zahlen sind ausgedacht. Der Ablauf dagegen entspricht meinem Alltag.

Angenommen, in meiner Deal-Pipeline taucht ein Milchaufschäumer einer bekannten Marke auf: Einkauf 14 Euro im Sale eines französischen Onlineshops, Verkaufspreis auf Amazon.de um die 29,90 Euro.

Erster Datencheck in Keepa und SellerAmp: rund 90 BSR-Drops in 90 Tagen, Preis seit Monaten zwischen 28 und 31,50 Euro, fünf FBA-Seller in Buybox-Rotation, Amazon selbst seit acht Monaten nicht im Angebot. Nach Gebühren, Versand und Retouren-Puffer blieben rechnerisch etwa 4,50 Euro pro Stück. Auf dem Papier: in Ordnung, kein Ausreißer.

Dann hole ich die Zweitmeinung ein. Mein Prompt sieht – gekürzt – so aus:

Bewerte diesen Amazon-FBA-Deal ausschließlich auf Basis der folgenden Daten. Erfinde keine Zahlen; fehlende Informationen kennzeichnest du als fehlend.

Produkt: Milchaufschäumer, Marke X (Elektro-Kleingerät). Einkauf: 14,00 € (Onlineshop FR). Ziel: Amazon.de, Verkaufspreis 29,90 €. Keepa, 90 Tage: 92 BSR-Drops; Preisspanne 27,90–31,50 €; 5 FBA-Angebote mit Buybox-Rotation; Amazon zuletzt vor 8 Monaten im Angebot. Kalkulation: 4,50 € Gewinn pro Stück nach Gebühren, Versand und 2 % Retouren-Puffer.

Aufgabe: Liste die Risiken priorisiert auf. Nenne, welche Daten für eine Einschätzung fehlen. Keine Kaufempfehlung.

Die Antwort in diesem konstruierten Fall würde auf Punkte hinweisen wie: Fünf Seller bei rund einem Verkauf pro Tag bedeuten im Schnitt fünf bis sechs Verkäufe pro Monat für mich – bei 4,50 Euro pro Stück ein sehr kleiner Deal, falls ich die Buybox nicht überdurchschnittlich oft gewinne. Amazon war bereits im Angebot und kann zurückkommen. Zwei Prozent Retouren-Puffer sind für ein Elektro-Kleingerät optimistisch. Und die 180-Tage-Preisdaten fehlen komplett.

Meine Entscheidung im Beispiel: kleine Testmenge oder Verzicht – nicht wegen der Marge, sondern wegen des Verhältnisses von Seller-Anzahl zu Verkaufsfrequenz. Genau diesen Punkt hätte ich beim schnellen Draufschauen zu leicht gewichtet. Dafür ist die Zweitmeinung da.

Wo KI gefährlich wird

So nützlich das alles ist – an vier Stellen kann KI im Deal-Sourcing echten Schaden anrichten:

• Halluzinierte Zahlen: Gibst du keine Daten mit, erfindet die KI welche – FBA-Gebühren, Verkaufszahlen, BSR-Deutungen. Sie klingt dabei genauso überzeugend wie mit echten Daten.
• Veraltetes Wissen: Amazon ändert Gebühren und Programme laufend, das Trainingswissen eines Modells hinkt hinterher. Gebühren prüfe ich in Seller Central oder im aktuellen Kalkulator, nie per KI-Antwort aus dem Gedächtnis.
• Kein Kontext zu dir: Die KI kennt weder dein Kapital noch dein Risikoprofil noch deine Fixkosten. Ein Deal, der in mein EU-weites Setup passt, kann mit anderem Kapital und anderer Infrastruktur eine schlechte Idee sein.
• Keine echte Welt: Testkäufe, Lieferantenprüfung, saubere Rechnungen für den Fall einer Amazon-Verifizierung – nichts davon kann ein Sprachmodell ersetzen.

Meine Regel dazu ist kurz: KI bewertet, du entscheidest. Wer auch die Entscheidung auslagert, hat keinen Prozess mehr, sondern ein Alibi.

Mein Setup in drei Sätzen

Die Daten kommen aus Keepa, SellerAmp und ArbitrageOne. Die Deal-Pipeline läuft über InspireForge.io, das ich ursprünglich für meinen eigenen Bedarf entwickelt habe. Claude liefert die Zweitmeinung – mit demselben festen Prompt-Raster für jede einzelne Bewertung.

Fazit

In diesem Geschäft gibt es keine Geheimtipps, die lange geheim bleiben. Was trägt, ist Geschwindigkeit mal Disziplin: viele Deals pro Stunde bewerten, ohne die Kriterien aufzuweichen. KI beschleunigt genau diesen Teil – solange du ihr echte Daten gibst und die Entscheidung bei dir bleibt.