KI im Einzelhandel: Diebstahlerkennung für autonome Supermärkte
Autonome Supermärkte gewinnen insbesondere in ländlichen Regionen zunehmend an Bedeutung. Sie ermöglichen Einkäufe rund um die Uhr, reduzieren den Personalaufwand und schaffen neue Möglichkeiten für die Nahversorgung. Gleichzeitig entsteht jedoch eine zentrale Herausforderung: Wie können Betreiber erkennen, ob alle entnommenen Produkte tatsächlich bezahlt wurden?
Genau mit dieser Fragestellung beschäftigte sich die Delphi Retail GmbH gemeinsam mit KI.SH im Rahmen einer Machbarkeitsstudie.
Ziel war die Entwicklung einer KI-basierten Lösung zur Unterstützung der Diebstahlerkennung in autonomen Supermärkten. Dabei stand nicht die vollständige Automatisierung im Vordergrund, sondern die Frage, wie moderne Bildverarbeitung und Künstliche Intelligenz Betreiber bei der Identifikation möglicher Warenverluste unterstützen können.
Für Handelsunternehmen ist dieses Thema hochrelevant: Mit der wachsenden Zahl personalloser Verkaufsstellen steigt der Bedarf an wirtschaftlich tragfähigen Sicherheitslösungen. Besonders kleine und mittelständische Unternehmen benötigen Systeme, die sich ohne hohe Investitionen einsetzen lassen und gleichzeitig skalierbar sind. hier setzte die Machbarkeitsstudie an.
Die Herausforderung autonomer Supermärkte
Das Einkaufserlebnis in autonomen Supermärkten ist bewusst einfach gestaltet: Kund:innen registrieren sich, betreten den Store, entnehmen Produkte und bezahlen diese anschließend selbstständig an der Kasse. Personal ist dabei in der Regel nicht vor Ort.
Für Betreiber:innen entsteht daraus eine neue Herausforderung. Während klassische Geschäfte auf Mitarbeitende vor Ort setzen können, müssen autonome Stores technische Verfahren nutzen, um Unregelmäßigkeiten zu erkennen. Die manuelle Auswertung von Überwachungsvideos ist jedoch zeitaufwendig und skaliert nicht mit einer wachsenden Anzahl von Standorten.
Die Frage lautete deshalb: Kann KI automatisch erkennen, ob Produkte aus einem Regal entnommen wurden, ohne dass diese auf dem Kassenbon erscheinen?
Kamerabilder als Datenbasis für die KI
Für die Untersuchung standen Videoaufzeichnungen eines autonomen Sprang-Stores der Delphi Retail GmbH in Stocksee sowie die zugehörigen Kassentransaktionen zur Verfügung. Die Videos zeigen verschiedene Regalbereiche aus mehreren festen Kameraperspektiven. Ergänzend wurden öffentliche Datensätze aus dem Einzelhandel genutzt, die speziell für die Erkennung von Produkten auf Supermarktregalen entwickelt wurden.
Dadurch konnte untersucht werden, ob sich KI-Modelle, die bereits auf Tausenden Produktbildern trainiert wurden, auf die Bedingungen eines realen autonomen Supermarktes übertragen lassen. Dies war grundsätzlich möglich.
Wie die KI mögliche Warenverluste erkennt
Der entwickelte Ansatz orientiert sich an einer einfachen, aber umso praktischeren Idee: Statt das gesamte Videomaterial auszuwerten, konzentriert sich das System ausschließlich auf Bereiche, in denen sich während eines Kundenbesuchs etwas verändert hat.
Dazu werden Aufnahmen vor und nach dem Einkauf miteinander verglichen. Die Veränderungen in den Regalen werden mittels herkömmlicher Bildverarbeitung identifiziert. Die KI analyisiert anschließend nur diese relevanten Bildbereiche. Mithilfe moderner Verfahren der Bildverarbeitung erkennt und zählt das System die sichtbaren Produkte. Danach wird geprüft, ob die Anzahl der entnommenen Artikel mit den tatsächlich bezahlten Produkten übereinstimmt.
Stimmen die Zahlen nicht überein, wird der Vorgang als möglicher Verdachtsfall markiert. Eine abschließende Bewertung erfolgt weiterhin durch einen Menschen. Dadurch entsteht ein praxisnaher Ansatz, bei dem KI unterstützt, aber keine eigenständigen Entscheidungen trifft.
Ergebnisse: Vollautomatische Diebstahlerkennung bleibt anspruchsvoll
Im Rahmen der Machbarkeitsstudie wurden verschiedene KI-Modelle miteinander verglichen. Untersucht wurden sowohl Verfahren zur Objekterkennung als auch moderne Segmentierungsmodelle, die einzelne Produkte besonders präzise erfassen können.
Die Ergebnisse zeigen, dass aktuelle KI-Verfahren bereits viele Veränderungen in Regalen zuverlässig erkennen können. Gleichzeitig wurde deutlich, dass eine vollständig automatisierte Diebstahlerkennung unter realen Bedingungen weiterhin herausfordernd ist. Schwierigkeiten entstehen insbesondere bei dicht gepackten Produkten und ungewöhnlichen Verpackungen.
Die Genauigkeit der getesteten Modelle reichte deshalb noch nicht aus, um vollständig automatisierte Entscheidungen über mögliche Diebstähle zu treffen.
Der konkrete Mehrwert für Handelsunternehmen
Auch wenn die Studie keine fertige Lösung für eine automatische Diebstahlerkennung geliefert hat, wurde ein bedeutender praktischer Nutzen nachgewiesen.
Die entwickelte Lösung kann Videoaufzeichnungen automatisch vorsortieren und jene Fälle hervorheben, bei denen die Wahrscheinlichkeit eines Warenverlusts erhöht ist. Betreiber müssen dadurch nicht mehr sämtliche Aufzeichnungen manuell prüfen, sondern können ihre Aufmerksamkeit gezielt auf relevante Vorgänge richten.
Für Unternehmen bedeutet dies:
-
Reduzierung des manuellen Prüfaufwands
-
Schnellere Identifikation potenzieller Warenverluste
-
Unterstützung bestehender Sicherheitsprozesse
-
Geringere Kosten im Vergleich zu spezialisierten Marktlösungen
-
Übertragbarkeit auf weitere autonome Verkaufsstandorte
Insbesondere für mittelständische Handelsunternehmen eröffnet dies einen realistischen Einstieg in den Einsatz von KI im Einzelhandel.
Ausblick: Welche Schritte jetzt entscheidend sind
Die Studie hat gleichzeitig konkrete Ansatzpunkte für die Weiterentwicklung aufgezeigt. Optimierte Kamerapositionen, zusätzliche Kameras für einzelne Regale sowie ein speziell auf die tatsächlichen Produkte trainierter Datensatz könnten die Erkennungsleistung deutlich verbessern. Auch eine optimierte Regalbestückung wurde empfohlen, bei der die Produkte klar aus der Kameraperspektive getrennt voneinander sichtbar sein sollten. Zum Beispiel sollten Schokoriegel nicht in uneinsichtigen Boxen gelagert werden.
Darüber hinaus erscheint eine Fokussierung auf besonders wertvolle Produktgruppen wie Alkohol oder Kaffee vielversprechend. Bereits in begrenzten Anwendungsfällen könnte dadurch ein wirtschaftlicher Mehrwert entstehen.
Fazit: KI als Assistenzsystem statt automatischer Kontrolle
Die Machbarkeitsstudie von Delphi Retail und KI.SH zeigt eindrucksvoll, welches Potenzial Künstliche Intelligenz für die Digitalisierung des Einzelhandels besitzt. Zwar ist eine vollständig automatisierte Diebstahlerkennung in autonomen Supermärkten aktuell noch nicht zuverlässig genug für den Praxiseinsatz. Gleichzeitig konnte nachgewiesen werden, dass KI dabei helfen kann, verdächtige Vorgänge gezielt zu identifizieren und den Aufwand für die manuelle Videoanalyse erheblich zu reduzieren.
Für Geschäftsführende sowie IT- und Digitalisierungsverantwortliche liefert das Projekt damit eine wichtige Erkenntnis: Der größte Mehrwert von KI entsteht häufig nicht durch die vollständige Automatisierung eines Prozesses, sondern durch die intelligente Unterstützung von Mitarbeitenden bei zeitaufwendigen Aufgaben.
Fotos: Matthias Nowc