Computer Vision im Einzelhandel bezeichnet die Analyse von Kamerabildern in Ladengeschäften. Die Technologie unterstützt Händler dabei, Abläufe zu optimieren, die Kundenzufriedenheit zu steigern und den Umsatz zu erhöhen. Die Einsatzmöglichkeiten reichen von der Kontrolle der Warenpräsentation im Regal über das Steuern der Kundenflüsse bis hin zur Optimierung von Self-Checkout-Kassen.
Die Projekte stellen sich für viele Händler allerdings als anspruchsvoll heraus. Der IT-Entwickler HTEC benennt die größten Herausforderungen und schlägt dafür Lösungen vor.
1. Genauigkeit
Der Nutzen von Computer Vision im Einzelhandel hängt maßgeblich von der Genauigkeit der Erkennung ab, etwa von Produkten oder Preisauszeichnungen. Die letzten zehn Prozent an Genauigkeit sind am schwersten zu erreichen, da Ladengeschäfte unberechenbar sind. Menschen bewegen sich durch das Sichtfeld der Kameras, die Lichtverhältnisse wechseln, Produkte ähneln sich. Modelle, die unter Laborbedingungen trainiert wurden, kommen damit nicht immer zurecht und verlieren im Laufe der Zeit an Genauigkeit. Das kann schon daher kommen, dass sich Produktverpackungen geändert haben. Ein Training unter realitätsnahen Bedingungen ist daher ebenso unerlässlich wie ein kontinuierliches Re-Training.
2. Datenbasis
Für das Training der Modelle sind hochwertige und aktuelle Daten nötig, darunter Bilder von allen Produkten im Sortiment und den Regalbereichen im Laden sowie die zugehörigen Planogramme. Den Aufwand für den Aufbau und die Pflege dieser Datenbasis – vor allem bei sehr großen Sortimentsumfängen – unterschätzen viele Händler. In Pilotprojekten macht das meist noch keine Probleme, doch wenn es um die Skalierung geht, fallen Lücken im Datenbestand oder eine geringe Datenqualität schnell auf. Letztlich müssen Händler ausreichend Zeit und Mitarbeiter für den Aufbau und die Pflege der Datenbasis einplanen.
3. Integrationen
Viele Projekte konzentrieren sich auf das Erkennen von Produkten, Preisen oder Besucherströmen. Die daraus abgeleiteten Erkenntnisse fließen oft lediglich in Dashboards ein. Die Automatisierung der nachgelagerten Aktionen fehlt – beispielsweise das Nachbestellen von vergriffenen Waren, die Aktualisierung von fehlerhaften Auszeichnungen oder die Benachrichtigung von Mitarbeitern, wenn Kunden vor einem Regal stehen und Beratung brauchen. Ohne eine enge Integration in bestehende Systeme und Prozesse, kann Computer Vision seinen Wert nicht entfalten. Mitarbeiter müssen dann ständig die Dashboards kontrollieren und Aktionen manuell anstoßen.
4. Betriebsmodell
Computer Vision ist kein Projekt, das irgendwann abgeschlossen ist, sondern eine Art lebendiges System, das konsequent weiterentwickelt und gepflegt werden muss. Nötig dafür sind MLOps-Pipelines (Machine Learning Operations), ein Lifecycle-Management und Verständnis für Edge Computing. Vielen Händlern fehlt es allerdings an qualifiziertem Personal, das Modelle für die beschränkten Ressourcen von mobilen Endgeräten optimiert, Modell-Degenerationen erkennt und durch ein Re-Training beseitigt. Schwierigkeiten bereitet auch das regelmäßige Ausrollen von Updates. Partner leisten wertvolle Hilfe, indem sie die Entwicklung und den Betrieb von Computer-Vision-Lösungen unterstützen und für einen Wissenstransfer ins Unternehmen sorgen.
5. Architektur
Viele Händler betrachten die Einsatzmöglichkeiten von Computer Vision im Einzelhandel isoliert und entwickeln punktuelle Lösungen, die lediglich ein einziges Problem lösen. Dadurch steigt der Aufwand für die Entwicklung sowie den Betrieb und es fällt schwer, die Lösungen zu erweitern und zu verknüpfen. Zudem entstehen technische Schulden. Besser ist es, mit einem genau definierten Anwendungsfall zu starten, der klare Schlüsselkennzahlen und eine klare Folgeaktion hat. Auf dieser Grundlage lässt sich eine gemeinsame Kamerainfrastruktur und Datenbasis um weitere Use Cases zu ergänzen. So gelingt eine schnellere Ausweitung des Computer-Vision-Einsatzes zu geringeren Grenzkosten.
6. Governance
Die Auswertung von Videomaterial berührt rechtliche Fragen, vor allem hinsichtlich Privatsphäre und Datenschutz, da die Kameras auch Kunden und Mitarbeiter erfassen. Unzureichende Informationen und Schutzmaßnahmen können Projekte daher verzögern oder auch das Entfernen bestimmter Funktionen notwendig machen. Das mindert Wert von Computer Vision erheblich und führt schnell zu einem Vertrauensverlust bei der Kundschaft. Händler sollten daher die Governance von Anfang an mitbedenken und sich um Anonymisierung, Zweckbindung, kurze Aufbewahrungszeiten und die Einbindung von Menschen in sensible Entscheidungen bemühen. Privacy by Design beschleunigt Computer-Vision-Projekte.
„Der Einzelhandel tritt in eine neue Technologie-Ära ein, in der es nicht länger um Pilotprojekte oder punktuelle Lösungen geht“, betont Joe Serrano, Acting Global Managing Partner, Retail & CPG bei HTEC, einem Entwickler kundenspezifischer Hardware- und Softwarelösungen. „Wollen Händler das Potenzial von Computer Vision ausschöpfen, müssen sie in der Lage sein, Videosignale aus allen Bereichen ihrer Geschäfte nahezu in Echtzeit für mehrere Use Cases zu erfassen, auszuwerten und in sinnvolle Aktionen umzusetzen. Werte entstehen erst dann, wenn die Unternehmen aus zuverlässig erkannten Ereignissen automatisiert Maßnahmen ableiten.“ Jürgen Frisch
