Herausforderungen für den KI-basierten, kassenlosen Einzelhandel in großem Maßstab

Eigentlich mögen Lebensmittelhändler keine Revolution. Sie bevorzugen einen steten Rhythmus von vorhersehbarem Inventarbedarf und Kundenstamm, stabile Lieferantenbeziehungen und saisonale Werbeaktionen. Bis COVID-19 alles veränderte… und fast alle Unternehmen schließen mussten, bis auf die Lebensmittelbranche (und Krankenhäuser).

Mittlerweile kommt es täglich zu saisonbedingten Sonderaktionen, da Kunden, die zu Hause bleiben und soziale Distanzierung einhalten es notwendig machen, dass die Lebensmittelhändler der Nachfrage nach digitalen Bestellungen nachkommen müssen. Sie sind gezwungen, ihre Lieferlogistik zu modernisieren und auszubauen und gleichzeitig die Anzahl der Kunden zu begrenzen, die das Geschäft gleichzeitig betreten dürfen. Dieses Kaufverhalten ist die neue Normalität und nur Lebensmittelhändler, die sich schnell auf die neue Situation anpassen, können einen Vorteil aus diesem Nachfrageboom ziehen. Dieses Verhalten wird durch unterschiedliche makroökonomischen Stärken vorangetrieben: Generationswechsel, Urbanisierung, die Zunahme moderner Technologien und E-Commerce-Angebote, sowie das zunehmende Bedürfnis nach Komfort und Geschwindigkeit.

Trigo hat bereits bestehende Geschäfte ausgestattet, weitere werden folgen, während wir unsere Technologie ständig weiterentwickeln. Nachfolgende Gedanken basieren auf unseren Erfahrungen bei der Bereitstellung unserer Technologie zusammen mit unseren Partnern.

Erleben mit allen Sinnen, aber trotzdem komfortabel

Mit der Übernahme von Whole Foods durch Amazon im Jahr 2017 und der späteren Einführung von Amazon Go im Jahr 2018, wurde die Lebensmittelbranche vor neue Herausforderungen gestellt: Was, wenn sich die Erwartungen der Kunden im Hinblick auf Geschwindigkeit, Komfort und Sicherheit auch auf die physische Kauferfahrung im Geschäft auswirken? Es gibt Momente, in denen eine Online-Bestellung einfach nicht möglich ist. Wenn Pendler beispielsweise auf dem Weg zur Arbeit oder nach Hause sind oder gerade Mittagspause haben, dann ist es für sie einfacher, ein Geschäft zu betreten, etwas zu kaufen und das Geschäft wieder zu verlassen. Es gibt auch Momente, bei denen die taktilen Aspekte eines Lebensmittelkaufs überwiegen: Der Geruch von frischen Lebensmitteln, das Aussehen von Premiumfleisch oder die Berührung und Haptik von Produkten – diese sinnlichen Erfahrungen können online nicht erreicht werden, und das sollten sie auch nicht.

Trotz der enormen Zunahme von eCommerce, wird der überwiegende Anteil der Lebensmittelkäufe weltweit immer noch in einem stationären Geschäft erledigt (nahezu 95%). So schnell wird der Einkauf in stationären Geschäften nicht verschwinden. Auch wenn sich die Welt nach Ende der Pandemie wieder normalisiert, muss das Einkaufen im Geschäft dennoch sicher, bequem und schnell bleiben. Die breitgefächerte Implementierung kassenloser Geschäfte ist nur eine Frage der Zeit. Es stellt sich die Frage wann, nicht ob.

Herausforderung Nr. 1: Das Rennen ist eröffnet

Amazon hat bereits 26 Amazon Go-Standorte entweder in Planung oder bereits umgesetzt und hat sogar Pläne, seine Technologie für Convenience-Stores am Flughafen auf Lizenz bereitzustellen. Amazon ist jedoch nicht das einzige Unternehmen. Unternehmen weltweit haben mit der Einführung kassenloser Systeme im Einzelhandel in unterschiedlichen Formen begonnen. Nano-Stores, Hybrid-Geschäfte, Lab-Geschäfte ausschließlich für Mitarbeiter und andere Konzepte gehören zur neuen Realität in der Lebensmittelbranche.

Wenn es aber darum geht auf Computer-Vision basierende Systeme zu implementieren, bei denen die Kunden das Geschäft betreten, einkaufen und das Geschäft ohne Reibung oder Kasse verlassen können, muss man zwei Dinge beachten: Die Größe des Geschäfts und die Anzahl der Filialen eines Einzelhändlers.

Bisher ist die Einrichtung von Computer-Vision-Hardware einschließlich Kameras, Sensoren und Servern noch relativ teuer. Laut Schätzungen hat die Hardware für die ersten kleinen Amazon Go-Boxen über 1 Million US-Dollar gekostet.

Diese Kosten steigen linear. Das heißt, wenn ein Geschäft von 280 m² (die ungefähre Größe von Amazon Go) auf 560 m² erweitert wird, verdoppeln sich die Kosten für die Bereitstellung der Hardware. Auch die Anzahl der pro Filiale erforderlichen Sensoren und Kameras nimmt wesentlich zu.

Die guten Nachrichten aber sind, dass die Kosten für die Technologie im Laufe der Zeit sinken. Die heute implementierte Hardware muss also skalierbar sein, um auch in Zukunft noch eingesetzt werden zu können. Wenn die Hardware benutzerdefiniert, teuer und nur für kleine Nano-Stellflächen entwickelt wird, anstatt für die Größe eines durchschnittlichen Lebensmittelgeschäfts (ca. 3.700 m²), lohnt sich der Aufwand wahrscheinlich nicht. Auf lange Sicht können handelsübliche Sensoren im Gegensatz zu maßgeschneiderten Sensoren wahrscheinlich zu kostengünstigeren Systemen führen.

Herausforderung Nr. 2: Mehr Leistung bitte

Mit der Größe des Geschäfts steigt auch die für den Betrieb erforderliche Rechenleistung. In der Regel haben größere Geschäfte zudem auch ein größeres Produktsortiment. Ein durchschnittliches amerikanisches Lebensmittelgeschäft bietet beispielsweise zwischen 30.000 und 40.000 SKUs (Lagereinheiten) an, während kleinere Convenience-Stores nur etwa 500 SKUs im Angebot haben. Je mehr Artikel, desto mehr Daten muss das System überwachen und desto mehr Artikelbilder müssen im Backoffice verwaltet werden.

Ein KI-Netzwerk benötigt zwischen 1.000 und 5.000 Bilder, um eine Produktkategorie erkennen und klassifizieren zu können. Multiplizieren Sie diese Anforderung um die Anzahl der SKUs pro Filiale und wir sind bei mehreren zehn oder hundert Millionen Bildern, die ein Einzelhändler pflegen muss — ein selbst für gut ausgestattete Technologieunternehmen, ganz zu schweigen von Lebensmitteleinzelhändlern, unerschwingliches Unterfangen.

Herausforderung Nr. 3: Es ist kompliziert, aber wir lieben es!

Damit Computer-Vision effizient funktioniert, muss es in Umgebungen und Szenarien arbeiten, die es versteht. Fast nie haben Einzelhandelsgeschäfte die gleiche Größe oder die gleiche Form. Deckenhöhe, Beleuchtung, Größe der physischen Stellflächen, Platzierung der Klimaanlagen und sogar die spezifischen Produkte, die von einem Geschäft zum nächsten transportiert werden, können stark variieren. All das macht den KI-Auftrag überaus komplex.

Fazit

Es ist besser, bestehende Geschäfte in AICV-Systeme zu konvertieren, die reale Szenarien verarbeiten können, anstatt neue Geschäfte speziell für AICV-Systeme (Artificial Intelligence Computer Vision) zu bauen. Je schneller AICV-Systeme in realen Situationen getestet werden können, desto leichter können sie in großem Maßstab auf die Unterschiede zwischen den einzelnen Filialen angepasst werden. Genau daran haben wir bei Trigo gearbeitet – Skalierbarkeit der AICV-Technologie für die Einführung autonomer Geschäfte. Während das vollständig autonome Fahren noch in der Testphase ist, können wir bereits eine funktionierende Lösung anbieten.