Künstliche Intelligenz im Store - KI treibt IT-Investitionen EHI-WHITEPAPER - Microsoft News
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
EHI-WHITEPAPER
Künstliche Intelligenz
im Store
KI treibt IT-Investitionen
Mit freundlicher Unterstützung von:
Künstliche Intelligenz im Store 2
Inhalt
03 EINLEITUNG
05 VORGEHENSWEISE
06 ENTWICKLUNGSSTAND UND POTENZIALEINSCHÄTZUNG
FÜR ANWENDUNGSGEBIETE DER KI IM STORE
06 Bestandsmanagement
07 Dynamische Preisoptimierung
08 Smart Energy Management
09 Seamless Retail
10 Product Recommendation
11 Visual Search
12 Smart Assistants
13 BESTANDTEILE DER KI – WAS WIRD BENÖTIGT?
14 EINFÜHRUNG UND ANWENDUNG VON KI –
WAS IST ZU BEACHTEN?
14 In der Gesellschaft
15 Im Unternehmen
15 KI erlernen – Online-Kurse und Quellen
16 KI-ANWENDUNGEN IM REALEN EINSATZ
19 ZENTRALE
21 FILIALE
26 KUNDSCHAFT
30 GANZHEITLICHER EINSATZ VON KI IM HANDEL –
MICROSOFT STORES
32 ANHANG
32 Appendix – Microsoft Produkte
32 Abbildungs-/Tabellenverzeichnis
33 Über das EHI
33 Über Microsoft
34 Impressum Ein Teil der in der vorliegenden Studie abgebildeten
Grafiken ist in unserer Online-Statistik-Datenbank
www.handelsdaten.de verfügbar und kann als
xls-, pdf- und jpg-Datei heruntergeladen werden.
Weitere Statistiken und Grafiken zu den Themen
„IT-Trends“, „Robotics“, „Künstliche Intelligenz“
und „Smart Store“ finden Sie auf unseren
Themenseiten auf handelsdaten unter:
www.handelsdaten.de/handelsthemen
EHI Retail Institute
Künstliche Intelligenz im Store 3
Einleitung
Der digitale und vernetzte Store wird in den ver- vestitionen im Einzelhandel zu unterstützen. Es
gangenen IT-Trendstudien des EHI vom Handel wurde aufgezeigt, an welcher Stelle des Digitali
als eines der wichtigsten strategischen Themen ge- sierungspfads der Handel derzeit positioniert ist, in
nannt und beeinflusst Investitionsentscheidungen welchem Reifegrad sich bestimmte Technologien
in hohem Maße. Zeitgleich hat die allgemeine und Anwendungen befinden und welche Optionen
technologische Entwicklung weiter an Dynamik zu- und Potentiale sich für Unternehmen auf dem Weg
genommen. Themen wie IoT und Künstliche Intel- zum digitalisierten und vernetzten Store der Zu-
ligenz eröffnen für den Handel neue Möglichkeiten kunft eröffnen.
und Perspektiven der Gestaltung einer Digitali Ein wichtiges Ergebnis des Whitepapers war,
sierungsstrategie. Die Smartphones der Kundschaft dass neben den Basisbereichen Kasse und Waren-
sind zudem technologisch so weit entwickelt, dass wirtschaft vor allem mobile Kommunikations-
sie sowohl eine vielschichtige Interaktion mit in der lösungen, performante Analytics-Tools und die
Filiale befindlichen Devices als auch eine stark per- personalisierte Kundenansprache im Fokus der Ent-
sonalisierte und individualisierte Kommunikation scheiderInnen im Handel stehen. Die Studie gab zu-
ermöglichen. dem einen weitreichenden Einblick in die wichtigs-
Das EHI Retail Institute hat daher im Jahr 2018 ten anstehenden IT-Projekte der Unternehmen.
gemeinsam mit Microsoft ein Whitepaper zum Im Jahr 2019 wurde der zweite Teil des White-
Thema „Smart Store“ veröffentlicht mit dem Ziel, papers veröffentlicht, welcher neben terminolo
die Diskussion um sinnvolle und notwendige In- gischen Begriffsabgrenzungen zur Einordnung der
Smart-Store-Matrix
(Abb. 1)
10
9
IoT-fähige Produktinfor-
Entwicklungsstand Technologie
Geräte im Click mationen
8 & Collect (QR-Code)
Auto- Store
matisierte Customer
7 Benachrichtigungen Tracking
Mitarbeitende Echtzeit- Personalisierung
6 Kommunikation Kundschaft
mit KundInnen im Store
5 Click
& Reserve
Vollauto-
4 matisiertes Virtuelle
Store-Konzept Smart Umkleiden Kunden-
Home information Instore
3 auf Navigation
Roboter Echtzeit- Produktinfor- Mitarbeiter-
2 für Instore- Abbildung mationen Device
Prozesse der (Bilderkennung)
Bestände
1
0
0 1 2 3 4 5 6 7 8 9 10
Investitionsrelevanz
Anwendungen Anwendungen der Rubrik Anwendungen Anwendungen der
der Rubrik Bestands- Customer Tracking and der Rubrik Instore Rubrik Smart Devices
management Communication Operations für Mitarbeitende
Durch die Größe der Kreise wird das Zukunftspotenzial (auf einer Skala von 1 bis 10) abgebildet.
Quelle: EHI
EHI Retail Institute
Künstliche Intelligenz im Store 4
verschiedenen Technologien zahlreiche Fallstudien ereiche wie Predictive Analytics und standort-
B
beinhaltet, die den praktischen Einsatz von Smart- spezifische Warenallokation Investitionsbereit-
Store-Technologien im Handel aufzeigen. schaft bekundet. Dynamic Pricing wurde als ein
In diesem Zusammenhang wurde auch auf die Feld identifiziert, dass in den kommenden Jahren
technologischen Voraussetzungen für den Einsatz ebenfalls an Bedeutung gewinnen wird. IoT-Tech-
bestimmter Technologien im Store Bezug ge- nologien wurden erstmals in der EHI-Trendstudie
nommen. Des Weiteren enthält das Whitepaper als relevanter Zukunftstrend eingestuft.
eine Sonderauswertung der EHI-Studie „IT-Trends Für den nun vorliegenden dritten Teil der Reihe
im Handel“. Ein besonderer Schwerpunkt dieser wurden acht Tiefeninterviews mit IT-Entscheide-
Befragung lag darauf, zu ergründen, welche Be- rInnen großer deutscher Handelsunternehmen aus
deutung die EntscheiderInnen den Themen KI und den Branchen Food, Fashion, DIY und Consumer
IoT in den kommenden Jahren beimessen und wel- Electronics durchgeführt. Ziel war es, den Einsatz
che konkreten Investitionspläne sich dahinter ver- und die Potenziale von KI-Anwendungen im Store
bergen. zu untersuchen und eine konkrete Einschätzung der
Viele bereits in Teil 1 getroffene Aussagen konn- Perspektiven für die kommenden Jahre aufzuzeigen.
ten weiter bestätigt werden. Vor allem in Künst- Die Interviewergebnisse werden ergänzt durch
licher Intelligenz sah der Handel das mit Abstand internationale Fallbeispiele, die Best-Practice-An-
wichtigste technologische Zukunftsthema. Dabei wendungen zeigen.
wurde zunächst vor allem für die „klassischen“
Künstliche Intelligenz
Geplante Einsatzbereiche (Abb. 2)
in Prozent
Predictive Analytics 53
Standortspezifische Allokation (Ware) 22
Bilderkennung 22
Dynamic Pricing 19
Datenvalidierung 14
Personalisierte Kundenansprache 13
n = 90; Mehrfachnennungen möglich
Quelle: EHI
EHI Retail Institute
Künstliche Intelligenz im Store 5
Vorgehensweise
Nach den beiden umfangreichen Erhebungen in Damit sollte sichergestellt werden, dass im weite-
den Whitepapers zum Thema „Smart Store“ der ren Verlauf der Interviews eine möglichst einheit-
vergangenen beiden Jahre (zuletzt wurden CIOs und liche Auffassung darüber herrscht, ab wann von KI
IT-LeiterInnen in 90 Unternehmen persönlich be- gesprochen werden kann und welche Anwendungen
fragt) führte das EHI in dieser Auflage acht Tiefen- tatsächlich darunter gefasst werden können.
interviews mit IT-EntscheiderInnen großer deut- Im Wesentlichen deckten sich die Definitionen
scher Handelsunternehmen aus den Branchen der Panelteilnehmer. Man war unisono der Auf-
Food, Fashion, DIY und Consumer Electronics fassung, dass der Begriff KI heute sehr inflationär
durch. verwendet wird und oft auch Anwendungen dar-
Der Fokus der Tiefeninterviews lag dabei auf unter subsumiert werden, die den Grundmerkmalen
sieben verschiedenen Anwendungsfeldern der der Künstlichen Intelligenz nicht entsprechen. Teil-
Künstlichen Intelligenz im Store: Bestands- weise wird die Verwendung des Begriffs explizit
management, dynamische Preisoptimierung, Smart vermieden, um Missverständnissen vorzubeugen.
Energy Management, Seamless Retail, Product Stattdessen bedient man sich anderer Termini, wie
Recommendation, Visual Search und Smart zum Beispiel Machine Learning. Ein Teilnehmer
Assistants. Die Führungskräfte wurden dabei ge- konstatierte in diesem Zusammenhang, dass „die
beten, zu jedem dieser Themenblöcke zu erläutern, KI per Definition eigentlich menschenähnliche Ent-
wie der derzeitige Entwicklungsstand im eigenen scheidungen treffen müsste“. Davon sei man aber
Unternehmen eingeschätzt wird und welche Be- derzeit noch weit entfernt.
deutung die jeweiligen Themenblöcke heute und Als Quintessenz aus den Äußerungen der Inter-
zukünftig für das Unternehmen haben werden. viewten lässt sich folgende Aussage festhalten, die
Da der Begriff „Künstliche Intelligenz“ in der auch den weiteren Ausführungen zu Grunde liegen
Praxis sehr unterschiedlich interpretiert wird, wur- wird: „KI ist selbstlernend und stellt eigenständig
den die Interviewten zu Beginn gebeten, diesbezüg- Zusammenhänge her, die nicht trivial sind“.
lich ihr persönliches Verständnis zu definieren.
EHI Retail Institute
Künstliche Intelligenz im Store 6
Entwicklungsstand und Potenzialeinschätzung
für Anwendungsgebiete der KI im Store
BESTANDSMANAGEMENT sich ziehen wird. Begründet wird dies unter ande-
Ein Kernergebnis der umfassenden IT-Trendstudie rem durch eine wesentlich größere und vielfältige
des EHI aus dem Jahr 2019 war, dass Predictive Menge an Daten, die für Analysen herangezogen
Analytics, also die vorausschauende Analyse ins- werden können und die bisher oft unberücksichtigt
besondere von Abverkäufen und Bestandsver- geblieben sind.
änderungen und sich daraus ableitende Aus- Für Fashion-Händler ist die Warenverteilung
wirkungen auf Warenverteilung und -platzierung, oft wichtiger als die vorausschauende Analyse der
in den kommenden Jahren das wichtigste Einsatz- Abverkäufe, da Großteile des Sortiments nicht nach-
gebiet für KI-Anwendungen sein wird. Die dies- geordert werden. Auch in diesem Zusammenhang
jährigen Experteninterviews untermauern diese können KI-basierte Lösungen zur Anwendung
Aussage nachhaltig. Alle beteiligten Retailer sehen kommen.
sich bei Predictive Analytics durch Investitionen in Hingewiesen wurde an mehreren Stellen auch
den vergangenen Jahren bereits vergleichsweise gut auf die Tatsache, dass KI-basierte Anwendungen in
aufgestellt. Es wird aber in den meisten Fällen wei- Logistik-Prozessen außerhalb des Stores einfacher
ter ein hohes Entwicklungspotenzial bei KI-ge- einzusetzen und daher oftmals auch weiter ent-
steuerten Lösungen für die kommenden Jahre kon- wickelt seien.
statiert, welches substanzielle Investitionen nach
Bestandsmanagement
(Abb. 3)
10
8
Entwicklungsgrad
6
4
2
0
0 2 4 6 8 10
Potentialeinschätzung
n=8
Quelle: EHI
EHI Retail Institute
Künstliche Intelligenz im Store 7
DYNAMISCHE PREISOPTIMIERUNG sen sich in einigen Fällen zu häufige, eventuell sogar
Neben Predictive Analytics war auch Dynamic Pri- untertägige Preisänderungen nicht mit der Unter-
cing eine der Anwendungen, der in der IT-Trend- nehmensphilosophie vereinbaren. Es besteht die
studie aus dem vergangenen Jahr großes Zukunfts- Befürchtung, dass die Kundschaft dadurch ver-
potential eingeräumt wurde. Die Experteninterviews unsichert oder sogar verärgert werden könnte.
brachten hier ein sehr unterschiedliches Bild zu Der enge Zusammenhang zwischen Preis- und
Tage. Ein Teil der Unternehmen steht der dynami- Sortimentsgestaltung wurde auch beim Thema
schen, KI-gesteuerten Preisgestaltung sehr auf- Private Label vs. Markenartikel verdeutlicht. Als
geschlossen gegenüber, von anderen wird diese eher Beispiel nannte ein Teilnehmer die Verwendung
abgelehnt. Zu begründen ist dieses Ergebnis da- KI-basierter Preisgestaltung zur Definition des Prei-
durch, dass nicht alle Sortimente gleichermaßen für ses, ab dem ein Kunde/eine Kundin vom Marken-
Dynamic Pricing geeignet sind. Dies hängt auch produkt zur Eigenmarke wechselt.
damit zusammen, dass die digitale Preisaus- Branchen, die starkem Online-Wettbewerb aus-
zeichnung bisher in manchen Branchen (wie z.B. gesetzt sind, halten dynamische Preise zum Teil
dem Modehandel) nicht im Einsatz ist. Zudem las- hingegen für zwingend notwendig.
Dynamische Preisoptimierung
(Abb. 4)
10
8
Entwicklungsgrad
6
4
2
0
0 2 4 6 8 10
Potentialeinschätzung
n=8
Quelle: EHI
EHI Retail Institute
Künstliche Intelligenz im Store 8
SMART ENERGY MANAGEMENT matisierten IoT-Cockpits erschweren. Die Infra-
Die IoT-basierte Steuerung und Überwachung struktur für den großflächigen Einsatz IoT-fähiger
unterschiedlicher Filialapplikationen zählte bei den Geräte ist oft nicht vorhanden, die Umrüstungs-
vergangenen Befragungen zu den Themen, denen kosten wären sehr hoch. Zitat eines Teilnehmers,
zwar eine hohe Zukunftsrelevanz eingeräumt wird, der bereits Pilotprojekte abgeschlossen hat: „Es gilt
die aber kurz- und mittelfristig keine Top-Priorität noch zu beweisen, dass sich das rentiert.“ Einige
bei den Führungskräften genießen. Auch nach Aus- Interviewte weisen auch darauf hin, dass in den
wertung der Tiefeninterviews zeichnet sich hier Filialen bereits heute sehr energieeffizient ge-
kein eindeutiges Bild ab. Dies ist auf unterschied- arbeitet wird und daher der Zusatznutzen, der durch
liche Faktoren zurückzuführen. Zum einen obliegt den Einsatz von KI und IoT erzielt wird, zumindest
das Energiemanagement in den Filialen auch tech- fraglich ist. Hinzu kommen sehr heterogene bau-
nisch nur in Teilen der IT. Das Facility Management liche Voraussetzungen, denn nicht überall ist es
hat hier naturgemäß oft die Entscheidungshoheit. gleichermaßen möglich, die für IoT-Anwendungen
Der Einbindungsgrad variiert entsprechend sehr erforderliche IT-Infrastruktur mit vertretbarem
von Unternehmen zu Unternehmen, teilweise sind Aufwand bereitzustellen. Dennoch ist man sich be-
auch die Hersteller von Applikationen (z.B. Kühl- wusst, dass das Thema Energieeffizienz in Zukunft
möbeln) für deren Monitoring zuständig. Dem weiter an Bedeutung gewinnen wird, und wird sich
gegenüber stehen technische Hürden, welche die auch in Zukunft intensiv mit neuen Lösungen be-
Implementierung eines intelligenten und auto- schäftigen.
Smart Energy Management
(Abb. 5)
10
8
Entwicklungsgrad
6
4
2
0
0 2 4 6 8 10
Potentialeinschätzung
n=8
Quelle: EHI
EHI Retail Institute
Künstliche Intelligenz im Store 9
SEAMLESS RETAIL Einig sind sich alle EntscheiderInnen in zwei
Nicht zuletzt der Hype um AmazonGo und ent- Punkten. Erstens: Ein kassenloser Store bedeutet
sprechende, vor allem in Asien erfolgreich um- nicht zwangsläufig ein personalloser Store. Je nach
gesetzte ähnliche Konzepte hat auch in Deutschland Branche kann Personal verstärkt in der Kunden-
bei zahlreichen Handelsunternehmen für viel beratung eingesetzt werden, wenn es an der Kasse
Diskussionsstoff gesorgt. Die Frage, in welcher Form nicht benötigt wird. Zweitens: Seamless Retail
vollautomatisierte, KI-basierte und kassenlose macht aus Kundensicht immer dann Sinn, wenn der
Storeformate sinnvoll und kundengerecht Einkaufsvorgang dadurch schneller, einfacher und
umgesetzt werden können, stellt sich derzeit vielen bequemer gestaltet werden kann. Hier werden mit
EntscheiderInnen im Handel und war daher auch technologischer Weiterentwicklung in den nächs-
Bestandteil der Experteninterviews dieser Studie. ten Jahren viele Anwendungsfelder entstehen,
Im Ergebnis wird das Potential von Seamless denen man sich nicht verschließen kann. Wann der
bzw. Frictionless Retail bis auf eine Ausnahme von richtige Zeitpunkt sein wird, hängt auch von der
allen Panelteilnehmern als überdurchschnittlich Verfügbarkeit interner Ressourcen ab. Zitat eines
hoch eingeschätzt. Die Ansätze, mit denen sich dem Teilnehmers: „Das wird kommen. Wir haben der-
Thema genähert wird, sind allerdings sehr unter- zeit noch keine Kapazitäten, müssen zunächst
schiedlich. In einigen Fällen beschränken sich die Projekte abschließen, die einen kurzfristigeren ROI
geplanten (oder auch bereits gestarteten) Projekte liefern.“ Ein anderer Entscheider meinte vor dem
auf über das Kundensmartphone gesteuerte Scan gleichen Hintergrund, man müsse vielleicht auch
& Go Lösungen. KI tritt bei solchen Anwendungen abwarten, bis ein marktfähiges Gesamtprodukt auf
eher in den Hintergrund. Es gibt aber, gerade im dem Markt sei – anstelle selber zu entwickeln und
Food-Sektor, durchaus auch Überlegungen, die sehr Ressourcen zu blockieren.
nah an den Konzepten von Amazon & Co. liegen.
Seamless Retail
(Abb. 6)
10
8
Entwicklungsgrad
6
4
2
0
0 2 4 6 8 10
Potentialeinschätzung
n=8
Quelle: EHI
EHI Retail Institute
Künstliche Intelligenz im Store 10
PRODUCT RECOMMENDATION Expertenkreis des Whitepapers beurteilt dies ähn-
Bei dem Thema Product Recommendation geht es lich, die EntscheiderInnen sehen ihre Unternehmen
in erster Linie darum, wie den KundInnen im Store diesbezüglich aber tendenziell erst in einem An-
mittels KI individualisierte Kaufempfehlungen fangsstadium. Dies ist auch darauf zurückzuführen,
gegeben werden können. Dies können Angebote dass die Kundschaft neue Services erst „erlernen“
sein, die mittels Location Based Marketing auf der muss und die Akzeptanzraten in Pilotprojekten noch
aktuellen Position der Kundschaft im Geschäft entsprechend niedrig sind. Ein weiteres Problem ist
basieren, oder auch smarte Regale und Waren- der fehlende Zugang zum Kundensmartphone, da
träger, die eine 1:1-Interaktion mit dem Kunden die KundInnen in der Filiale nicht identifiziert wer-
smartphone ermöglichen. den können. Selbst wenn eine Identifikation durch
Wie auch bereits in den vorhergehenden die Kundschaft erfolgt, wird das Generieren der
Studien gezeigt, wird Personalisierung und Indivi- „richtigen“ Empfehlung als sehr komplex empfun-
dualisierung im digitalen Kundenmarketing eine den. Zitat eines Teilnehmers: „Hier wird uns die
hohe strategische Bedeutung beigemessen. Der Künstliche Intelligenz in Zukunft helfen können.“
Product Recommendation
(Abb. 7)
10
8
Entwicklungsgrad
6
4
2
0
0 2 4 6 8 10
Potentialeinschätzung
n=8
Quelle: EHI
EHI Retail InstituteKünstliche Intelligenz im Store 11
VISUAL SEARCH schwierig ist. Die meisten EntscheiderInnen er-
Unter dem Begriff Visual Search sind in erster Linie warten erst mittelfristig einen Durchbruch, da die
Anwendungen zu verstehen, welche die Konsumen- Technologien teilweise noch nicht ausgereift sind
tInnen über Bilderkennungstechnologien beim (beispielsweise im Obst & Gemüse-Sortiment) und
stationären Einkauf unterstützen. Die Potenzialein- sich dies dann eher negativ auf das Einkaufserleb-
schätzung diesbezüglich ist bei den Interviewten nis auswirkt. Diese Einschätzung deckt sich auch
sehr unterschiedlich gelagert. Teilweise gibt es be- mit den Ergebnissen der vorhergehenden Be-
reits Pilotprojekte z.B. im DIY-Umfeld, wo das Fin- fragungen.
den der Produkte für den Verbraucher im Store oft
Visual Search
(Abb. 8)
10
8
Entwicklungsgrad
6
4
2
0
0 2 4 6 8 10
Potentialeinschätzung
n=8
Quelle: EHI
EHI Retail InstituteKünstliche Intelligenz im Store 12
SMART ASSISTANTS bots zur Unterstützung der MitarbeiterInnen bei
Unter Smart Assistants sind Roboter bzw. Chatbots der Beratung werden als sinnvoll angesehen. Durch-
zu verstehen, die im Dialog komplexe Fragen be- aus kritisch wird teilweise die technische Integra-
antworten können. Dies kann per Voice bspw. auf tion in die eigene App gesehen. „Es könnte auch
Kundenapp, über intelligente Umkleiden oder am sinnvoll sein, hier auf Siri und Alexa zu setzen“, so
Telefon erfolgen. Nach dem Bereich Bestands- die Aussage eines Interviewten. Smart Assistants
management bzw. Predictive Analytics ist dies das in der Umkleide (Spiegel) sind vor allem dort zu-
Einsatzfeld, welchem von den Interviewten das kunftsträchtig, wo die Ware per RFID sehr leicht
höchste Zukunftspotential beigemessen wird. identifiziert werden kann. Ein Zukunftsszenario ist,
Genannt werden in dem Zusammenhang z.B. Chat- dass mittels KI automatisiert zusätzliche und
bots, die außerhalb der Öffnungszeiten Basisfragen komplementäre Produkte angezeigt werden.
der Kundschaft beantworten können. Auch Chat-
Smart Assistants
(Abb. 9)
10
8
Entwicklungsgrad
6
4
2
0
0 2 4 6 8 10
Potentialeinschätzung
n=8
Quelle: EHI
EHI Retail InstituteKünstliche Intelligenz im Store 13
Bestandteile der Künstlichen Intelligenz –
Was wird benötigt?
Die Basis aller KI-basierten Initiativen ist eine mo- AI-Anwendungen zu nutzen, auch wenn sie selbst
derne Datenplattform, die existierende Unter- keine ausreichende Datenbasis haben.
nehmensdaten, als strukturierte Daten in Daten- Es gibt unterschiedliche Ansätze, um KI-
banken und als unstrukturierte Daten in Text-, Anwendung in Unternehmen einzuführen und zu
E-mail-, Bild-, Videoformaten, in einer auswert- nutzen, und dementsprechend die passenden
baren Form vorhält. Diese moderne Datenplattform KI-Werkzeuge:
sollte ebenfalls die Korrelation mit externen Daten KI-Werkzeuge zum Selbst-Entwickeln:
aus bspw. öffentlichen Datenquellen zulassen und Services, Vorlagen und Modelle zur Entwicklung,
eine flexible Skalierung ermöglichen. Aus diesem Implementierung und den Betrieb von unter-
Grund werden vielfach schon existierende Daten- nehmensspezifischen, maßgeschneiderten
plattformen derzeit abgelöst oder modernisiert, in- KI-Anwendungen.
dem Teile der Plattformen in der Cloud betrieben Vorgefertigte KI-Werkzeuge:
werden und / oder in einem hybriden Umfeld, also Diese fertigen KI-Services bilden häufige KI-
teilweise in der Cloud und teilweise im stationären Anwendungsbereiche ab und stellen diese vor-
Rechenzentrum. gefertigt zur einfachen Implementierung in
Die Verfügbarkeit von genügend Daten, die be- Unternehmensapplikationen bereit.
nötigt werden, um KI-Anwendungen zu trainieren, Fertige Lösungen mit Integrierter KI:
ist vielfach ebenfalls eine Herausforderung. Aus Einer der effizientesten Wege, KI im Unter-
diesem Grund wird bei der Einführung von KI-An- nehmen nutzbar zu machen, ist die Einführung
wendungen mittlerweile schon auf Simulationen von fertigen Lösungen, die KI-Anwendungen
zur Datenerzeugung oder auch auf gemeinschaft- schon integriert haben.
liche Nutzung von KI-Anwendungen zurück-
gegriffen. Bspw. ist das SingularityNet eine Art
Crowd-Sourcing-Plattform für AI-Anwendungen,
die es auch kleinen Unternehmen ermöglicht,
Quelle: Microsoft
EHI Retail InstituteKünstliche Intelligenz im Store 14
Einführung und Anwendung von KI –
Was ist zu beachten?
Die Einführung und Nutzung von KI sollte eher als Während in der Politik eher abstrakt über den
eine Reise angesehen werden und weniger als eine Sinn von Regulierungen rund um KI diskutiert wird,
klassische Implementierung einer neuen Software. sieht Brad Smith die führenden Technologie-Unter-
KI-basierte Anwendungen werden nicht durch das nehmen in der Pflicht, hier als Vorreiter zu agieren.
IT-Team einmal entwickelt und ausgerollt, vielmehr Aus diesem Grund hat Microsoft schon Ende 2018
müssen KI-Anwendungen kontinuierlich geprüft sechs Prinzipien zur ethischen Nutzung von KI be-
und weiterentwickelt bzw. trainiert werden. Hier nannt. Diese werden nun operativ eingebettet, bspw.
sollte, vor allen Aspekten rund um den sogenannten als verbindliche Entwicklungsstandards für alle
„Unconscious Bias“ (also die unbewusste Fehlinter- weltweiten KI-Projekte bei Microsoft:
pretation von Daten durch KI-Anwendungen auf- 1. Gerechtigkeit: KI-Systeme sollten alle
grund einer unausgewogenen Datenbasis), dem Menschen gleichermaßen behandeln
Datenschutz oder der Sicherheit erhöhte Aufmerk- 2. Transparenz: KI-Systeme sollten
samkeit geschenkt werden. verständlich sein
3. Inklusion: KI-Systeme sollten allen Menschen
IN DER GESELLSCHAFT zugutekommen und Menschen einbeziehen
Mit zunehmender Nutzung von KI im privaten wie 4. Zuverlässigkeit und Sicherheit:
geschäftlichen Umfeld werden auch im gesellschaft- KI-Systeme sollten zuverlässig und sicher sein
lichen Diskurs neue Themen gesetzlich oder regu- 5. Sicherheit und Datenschutz:
latorisch zu klären sein. Brad Smith, Microsoft Prä- KI-Systeme sollten sicher sein und
sident, führt in seinem New-York-Times-Bestseller Datenschutz respektieren
„Tools and Weapons: The Promise and the Peril of 6. Rechenschaftspflicht: KI-Systeme müssen
the Digital Age“ („Werkzeuge und Waffen: Ver- einen Verantwortungsalgorithmus haben
heißungen und Tücken des Digitalen Zeitalters“)
aus, dass die Rate an Technologie-Innovationen
nicht langsamer werden wird und dass vielmehr die
notwendige Regulation schneller werden muss. Er
rechnet für die nächste Dekade mit einer starken
Zunahme an regulatorischen Ansätzen für Techno-
logie-Innovationen.
EHI Retail InstituteKünstliche Intelligenz im Store 15
IM UNTERNEHMEN licht, sondern darüber hinaus auch Barrieren und
Im Unternehmensumfeld finden sich nicht nur die Silos zwischen Unternehmenseinheiten auflöst
Anwender von KI-Lösungen, sondern auch die- und nahtlose Nutzung des „digitalen Unterneh
jenigen, die KI-Lösungen einführen, weiter- mens-Besitztums“ ermöglicht.
entwickeln und betreiben sollen. Diese unter-
schiedlichen Rollen aus Fachbereichen und IT KI ERLERNEN –
haben eines gemeinsam: den Bedarf nach den not- ONLINE-KURSE UND QUELLEN
wendigen – und häufig für die Betreffenden neuen Da das Thema Künstliche Intelligenz so komplex ist,
– KI-Fähig- und Fertigkeiten. gibt es eine Vielzahl von Lernangeboten mit ver-
Daher ergreifen viele Unternehmen im ersten schiedenen Ausrichtungen. Einige sind hier exem-
Schritt Maßnahmen, die den Aufbau des neuen plarisch aufgeführt:
Wissens rund um KI forcieren. Sie unterstützen Kostenfreie Online-Kurse zum Selbstlernen:
damit auch eine erhöhte Akzeptanz der KI-An Allgemeine Einführung zu KI in Unternehmen
wendungen, da aufgrund des besseren Verständ Branchenspezifische Einführung: „KI-Tutorial
nisses die Möglichkeiten und Grenzen der unter für Unternehmen im Einzelhandel“
nehmens spezifischen KI-Anwendungen ein- Ethische Nutzung von KI: „Responsible AI
geschätzt und eingeordnet werden können. Learning Path“
Als Ziel steht im Unternehmen also die Einführung in KI-Werkzeuge und Implementie-
„Demokratisierung von KI“ im Vordergrund. Damit rung für IT und Entwickler:
ist gemeint, dass KI-basierte Lösungen und deren • Online-Kurs-Katalog zu „KI“
Prognosen für unterschiedliche Anwender-Rollen • Online-Kurs-Katalog zu „Cognitive Services“
zugänglich sein sollen, bspw. indem Daten- MIT Open Courseware: Artificial Intelligence
prognosen Mitarbeitenden zur Verfügung gestellt DIHK: Elements of AI
werden, damit sie ihre täglichen Aufgaben effizi- Xenia Giese, Microsoft
enter erledigen können.
Im zweiten Schritt entwickelt sich also eine
neue Unternehmenskultur, die nicht nur konti
nuierliches Lernen der MitarbeiterInnen und
Weiterentwickeln der KI-Anwendungen ermög-
EHI Retail InstituteKünstliche Intelligenz im Store 16
KI-Anwendungen im realen Einsatz
KI-ANWENDUNGEN IM ÜBERBLICK t ypische Kriterien, nach denen KI-Anwendungen
Der Vielfältigkeit von KI-Anwendungen sind nahe- gruppiert werden können, um den Überblick zu
zu keine Grenzen gesetzt. Es gibt jedoch einige erleichtern.
Nach Eingabeformat:
Quelle: Microsoft
Je nach Eingabeformat der über KI zu ver- Services zur Analyse genutzt. Dabei kann man sechs
arbeitenden Daten werden unterschiedliche KI- Eingabeformate unterscheiden:
Eingabeformate
(Tab. 1)
Eingabeformat Quelle KI-Service
1. Daten, Ziel: Strukturierte Daten mittels Daten-Analysen auswerten und darstellen
Datenbanken
Strukturierte Daten in Feldern mit Werten Data Analytics, Big Data
Zeitreihen-Datasets Anomalie-Erkennung
2. Bilder / Vision Ziel: Inhalte in Bildern, Videos und Freihandschrift erkennen und analysieren
Bildinhalte, Fotos, statische Bilder Computer Vision
Videos, Kamera Custom Vision / Computer Vision
Bilder mit Menschen und Emotionen Face Recognition
Dokumente mit Text, Schlüssel-Wert-Paare,
Form Recognizer
Tabellen
Dokumente mit Freihandschrift, Handschrift und
Ink Recognizer
allgemeine Formen
Video-Indizierung mit visuellen und Audiokanälen Video Indexer
EHI Retail InstituteKünstliche Intelligenz im Store 17
Eingabeformat Quelle KI-Service
3. Spracheingabe / Ziel: Spracheingaben aus Apps, Smart Speakers, Smartphones verarbeiten
Speech
Gesprochene, hörbare Sprache Speech to Text, Text-to-Speech
Unbekannte, gesprochene Sprache Speech Translation
Sprache verschiedener Sprecher Speaker Recognition
4. Sprache / Language Ziel: Unstrukturierten Text erkennen, verstehen, analysieren, übersetzen
Geschriebene, natürliche Spracheingaben in
Language Understanding
Apps, Bots, IoT-Geräten
Texteingaben in Chat Bots QnA Maker, Bot Services, Konversationsschicht
Geschriebener Text Text Analytics, Text Sentiment
Geschriebener Text in verschiedenen Sprachen Translator Text
5. Websites / Ziel: Websites mit unstrukturierten Inhalten analysieren und durchsuchen
Online Content
Interne, externe Websites und Inhalte Web Search, Location Search
Interne, externe Websites und Inhalte Entity Search
Interne, externe Websites und Inhalte Autosuggest Search
Interne, externe Websites und Inhalte Visual Search
Interne, externe Websites und Inhalte Image Search
Interne, externe Websites und Inhalte Video Search
Interne, externe Websites und Inhalte Content Moderator
6. Sensoren & Ziel: Sensor- und Signalgeberdaten aggregieren, analysieren und mit weiteren KI-Services korrelieren
Signalgeber (Sensor Fusion)
Gewicht Data Analytics, Big Data, Anomalie-Erkennung
Temperatur Data Analytics, Big Data, Anomalie-Erkennung
Bewegung Data Analytics, Big Data, Anomalie-Erkennung
Tiefe Data Analytics, Big Data, Anomalie-Erkennung
Messung des eingegangenen
Data Analytics, Big Data, Anomalie-Erkennung
Stromes / Stromverbrauch
Ultrasonic Code Data Analytics, Big Data, Anomalie-Erkennung
Visual Light Code Data Analytics, Big Data, Anomalie-Erkennung
Bluetooth Low Energy Code (Beacons) Data Analytics, Big Data, Anomalie-Erkennung
Radio-Frequency-Identification (RFID) Data Analytics, Big Data, Anomalie-Erkennung
Near-Field Communication (NFC) Data Analytics, Big Data, Anomalie-Erkennung
Wireless Frequency (Wi-Fi) Data Analytics, Big Data, Anomalie-Erkennung
Smart displays, shelves, mirrors, kiosks Data Analytics, Big Data, Anomalie-Erkennung
Drones & Robotics Data Analytics, Big Data, Anomalie-Erkennung
Quelle: EHIKünstliche Intelligenz im Store 18
Nach Ausgabeformat:
KI-Anwendungen können unterschiedliche fall angesteuert werden. Es lassen sich grob drei
Ausgabeformate bedienen, die je nach Anwendungs- Ausgabeformate unterteilen:
Ausgabeformate
(Tab. 2)
Ausgabeformat Inhalte Beispiele
1. Datenanalyse & Statische Daten, Realtime Daten, Dashboards zur Darstellung von Preis- und
Dashboard Simulierte Daten Sortimentsgestaltung, Bestandsmanagement
häufig genutzt in Zentrale
2. Benachrichtigung Status-Meldungen, bspw. zu Out-of-Stock, Benachrichtigungen in realtime an
Warnhinweise bspw. zu Temperatur in MitarbeiterInnen in Filiale oder an KundInnen,
TK-Gerät, Promotionangebot an KundIn damit diese agieren können
mit personalisiertem Preis bei Annäherung
an Promotionregal
3. Automatische Workflow zur automatischen Regulierung Automatische Durchführung einer
Aktion der Temperatur der Klimaanlage, Workflow vordefinierten Aktion bei Unter-
zur automatischen Bestellanweisung für oder Überschreiten eines definierten
Promotionartikel bei Unterschreiten eines Schwellwertes
Minimalbestandes
EHI Retail InstituteKünstliche Intelligenz im Store 19
Zentrale
Žabka
VORAUSSCHAUENDES BESTANDS- FINANCE & CONTROLLING FRAUD
MANAGEMENT – ŽABKA PROTECTION – BESTSELLER GROUP
Die Convenience-Märkte des polnischen Händlers Das dänische familiengeführte Unternehmen Best-
Žabka findet man überall im Land, 12 Millionen seller ist eines der größten europäischen Be-
Polen leben nur 300 Meter von einer Žabka-Filiale kleidungsunternehmen und vor allem für seine
entfernt. Mit mehr als 5.500 Filialen ist Žabka einer Marken Jack & Jones, Only und Vero Moda bekannt.
der größten Convenience-fokussierten Händler in Bestseller setzt auf eine zentrale Lösung zur Ver-
Europa, dessen Expansion weitergetrieben wird mit meidung von Schwund in seinen 2.750 eigenen Fi-
dem Ziel, 600 Filialen mehr pro Jahr zu eröffnen. lialen und weiteren 15.000 Multibrand-Geschäften
Um diesen Grad der Expansion zu ermöglichen, in Europa, dem Mittleren Osten, Amerika, Austra-
sollten die im Unternehmen vorhandenen Daten lien und Indien. Dabei wird eine zentrale Lösung
im Sinne einer „analytischen Transformation“ bes- zur Fraud Protection genutzt, die mittels KI spezi-
ser genutzt werden. fische Aktivitätsmuster detektiert und darüber er-
Der KI-Spezialist Sparkbeyond bietet mit sei- möglicht, diese Situationen in den Filialen aufzu-
ner KI-basierten Plattform die Möglichkeit, große klären.
Mengen an unternehmensinternen Daten an- Voraussetzung für eine Aufklärung ist eine de-
gereichert mit externen Daten zu verarbeiten, sie taillierte Faktenlage, da es viele verschiedene Grün-
automatisiert zu analysieren und mit Hilfe von de für Schwund gibt und nicht alle Betrugsfälle sind.
Künstlicher Intelligenz Muster herauszuarbeiten. Daher ist die Untersuchung der verschiedenen Sze-
Die Plattform synthetisiert aus den Datenmustern narien zeitintensiv, vor allem wenn sie rein manu-
bspw. Fragen, Problemstellungen oder Hypothesen ell durchgeführt wird.
im großen Maßstab, die alte Handlungsmuster auf- Die Fraud-Protection-Lösung nutzt KI-Techno-
decken oder neue Möglichkeiten aufzeigen. logie, die Muster in Transaktions- und Bestands-
Die Plattform wird bei der Expansionsplanung daten aufdeckt und damit auf Fälle von Schwund
zur Filialstandortbestimmung, zur Optimierung des hinweisen kann. Die Cloud-basierte Lösung moni-
Bestands, der Preisbildung und zur Vorhersage der tort das gesamte Filialnetz, während sensitive In-
Umsatzerwartungen genutzt. „SparkBeyond hat uns formationen vertraulich gehalten und Datenschutz-
geholfen, unseren Budgetplanungsprozess effizien- richtlinien eingehalten werden. In einer ersten
ter zu gestalten und neue Geschäftsmodelle zu ent- Pilotphase wurde die Lösung zum Monitoring von
wickeln. Unsere Umsatzerwartungen für Monate 75 Filialen ausgerollt und resultierte in einer Ab-
akkurat vorherzusagen, ist nicht nur aus strategi- nahme von Discount Fraud um 1,2 Prozent und
scher Sicht wertvoll, sondern verbessert auch unse- einer Reduktion von Return Fraud um 2,9 Prozent.
re gesamte Lieferkette“, führt Tomasz Blicharski, Aufgrund dieses Erfolges wird der Rollout der Lö-
CFO Žabka, aus. sung in die weiteren physischen sowie Online-
Æ Informationen: Kundenreferenz Filialen entsprechend fortgeführt.
Æ Informationen: Kundenreferenz
EHI Retail InstituteKünstliche Intelligenz im Store 20
INTELLIGENTE PREIS- UND Idee nachschärfen und durch neue Aspekte besser
SORTIMENTSGESTALTUNG – LOBLAW von bestehenden Vorschlägen abgrenzen. „Das
Loblaw, Kanadas führender Lebensmittel- und spart uns im Marketing viel Zeit, weil sich so die
Pharmaziehändler mit 1 Milliarde Kundenbesuchen Qualität der Ideen erhöht und wir keine doppelten
pro Jahr in seinen Filialen, modernisiert seine ope- Vorschläge mehr manuell zusammenfassen müs-
rativen Prozesse mit Hilfe von KI. Dazu wurde das sen. Durch das neue Innovation Space Portal wird
Kundenbindungsprogramm mit KI-Technologie die Arbeit produktiver, wir als Innovationsteam
angereichert, um den Mitgliedern auf Basis ihrer finden Informationen schneller und – für uns ganz
Präferenzen personalisierte Angebote und Preise wichtig – es kann nahtlos zusammengearbeitet
anzubieten. werden“, führt Ute Kienitz, Director Business
Um die Daten der Mitglieder sicher zu ver- Intelligence, Insights und Innovation, Eckes-
arbeiten und zu speichern, wird eine moderne Granini an.
Datenplattform in der Cloud genutzt. Die schon vor- Æ Informationen: Kundenreferenz
handenen Daten wurden aus den bestehenden
Datensilos, wie bspw. verschiedene Kundensysteme VORAUSSCHAUENDE SORTIMENTS-
und -programme, herausgelöst und in der Cloud PLANUNG – FRUIT OF THE LOOM
anonymisiert sowie aggregiert. Auf der über- Seit 160 Jahren produziert Fruit of the Loom die
greifenden Datenbasis wurde dann ein skalieren- Oberbekleidung mit dem charakteristischen Logo.
des KI-Modell erstellt, mit dem die Kunden- „Wir bringen Technologie in alles ein, was wir tun”,
präferenzen, das optimierte Sortiment und führt Bobby Berry, Senior Vice President, Solution
personalisierte Preise prognostiziert werden kön- Delivery, Fruit of the Loom an. „Wir führen diese
nen. Dadurch werden die Prognosen allen Ge- Tradition heute fort, indem wir bei der Produktion
schäftseinheiten übergreifend zugänglich gemacht in Cloud-basierte Services investieren, um unsere
und sind auch zentral nutzbar. MitarbeiterInnen auch im digitalen Zeitalter zu be-
Æ Informationen: Kundenreferenz fähigen.“ Fruit of the Loom nutzt hierfür Werk-
zeuge zur Zusammenarbeit zwischen Zentrale und
INNOVATIONSMANAGEMENT – Markt. Beispielsweise wird bei Verfügbarkeit einer
ECKES-GRANINI neuen Saison-Farbe ein Testmarkt bestückt und
Eckes-Granini ist seit 1857 am Markt, mittlerweile evaluiert. „Wir verbessern unsere Geschwindigkeit,
Europas größter Anbieter von Fruchtsäften und neue Produkte auf den Markt zu bringen, weil wir
fruchthaltigen Getränken und bekannt für den Vit- besser zusammenarbeiten und effizienter kommu-
amin-C-Klassiker ‚hohes C‘. Der Erfolg basiert auf nizieren“, erklärt Tony Pelaski, Chief Operating
kontinuierlichen Anpassungen auf sich ändernde Officer, Fruit of the Loom. „Wir sind jetzt in der
Marktbedingungen und -anforderungen. In diesem Lage, Situationen schneller zu analysieren, Infor-
Rahmen wurde ein internes Innovationsmanage mationen zu teilen und kurzfristig Entscheidungen
ment-Portal, basierend auf einer modernen Cloud zu treffen, um vor einem dynamischen Markt zu
Platform und KI-Services, gestartet. Es löste bis- liegen.“ Darüber hinaus wurde eine intelligente
her einzelne Plattformen in Ländern und Regionen Cloud-Infrastruktur aufgesetzt, die Daten aus
ab und vernetzt nun MitarbeiterInnen aus 16 Län- Point-of-Sales-Systemen, Händlerportalen mit
dern, um ihnen damit einen digitalen Raum für Markt-, Wetter- und demografischen Daten kom-
Ideen, Inspiration und Innovation zu eröffnen. biniert, diese mittels Machine Learning auswertet
Natürlich doppeln sich bei so vielen Mitarbei- und Ergebnisse in Dashboards visualisiert. Der Zu-
terInnen auch immer wieder Ideen. KI-basierte griff auf diese neuen Kombinationen von Daten
Services für die Textanalyse und Suche können spornt die Kreativität und Innovationen für neue
dank Künstlicher Intelligenz solche Doubletten Stile und Kampagnen an.
herausfiltern. Sie erkennen, worum es in dem Æ Informationen: Kundenreferenz
Innovationsvorschlag schwerpunktmäßig geht,
und geben dem findigen Einreicher noch während
der Eingabe Feedback, dass diese Idee so oder so
ähnlich bereits existiert. Dadurch kann er seine
EHI Retail InstituteKünstliche Intelligenz im Store 21
Filiale
INTELLIGENT OPERATIONS, INTELLIGEN- INTELLIGENT STORE OPERATIONS &
TE PEP & KASSENEINSATZPLANUNG – INVENTORY MONITORING – KROGER
MARKS & SPENCER Der US-amerikanische Lebensmittelhändler Kro-
Eine Herausforderung im Handel ist, gleich- ger hat im Rahmen der strategischen Partnerschaft
bleibende Qualität und Kundenservice über alle Ka- mit Microsoft ein „Retail-as-a-Service“-Portfolio
näle zu bieten. Gerade die physische Fläche bietet entwickelt. Hinter dem Begriff verbirgt sich Krogers
vielfache Möglichkeiten, das Kundenerlebnis und Ansatz, auf Basis der Cloud- und KI-Plattform in-
die Kundenbindung positiv zu gestalten. Dies wird novative Technologielösungen, die u.a. für Kroger-
beispielsweise möglich durch Sensorik auf der Filialen entwickelt wurden, auch anderen Händlern
Filialfläche mit Nachrichten an die Filialmitarbei- verfügbar zu machen. Das Portfolio umfasst bei-
terInnen. Ein Beispiel hierfür ist der britische Händ- spielsweise das Kroger EDGE™ Shelf (Enhanced
ler Marks & Spencer, der eine KI-basierte Lösung Display for Grocery Environment), das mit seinen
speziell für Filialen in einem Pilot Store nutzt, um interaktiven, auf Rückprojektion basierenden,
Marks & Spencer Kroger
Daten von Videokameras oder IoT-Sensoren mit wartungsarmen Regal-Displays nicht nur die Pro-
Hilfe von KI analysiert und so Vorhersagen in Echt- motions- und Preisanzeige ermöglicht, sondern
zeit erhalten kann. Diese Empfehlungen helfen Fi- auch beim Merchandising unterstützt. Als neueste
lialmitarbeiterInnen und -leiterInnen, bessere Ent- Ergänzung bietet das Shelf zusammen mit einer
scheidungen zu treffen, etwa über zusätzliche App einen Picking-Modus für Click & Collect und
Warenangebote und dynamische Preise, oder auch für Kunden ein Guided Shopping und Self Check-
für Nachjustierungen bei Kühlanlagen und den Ein- out über Krogers Scan, Bag, Go®.
satz zusätzlichen Kassenpersonals in Stoßzeiten. Weitere Bestandteile sind bspw. ein virtueller
Darüber hinaus werden damit auch langfristige und Store Manager und ein Sensor-Netzwerk, ergänzt
saisonal bedingte Trends erkannt. durch Schnittstellen für branchenspezifische An-
M&S nutzte zunächst die vorhandenen Filial- wendungen, wie bspw. POS, Bestandsmanagement
Sicherheitskameras, um über Computer Vision, d.h. und Warenwirtschaftssysteme.
KI angewandt auf bewegte Bilder, die Video-Bilder Der Out-of-Stock-Status des EDGE Shelfs wird
auszuwerten. Durch sukzessive Erweiterung der durch eine zusätzliche Deckenkamera in Echtzeit
Kameraausleuchtung der Filiale in ausgewählte Be- mit Künstlicher Intelligenz ausgewertet. Durch die
reichen wurde eine Ressourcen-schonende Ein- Verwendung von Edge-Computing-Technologie
führung und Nutzung von KI in der Filiale möglich. (d.h. Anwendung von KI-Algorithmen auf einer Ap-
Æ Informationen: Kundenreferenz als Video pliance in der Filiale) wird das Prozessieren der
Machine-Learning-Algorithmen auf die Hardware
verlagert und dadurch Software- und Cloud-seitige
Latenzen vermieden.
EHI Retail InstituteKünstliche Intelligenz im Store 22
Als erster nordamerikanischer Händler hat The SEAMLESS RETAIL – AWM SMART SHELF,
Kroger Co / Sunrise Technology in 2019 den Retail AIFI, MISHIPAY, RAPITAG
Technology Award Europe in der Kategorie „Best Unter Seamless Retail werden verschiedene Filial-
Omnichannel Solution” für ihr „Retail-as-a-Service” formate zusammengefasst, die in großen Teilen
Portfolio erhalten. ohne MitarbeiterInnen und ohne Checkout be-
Æ Informationen: Kundenreferenz trieben werden können. Sie finden gerade im
Lebensmittelumfeld verstärkt Beachtung. Die Grün-
INTELLIGENT GOODS RECEIVING & de hierfür sind sicherlich die in Aussicht stehenden
INVENTORY MANAGEMENT – Effizienzsteigerungen und Prozessoptimierungen,
STARBUCKS die ultimativ zu einer Kostenreduktion führen sol-
Starbucks „Bean-to-cup“-Tracking-Programm ba- len. Viele dieser Formate beruhen auf einer techni-
siert auf Blockchain und KI-Technologie. Es erlaubt schen IoT-Infrastruktur, die die Nutzung von Sen-
KundInnen, per QR-Code-Scan der Verpackung sorik und KI ermöglicht. Die hauptsächliche
mehr über die Bohnen, den Farmer, den Herkunfts- Sensorik beruht auf Kameradaten und deren Aus-
ort und Besonderheiten zu erfahren. Darüber hin- wertung per KI, also Computer Vision.
aus hat Starbucks die Kaffeemaschinen und Gerä- Ein Seamless Checkout zeichnet sich dadurch
te in 30.000 Filialen über eine IoT-Plattform aus, dass der Kunde / die Kundin sich vor dem Ein-
verbunden und mit Sensorik, d.h. einem Micro- kauf bzw. Betreten der Filiale durch Kundenkarte
controller versehen, um Telemetriedaten zu sam- oder -App identifiziert, seine Artikel aus den Rega-
meln, diese zu monitoren und per KI voraus- len nimmt und diese bei Verlassen der Filiale auto-
schauend zu warten. Dabei werden über KI die matisch über sein Kundenkonto gezahlt werden. Im
Muster in der Nutzung erkannt und Abweichung Seamless Checkout haben sich einige Varianten eta-
bspw. als Benachrichtigung an Mitarbeitnde in der bliert, die häufig in Convenience-Formaten oder
Wartung ausgespielt, damit frühzeitig geprüft wer- Pop-up-Stores Anwendung finden:
den kann, ob ein Ausfall bevorsteht.
Darüber hinaus wird in den Filialen der „Star- Tap & Go:
bucks Production Controller“ eingesetzt, eine eige- In einer Filiale, die mit NFC-basierten Electronic
ne Cloud-basierte Anwendung, die KI nutzt, um eine Shelf Labels (ESLs) ausgerüstet ist, wird der Arti-
intelligente Ablaufplanung für Bestellungen, die kel durch Tippen auf das ESL mit einer NFC-fä-
KundInnen in der Filiale oder via App aufgegeben higen Kundenkarte oder einem NFC-fähigen
haben, zu erstellen. Der „Starbucks Production Con- Smartphone mit App dem Warenkorb hinzu-
troller“ ordnet die ideale Sequenz nach bspw. der gefügt. Erneutes Tippen entfernt ihn wieder. Bei
Kapazität in den Aufwärmöfen und den Kaffee- Verlassen der Filiale wird der Warenkorb mittels
maschinen, sodass der heiße Kaffee zusammen mit App-Payment beglichen.
dem heißen Snack ausgeliefert werden kann. Bsp. Ahold Delhaize – Albert Heijn Tap & Go
Æ Informationen: Kundenreferenz
Ahold Delhaize – Albert Heijn
EHI Retail InstituteKünstliche Intelligenz im Store 23
Scan & Go: und einer Aktion zuordnet, bspw. „Artikel in
Mittels der Kunden-App werden Artikel durch die Warenkorb gelegt“. Einige, vor allem asiatische
KundInnen gescannt und so der Warenkorb auf- Händler setzten zur Identifizierung und Über-
gebaut. Die Artikel sind gesichert, bspw. durch wachung der Kundschaft auch KI-basierte Ge-
RFID- oder IoT-basierte Warensicherungen sichtserkennung ein.
(„Spider Tags“). Bei Verlassen der Filiale wird die Bsp. AWM SmartShelf
Bezahlung entweder durch RFID-Gates ausgelöst
oder bereits vor der Entsicherung der „Spider Autonome Filialen oder auch unbesetzte Filialen,
Tags“. die aktuell hauptsächlich in Asien im Einsatz sind,
Bsp. Saturn Smart Pay mit mishipay, finden auch langsam Verbreitung in Europa und
Saturn Smart Pay mit rapitag den USA. Sie basieren auf einem Container-
Grundriss, dessen Zugang mittels QR-Code einer
Grab & Go: Kunden-App freigegeben wird. Während des Ein-
Das Konzept basiert auf einer Filiale, die mit ver- kaufs von Convenience-Artikeln sind die Türen
schiedenster Sensorik ausgestattet ist. Dabei geschlossen. Zum Checkout wird eine Self-Check-
kommen Kameras in Decken und Regalen zum out- oder Seamless-Checkout-Variante eingesetzt
Einsatz sowie auch Gewichtsmatten. Das Konzept und die Türen öffnen sich wieder. In Asien wur-
beruht darauf, dass die KundInnen beim Betreten den auch schon zum Kunden / zur Kundin selbst-
der Filiale identifiziert und die Bewegungen in fahrende autonome Filialen pilotiert, die sowohl
der Filiale überwacht werden. Zudem werden von der Kundschaft gerufen werden können als
ebenso die Bewegungen der Artikel überwacht. auch zum Befüllen eigenständig zum Lager fah-
Dies geschieht beides mit Hilfe von KI, die be- ren können.
stimmte Bewegungen oder Positionen erkennt Bsp. AiFi
Saturn AWM
EHI Retail InstituteKünstliche Intelligenz im Store 24
PROAKTIVES ENERGIEMANAGEMENT – Nach dem Store-Termin wird den KundInnen
DUBAI MALL ihr Küchenplanungserlebnis auf der HoloLens als
Die Emaar Gruppe hat sich seit 1997 einen Namen Video zur Verfügung gestellt. Zusätzlich werden die
als innovativer Bauträger und Entwickler gemacht Telemetrie-Daten der HoloLens-Erlebnisses über
und betreibt das weltweit größte Einkaufszentrum, KI-Services wie bspw. Sentiment Analyse aus-
die Dubai Mall, mit 1.200 Händlern auf einer Flä- gewertet und bieten damit Details zur positiven
che von 200 Fußballfeldern und mehr als 80 Millio- oder negativen Wahrnehmung des Sortiments oder
nen Besuchern pro Jahr. In der Dubai Mall kommt einzelner Artikel. Diese Ergebnisse ermöglichen es
eine moderne Cloud-Plattform zum Einsatz, die das dem Lowe’s Category Management, das Sortiment
Internet der Dinge über intelligente Sensoren und entsprechend zu kuratieren und auf künftige
KI bis hin zu Kundenbindungssystemen integriert. Kundenbedarfe anzupassen.
Das Smart Management System der Mall, bspw. Æ Informationen: Kundenreferenz
verantwortlich für Strom-, Licht- und Klima-
steuerung, wurde erneuert und läuft nun voll- MIXED REALITY RETAIL –
ständig in der Cloud. Die Kunden-App wurde eben- MEDIAMARKT SATURN
falls Cloud-basiert überarbeitet und läuft nun sechs Der Elektronikfachhändler Saturn hat für 3 Mona-
Mal schneller. Die Besucher nutzen frei verfügbares te in 2017 eine „HoloTour“ in ausgewählten Märk-
Highspeed Wifi und erhalten eine digitale Identität ten angeboten. Saturn-KundInnen konnten wäh-
in der Cloud, sobald sie sich anmelden. Das perso- rend der „HoloTour“ ein neues Shoppinggefühl
nalisierte Kundenerlebnis in der Dubai Mall und erleben: Sie nutzten dazu die Microsoft HoloLens
allen weiteren Emaar-Liegenschaften ermöglicht und konnten mit Hilfe der virtuellen Figur Paula
über ein CRM-System einen vollständigen Blick auf virtuelle Objekte in der realen Store-Umgebung ent-
die Kundschaft. Für Emaar ist die Dubai Mail der decken. Microsoft HoloLens ist eine Mixed-Reality-
Prototyp für Personalisierungen in den weiteren Brille, die dem Benutzer erlaubt, mit der Unter-
Liegenschaften. „Wir bieten Kundenpersonalisierung stützung durch ein Natural User Interface
und die entsprechenden Erkenntnisse über alle interaktive 3D-Projektionen in der direkten Um-
unsere Geschäftseinheiten hinweg an“, bestätigt gebung darzustellen. HoloLens funktioniert auch
Veresh Sita, Group Chief Digital Officer, Emaar ohne Smartphone oder zusätzlichen Computer.
Properties. Æ Informationen: Horizont, ChannelPartner
Æ Informationen: Kundenreferenz
MIXED REALITY RETAIL – LOWE’S VIRTU-
ELLE KÜCHENPLANUNG MIT HOLOLENS
Der US-amerikanische Fachmarkt für Hartwaren,
weiße Ware und Küchen, Lowe’s, bietet in aus-
gewählten Märkten eine neue Version der „Küchen-
planung“ ein: Mit Hilfe der Microsoft HoloLens
bietet Lowe’s der Kundschaft eine Mixed-Reality-
Küchenplanung. Das Kundenerlebnis umfasst auch
die Vor- und Nachbereitung. Es werden bspw. Fotos
von Küchen im Wunschdesign im Lowe’s-Pinterest-
Kanal gesammelt, die über KI-Bilderkennung und
Machine Learning ausgewertet werden, um das
L owe’s-Küchenmodell zu ermitteln, was den
Wunschdesigns am besten entspricht. Im Lowe’s MediaMarkt Saturn
Store wird das Küchendesign dann während des
HoloLens-Erlebnisses angepasst und verfeinert.
EHI Retail InstituteKünstliche Intelligenz im Store 25
PREDICTIVE SERVICE & ROUTING – WMF eingreifen oder Ersatzteile bestellen. Verkaufsver-
Die WMF Group ist Weltmarktführer bei Kaffeevoll- antwortliche des Kunden sehen die Auslastung der
automaten für Hotellerie und Gastronomie. Dank Maschinen, den Umsatz und welche Produkte sich
der digitalen Plattform „WMF CoffeeConnect/ am besten verkaufen. Geht der Absatz einzelner Pro-
Schaerer Coffee Link“ können künftig über 140.000 dukte wiederholt zur immer gleichen Tageszeit zu-
Maschinen bidirektional angebunden werden. Ge- rück, lassen sich aus der Ferne zum Beispiel Rabatt-
messen werden bspw. Daten wie Brühzeit, War aktionen starten, die dann prominent direkt auf
tungszustand der Maschine, wann wurde welches dem Display der Kaffeemaschinen zu sehen sind.
Produkt ausgegeben und der Standort der Maschi- Auch die Rezepturen der angebotenen Getränke las-
ne mit IoT-Sensorik auf einer modernen Datenplatt- sen sich aus der Ferne steuern. Servicetechniker
form mit KI-Services. Ein rollenbasiertes Dashboard wissen schon vor einem Einsatz, welche Verschleiß-
stellt verschiedene Funktionen bereit: Haus- teile zu wechseln, welche Ersatzteile mitzubringen
techniker sehen den Wartungsstatus, können selbst sind, und können so den Ausfall von Geräten ver-
meiden. „Wir wandeln uns derzeit vom Hersteller
zum ganzheitlichen Lösungsanbieter. Eine digitale
Plattform ist hierfür unabdingbar“, sagt Jan Van Riet,
President Global Business Unit Professional Coffee
Machines der WMF Group.
Æ Informationen: Kundenreferenz
WMF
EHI Retail InstituteKünstliche Intelligenz im Store 26
Kundschaft
INTELLIGENT CUSTOMER LOYALTY – INTELLIGENT PRODUCT
THE DROP RECOMMENDATION – ASOS
The Drop ist ein Online-Maßanzug-Anbieter in UK, Der britische Online-Händler ASOS ist seit 2000
der sich zum Ziel gesetzt hat, die Personalisierung eine Top Fashion Destination für 20- bis 30-Jähri-
von bezahlbaren Maßanzügen kosteneffizient und ge. ASOS sieht sich als datengetrieben und fokus-
gleichzeitig qualitativ hochwertig online anzubieten. siert auf Kundenauswahl, bspw. werden Artikel in
Die Artikel werden personalisiert und on-demand 30 verschiedenen Größen weltweit angeboten. ASOS
gefertigt. Auf der Website wählt die Kundschaft nutzt KI und Data Science, um Datenmodelle für
ihren Stil aus und gibt 10 Maße an. Basierend auf Produktempfehlungen zu erstellen. Drei speziali-
der Auswahl und den Maßen kalkuliert The Drop sierte Teams waren bisher bei der Entwicklung der
die 22 Variablen, die benötigt werden, um einen An- Datenmodelle beteiligt, die alle unterschiedliche
zug zu produzieren. Die hierbei berechneten Daten Technologien und Werkzeuge nutzten. Dies führte
werden aggregiert und über Machine Learning aus- zu bspw. Wartezeiten bei der Entwicklung und er-
gewertet, um einen skalierbaren Ansatz für die per- schwerte das ganzheitliche Testen der Modelle.
sonalisierte Beratung zu liefern. Während eines 4-wöchigen Hackathons ent-
Mit Hilfe von KI-Modellen werden bspw. Feh- wickelten ASOS-Ingenieure und Data Scientists ge-
ler in der Online-Maßeingabe automatisch erkannt, meinsam mit Microsoft den neuen „Brand Recom-
Körpermaße ermittelt ohne physisch messen zu mender“. Die Datenmengen, die verarbeitet werden,
müssen, und ein 3D-Modell des Kunden / der Kun- sind enorm, bspw. greifen 19,2 Millionen KundIn-
din erstellt auf Basis von zwei hochgeladenen Fotos. nen täglich auf Gigabytes von Daten zu, die über
„Der größte Effekt der KI-basierten Prozesse ist eine Azure Cosmos DB global skalieren. Der „Brand Re-
effizientere Supply Chain. Durch die drei KI-Model- commender“ nutzt den Machine Learning und eine
le sind wir in der Lage, unsere Kleidungsstücke Deep Learning Virtual Machine, um GPU-basierte
schneller zu produzieren“, sagt der Co-Founder und Instanzen auf virtuellen Maschinen für das Trainie-
CTO von Stephen Stroud. ren der Deep-Learning-Modelle bereitzustellen.
Æ Informationen: Kundenreferenz „Da Azure Machine Learning eine agnostische
Plattform bildet, nutzen wir den Service mit jeder
Technologie, die unsere Bedarfe erfüllt“, sagt Naeem
Khedarun, Principal Software Engineer AI, ASOS.
Die Data Scientists müssen jetzt nicht länger virtu-
elle Maschinen manuell konfigurieren oder Jobs an-
stoßen, dies wird über den Machine Learning Ser-
vice gemanagt. Das nun übergreifende Data Science
Team mit 50 Scientists ist durch die Standardisie-
rung in der Lage, die Einführungszeit für Daten-
modelle von sechs Monaten auf ungefähr sechs Wo-
chen zu verkürzen. Khedarun ergänzt: „Wir haben
eine KI-Transformation der operativen Entwicklung
erreicht, indem wir KI-Fähigkeiten in alle Aspekte
eingebracht haben. Wir haben den Machine Lear-
ning Service nicht nur genutzt, um technische
Herausforderungen zu meistern, sondern auch, um
unsere organisatorischen und operationalen
Herausforderungen zu lösen.“
Æ Informationen: Kundenreferenz
EHI Retail InstituteSie können auch lesen
