KI im Einzelhandel: Intelligentere Geschäfte, intelligenteres Produktdesign
HeimHeim > Blog > KI im Einzelhandel: Intelligentere Geschäfte, intelligenteres Produktdesign

KI im Einzelhandel: Intelligentere Geschäfte, intelligenteres Produktdesign

Apr 18, 2023

Dieser Artikel ist Teil einer VB Lab Insights-Reihe zum Thema KI, die von Microsoft und Nvidia gesponsert wird. Verpassen Sie keine weiteren Artikel mit neuen Erkenntnissen, Trends und Analysen darüber, wie KI Organisationen und Branchen verändert. Finden Sie sie alle hier.

Der Einzelhandel rüstet sich mit KI ein. Analysten sagen, dass die Ausgaben des Sektors im Jahr 2023 alle anderen außer dem Bankensektor übertreffen werden. Prognosen zufolge wird sich die Akzeptanzrate bis 2025 mit 40 % verdoppeln, sodass der Einzelhandel die Branche sein wird, die am stärksten in intelligente Technologie investiert.

Unternehmen greifen auf KI zurück, um eine lange Liste von Herausforderungen zu bewältigen, die jeden Unternehmensleiter schlaflos machen würden: Umsätze aus stationären Geschäften werden durch verändertes Verbraucherverhalten beeinträchtigt, zunehmender Personalmangel und steigende Arbeitskosten, Unterbrechungen der Lieferkette, starker Gewinndruck usw Kosten (einschließlich Inflation und zweistelliger Steigerungen bei der Kundenakquise) und massive Verluste durch Diebstahl und organisierte Kriminalität.

Über diese drängenden Probleme hinaus erwarten Einzelhändler, dass KI-gesteuerte Analysen und Anwendungen ihnen bei der Bewältigung großer langfristiger Veränderungen helfen können. Dazu gehören vor allem Veränderungen in der Käuferdemografie (vielfältiger, digital versierter, älter), Verbraucherwerte (Preis und Bequemlichkeit statt Markentreue), Vertriebskanäle (schnelles Wachstum von E-Commerce, Mobil und Social) und wachsende Anforderungen an globale Nachhaltigkeit.

Vor diesem Hintergrund werfen wir hier einen Blick auf zwei Bereiche hochwertiger KI-Innovationen im Einzelhandel.

Trotz mehr als drei Jahrzehnten Online-Wachstums bleiben physische Standorte für viele Einzelhändler wichtige Anker. Während die beiden Welten weiter verschmelzen, konzentrieren sich Unternehmens- und Technologieführer auf Möglichkeiten, das Kundenerlebnis (CX) und die Geschäftsleistung von Geschäften weiterzuentwickeln, zu differenzieren und zu optimieren. Für viele steht die Schadensverhütung, auch Vermögensschutz genannt, ganz oben auf der Prioritätenliste.

Nach Angaben der National Retail Federation (NRF) verlieren Einzelhändler weltweit jedes Jahr mehr als 100 Milliarden US-Dollar durch „Schrumpfung“, der Branchenbegriff für Bestandsdiebstahl, -verlust und -verschwendung. Mehr als die Hälfte kommt in Nordamerika vor. Die durchschnittliche Warenschwundrate übersteigt 1,5 % des Umsatzes. Für einen Lebensmittelhändler mit einem Umsatz von 20 Milliarden US-Dollar ist das also ein erheblicher Einbruch von 300 Millionen US-Dollar pro Jahr. COVID und Inflation verschärften das Problem noch weiter: In einer aktuellen Umfrage berichteten 89,3 % der Befragten von einem Anstieg von Gewalt, Ladendiebstahl (73,2 %) sowie Mitarbeiterdiebstahl und organisierter Einzelhandelskriminalität (jeweils 71,4 %).

Um dagegen anzukämpfen, setzen immer mehr Einzelhändler auf intelligente Videoanalysetechnologien (IVA), die den Warenschwund genau und effizient reduzieren können. Neue KI-gesteuerte Systeme tragen dazu bei, Verluste in Echtzeit zu verhindern, den Vermögensschutz an Verkaufsstellen zu verbessern, Ladendiebstähle im gesamten Geschäft zu reduzieren und die Sicherheit von Mitarbeitern und Kunden zu gewährleisten, die die Kosten höherer Preise tragen.

Everseen, ein internationales Softwareunternehmen mit Sitz in Irland, hat Computer-Vision-KI-Systeme entwickelt, die Einzelhändlern helfen, Warenschwundprobleme in Echtzeit zu erkennen und zu lösen. Alan O'Herlihy, CEO und Gründer, sagt, dass der Einsatz dieser KI am Edge eine ganze physische Verkaufsfläche effektiv in umsetzbare Daten umwandelt, die zu besseren Entscheidungen führen können. So funktioniert das:

Die Lösungsmodule laufen auf der NVIDIA AI-Plattform auf Microsoft Azure und lassen sich in die vorhandenen Kameras, Kassen, Computer und anderen Geschäftssysteme eines Einzelhändlers integrieren. Dadurch erhalten Sie einen durchgängigen Überblick über die gesamte Lieferkette – vom Lager über die Filiale bis zum Regal und an der Kasse – und können Lücken im Bestand und andere Probleme erkennen, die sofortiger Aufmerksamkeit bedürfen. Die KI empfiehlt dann eine „nächstbeste“ Aktion – alles in Echtzeit.

Beispielsweise erkennt und korrigiert Evercheck, die Point-of-Sale-Lösung (POS) des Unternehmens, sowohl absichtliche als auch unbeabsichtigte Fehler an Personal- und Self-Checkout-Kassen sofort. Bei Letzterem fordert ein sofortiger „Anstupser“ (innerhalb von 300 Millisekunden) den Käufer dazu auf, Fehler wie einen nicht gescannten Artikel zu korrigieren, wodurch die Notwendigkeit eines Personaleingriffs und potenzielle Konflikte von 20 % auf 2 % reduziert werden. Ein weiteres KI-gestütztes Produkt, Everdoor, reduziert Verluste und verbessert die Prozesskonformität im Lagerraum.

Alles in allem analysiert Everseen jeden Tag in Echtzeit atemberaubende 275 Jahre unterschiedlicher und gekennzeichneter Videodaten. Das Unternehmen überwacht unstrukturierte Daten von 22 Millionen Kundeninteraktionen mit 220 Millionen Produkten. Laut O'Herlihy sind die daraus gewonnenen Erkenntnisse und Maßnahmen von unschätzbarem Wert, um Einzelhändlern dabei zu helfen, damit verbundene Geschäftsprozesse neu zu erfinden. Dies könne wiederum eine Reihe von Vorteilen mit sich bringen, sagt er, darunter höhere Umsätze und Verkaufsdurchsätze, geringere Kosten, geringere Risiken, bessere Kundenerlebnisse und optimierte Abläufe in Vertriebszentren.

Laut Everseen haben mehr als die Hälfte der 15 weltweit führenden Einzelhändler die KI-basierten Verlustpräventionssysteme des Unternehmens eingeführt, insgesamt 6.000 Geschäfte und 80.000 Kassen. O'Herlihy sagt: „Das Ziel unserer KI besteht darin, die Reibung für ‚grüne Akteure‘ zu verringern und die Reibung für ‚rote Akteure‘ zu erhöhen, indem sie dynamisch intuitive Lösungen liefert und Entscheidungen in Sekundenbruchteilen trifft.“ Mehr über Everseens nahtloses Einkaufen.

Optimierung von Layout und Erlebnis. Führende Unternehmen erforschen, wie digitale Zwillinge und Simulationen ein reibungsloseres Erlebnis für Kunden und Mitarbeiter schaffen können. Lowe's nutzt KI-gesteuerte Simulation mit NVIDIA Omniverse, um das Ladenlayout zu verbessern, das Merchandising zu optimieren und die Mitarbeiterproduktivität zu steigern. Dieselbe Technologie hilft Kroger dabei, das beste Einkaufserlebnis für Kunden zu gestalten, einschließlich einer schnellen und einfachen Kaufabwicklung.

In-Store-Anzeigen und Werbeaktionen. Intelligentes Targeting liefert Live-Einkaufsvorschläge, die die Warenkorbgröße durch Upselling- und Cross-Selling-Möglichkeiten erweitern können. Dynamische digitale Beschilderung, wie sie von Cooler Screens bereitgestellt wird, aktualisiert sich automatisch, um auf jeden Käufer zugeschnittene Werbeaktionen anzubieten, und schafft zusätzliche Umsatzmöglichkeiten, die mit dynamischen In-Store-Displays verbunden sind. Weitere Informationen finden Sie hier.

Autonomes Einkaufen . Intelligente „Grab-and-Go“-Läden, bei denen Kunden ihr Mobiltelefon zum Bezahlen nutzen, erfreuen sich immer größerer Beliebtheit. Zu den neuen Ansätzen gehören KI-gestützte Einkaufswagen, Nano-Stores, Smart Cabinets und völlig autonome Stores. Alle Lösungsanbieter, einschließlich AiFi und AWM, sind bestrebt, den Kunden ein „reibungsloseres“ und schnelleres Einkaufserlebnis zu bieten, das die Umsätze und Margen der Einzelhändler steigert.

Mit generativer KI wie DALL·E und ChatGPT können neue Designs für Produkte basierend auf Kundenfeedback, Verkaufs- und Markttrends und anderen Daten erstellt werden. Die Nutzung dieser Tools kann Einzelhändlern dabei helfen, neue Produkte zu entwickeln, die für Käufer attraktiver sind und besser auf die Marktnachfrage abgestimmt sind.

Das Startup Fashable leistet Pionierarbeit beim Einsatz generativer KI, um nachhaltige Modedesigns ohne Stoff zu kreieren.

Nicht nachhaltige Herstellung, unverkaufte Lagerbestände und lange Produktionszyklen sind häufige (und kostspielige) Probleme in der Modebranche. Während ein High-End-Designer möglicherweise Monate oder Jahre braucht, um eine Kollektion zu entwerfen und zu produzieren, erledigen „Fast-Fashion“-Marken dies dank kostengünstiger Materialien und Arbeitskräfte mit einem Bruchteil der Zeit und den Kosten. Aber was passiert, wenn die Bekleidungsproduktion steigt, während ihr Lebenszyklus kürzer wird? Ein wachsendes Deponieproblem. Allein in den USA landen jedes Jahr 21,6 Milliarden Pfund Textilabfälle im Müll.

Daher stellte sich das in Portugal ansässige Startup unter der Leitung von Mitbegründern mit Erfahrung in Software-Engineering sowie KI-Forschung und -Entwicklung im Jahr 2021 eine bahnbrechende KI-Anwendung vor. Es würde in wenigen Minuten Dutzende origineller und realistischer Kleidungsdesigns und Modeinhalte erstellen, ohne dass dafür Material verwendet werden müsste. „Das Paar glaubte, dass ein intelligenter, vollständig digitaler Ansatz Modeunternehmen helfen würde, die Kundennachfrage besser zu erfüllen, schneller auf den Markt zu kommen und Stoff- und Bekleidungsabfälle zu reduzieren“, erklärt Mitbegründer Orlando Ribas Fernandes.

Das Fashable-Team hat seinen KI-Algorithmus auf der Azure AI-Infrastruktur erstellt, die auf NVIDIA A100 Tensor Core-GPUs, Azure Machine Learning, einem unternehmenstauglichen Dienst für den End-to-End-Lebenszyklus des maschinellen Lernens, und PyTorch, einem Open-Source-Framework für maschinelles Lernen, basiert. Mit dem System können Designer schnell endlose digitale Optionen für Mode im Metaversum oder in der realen Welt generieren, wie zum Beispiel das T-Shirt unten. Weitere technische Details finden Sie hier.

Fashable AI besteht aus verschiedenen neuronalen Netzen. Diese erfassen Daten aus mehreren Quellen, um mehr über Trends, Stile und Kleidungstypen zu erfahren. Die Modelle lernen ständig, was „in“ und „out“ ist. Bald werden diese Fähigkeiten die gemeinsame Kreation von Mode in Echtzeit ermöglichen. Designer könnten beispielsweise ein digitales Design optisch verändern, um die Ärmel eines Kleides zu kürzen oder ein Muster von Streifen in Punkte zu ändern.

Mit einem Klick kann Fashable AI eine ganze Sammlung erstellen. Designer können ihre Stücke in sozialen Medien veröffentlichen, um A/B-Tests direkt mit Kunden durchzuführen, um das Interesse abzuschätzen und die Nachfrage vorherzusagen, bevor sie in Produktion gehen. Wo es früher Monate dauerte, eine neue Kollektion vom Design ins Kaufhaus zu bringen, dauert es mit Fashable jetzt nur noch wenige Minuten – mit weit weniger Arbeitsaufwand und ohne Rätselraten.

Die Kunden des Unternehmens nutzen die KI-Technologie in verschiedenen Produktionsphasen:

Und das Unternehmen ist in den immersiven Handel im Metaversum übergegangen. Marken können Fashable jetzt nutzen, um mit der Erstellung von Kollektionen für verschiedene digitale Welten zu beginnen. „Ohne KI war der Prozess langsam und arbeitsintensiv“, sagt Fernandes. Eine aktuelle Gemeinschaftskollektion mit Wrong Weather, einer Casual-Luxusmarke, demonstrierte das Potenzial von Fashable.

Heute bezeichnet sich Fashable selbst als „Deep Tech für die Modebranche“, „The ChatGPT for AI Images and Content Generation“ und „The Most Power Generative AI Toolkit for The Metaverse and Physical Fashion“. Die erweiterten Wertaussagen unterstreichen die Vorteile für Designer in beiden Welten: Einsparungen bei Recherche, Design und Inhaltserstellung, Reduzierung von Urheberrechtsproblemen und mehr Freiheit für Benutzer, sich auf hochwertige Designaufgaben zu konzentrieren, erklärt Fernandes.

„Mit Social Media, dem Metaverse und Web3 explodiert der Bedarf an neuen Inhalten für Modemarken“, sagt Fernandes. „Der Kampf um neue Inhalte war noch nie so intensiv. Nur KI kann sehr realistische Bilder erzeugen, um diesen Bedarf zu decken.“

Fashable ist mehr denn je von der disruptiven Kraft der KI überzeugt. Er glaubt nicht nur daran, die Trends von heute aus dem Müll von morgen herauszuhalten, sondern ist auch davon überzeugt, dass personalisierte und exklusive Bekleidungsdesigns der Schlüssel zum Geschäftserfolg in der physischen und virtuellen Welt sind. „Generative KI“, sagt er, „wird den Status quo in der Modebranche völlig verändern.“

Merchandising und Produkt-Onboarding. Generative KI kann Bilder, Musik, Schriftarten, Videos, 3D-Modelle und mehr für Werbung und Marketing generieren. Benutzerdefinierte Bilder können zeigen, wie ein Produkt in verschiedenen Umgebungen aussieht. Für den E-Commerce können generative KI und Computer Vision Produktbeschreibungen, Attribute, Meta-Tags und Katalogisierungen basierend auf Produktbildern erstellen.

Service-Chatbots und Konversations-KI. Für Kunden und Agenten können KI-Helfer virtuelle Unterstützung, Sprachübersetzung, Bestellstatus, Suche, Produktempfehlungen, E-Mail- und Chat-Antworten bereitstellen. Markenavatare bieten konsistenten Omnichannel-Kundenservice, sei es am Kiosk, in einer mobilen App, im E-Commerce oder im Drive-in. Mitarbeiter können Antworten auf häufig gestellte Fragen per Sprache, Text, Videos und Bildern in mehreren Sprachen erhalten.

Die zahlreichen Möglichkeiten für den transformativen Einsatz von KI bringen auch neue Herausforderungen für Einzelhändler mit sich.

Wie in anderen Branchen werden viele Unternehmen feststellen, dass ihnen die leistungsstarke Infrastruktur fehlt, die für die Entwicklung und Bereitstellung KI-fähiger Anwendungen erforderlich ist. Die Anforderungen sind hier typischerweise weitaus anspruchsvoller als beim konventionellen Rechnen, insbesondere bei großen Modellgrößen und hoher Komplexität. Es werden optimierte, beschleunigte Umgebungen benötigt, die speziell für KI entwickelt wurden, um Geschwindigkeit, Vorhersagbarkeit und Genauigkeit in Echtzeit zu gewährleisten.

Nach Ansicht von Einzelhandelsexperten ist Folgendes für den KI-Erfolg erforderlich: Die Vielseitigkeit, verschiedene Modelle mit einer End-to-End-Anwendung zu unterstützen, die das gewünschte Benutzererlebnis bieten kann. Hohe Leistung und Skalierbarkeit zur Optimierung der Zeit bis zur Lösung und der Bereitstellungskosten. Ein End-to-End-Lösungsstack, der den gesamten Workflow unterstützt – einschließlich Datenvorbereitung, Modellerstellung, Schulung und Bereitstellung innerhalb eines KI-gestützten Dienstes. Und ein einheitlicher Stack für flexibles Training in der Cloud und Bereitstellung am Edge in Geschäften und anderen Standorten.

Für viele bedeutet die Erfüllung dieser Kriterien, KI zu der wachsenden Liste kritischer Arbeitslasten hinzuzufügen, die in die Cloud verlagert werden, um ohne hohe Kapitalkosten leistungsstarke Verarbeitung, Server, Netzwerke, Speicher, Entwicklungsplattformen und -umgebungen sowie Software zu erhalten.

Die richtige Infrastruktur ist von entscheidender Bedeutung, stimmt O'Herlihy von Everseen zu. Er sagt, eine leistungsstarke Cloud-Umgebung sei in mehrfacher Hinsicht entscheidend für den KI-Erfolg seines Unternehmens gewesen. Es ermöglicht die Skalierung über Tausende von Standorten hinweg, das einfache „Heben und Verschieben“ von Technologiebausteinen von einem Teil eines Ladens in einen anderen und liefert eine hohe Leistung, die es KI-Modellen ermöglicht, eine sich bewegende Szene zu verstehen, einschließlich der Analyse, wie Menschen mit Objekten in der Realität interagieren Zeit.

Fernandes von Fashable stimmt zu. „Wir reden viel über On-Demand-Cloud-Infrastruktur und -Dienste, um Produktinnovationen zu beschleunigen und Wettbewerbsvorteile aufzubauen. „Mit weniger mehr erreichen“ mit einem kleinen Team ist wichtig, damit wir in unser geistiges Eigentum investieren und Azure Machine Learning und PyTorch nutzen können.“ „Wir nutzen die NVIDIA-KI-Plattform, um Ergebnisse auf dem neuesten Stand der Technik zu erzielen. Dies ist entscheidend für die Minimierung von Vorabinvestitionen und Risiken, damit unser Team für angewandte Forschung scheitern und sich schneller anpassen kann.“

Ein damit verbundener wichtiger Gesichtspunkt seien die für KI-Innovationen verwendeten Daten, sagt er. Fashable hat sich dafür entschieden, eigene Datensätze mit internen Tools zu erstellen, um die „vollständige Kontrolle“ über seine Innovation zu erlangen. Doch Fernandes räumt ein: „Die Risiken und Kosten können für die Entwicklung von KI-Innovationen unerschwinglich sein, sodass Unternehmensleiter diese minimieren können, indem sie bestehende Umgebungen und Tools nutzen und nicht ‚das Rad neu erfinden‘.“

Die heutigen Einzelhändler leben an der Schnittstelle von Handel, Verbrauchern und technologischem Wandel. Etwa 87 % planen, die Investitionen in KI/ML im Jahr 2023 zu erhöhen. Dennoch sagen Forscher, dass viele Einzelhändler noch nicht mit intelligenten Technologien begonnen haben. Nachzügler laufen Gefahr, den Geschäftswert von 1,7 Billionen US-Dollar zu verpassen, etwa 12 % aller Umsätze, den McKinsey schätzt, dass KI und Analysen für den Einzelhandel generieren könnten.

Für viele Ökonomen und Prognostiker ist der Einzelhandel ein wichtiger Kanarienvogel im Kohlebergwerk. Umsätze und Investitionen gelten als Schlüsselindikatoren nicht nur für die Branche, sondern für die Gesamtwirtschaft. Wenn ja, dann sind die zunehmende Akzeptanz und der zunehmende Erfolg des Einzelhandels, der KI für Innovation und Transformation trotz zahlreicher Gegenwinde einsetzt, ein Zeichen, das weit über die Ladenwände hinausgeht.

Geh tiefer

Intelligente Geschäfte: Verluste bekämpfen, Geschäfte optimieren Vom Lager bis zur Kasse sieht Eversen alles. Tägliche Analyse von 275 Jahren Videodaten. Optimierung von Layout und Erfahrung. In-Store-Anzeigen und Werbeaktionen. Autonomes Einkaufen Generative KI: Punktgenaues Design für echte und digitale Mode. Erstellung von Industrialisierung. Inhaltserstellung. Den Status quo der Mode auf den Kopf stellen. Generative KI hilft Einzelhändlern auf andere wichtige Weise: Merchandising und Produkt-Onboarding. Service-Chatbots und Konversations-KI. Die richtige Infrastruktur ist entscheidend für die Risikobeteiligung der KI-Nachzügler im Einzelhandel an einem neuen Branchenwert von 1,7 Billionen US-Dollar. Go Deeper