Erster Förderaufruf
Knowledge4Retail
Mit digitalen Zwillingen den Handel unterstützen
Mit seiner Plattform bringt Knowledge4Retail (K4R) die Entwicklung und Nutzung von KI und den Einsatz von Servicerobotern im Einzelhandel voran. Dabei dienen sogenannte „semantische digitale Zwillinge“ (semdZ) von Filialen als Grundlage für alle Anwendungen. Händler erhalten mit dieser Technologie die Möglichkeit, ihr Sortiment noch besser an den Wünschen ihrer Kunden auszurichten und die Verbindung von On- und Offline-Shopping effektiver zu machen. So können Services etwa das Kundenverhalten in den Läden analysieren und darauf basierend die Platzierung von Waren hinsichtlich Sichtbarkeit und Erreichbarkeit optimieren. Andere Services sollen die automatisierte Inventur und Regalbefüllung mit Hilfe von Servicerobotern ermöglichen. So wird der stationäre Einzelhandel langfristig gestärkt.
Partner
team neusta GmbH (Konsortialführer), Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, dm-drogerie markt GmbH + Co. KG, dmTECH GmbH, EHI Retail Institute GmbH, fortiss GmbH, Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein, Nagarro AES GmbH, neusta GmbH, neusta software development West GmbH, Ubimax GmbH, Universität Bremen, Technische Universität München
Herausforderung
Im Einzelhandel werden die meisten strategischen Entscheidungen aufgrund des Kaufverhaltens der Kunden getroffen. Durch die Erfassung der Warenein- und -ausgänge können das Produktangebot und die Preise angepasst werden, um Verkaufszahlen und Umsätze zu erhöhen. Was bisher nur sehr wenig erfasst wird, jedoch hohes Potenzial birgt, ist die Analyse des konkreten Verhaltens von Kunden in den Filialen. KI kann hier Licht in die „Black Box“ Einzelhandelsfiliale bringen. Dafür wird das Projekt K4R erstmalig gezielt Daten auf einer Plattform zusammenführen.
Umsetzung
Grundlage der Plattform sind semantische digitale Zwillinge – digitale Modelle von realen Geschäften, die verschiedene Daten einer Einzelhandelsfiliale in sich vereinen. Dafür wird im Projekt ein Datenformat für die digitale Darstellung vom Aufbau und den Prozessen von Einzelhandelsgeschäften entwickelt. Innovativ ist hierbei, dass für die Modelle nicht nur entsprechende Daten gesammelt werden, sondern diese Daten ebenfalls semantisch miteinander verknüpft werden. Als Grundlage für die digitalen Zwillinge dienen zum Beispiel Daten aus Sensoren der Filialen oder ERP-Systemen, die mit weiteren Informationssystemen, wie digitalen Produktkatalogen, angereichert werden. Ergänzt werden die Daten auch durch möglichst viele Daten aus dem Umfeld der Filialen, wie z. B. Geodaten, um ein breites Angebot an KI-Anwendungen zu ermöglichen. Im Projekt werden erste Pilotanwendungen von Entwicklern konzipiert und bereitgestellt.
Durch die Standardisierung ist ein Zusammenspiel von Datenlieferanten und Lösungsanbietern möglich. Auf Grundlage dieses entstehenden Ökosystems können Entwickler ihre KI-Anwendungen weiter verbessern oder mit Anwendungen anderer Anbieter zu neuen KI-Anwendungen kombinieren.
Zudem können Händler ihre semantischen digitalen Zwillinge zur einfachen Integration von autonomen Servicerobotern nutzen. Diese navigieren dann auf Grundlage der digitalen Modelle eigenständig in den Filialen. Die Roboter speisen gleichzeitig wieder neue Sensorinformationen an die Plattform zurück.
Anwendung und Nutzen
Die entstehende Knowledge4Retail-Plattform soll mit Hilfe standardisierter Datenformate, Schnittstellen und Lösungen, die Verbreitung und Entwicklung KI-gestützter Hard- und Software-Services im Einzelhandel vorantreiben. Ziel ist es, die Plattform langfristig über eine koordinierende Organisation zu betreiben, etwa in Form einer von den Projektpartnern getragenen Gesellschaft. Die Plattform richtet sich dabei an sämtliche Teilmärkte der Handelsbranche, wie z.B. Drogerien, Supermärkte, Bekleidungsgeschäfte oder Baumärkte.
Intelligente Intralogistik
Auf Basis des semantischen digitalen Zwillings von Einzelhandelsfilialen wird der intralogistische Ablauf vom Lager bis in das Regal mit KI-Anwendungen optimiert. Der semdZ kann den exakten Warenbestand und Standort für die Platzierung neu gelieferter Waren wiedergeben. KI hilft dabei, die Waren für jeden Verkaufsflächenabschnitt intelligent zusammenzustellen, damit das Verräumen effizienter wird. Zudem werden leere Regale ermittelt, die dann priorisiert eingeräumt werden. Die semantischen digitalen Zwillinge helfen außerdem, Angebote wie “Click & Collect” zu optimieren, also die Abholung von Kundenbestellungen im Laden.
Strategisches Handelsmarketing zum Aufbau kundenindividueller Filialen
Um mit dem Online-Handel Schritt zu halten, muss der stationäre Handel seine Produkte mehr auf die lokalen Kundenbedürfnisse zuschneiden. Durch neu entwickelte KI-Algorithmen wird eine optimierte Zusammenstellung des Filialsortiments vorgeschlagen. Durch kontinuierliche Updates des semdZ jeder Filiale werden die Ergebnisse der KI-Methoden stetig verbessert.
Service-Robotik für die Unterstützung der Filialmitarbeiter
Um Mitarbeiter in der Intralogistik zu entlasten, wird ein autonomer Roboter entwickelt, der im Lager bestückt werden kann und selbstständig zum Zielregal fährt, um dort vom Mitarbeiter entladen zu werden. Für seine Navigation greift er auf die Daten der digitalen Zwillinge zurück.
Internet of Things (IoT)-Anbindung eines intelligenten Kühlschranks
Die Übertragbarkeit der K4R-Plattform auf andere Branchen wird am Beispiel eines intelligenten Kühlschranks in der Warenwirtschaft demonstriert. Der intelligente Kühlschrank interagiert mit der K4R-Plattform und kann bargeldlos per App, Kundenkarte, Kreditkarte oder Mitarbeiterkarte geöffnet werden. Er ist in der Lage, seinen Warenbestand selbstständig zu erkennen, zu verfolgen, zu verwalten und zu verkaufen und demonstriert damit das Zukunftsszenario von vollautomatischen Verkaufskonzepten.
| Ohne K4R | Mit K4R |
|---|
| Im stationären Handel gibt es Informationen aus verschiedensten Sensoren. Allerdings können die erfassten Daten nicht intelligent verknüpft werden. | Durch die Entwicklung eines digitalen Zwillings wird eine Filiale vollständig mit ihren Daten abgebildet. Das wird mithilfe der Plattform ermöglicht, die in der Lage ist, diverse unterschiedliche Sensordaten (u. a. von stationären oder mobilen Kameras, Laserscannern, VR/AR-Brillen, Barcodescannern) zu verarbeiten und zu verknüpfen. |
| In der Handelsbranche gibt es keine einheitliche Plattform, die unterschiedliche Software-Anwendungen bereitstellt | Bereitgestellt wird eine offene, erweiterbare und übertragbare Plattform für die ganze Handelsbranche. Die K4R-Architektur ermöglicht eine modellgetriebene Softwareentwicklung, in der möglichst alle Informationen in formalen Modellen abgebildet werden. |
| Inventuren sind gesetzlich vorgeschrieben. Die Durchführungen sind aufwendig, da viel Personal eingesetzt werden muss. | Durch die innovative Erfassung von physischen Produktdaten und KI-Verfahren können die Bestandsqualität, also kontinuierliche Erfassung des Warenbestands, erhöht und Inventuren unterstützt werden. |
| Der Einsatz von Assistenzsystemen ist aufwendig und kostenintensiv. | Auf Grundlage der semdZ können technische Assistenzsysteme, wie Wearables und Servicerobotik, einfacher und kostengünstiger in die Filialprozesse integriert werden. |
Auswahl an wissenschaftlichen Publikationen im Kontext und zu K4R
Kiru-Park, Timothy Patten and Markus Vincze:
“Neural Object Learning for 6D Pose Estimation Using a Few Cluttered Images”
Böttcher, Timo Phillip and Weking, Jörg:
“Identifying Antecedents and Outcomes of Digital Business Model Innovation” (2020). ECIS 2020 Research-in-Progress Papers. 24.
Böttcher, Timo Phillip; Rickling, Lukas; Gmelch, Kristina; Weking, Jörg; and Krcmar, Helmut:
“Towards the Digital Self-Renewal of Retail: The Generic Ecosystem of the Retail Industry” (2021). Wirtschaftsinformatik 2021 Proceedings. 4.
Böttcher, Timo Phillip; Bootz, Valentin; Zubko, Tetiana; Weking, Jörg; Böhm, Markus; and Krcmar, Helmut:
“Enter the Shark Tank: The Impact of Business Models on Early Stage Financing” (2021). Wirtschaftsinformatik 2021 Proceedings. 6.
Böttcher, Timo Phillip; Phi, Duc Anh; Floetgen, Rob Jago; Weking, Jörg; and Krcmar, Helmut:
“What Makes an Innovative Business Model? Evidence From the 70 Most Innovative Firms” (2021). AMCIS 2021 Proceedings. 4.
