KI-Produkterkennung im Handel: Wie Computer Vision Waren identifiziert

KI-gestützte Produkterkennung soll Waren automatisch identifizieren – im Regal, im Einkaufswagen oder an SB-Kassen. Das eröffnet Potenziale für Echtzeit-Inventuren, wirksamere Loss-Prevention-Konzepte und einen komfortableren Checkout. Doch genau darin liegt die Herausforderung: Tausende ähnliche Artikel zuverlässig voneinander zu unterscheiden, zählt zu den anspruchsvollsten Aufgaben der Computer Vision. Eine kurze Übersicht, wie die visuelle Produkterkennung funktioniert und wofür sie angewendet werden kann.

Computer Vision entwickelt sich zu einer Schlüsseltechnologie im modernen Handel. Die intelligente Verarbeitung und Interpretation von visuellen Daten soll Händler befähigen, zu verstehen, was in ihren Geschäften passiert und diese Erkenntnisse in optimierte Prozesse umzusetzen.

Neben der generellen Identifikation von Gegenständen und Personen, steht dabei die Produkterkennung im Zentrum. Kameras analysieren Bilder von Artikeln aus dem Sortiment und gleichen deren visuelle Merkmale mit hinterlegten Produktdatenbanken ab. Was für Menschen selbstverständlich wirkt – etwa den Unterschied zwischen zwei nahezu identischen Joghurtbechern zu erkennen – bleibt für Maschinen eine anspruchsvolle Aufgabe. Denn Produkte variieren in Größe, Verpackungsdesign, Perspektive oder Beleuchtung und können zudem teilweise verdeckt sein.

Ziel ist es, Produkte zuverlässig „in ihrer natürlichen Umgebung“ automatisch zu erkennen, also nicht nur, wenn ihr Barcode händisch gescannt wird, sondern auch, wenn Artikel im Einkaufswagen liegen oder aus dem Regal genommen werden.

Dazu braucht es ein komplexes Zusammenspiel aus künstlicher Intelligenz, Deep Learning und leistungsfähigen Sensorsystemen.

Technisch beginnt die Produkterkennung mit einer klassischen Computer-Vision-Pipeline. Zunächst werden Bilder über Kameras oder Smartphones aufgenommen und vorverarbeitet: Bildrauschen wird reduziert, Kontraste optimiert und relevante Bildbereiche isoliert. Anschließend extrahieren KI-Modelle charakteristische Merkmale eines Produkts – etwa Form, Farbe, Texturen oder Schriftzüge. Diese Merkmale werden mathematisch als sogenannte „Embeddings“ gespeichert: numerische Vektoren, die ein Produkt eindeutig beschreiben.

Eine zentrale Rolle spielt dabei Deep Learning. Moderne Systeme nutzen meist Convolutional Neural Networks (CNNs), also neuronale Netze, die speziell für die Bildverarbeitung entwickelt wurden. Sie erkennen Muster in Bildern ähnlich wie das menschliche visuelle System. Bekannte Architekturen wie ResNet, YOLO oder Mask R-CNN bilden heute die Grundlage vieler Retail-Anwendungen.

Besonders relevant im Handel ist die Unterscheidung zwischen Object Detection und Instance Segmentation.

Während klassische Bilderkennungsdatensätze oft nur einige Dutzend Objektklassen enthalten, müssen Handelssysteme Tausende unterschiedliche SKUs unterscheiden können.

Hinzu kommen minimale Unterschiede zwischen Varianten – etwa Geschmacksrichtungen, Größen oder Sondereditionen. Für KI-Systeme ist diese sogenannte „Fine-Grained Classification“ besonders anspruchsvoll.

Ein weiteres Problem ist die Datenbasis. Deep-Learning-Systeme benötigen große Mengen annotierter Trainingsdaten. Gerade im Retail-Kontext ist deren Erstellung aufwendig, weil jedes einzelne Produkt manuell markiert werden muss. Gleichzeitig unterscheiden sich Trainingsbedingungen oft stark von realen Situationen auf der Fläche: Während Trainingsbilder meist unter idealen Bedingungen entstehen, herrschen im Markt wechselnde Lichtverhältnisse, komplexe Hintergründe und verdeckte Waren.

Zusätzlich verändert sich das Produktsortiment permanent. Neue Verpackungen, saisonale Artikel oder Relaunches zwingen Systeme dazu, flexibel zu lernen, ohne bereits bekannte Produkte wieder „zu vergessen“. In der KI-Forschung spricht man hier vom Problem des „Catastrophic Forgetting“, da bereits Gelerntes durch neuen Input überschrieben werden kann.

Um diesen zahlreichen Herausforderungen zu begegnen, kombinieren moderne Retail-Systeme visuelle Informationen mit zusätzlichen Sensordaten – ein Ansatz, der als Sensorfusion bezeichnet wird. Automatisierte Checkout-Systeme oder intelligente Regale nutzen zum Beispiel die Kombination von Kameras mit Gewichts- oder Infrarotsensoren, Spektrometern oder Ultraschalltechnik. So können Produkte nicht nur anhand ihres Aussehens, sondern zusätzlich über Gewicht, Materialeigenschaften oder sogar chemische Oberflächenmerkmale identifiziert werden.

Auch OCR-Technologien (Optical Character Recognition) gewinnen an Bedeutung. Sie lesen Produkttexte automatisch aus und helfen dabei, optisch ähnliche Artikel eindeutig zu unterscheiden – etwa verschiedene Sorten eines Produkts.

Praxisbeispiele zeigen, wie vielfältig KI-gestützte Produkterkennung inzwischen eingesetzt wird. Amazon Go machte mit seinem „Just Walk Out“-Konzept kassenlose Stores populär, in denen Kameras und Sensoren entnommene Produkte automatisch erkennen. Auch Handelsunternehmen wie REWE, Netto oder Carrefour testen ähnliche Ansätze – von virtuellen Warenkörben über automatische Gewichtserkennung bei Obst und Gemüse bis hin zu intelligenten Mikro-Stores für den Convenience-Einkauf.

In der Gastronomie und im Fresh-Food-Bereich ermöglichen Computer Vision und Sensorik zudem die automatische Erkennung frischer Speisen, etwa an Self-Service-Theken oder in smarten Verkaufsautomaten.

Perspektivisch könnten solche Systeme nicht nur den Checkout automatisieren, sondern auch Echtzeit-Inventuren, Regalüberwachung und personalisierte Einkaufserlebnisse unterstützen.

Die Produkterkennung entwickelt sich von einer isolierten KI-Anwendung zur grundlegenden Infrastrukturtechnologie des Handels. Sie verbindet Computer Vision, Deep Learning, Sensorik und Echtzeitdatenverarbeitung zu intelligenten Retail-Systemen, die Prozesse automatisieren und gleichzeitig neue Customer Experiences ermöglichen.

Für Händler wird damit nicht nur die Frage relevant, welche KI-Modelle eingesetzt werden, sondern auch, wie Datenqualität, Trainingsprozesse und Sensorintegration langfristig organisiert werden können.