KI-Produkterkennung im Self-Checkout: Ergänzung oder Ersatz für den Barcode?

Zunächst an klassischen Kassen, dann an Selbstbedienungskassen: Barcodes prägen den Checkout im Handel seit Jahrzehnten. Doch mit Computer Vision und KI-gestützter Produkterkennung entstehen neue Möglichkeiten für Self-Checkout-Prozesse und reibungslose Einkaufserlebnisse. Die Systeme sollen Scanfehler reduzieren, Prozesse automatisieren und den Checkout komfortabler machen.

Der Barcode gilt bis heute als eine der effizientesten Methoden zur Produktidentifikation im Handel. Produkte lassen sich schnell, standardisiert und mit hoher Genauigkeit erfassen. Gleichzeitig sind Barcodes günstig in der Umsetzung, benötigen kaum Rechenleistung und lassen sich problemlos in bestehende Warenwirtschafts- und Kassensysteme integrieren.

Besonders im stationären Einzelhandel spielen diese Vorteile eine zentrale Rolle, beispielsweise bei Checkout-Prozessen. Das Kassensystem liest dabei nicht das Produkt selbst, sondern lediglich dessen eindeutige Kennung aus und ruft die hinterlegten Produktdaten ab. Dadurch funktioniert der Prozess unabhängig von der konkreten visuellen Darstellung eines Produkts und ermöglicht eine schnelle, standardisierte Identifikation über verschiedene Handelsprozesse hinweg.

Auch viele Self-Checkout-Prozesse mit Self-Scanning-Kassen oder Smart-Carts arbeiten weiterhin barcodebasiert. Kundinnen und Kunden scannen Artikel an der SB-Kasse, am Einkaufswagen oder mit mobilen Geräten selbst. Das reduziert Wartezeiten und sorgt für einen flexibleren und eigenständigeren Einkaufsprozess.

Gleichzeitig zeigt sich hier aber auch das Manko klassischer Barcode-Prozesse: Jeder Artikel muss aktiv gescannt werden. Fehlscans, nicht erkannte Barcodes oder vergessene Artikel können den Prozess unterbrechen oder zusätzliche Kontrollmechanismen erforderlich machen.

Besonders interessant ist visuelle Produkterkennung außerdem bei Artikeln ohne klassischen Barcode – etwa bei Frischewaren wie losem Obst oder Gemüse. Werden diese Produkte per KI erkannt, können sie Kundinnen und Kunden beim Self-Scanning auf dem Bildschirm direkt vorschlagen werden.

Bei der visuellen Produkterkennung analysieren Kameras Produktbilder mithilfe von Computer Vision und Deep-Learning-Verfahren. Das System muss konkrete Artikel und Produktvarianten eindeutig identifizieren, im Handel wird das als „SKU-Level-Erkennung“ bezeichnet.

Technisch basiert dies auf neuronalen Netzen, die Bildmerkmale wie Form, Farben, Texturen, Schriftzüge oder Verpackungsdesigns analysieren und diese Informationen in mathematische Merkmalsvektoren umwandeln.

Die KI-gestützte Produkterkennung im stationären Einzelhandel gilt als deutlich komplexer als klassische Objekterkennung, denn die Systeme müssen mehrere Herausforderungen bewältigen: In Handelssortimenten müssen oft mehrere Tausend Artikel unterschieden werden. Hinzu kommen ähnliche Varianten eines Produkts (zum Beispiel Größen oder Geschmacksrichtungen), wechselnde Verpackungsdesigns sowie saisonale oder neue Artikel. KI-Modelle müssen daher kontinuierlich nachtrainiert und aktualisiert werden.

Zudem haben Kameras nicht immer den optimalen Blick auf Produkte. Artikel können dicht beieinander liegen, von anderen Produkten oder Händen teilweise verdeckt sein oder aus unterschiedlichen Blickwinkeln aufgenommen werden.

KI-gestützte Produkterkennung kann Loss Prevention im Self-Checkout unterstützen. Das System analysiert den Kassenbereich per Kamera und erkennt, wenn Artikel zwar bewegt, aber nicht korrekt gescannt wurden. Der fehlende Artikel kann sofort auf dem Kundenbildschirm angezeigt und zur Korrektur vorgeschlagen werden. Die Produkterkennung dient hier als zusätzliche Prüfebene im Checkout-Prozess.

Die KI-gestützte Produkterkennung kann den Scanvorgang auch komplett ersetzen, zum Beispiel in einem Smart Cart. Im Einkaufswagen verbaute Kameras erkennen hineingelegte Produkte automatisch und fügen sie der Einkaufsliste auf dem Bildschirm oder in der App hinzu. Entnommene Artikel werden wieder aus dem digitalen Warenkorb gestrichen.

Die Unterschiede zwischen klassischem Barcode-Scanning und visueller Produkterkennung zeigen sich besonders im Checkout-Prozess: