NRW unterstützt stationären Handel

Regalplatzierung mit Machine Learning optimieren

29.01.2021 von Felix Weber  IDG ExpertenNetzwerk
Das Wirtschaftsministerium in NRW will den stationären Handel retten und setzt dabei auf Optimierungen mit Methoden des Maschinellen Lernen.
Das Forschungsprojekt KIEPO setzt auf moderne Technologien: Elektronische Preisetiketten angesteuert, lokalisiert, positioniert und optimiert per Maschinellem Lernen.
Foto: Felix Weber

Die bisher schon angespannte Situation des deutschen Einzelhandels wird sich durch den langen Lockdown nicht verbessern. Schon jetzt steckte der lokale Handel wohl in der schwierigsten Situation der Nachkriegsgeschichte. Durch die neuen Zwangsschließungen sind wieder nur 50 Prozent der normalen Kundenfrequenzen in den Einkaufsstraßen zu beobachten.

Diese kurzfristige Zuspitzung der Situation sollte aber nicht davon ablenken, dass die Lage vorher schon schwierig war. Digitale Wettbewerber, eine zunehmende Verödung der Innenstadt durch mangelnde Diversität und nicht zuletzt eigenwillige Parkraumbewirtschaftung der Städte sorgen seit Jahren für geringere Kundenzahlen in den Städten. Schon Anfang 2019 schätze der Handelsverbandes Deutschland (HDE), dass diese veränderte Wettbewerbssituation besonders kleine und mittelständische Betriebe trifft und "rund zehn Prozent der noch etwa 450.000 Handelsstandorte in Deutschland in den kommenden fünf bis zehn Jahren verschwinden (werden)".

Forschungsprojekt des Wirtschaftsministeriums NRW

Eine Projektgruppe aus Händlern, Universität und IT-Startup hat es sich zusammen mit dem Wirtschaftsministerium NRW zum Ziel gesetzt, die Situation zu verbessern. Das Projekt mit dem Namen "Künstliche Intelligenz im Einzelhandel zur ProduktplatzierungsOptimierung" (KIEPO) hat das Ziel eine Optimierung der Platzierung und Preisgestaltung im stationären Einzelhandel mithilfe von Machine Learning (ML) prototypisch umzusetzen. Besonders ist dabei der Einsatz von elektronischen Regaletiketten (ESL). Diese ermöglichen nicht nur die automatische Preisanpassung in Echtzeit, sondern auch eine Ortung der Waren innerhalb der Filiale.

Denn heute ist meistens nicht genau nachzuhalten, wo welche Artikel in einer Filiale platziert sind. Doch hat dies große Auswirkungen, denkt man nur an die Produkte im Supermarkt die kurz vor der Kasse aufgestellt sind und die Kunden zum Zugreifen bringen. Genau das Konzept will KIEPO nutzen, um zu große Rabatte zu verhindern und den Händlern notwendige Umsätze zu ermöglichen. Profitieren können davon sowohl die Händler als auch die Kunden.

Lesetipp: Digitale Preisschilder - das neue Gesicht des Einzelhandels

Fehler in der IT und der Vergangenheit

Die historische Stärke und die Abwesenheit eines echten Wettbewerbs haben in der Vergangenheit dazu, dass die traditionell geringe Priorität im Einzelhandel für Prozessautomatisierung, analytische Optimierungsansätze und Datenanalysen nun zum entscheidenden Nachteil wird. Dabei ist die Verfügbarkeit der Daten über die Kunden und deren Kundenverhalten bei den Onlinewettbewerber seit Jahrzehnten realisiert und führt nun zu erheblichen Wettbewerbsvorteilen gegenüber traditionellen Handelsunternehmen.

In der Folge sind neue Wettbewerber aktuell in vielen Warenbereichen den traditionellen Händlern beim Leistungsangebot und der Prozessunterstützung überlegen. Das Gemeinschaftsprojekt soll sich dabei auf die beiden für den stationären Handel, entscheidenden Komponenten fokussieren und eine Wettbewerbs- und Digitalisierungsperspektive aufzeigen: die Platzierung in der Filiale und das dazugehörige Preismanagement.

Customer Experience mittels KI und ML

Der Einsatz von Methoden der Künstlichen Intelligenz und des Maschinellen Lernens versprechen dabei, gerade aufgrund des hohen Anteils der manuellen Entscheidungsoperationen, im Handel besonders hohe Erfolgsaussichten. Dabei ist im stationären Handel die Verfüg- und Erlebbarkeit der Waren das zentrale Alleinstellungsmerkmal und ein Wettbewerbsvorteil gegenüber "reinen" Onlinehändlern.

Daher kommt dem Sortimentsaufbau (nicht zu verwechseln mit der zeitlogisch vorher durchgeführten Entscheidung über Zusammensetzung des Sortiments) und der Platzierung des einzelnen Artikels innerhalb der Filiale eine hohe Bedeutung zu. Die Kernentscheidung bei der Platzierung in der Filiale im Einzelhandel stellt dabei die Überlegung dar, an welchem Ort innerhalb des verfügbaren Verkaufraums welche Produkte genau positioniert werden sollen.

Künstliche Intelligenz - ein Ratgeber
KI im Unternehmen und Personalmanagement
Künstliche Intelligenz (KI) birgt ein enormes Potenzial für Unternehmen, zum Beispiel beim Einsatz im Personalmanagement. Joachim Skura, Thought Leader Human Capital Management bei Oracle, nennt Vorteile der KI sowie wichtige Faktoren, die bei der Planung sowie Nutzung zu beachten sind.
Kooperation der Führungskräfte
Da die KI-Technologie heute alle Unternehmensebenen durchdringt, müssen HR-Verantwortliche mit den anderen Führungskräften zusammenarbeiten, um Automatisierungsstrategien für die einzelnen Teams zu entwickeln.
Intelligenz kombinieren
KI muss zu einem Umdenken in Bezug auf die Belegschaft führen: Es geht nicht mehr nur darum, Mitarbeiter einzustellen. Vielmehr müssen menschliche und künstliche Intelligenz kombiniert werden, um die Produktivität zu maximieren.
Sinnvolle Prozessautomatisierung
Ein ganz wesentlicher Aspekt der Nutzung von KI ist, das Streben nach mehr Effizienz in Relation zu den tatsächlichen Möglichkeiten zu setzen. Nur weil sich ein Prozess automatisieren lässt, heißt das noch lange nicht, dass man das auch tun sollte. Das gilt auch im Personalwesen.
Keine Big-Brother-Atmosphäre schaffen
KI kann für die Sicherheit des Unternehmens sehr hilfreich sein. Viele Betriebe nutzen KI-Technik, um Anwendungen, Systeme und Infrastruktur ständig zu überwachen und anomales Verhalten in Echtzeit zu erkennen und zu bewerten. Hier sollten Unternehmen aber unbedingt darauf achten, dass keine „Big-Brother-Atmosphäre“ geschaffen wird. Der Personalabteilung kommt dabei eine wichtige Rolle zu.
Daten und Technik ausschöpfen
KI sollte bei Einstellungs- und Besetzungsplänen zur Anwendung kommen. Der Grund: Es gilt, kontextbezogene Daten und Technologien auszuschöpfen, um Probleme wie hohe Fluktuationsraten in Angriff zu nehmen, Mitarbeiter besser zu verstehen und den vorhandenen Pool an Talenten effektiver zu nutzen. Nur so lässt sich Arbeit intelligenter, angenehmer und kollaborativer gestalten – und letztendlich auch wertschöpfender.
KI im Recruiting nutzen
Künstliche Intelligenz wird derzeit auch im Recruiting immer wichtiger. Recruiter nutzen KI, um herauszufinden, welche Skills das Unternehmen aktuell benötigt, und wo passende Kandidaten zu finden sind.
Bewerbungsmanagement automatisieren
Mit Hilfe von KI lassen sich zeitaufwendige Aufgaben wie das manuelle Screening von Lebensläufen und Bewerber-Pools automatisieren.
Candidate Experience aufbauen
Leistungsstarke und integrierte KI-Funktionen sowie klare Abläufe helfen, im Personalmanagement eine benutzerfreundliche und personalisierte Candidate Experience vom Erstkontakt bis hin zur Einstellung und Eingliederung zu schaffen.
Mehr Effizienz durch Machine Learning
Modernste Machine-Learning-Anwendungen unterstützen das Personalwesen, die Time-to-Hire zu verkürzen, indem sie proaktiv eine Vorauswahl der geeignetsten Kandidaten treffen und Empfehlungen geben.
Chatbots einsetzen
Ein Chatbot kann eine Datenquelle sein, mit deren Hilfe Unternehmen mehr über ihre Mitarbeiter erfahren. Machine-Learning-Analysen von Fragen und Gesprächen können einzigartige und bisher nicht mögliche Einblicke liefern. So lassen sich zugrundeliegende Probleme aufdecken – und das vielleicht noch, bevor sich der Mitarbeiter dieser überhaupt bewusst ist.

Unter den Begriffen "Regalplatzoptimierung" und "Store Layout Optimization" sind heute in der Literatur und auch der Praxis eine große Anzahl von Untersuchungen, Studien und Lösungsansätzen bekannt. Ebenfalls haben einige (Software-)Anbieter solche Lösungen im Angebot. Allerdings liegt der Schwerpunkt sowohl in den wissenschaftlichen Untersuchungen als auch den ungesetzten Anwendungen auf der Optimierung von festen Regalstrukturen und eher statischen Sortimenten, wie sie vor allem im Lebensmitteleinzelhandel (LEH) vorzufinden sind.

Spannendes Projektteam

Insgesamt hat das Wirtschaftsministerium unter Minister Andreas Pinkwart ein hochkarätiges Projektteam zusammengestellt. Der Verbundführer ist die Universität Duisburg-Essen mit dem Lehrstuhl für Wirtschaftsinformatik und integrierte Informationssysteme von Prof. Dr. Reinhard Schütte. Dabei bringt das dem Lehrstuhl angeschlossene Retail Artificial Intelligence Lab seine Expertise aus dem Handel und dem Einsatz von Algorithmen und Softwaresystemen ein. Das Modehaus Ebbers aus Warendorf ermöglicht dem Projekt eine konkrete Umsetzung in seinen Filialen und agiert sozusagen als "Future Retail Store". Gleichzeitig ist der Geschäftsinhaber Christoph Berger auch derjenige der den Textileinzelhandel, seine Kunden und die Einsatzmöglichkeiten von IT am besten kennt.

Die EK/servicegroup, eine der größten Handelskooperationen in Europe, hat sich zum Ziel gesetzt die Lösung, nach erfolgreichem Projektabschluss, seinen 4.000 selbstständigen und mittelständischen Mitgliedsunternehmen in 17 Ländern zur Verfügung zu stellen und so einen bedeutenden Beitrag zu Stärkung des regionalen Handels zu leisten. Die Panther Solutions, als Technologiestartup mit dem Fokus auf Künstliche Intelligenz zur Preisoptimierung von stationären Händlern, wird die Algorithmen und Daten auf den Systemen des IT-Startups sammeln, analysieren und daraus entsprechende Schlüsse ziehen.

KIEPO: Auf einfache Weise soll dem stationären Handel modernste Algorithmen und Methoden des Maschinellen Lernens zur Verfügung gestellt werden.
Foto: Felix Weber

Kernkompetenzen stärken

Insgesamt soll dabei ein System erprobt werden, das die Lücke zwischen eCommerce und stationärem Handel zumindest auf technologischer Ebene schließen kann und es den regionalen Händlern ermöglicht sich auf das zu konzentrieren, was sie am besten können: den Kunden bedienen und beraten. (bw)