Vierhundert Kameras für intelligentes Einkaufen
22.02.2024
Ein Traum für Konzerne: Einkaufsmärkte ohne Personal –
Zwar laufen die autonomen Einkaufsmärkte von REWE und Co. noch im Testbetrieb, aber die Vision ist bereits deutlich erkennbar: Das Einkaufserlebnis soll total automatisiert werden. Der Journalist Markus Reuter besuchte einen Testmarkt in Berlin und fasst seine Eindrücke auf der Webseite von netzpolitik.org zusammen. Die Technik ist mittlerweile so weit entwickelt, dass selbst das Scannen der Ware an der Kasse entfällt. Die Arbeit erledigen maßgeblich zwei technische Systeme im Hintergrund.Sensorfusion und Computer Vision als Schlüsseltechnologie
Autonome Supermärkte sind mit einer Vielzahl von Sensoren und Kameras ausgestattet, die in der Lage sind, die Bewegungen der Kunden und die von ihnen ausgewählten Artikel zu verfolgen. Mithilfe der Computer Vision, einem Teilgebiet der künstlichen Intelligenz, können diese Systeme Objekte erkennen, klassifizieren und sogar zwischen verschiedenen Produkten unterscheiden. Computer Vision ermöglicht Computern das "Sehen" und Interpretieren von visuellen Informationen aus der realen Welt, ähnlich wie das menschliche Sehen. Die Software identifiziert und klassifiziert diejenigen Produkte, die Kunden aus den Regalen nehmen, durch Analyse von hochauflösenden Bildern oder Videos. Dies beinhaltet die Erkennung von Produktetiketten, Formen, Farben und manchmal sogar die Positionierung der Produkte im Regal. Mit Hilfe von Trackingverfahren verfolgt die Technik die Bewegungen von Kunden im Laden, um zu erkennen, welche Produkte sie auswählen und wie sie sich durch den Laden bewegen. In einigen fortgeschrittenen Systemen kann die Computer Vision Technologie sogar spezifische Gesten oder Handlungen erkennen, die darauf hinweisen, dass ein Kunde ein Produkt zurücklegt oder sich entscheidet, es nicht zu kaufen. Sensorfusion bezieht sich auf die Technik, Daten aus verschiedenen Sensoren zu kombinieren, um eine genauere, zuverlässigere und umfassendere Sicht auf die Umgebung zu erhalten, als es mit einzelnen Sensordaten möglich wäre. Eine wichtige Komponente sind Gewichtssensoren in den Regalen. Sie stellen fest, wenn ein Produkt entnommen oder zurückgelegt wird, basierend auf der Veränderung des Gewichts auf dem Regal.Künstliche Intelligenz und enorme Rechnerleistungen im Hintergrund
Modelle für maschinelles Lernen und künstliche Intelligenz werden trainiert, um Bilder und Sensordaten zu interpretieren, was das System befähigt, Einkäufe genau zu erfassen. Diese Modelle lernen kontinuierlich dazu, um ihre Genauigkeit im Erkennen von Produkten und Kundeninteraktionen zu verbessern. Maschinelles Lernen ermöglicht es dem System auch, Kundenverhalten zu analysieren und Vorhersagen zu treffen, die das Einkaufserlebnis personalisieren können. Große Datenmengen, die von den Sensoren und Kameras gesammelt werden, müssen in Echtzeit analysiert werden, um die Einkäufe genau zu erfassen und die Zahlungen zu verarbeiten. Darüber hinaus helfen Datenanalysetools den Betreibern, Inventar zu verwalten, Kundentrends zu verstehen und das Einkaufserlebnis zu optimieren. Selbst der Laie kann sich ausmalen, dass für den gesamten digitalen Prozess enorme Rechnerleistungen gebraucht werden, die über eine Cloud laufen.Die heikle Sache mit dem Datenschutz
Markus Reuter hat sich Datenschutzbestimmungen des autonomen Testmarktes angesehen. Das Unternehmen weist im Eingangsbereich darauf hin, dass keine Gesichtserkennung erfolgt. Dennoch muss die Kundin oder der Kunde damit klarkommen, dass jeder Zentimeter des Weges durch den Markt gefilmt und ausgewertet wird. Besonders heikel ist die sogenannte Skeletterkennung. Die Software erstellt ein schematisches Bild des Knochenbaus, eventuell auch auffällige Bestandteile der Kleidung. Selbstverständlich wird auch die genaue Uhrzeit während des gesamten Aufenthalts im Markt festgehalten. Die skelettbasierte Gangartanalyse ist mittlerweile ein gängiger Ansatz in der Biometrie und Computer Vision. Er zielt darauf ab, Individuen anhand ihrer Gangart zu identifizieren oder zu klassifizieren. Dieser Ansatz nutzt die Tatsache, dass die Gangart einer Person einzigartige Muster und Charakteristika aufweist, die als Identifikationsmerkmal dienen können. Besonders effektiv sind bei der Gangartanalyse Tiefenkameras, die auch als 3D-Kameras bekannt sind. Diese Hightech-Geräte senden ein Signal aus und messen dann die Entfernung zwischen dem Objektiv und dem Menschen im Markt, um ein dreidimensionales Bild des Szenenbereichs zu erzeugen. Reuter erfuhr auf Nachfrage beim Supermarktbetreiber, dass durch die Kameras keine persönlichen Merkmale von Kunden gespeichert werden, sondern lediglich abstrakte Modelle.Vielen Dank an Dietrich Moldan, der in seinem Newsletter auf das Thema hingewiesen hat.Weitere Informationen
netzpolitik.org/2024/panoptischer-rewe-supermarkt-einkauf-mit-skelettkontrolle/www.youtube.com/watch
www.trigoretail.com/about/
