Erkennen, was die Kameras übersahen

Ein großer europäischer Quick-Commerce-Anbieter verlor in Hunderten von Lagern spürbar Ware, ohne einen skalierbaren Weg, dagegen vorzugehen. Wir haben ein Vision-KI-System gebaut, das rohes Videomaterial aus Überwachungskameras in verwertbare Diebstahlerkennung verwandelt – von Grund auf, im Produktivbetrieb.

Die Herausforderung

Unser Kunde stand kurz vor der Profitabilität, doch anhaltende Inventurverluste in Hunderten von Lagern zehrten unbemerkt an den Margen. Mitarbeiterdiebstahl, meist geringwertiger Artikel, kam im gesamten Netzwerk regelmäßig vor: gering pro Vorfall, erheblich in der Summe. Bestehende Ansätze – strenge operative Prozesse, häufige Bestandszählungen und die manuelle Sichtung der Videoaufnahmen durch ein kleines Fraud-Team – konnten so viele Standorte nicht abdecken. Die Chance bestand darin, etwas zu bauen, das Videomaterial automatisch verarbeitet und nur die Fälle hervorhebt, bei denen sich ein Eingreifen lohnt. Am Anfang stand, das Problem neu zu fassen: von „Diebstahl erkennen“ zu „konkrete, maschinell erkennbare Verhaltensweisen identifizieren, die auf verdächtige Aktivitäten hindeuten“.

Unser Vorgehen

Bevor wir eine Zeile Code geschrieben haben, haben wir die vorhandenen Lösungen am Markt geprüft. Keine erfüllte die nötigen Anforderungen an Anpassbarkeit und Integration, also haben wir eine eigene gebaut. Gearbeitet wurde in einwöchigen Zyklen mit häufigen Demos und proaktiven Updates an die Stakeholder: Informationen flossen laufend, statt auf Freigaben zu warten. Das Fraud-Team des Kunden half dabei zu kalibrieren, was im Lagerkontext tatsächlich verdächtig aussieht, und dieses Domänenwissen erwies sich als genauso wichtig wie jede technische Entscheidung. Wir haben dagegengehalten: bei internen Prozessen, die den Fortschritt bremsten, bei Infrastrukturannahmen, die sich früh als nicht haltbar erwiesen, und beim Reflex, auf die perfekte Lösung zu warten, bevor irgendetwas live geht.

Das Ergebnis

Wir haben ein Vision-KI-System zur Diebstahlprävention geliefert, das die Aktivität im Lager kontinuierlich über die vorhandene Videoüberwachung beobachtet, verdächtiges Verhalten per Computer Vision erkennt, es mit Bestandsdaten abgleicht und markierte Fälle über Slack und eine eigene Weboberfläche an das Fraud-Team meldet. Datenschutzfreundlich maskierte Videos sorgen für volle rechtliche Konformität. Das Fraud-Team prüft jetzt nur noch aussagekräftige, vorqualifizierte Fälle statt stundenlanger Rohaufnahmen. Das System läuft in einer Pilotgruppe von Lagern und liefert dort echte Erkennungsdaten; Kennzahlen zur finanziellen Wirkung kommen mit dem Rollout noch hinzu.

Warum uns das wichtig ist

Dieses Projekt zeigt gut, was passiert, wenn man ein komplexes KI-Problem zuerst als Produktproblem behandelt. Die Technologie funktioniert nur, wenn man die Domäne, die Nutzer und die realen Rahmenbedingungen der Umgebung versteht, in der sie arbeiten muss. Genau das richtig hinzubekommen ist die Arbeit, die wir lieben – und bei der wir, wie wir finden, am stärksten sind.