Wegen Inventur geschlossen: Kaufleute sind laut §240 des Handelsgesetzbuches in Deutschland mindestens einmal im Jahr dazu verpflichtet, ihren Lagerbestand zu zählen. Eine Inventur sorgt für Transparenz, deckt ineffiziente Prozesse auf und kann sogar Betrugsfälle entlarven. Das manuelle Zählen ist allerdings immer noch mit einem hohen Aufwand verbunden und erfordert mitunter zusätzliches Personal. Gerade in Zeiten des Fachkräftemangels sollten sich Mitarbeiter besser mit wertschöpfenden Tätigkeiten befassen. Unternehmen arbeiten daher in der Praxis häufig mit Stichproben oder Teilinventuren, die aber entsprechend ungenau sind.
Inventur mit Drohnen auf dem Vormarsch
Eine Automatisierung und Zeitersparnis verspricht die Inventur mit Drohnen. Bisher wurden vor allem zwei Ansätze verfolgt:
– Lokalisierung und Identifizierung von Produkten mithilfe von RFID-Tags: Wenn die Produkte schwierig zu erreichen sind, etwa in Hochregalen, werden heute schon teilweise Drohnen eingesetzt, die mit einem RFID-Reader ausgestattet sind und RFID-Tags von Produkten und Paletten in der Nähe auslesen können. Der Aufwand zum Anbringen der Tags ist aber hoch.
– Auslesen von optischen Produktmerkmalen: Das Auslesen von Annotationen wie Barcodes oder QR-Codes ist eine Lösung mit viel Potenzial und schnellen Erfolgen. Leider sind häufig keine Annotationen an Produkten oder Ladungsträgern angebracht.
Bis zu 90 Prozent Zeitersparnis
Die KI-basierte Bildverarbeitung in der Kombination mit Drohnen hat riesiges Potenzial in der Logistik. Dennoch gibt es dazu bisher nur sehr wenige Forschungsansätze. Das ändert jetzt eine Forschungskooperation der Abteilung Wirtschaftsinformatik der Universität Oldenburg und der abat AG in Bremen gemeinsam mit dem Getränkegroßhändler Essmann, einem der größten Getränkehändler in Deutschland mit Sitz in Lingen (Ems). An der Ware und den Paletten gibt es keinerlei Merkmale zur Identifikation wie RFID oder Bar-/QR-Codes. Gemeinsam haben die Partner eine Inventurmethode entwickelt, die mit einer Drohne und KI-Algorithmen arbeitet. Die Zeitersparnis ist enorm: Bisher verschlang ein Inventurlauf bei diesem Getränkehändler bis zu 24 Personentage – je Standort. Mit der Lösung reduziert sich dieser Zeitaufwand um bis zu 90 Prozent, so die Erfahrung von Data Scientist René Kessler von der Universität Oldenburg.
Das Verfahren arbeitet in drei Stufen: Zunächst werden die Paletten auf den Bildern erkannt, dann werden die identifizierten Objekte lokalisiert und schließlich klassifiziert, um so den Paletten einen monetären Wert zuzuordnen. Dabei bezieht der Service sowohl die Front- als auch die Vogelperspektive der Waren in die Analyse ein, um auch in Reihen gestapelte Paletten zu erkennen. Zum Einsatz kommen dabei vor allem Convolutional Neural Networks und Transformer Networks sowie diverse Verfahren aus der Bildvorverarbeitung.
Kein Umsortieren der Palettenstapel
Das Projekt hat gezeigt, dass die manuelle Zählung während einer Inventur mit Hilfe von Drohnen und KI-Algorithmen zur Objekterkennung mit hoher Zuverlässigkeit automatisiert werden kann. Es ist nur noch eine Person als Drohnenoperator notwendig, die eigentliche Zählung übernehmen die KI-Modelle. Mit der Drohne sind auch Stapel erreichbar, die ansonsten nicht gezählt werden könnten.
Damit die Inventur per Drohne gelingt, sind allerdings einige Voraussetzungen notwendig. Zunächst müssen sich die Produkte optisch unterscheiden lassen und die Aufnahmen eine ausreichende Qualität haben. Weitere Voraussetzungen sind:
Lagergegebenheiten: Die Struktur und das Layout des Lagers sind maßgeblich für eine erfolgreiche Befliegung mit einer Drohne. Neben der manuellen Steuerung der Drohne ist auch die Automatisierung von Flugrouten möglich. Zur Orientierung können dabei fixe Lagerplätze über Koordinaten (z.B. GPS) angeflogen werden oder es können visuelle Kennzeichen oder Beschriftungen genutzt werden. Als Datengrundlage für das Erstellen solcher Routen können u.A. Daten aus einem Lagerverwaltungssystem wie SAP EWM genutzt werden.
Klima: Hierzu zählen Licht und Wetterbedingungen. Nachteinsätze benötigen entsprechendes Equipment.
Produkt: Merkmale, die fürs Auge erkennbar sind, lassen sich auch in der KI trainieren. Schüttgut oder kleinteilige Zählungen sind nicht wirtschaftlich sinnvoll, Schätzungen sind aber denkbar. Wichtig ist, dass für eine Erkennung der Produkte eindeutige Identifikatoren notwendig sind – entweder müssen Produkte sich optisch unterscheiden oder es werden ergänzende Informationen in Form von Produktlabels oder ähnlichem benötigt.
Das Projekt wird gemeinsam mit Getränke Essmann und weiteren Partnern weiterverfolgt, um zum einen weitere Bausteine (z.B. andere Erkennungsverfahren) zu entwickeln und um bestehende Algorithmen noch robuster zu machen. Zusätzlich wurde die Anbindung an das SAP EWM realisiert, um Inventurergebnisse direkt in das System zu übertragen. Außerdem übertragen sie den bisherigen Ansatz auf neue Anwendungsfälle und kombinieren diesen mit anderen Methoden. So ist es beispielsweise möglich, neben der Zählung durch Objekterkennung zusätzlich Label auszulesen, um die erkannten Produkte zu klassifizieren. Das ergibt Synergieeffekte, so kann beispielsweise eine Objekterkennung und -klassifikation als Backuplösung verwendet werden, wenn kein Label erkannt wurde. Das Retraining der KI-Modelle, etwa wenn sich das Design eines Produkts ändert, kann manuell angestoßen werden. Durch eine entwickelte Applikation zur Unterstützung des Inventurablaufs mit der entwickelten KI-Lösung ist dies aber auch automatisch möglich. Innerhalb der App haben Nutzer die Möglichkeit, Produktbilder zu pflegen. Diese Bilder können dann genutzt werden, um neue Produkte anzulernen und die zugrundeliegenden Algorithmen anzupassen. Darüber hinaus ist es in der Anwendung möglich, den Inventurstatus und die Ergebnisse der Zählung zu überwachen bzw. zu kontrollieren. Im Fehlerfall, beispielsweise wenn sich das Modell nicht sicher ist, kann so schnell und einfach manuell korrigiert und eingegriffen werden. Erst nach einer erfolgreichen Kontrolle werden die Ergebnisse dann exportiert oder in ein Warenwirtschaftssystem übertragen.
Weitere Anwendungsfälle denkbar
Die Module der Lösung können neben der Inventur auch noch für weitere Anwendungsfälle eingesetzt werden. So ist es beispielsweise denkbar, dass die Objekterkennung auch in der Produktion Einzug findet, um beispielsweise die Bewegung von bestimmten Ladungsträgern zu tracken und um Transparenz in den Prozessen zu schaffen. Ebenfalls interessant sind das Qualitätswesen und die Produkt- oder Teileabsicherung. So ist es denkbar, dass Kameras in der Produktion installiert werden und das aufgenommene Videomaterial analysiert wird. Dabei könnten beispielsweise Fehler oder Schäden von Produkten direkt nach der Produktion automatisiert erkannt und die Produkte aussortiert oder in die Nachbesserung gegeben werden. www.abat.de
