Ob Spargel zum Saisonstart, Kartoffeln vom regionalen Lieferanten oder Orangen, die nicht im Regal landen, sondern zu Saft gepresst werden: In der Obst- und Gemüseabteilung lässt sich der Warenbedarf nur schwer nach Schema F planen. „In der Ultrafrische reicht eine herkömmliche Auto-Disposition aber nicht aus“, sagt Darius Morawiec, Marktleiter bei Rewe Amshove. Er erläutert: „Probleme bereiten vor allem lose verkaufte Ware, variable Haltbarkeiten, wechselnde Artikelnummern, fehlende oder abgefallene Aufkleber etwa auf Bio-Produkten, unsaubere Kassierungen sowie Artikel von Streckenlieferanten. Dadurch sind Bestände oft nicht exakt genug im System erfasst, sodass wir weiterhin alles manuell prüfen müssen.“
Vor diesem Hintergrund gewinnen spezialisierte Lösungen für Obst und Gemüse an Bedeutung. Einen solchen Ansatz verfolgt das Berliner Unternehmen Freshflow, das Avik Mukhija vor mehr als fünf Jahren aus einem Forschungsprojekt am KI-Lab der ETH Zürich heraus mitgegründet hat. Die Software soll Bestellmengen für Obst und Gemüse automatisiert vorschlagen, die Lieferkette effizienter steuern und Lebensmittelabfälle reduzieren. Freshflow versteht sein System nicht als Vollautomatisierung, sondern als unterstützenden KI-Copiloten für den Handel.
Die Anwendung berücksichtigt für die Nachfrageprognose Faktoren wie Wetter, Feiertage, Aktionen, Standort, Kaufkraft, Events und Saisonalität. Freshflow zufolge kann das System den tatsächlichen Bestand auch dann näherungsweise berechnen, wenn Daten fehlerhaft oder unvollständig sind. Zudem erkenne es automatisch Scan- und Kassierfehler, wechselnde Artikelnummern oder veredelte Produkte.
So arbeitet das System
Im Marktalltag läuft der Einsatz so: Mitarbeiter können die Bestellungen am Tablet, in der App oder am PC durchführen. Die App erstellt für jedes einzelne Produkt Bestellvorschläge auf Basis der genannten Kriterien. Wenn das System bei einer Bestellmenge unsicher ist, markiert es diesen Artikel und setzt ihn in der Bestellliste nach oben. Nach Angaben des Geschäftsführers betrifft das erfahrungsgemäß fünf bis 15 sogenannte Warnungsartikel. Hier müssen Mitarbeiter einschätzen, ob sie den Vorschlag übernehmen. Alle übrigen Bestellvorschläge können sie bei Bedarf ebenfalls anpassen. „Nach unseren Erfahrungen werden durchschnittlich 92 Prozent der Bestellvorschläge akzeptiert“, sagt Avik Mukhija.
Das System kann nach Unternehmensangaben grundsätzlich auf die Daten des Warenwirtschaftssystems zugreifen sowie lokale Streckenlieferanten abdecken, die nicht im System verbucht werden. In der Praxis hängt die Anbindung jedoch von den technischen Voraussetzungen im jeweiligen Markt ab. Eine vorherige Stammdatenbereinigung sei jedoch nicht erforderlich.
Allerdings stößt das System auch an Grenzen: So ließen sich beispielsweise die tatsächliche Warenqualität oder plötzliche Veränderungen im Kundenverhalten – etwa durch eine neue Baustelle in Marktnähe – nicht sofort abbilden, sondern die KI braucht einige Tage, um diese neuen Muster zu erkennen und sich daran anzupassen.
Funktionen als Zusatznutzen
Über die reine Disposition hinaus beinhaltet das System Analysefunktionen, mit denen sich unterschiedliche Bestellstrategien und Änderungen in der Warenpräsentation durchspielen lassen. Händler können damit beispielsweise berechnen, wie sich anderes Bestellverhalten, veränderte Regalaufbauten oder neue Präsentationskonzepte auf Umsatz, Abschriften und Marge auswirken. „Es lässt sich beispielsweise mit hoher Genauigkeit vorhersagen, welche Folgen ein breiteres oder schmaleres Regal hat. Ziel ist es, Händlern fundiertere Entscheidungen in der Abteilung zu ermöglichen“, informiert der Geschäftsführer.
Praktische Erfahrungen
Wie der Einsatz in der Praxis aussieht, zeigt das Beispiel von Steffen Siegl, Inhaber von Edeka Siegl in Bad Fallingbostel. Er arbeitet seit März 2024 mit der Freshflow-App. Seine Bilanz fällt bislang überwiegend positiv aus. Die Anwendung sei „sehr einfach zu bedienen“ und „sehr intuitiv“, sagt er. Allerdings müssen die Mitarbeiter die Bestände im Lager und auf der Verkaufsfläche manuell eingeben, da die App in seinem Fall nicht auf das Warenwirtschaftssystem zugreifen kann. Auf dieser Grundlage erstellt sie Bestellvorschläge, die Siegl übernehmen oder bei Bedarf anpassen kann.
Als größten Vorteil nennt der Kaufmann die Zeitersparnis: „Ich brauche für die Bestellung heute rund 25 Minuten, vorher dauerte sie eine gute Stunde.“ Auch wirtschaftlich habe sich das System bewährt: „Wir haben unsere Abschriften in dem Bereich um 30 Prozent senken können. Das entspricht einer Einsparung von etwa 500 bis 600 Euro pro Monat.“
Steffen Siegl sieht aber auch Grenzen: Wetterumschwünge oder unerwartet große Einkäufe lasse das System nicht zuverlässig vorhersagen. Schwierigkeiten gebe es etwa bei Werbeartikeln mit wechselnden Artikelnummern und Grammaturen, wobei sich das System recht schnell auf die neuen Artikel einstellen könne. Zudem könne die Auto-Disposition nur dann verarbeitete Produkte einbeziehen, wenn sie regelmäßig anfielen.
Rewe Amshove arbeitet bislang nicht mit diesem System. „Ein Auto-Disposystem für Obst und Gemüse braucht richtig saubere Zahlen. Das ist aus meiner Sicht nicht unmöglich, aber extrem schwierig. Deswegen warten wir erst mal ab“, sagt Darius Morawiec.
Ob sich spezialisierte KI-Systeme in der Ultrafrische breiter durchsetzen, dürfte vor allem davon abhängen, wie belastbar die Ergebnisse im Marktalltag ausfallen und wie schnell sich die Investition rechnet.
