Der Fall der vermissten Aubergine

IN Artificial Intelligence — 23 October, 2018

Zum Sommeranfang beflügelte ein Auberginen-Engpass in einem Supermarkt in Cheltenham in Großbritannien die Vorstellungskraft der Twitter-Gemeinde. Ein konsternierter Einwohner hatte sich entrüstet darüber gezeigt, dass im Supermarkt anstelle des gesuchten Gemüses nur ein leeres Regal vorzufinden war.

The-Daily-AI-3-Blog-The-Case-of-the-missing-Aubergine

In einer Vielzahl von Memes und Tweets wurde das Verschwinden der Auberginen aus Cheltenham bedauert und Tesco wurde per Hashtag #BringBackOurAubergines dazu aufgefordert, diese wieder zu bevorraten. Der Twitter-Nutzer, der für dieses Anliegen eintrat, wurde sogar zu einem örtlichen Radiosender eingeladen, um über die Auberginen-Knappheit zu sprechen, und zahlreiche überregionale Zeitungen wie The Sun, The Daily Express und Metro berichteten darüber.

Natürlich ist diese Kampagne nicht ganz Ernst zu nehmen und die über Twitter entstandene Erregung glich eher einem Sturm im Wasserglas. Dennoch veranschaulicht diese Geschichte eines der größten Probleme im Lebensmittelhandel: Regallücken. 

Für Kunden war es frustrierend, in ein Geschäft vor Ort zu gehen und dieses unverrichteter Dinge wieder verlassen zu müssen. Für den Supermarkt bedeutet ein leeres Regal jedoch nicht nur kurzfristige Umsatzverluste, sondern langfristig eine potenzielle Verschlechterung der Kundenbindung. 

Ein Balanceakt

Die Kundennachfrage zu decken, ohne dass dabei Abfall anfällt, kommt einem sorgfältigen Balanceakt gleich, und die meisten Lösungen zur Warendisposition in der Lebensmittelbranche erfüllen ihren Zweck nicht. Die richtige Balance zu finden erweist sich insbesondere bei frischen Waren als kompliziert, da es keine Fehlertoleranz gibt: Überbestände führen dazu, dass die Lebensmittel zu Aktionspreisen verkauft oder weggeworfen werden müssen.

Bisher basieren die meisten Lösungen zur Warendisposition von Supermärkten auf festen Regeln, die häufig nicht geeignet sind, die unzähligen Einflüsse auf das Verbraucherverhalten abzubilden. Da eine Reihe von externen Faktoren maßgeblich dafür ist, wann und warum Menschen bestimmte Produkte kaufen, ist ein neuer Ansatz erforderlich, um sowohl Regallücken als auch unnötigen Abfall zu vermeiden. 

KI-Lösungen liefern Wahrscheinlichkeitsprognosen, die Hunderte verschiedener Variablen berücksichtigen, darunter das Wetter, Verkaufsaktionen sowie Feiertage. Anhand dieser werden dann täglich die optimalen Bestellmengen für jedes Produkt und jede Filialen ermittelt. Diese Bestellmengen basieren auf einer gewichteten Optimierung konkurrierender Ziele wie zum Beispiel die Verringerung von Restbeständen und der Verbesserung der Warenverfügbarkeit, wodurch sich 30 Prozent weniger Regallücken erreichen lassen.

Blue Yonder sorgt bereits erfolgreich dafür, dass genau die richtige Menge an Auberginen, Salat und anderen Frischwaren an Supermärkte in ganz Europa geliefert wird. Blue Yonder Demand Forecast & Replenishment ermöglicht täglich millionenfache automatisierte Dispositionsentscheidungen, sodass Einzelhändler in der Lage sind, ein optimales Kundenerlebnis zu liefern.

Blue Yonder Blue Yonder

We enable retailers, consumer products and other companies to take a transformative approach to their core processes, automating complex decisions that deliver higher profits and customer value using artificial intelligence (AI).