7 Video-KI kann eine Szene heute in natürlicher Sprache beschreiben und einen einzelnen Moment in stundenlangem Filmmaterial finden. Man könnte leicht annehmen, dass bessere Modelle aus Ladenkameras bessere Entscheidungen machen. Im Einzelhandel geschieht ein Großteil der eigentlichen Arbeit jedoch erst nach dem Modell. Dies ist der erste Teil einer mehrteiligen Blogserie über den praktischen Einsatz von KI-Videoanalyse – für Einzelhändler und für die Teams, die die Anwendungen entwickeln, auf die sich Filialen verlassen. Sie beginnt mit der Lücke zwischen dem, was eine Kamera sieht, und dem, was ein Einzelhändler wissen muss. Ein Videoereignis kann Routine oder wichtig sein – je nach Informationen, die die Kamera nicht sehen kann. Auf dem Scality Day 2026 in Paris habe ich einen Vortrag mit dem Titel „Make the real world searchable“ eröffnet, um zu zeigen, was Video-KI heute in Worte fassen kann. Zum Beispiel: An einer Selbstbedienungskasse im Supermarkt kann ein Vision-Language-Modell einen Artikel beschreiben, der über den Scanner geführt wird, ohne gescannt zu werden. Ich habe meine gesamte Laufbahn mit Videoinfrastruktur und Streaming-Produkten verbracht. Dort gilt der Grundsatz, das Erlebnis bis zu der Person zu verfolgen, die es nutzt. Denselben Grundsatz wende ich auf Video-KI im Einzelhandel an. Selbst die beste Beschreibung hat Grenzen. An der Selbstbedienungskasse kann das Modell nicht wissen, ob das Kassensystem den Artikel erfasst hat, ob ein Mitarbeiter eingegriffen hat oder ob die Transaktion storniert wurde. In dieser Lücke zwischen Sehen und Wissen wird Videoanalyse im Einzelhandel zur Anwendung. Ein Video-KI-System kann eine Szene beschreiben, ein ähnliches Ereignis finden oder einen Alarm auslösen. Ein Einzelhändler braucht aber weiterhin ein Produkt, das das Ergebnis mit seinen Transaktionen, Beständen, Planogrammen, Zugriffsrichtlinien oder Lagerprozessen verknüpft und die Entscheidung dann der Person vorlegt, die handeln muss. Was Video allein einem Einzelhändler nicht sagen kann Video allein enthält weder die Transaktionsdaten noch die Betriebsregeln des Händlers. Der Einzelhandel arbeitet mit Produkten, Transaktionen, Standorten, Zeitplänen, Richtlinien und Ausnahmen – und fast nichts davon ist in einem Videobild sichtbar. Ein scheinbar leeres Regal muss vielleicht aufgefüllt werden – oder es ist absichtlich leer, weil sich das Planogramm geändert hat. Ein Artikel, der am Scanner vorbeigeführt wird, kann auf eine Ausnahme hindeuten – oder er taucht bereits an anderer Stelle der Transaktion auf. Eine an der Laderampe abgestellte Palette kann verspätet sein – oder genau dort stehen, wo das Lagerverwaltungssystem sie erwartet. Diese Fragen kann das Modell nicht allein anhand des Videos klären. Die Anwendung muss deshalb das im Video Beobachtete mit dem Geschäftsdatensatz und den eigenen Richtlinien des Händlers kombinieren und dann entscheiden: das Ereignis ignorieren, weitere Belege sammeln, es zur Prüfung einreihen oder handeln. Die Trennlinie verläuft zwischen dem, was das Video zeigt, und dem, was das Unternehmen weiß. Allgemeine Videofunktionen lassen sich über Händler und Branchen hinweg teilen: Erfassung, Aufzeichnung, Vision-Language-Analyse, Suche und Alarmierung. Diese gemeinsamen Funktionen müssen dennoch mit den Daten jedes Händlers verbunden und an seine Betriebsrichtlinien angepasst werden. Warum eine falsche Antwort mehr kostet, als es scheint Die Kosten einer falschen Antwort sind ungleich verteilt. Ein übersehenes Ereignis kann einen Verlust bedeuten, während ein Fehlalarm die Zeit eines Mitarbeiters verschwendet, einen Kunden stören kann und – wenn er sich oft genug wiederholt – das Vertrauen in das auslösende System untergräbt. Entscheidend ist, ob das Gesamtsystem vom Objektiv bis zur Entscheidung genau genug für den Betriebsprozess des Händlers ist. Verlässliche Entscheidungen hängen von der Modellleistung, von Qualität und Aktualität des Geschäftskontexts und vom Workflow rund um beides ab. Einzelhändler sollten übersehene relevante Ereignisse, unnötige Eingriffe, die Zeit bis zur Lösung und den Aufwand an Mitarbeiteraufmerksamkeit pro erfolgreich gelöstem Fall bewerten. Die Anwendung muss die relevanten Belege und den Geschäftsdatensatz in denselben Prüfprozess bringen und das Ergebnis festhalten. Was die Anwendung im jeweiligen Fall beiträgt Selbstbedienungskasse. Der Kassendatensatz liefert Kontext, der dem Video fehlen kann, etwa frühere Scans, Stornierungen oder erfasste Eingriffe von Mitarbeitern. Eine Anwendung gleicht das Videoereignis mit diesem Datensatz ab, wendet die Ausnahmeregeln des Händlers an, entscheidet, wann ein Mensch hinsehen muss, und zeigt Clip und Transaktion gemeinsam an. Regalverfügbarkeit. Das Planogramm gibt an, welches Produkt in die Lücke gehört, die Bestandsdaten zeigen, ob an anderer Stelle im Markt Ware verfügbar sein sollte, und die Aufgabendaten zeigen, ob bereits nachgefüllt wird. Eine Anwendung kombiniert diese Informationen, um ein echtes Verfügbarkeitsproblem von einer geplanten Layoutänderung oder einer bereits laufenden Maßnahme zu unterscheiden, und erstellt oder priorisiert die Nachfüllaufgabe nur dann, wenn jemand handeln muss. Laderampe. Die Daten des Lagerverwaltungssystems liefern Ankunftsinformationen, das erwartete Ziel der Palette und die zeitlichen Angaben, die zur Beurteilung einer betrieblichen Verzögerung nötig sind. Eine Anwendung verknüpft die Beobachtung mit dem Wareneingangsprozess, identifiziert die Sendung und leitet die Ausnahme an das zuständige Team weiter. Auch Geschäftsdatensätze können unvollständig oder veraltet sein. Eine verspätete Transaktion, ein überholter Lagerbestand oder eine unsichere Zuordnung einer Sendung kann dazu führen, dass der Anwendung die Informationen zum Handeln fehlen. Sie muss die verfügbaren Belege abgleichen und entscheiden, wann sie wartet, eine Prüfung anfordert oder fortfährt. Vom Alarm zum Beleg Ein Alarm ist nur der Anfang einer Entscheidung. Ein Produkt für den Einzelhandel braucht daher mehr als eine Benachrichtigung: eine Möglichkeit, das Ereignis zu prüfen, es mit dem relevanten Geschäftsdatensatz zu verknüpfen, die Entscheidung zu protokollieren und die Betriebsregel mit der Zeit zu verbessern. Nehmen wir eine hypothetische Kassenprüfung: Ein Mitarbeiter öffnet einen Alarm, bei dem der relevante Clip und die Transaktion gemeinsam angezeigt werden, bestätigt, dass der Artikel bereits zuvor gescannt wurde, und schließt den Fall mit dokumentierter Begründung. Der Workflow sollte dem Mitarbeiter diese Prüfung ermöglichen, ohne dass er mehrere Systeme durchsuchen muss. Das Video-KI-System hat den Alarm ausgelöst; die Anwendung hat die Prüfung unterstützt und ihr Ergebnis festgehalten. Das aufgezeichnete Material ist Teil dieses Prozesses: Ein Mitarbeiter kann nachvollziehen, was zu einem Alarm geführt hat, und der Händler kann das Ereignis später erneut ansehen, sofern die Richtlinien es erlauben. Damit diese Prüfung funktioniert, muss die Anwendung die relevante Sequenz schnell abrufen, sie mit dem Geschäftsdatensatz abgleichen und genug Material vor und nach dem Ereignis zeigen, um die Situation verständlich zu machen. Daraus ergibt sich eine Anforderung an den darunterliegenden Speicher: Das Quellmaterial muss so lange unter den eigenen Aufbewahrungskontrollen des Händlers bleiben, wie der Prüfprozess und die Richtlinien des Händlers es erfordern – und nicht länger. Wo der Kontext liegt Die Systeme, die dem Video seine Bedeutung geben, unterliegen der Kontrolle des Händlers – ebenso das Filmmaterial, auf dem Kunden und Mitarbeiter zu sehen sind und das in Europa dem Datenschutzrecht unterliegt. Die Bereitstellung sollte berücksichtigen, wo die Geschäftssysteme laufen, wie schnell Mitarbeiter handeln müssen und was bei einer Unterbrechung der Konnektivität geschieht. Eine lokale Videoverarbeitung kann sinnvoll sein, wenn Reaktionszeit, eingeschränkte Konnektivität oder die Menge des Filmmaterials eine entfernte Verarbeitung unpraktikabel machen. Die richtige Balance zwischen Standort, Rechenzentrum und Cloud hängt vom Anwendungsfall ab. Wo die Anwendung beginnt Für einen Einzelhändler, der eine Video-KI-Anwendung auswählt, lautet die praktische Frage: Wie gut unterstützt der Anbieter den Betriebsprozess des Händlers? Zu den Aufgaben des Anwendungsanbieters gehören: Videobeobachtungen mit Systemen wie Kasse, Warenwirtschaft, Planogrammverwaltung, Zutrittskontrolle oder Lagerverwaltung verbinden. Festlegen, was ein Ereignis für diesen Händler bedeutet – einschließlich Schwellenwerten, Ausnahmen, Eskalationsregeln und der Frage, wann eine menschliche Prüfung erforderlich ist. Die Bedienoberfläche entwickeln, die den Alarm zusammen mit dem Geschäftskontext und dem unterstützenden Filmmaterial darstellt, das für eine Entscheidung nötig ist. Ergebnisse messen und bestätigte oder verworfene Ereignisse in die Regeln und Modelle der Anwendung zurückführen. Eine gemeinsam genutzte Videoinfrastruktur verringert den Aufwand, den ein Anwendungsanbieter selbst zusammenstellen muss. Sie ersetzt jedoch weder Fachwissen noch Workflow-Design noch die Verantwortung für die Genauigkeit auf Anwendungsebene. Die Infrastruktur erfasst, beschreibt und speichert das Video. In der Anwendung entscheidet das Unternehmen, was ein Ereignis bedeutet und was als Nächstes geschehen soll. Der nächste Artikel dieser Serie, „Why video AI belongs at the edge“, untersucht, wo Videoverarbeitung und gespeichertes Filmmaterial angesiedelt sein sollten und wie Reaktionszeit, Konnektivität und betriebliche Kontrolle diese Entscheidung prägen. Die Anwendung entwickeln Wenn Sie Video-KI-Anwendungen für den Einzelhandel oder für andere Standorte entwickeln, an denen das Filmmaterial vor Ort bleiben muss, bieten Scality und seine Partner einen validierten On-Premises-Stack für Videoverständnis, Speicherung und Aufbewahrung. So kann sich Ihr Team auf die Entscheidungen konzentrieren, die Ihre Kunden treffen müssen. So funktioniert das Programm.
