Einblick in die Scandit AI Engine

Stell dir vor, eine Mitarbeiterin oder ein Mitarbeiter in einem Lebensmittelgeschäft erhält in Echtzeit eine Meldung auf dem Smartgerät: Ein Bestseller in Gang fünf ist nicht mehr im Regal – aber im Lager stehen noch fünf Kartons.

Die Person geht nach hinten ins Lager und scannt den vollgestellten Bereich mit dem Smartgerät. Ein Augmented-Reality-(AR)-Overlay erkennt sofort nicht nur das richtige Produkt, sondern auch den Karton mit dem nächstliegenden Ablaufdatum.

Das Regal ist in wenigen Minuten wieder aufgefüllt – mit dem optimalen Produkt. Kein Rätselraten, keine Zeitverschwendung, keine entgangenen Verkäufe.

Der wichtigste Vorteil ist, dass man mit einem Klick ein Bild vom gesamten Store hat. Dass man tatsächlich täglich einen Überblick über die Verfügbarkeit der Produkte im Regal bekommt, ist etwas, das mit keinem manuellen Prozess vergleichbar ist. Mehr Umsatz entsteht durch bessere Verfügbarkeit.

Piotr Lubiewa-Wielezynski, Direktor der Vertriebsentwicklung, Carrefour

All dies wird vom der Scandit AI Engine angetrieben — der Intelligenz, die der Scandit Smart Data Capture Platform zugrunde liegt und unsere Produkte für Barcode-Scanning, ID-Scanning und ShelfView antreibt.

Durch die Automatisierung komplexer Aufgaben und die Bereitstellung von Erkenntnissen in Echtzeit befähigt die Scandit AI Engine Mitarbeitende und Kundinnen/Kunden, schneller und präziser zu entscheiden. Man kann sie sich als das „Gehirn“ hinter jedem Scan vorstellen: Sie meistert mühelos komplexe, dynamische Geschäftssituationen aus der Praxis, gibt Handlungsempfehlungen und steigert die Effizienz im gesamten Unternehmen.

Was macht die Scandit AI Engine besonders?

Allgemeine GenAI wie ChatGPT können Schlagzeilen erfassen. Aber wenn Sie Unternehmens-Apps mit echten operativen Einsätzen entwickeln, zeigt sich der wahre Wert, wenn KI speziell entwickelt wird, um spezifische, messbare Geschäftsprobleme zu lösen, wie die Verbesserung der Verfügbarkeit im Regal.

Was die Scandit AI Engine besonders macht, sind die Prinzipien, die sie leiten – Prinzipien, die aus über 15 Jahren Entwicklung praxisnaher Lösungen für die weltweit größten Unternehmen entstanden sind.

1. Genauigkeit ist nicht verhandelbar: In unserem Bereich ist eine Genauigkeit von bis zu 99,9 % entscheidend. Wenn wir sagen, dass ein Ausweis gefälscht ist, dass es fünf Facings eines Produkts gibt oder dass die Kombination aus Patient und Medikation korrekt ist, gibt es praktisch keine Fehlertoleranz.
2. Sicherheit und Datenschutz stehen an erster Stelle: Wir trainieren unsere Modelle je nach Problemstellung auf unterschiedliche Weise. Was jedoch alle Scandit Produkte gemeinsam haben: Standardmäßig werden sie nicht mit Live-Kundendaten trainiert. Stattdessen erhalten Kunden das fertig trainierte Modell. Dieses kann Millionen von Pixeln in Millisekunden interpretieren. In den meisten Fällen läuft das Modell lokal auf den Endgeräten, sodass sensible Daten dort bleiben, wo sie hingehören.
3. Optimiert für Echtzeit-Performance auf kommerziellen Mobilgeräten: Von Anfang an mussten wir so entwickeln, dass die Engine effizient auf den Geräten von Mitarbeitenden im Einsatz läuft – dort, wo Geschwindigkeit entscheidend ist und Akkulaufzeit kostbar.
4. Gezielter Einsatz von KI: Wir setzen KI bewusst und zielgerichtet dort ein, wo sie spezifische Prozesse deutlich verbessert. Die Scandit AI Engine automatisiert hochspezifische (und oft mühsame) Data-Capture-Aufgaben, die früher umfangreiche manuelle Arbeit erfordert haben. Das schafft einen klaren, messbaren Mehrwert für Unternehmen.
5. Nutzerzentrierte Workflows: Wir lösen reale Herausforderungen – etwa schnelles, robustes und ergonomisches Scannen auch unter schwierigen Bedingungen. Das übergeordnete Ziel ist stets ein Nutzererlebnis, das „einfach funktioniert“, sodass sich weder Entwickler noch Anwender Gedanken darüber machen müssen.Was den Scandit AI Engine besonders macht, sind die Prinzipien, die ihn antreiben – Prinzipien, die in über 15 Jahren der Entwicklung praxisnaher Lösungen für die größten Unternehmen der Welt entstanden sind.
6. Genauigkeit ist nicht verhandelbar: Eine Genauigkeit von 99,9% zu erreichen, ist in unserem Bereich entscheidend. Wenn wir sagen, dass ein Ausweis gefälscht ist, dass es fünf Produktausrichtungen gibt oder dass eine Patienten-Medikamenten-Kombination korrekt ist, gibt es kaum Toleranz für Fehler.
7. Sicherheit und Datenschutz stehen an vorderster Stelle: Wir trainieren unsere Modelle auf unterschiedliche Weise, um verschiedene Probleme zu lösen. Eine Gemeinsamkeit aller Scandit-Produkte besteht jedoch darin, dass sie standardmäßig nicht mit Live-Kundendaten trainiert werden. Stattdessen erhalten die Kunden das fertige, trainierte Modell. Dieses hat die Fähigkeit, Millionen von Pixeln in Millisekunden zu interpretieren. In den meisten Fällen läuft das Modell lokal auf Endgeräten der Benutzer, wodurch sensible Daten dort bleiben, wo sie hingehören.
8. Optimiert für Echtzeit-Leistung auf kommerziellen Mobilgeräten: Von Anfang an mussten wir so entwickeln, dass unsere Software effizient auf den Geräten von Frontline-Mitarbeitern läuft, wo Geschwindigkeit entscheidend und die Lebensdauer der Batterie kostbar ist.
9. Gezielte Nutzung von KI: Wir setzen KI gezielt und bewusst ein, wo sie spezifische Prozesse erheblich verbessern kann. Die Scandit AI Engine automatisiert hochspezifische (und mühsame) Datenerfassungsaufgaben, die zuvor erhebliche manuelle Eingriffe erforderten. Dies bietet Unternehmen einen erheblichen, quantifizierbaren Mehrwert.
10. Nutzerzentrierte Workflows: Wir gehen auf reale Herausforderungen von Benutzern ein, wie schnelles, robustes und ergonomisches Scannen auch unter schwierigen Bedingungen. Das übergeordnete Ziel ist stets, ein Benutzererlebnis zu schaffen, das „einfach funktioniert“ und über das sich weder der Entwickler noch der Benutzer Gedanken machen müssen.

Hier ist ein Überblick darüber, wie die Scandit AI Engine unsere drei Hauptproduktlinien antreibt. Unsere Barcode-Scanning-Produkte teilen sich eine einheitliche Codebasis und gemeinsame maschinelle Lernmodelle. ID-Scanning und ShelfView sind technisch unterschiedlich — aber sie werden vom selben Team entwickelt, greifen auf das gleiche tiefgehende Fachwissen in Computer Vision zurück und folgen den gleichen Prinzipien.

Erweitertes Barcode-Scanning

Scandit setzt seit über 15 JahrenMachine Learning (ML) und Computer Vision (CV) ein, um Barcodes aus dem Kamerastream von Smart Devices zu dekodieren.

Als wir Scandit gegründet haben, war das ein anspruchsvolles Engineering-Problem. Moderne KI steckte noch in den Kinderschuhen. Auch die Kameras der ersten Smartphones hatten kein Autofokus und waren qualitativ schlicht nicht gut genug.

Schon früh sagte uns der CIO eines der größten Lebensmittelhändler Europas, unsere Technologie würde niemals gut genug werden. Heute zählen wir 8 der 10 größten US-Lebensmittelhändler sowie 5 der 10 größten europäischen Einzelhändler zu unseren Kunden.

Wenn man nicht in diesem Bereich arbeitet, unterschätzt man leicht, wie schwierig Computer Vision wirklich ist. Menschen sind extrem visuelle Wesen. Rund die Hälfte unseres Gehirns – der leistungsfähigste „Supercomputer“, den wir kennen – ist der visuellen Verarbeitung gewidmet.

Was für Menschen leicht ist, ist für Computer schwer. Schau dir das Bild unten an: Für das menschliche Auge ist sofort klar, dass der Barcode, den die Person scannen möchte, der auf dem Produkt in ihrer Hand ist – und nicht einer der Barcodes, die im Hintergrund im Regal zu sehen sind.

Aber bis zur Veröffentlichung des Scandit SDK 7 im Jahr 2024 gab es auf der Welt keine Software, die das zuverlässig tun konnte.

Um den Barcode in diesem Bild erfolgreich zu scannen, muss die Scandit AI Engine:

• Erkennen, welchen Barcode der Nutzer scannen möchte, indem sie Kontextdaten wie Bewegung und Barcode-Eigenschaften analysiert.
• Den erkannten Barcode decodieren – der in diesem Fall winzig ist, auf einer gekrümmten Oberfläche gedruckt und teilweise durch Blendung/Reflexionen beeinträchtigt. Weitere Faktoren, mit denen wir umgehen, sind beschädigte Codes, schwaches Licht, extreme Winkel und unscharfe Bilder.

Sonderfälle müssen nicht hart codiert werden. Stattdessen erledigt unser KI-gestütztes Barcode-Scanning all das automatisch. Es passt sich an unterschiedliche Umgebungen an, um Codes zuverlässig zu scannen – ohne dass dafür explizite Anweisungen vom Entwickler oder vom Endnutzer erforderlich sind.

Edge-Fälle müssen nicht hart kodiert werden. Stattdessen erledigt unser KI-gestütztes Barcode-Scanning all dies automatisch. Es passt sich unterschiedlichen Umgebungen an, um Codes zuverlässig zu scannen, ohne explizite Anweisungen vom Entwickler oder Endbenutzer zu benötigen.

Die KI-gesteuerten Datenerfassungsfähigkeiten von Scandit zeigen bemerkenswerte technische Expertise und veranschaulichen einen tiefen Fokus auf Innovationen, die das Scan-Erlebnis des Benutzers unter realen Bedingungen wirklich verbessern.

François Martin, CTO und Mitbegründer von Yuka

Und das ist nur das Scannen eines einzelnen Codes. Unsere MatrixScan-Produkte machen all das oben Genannte, aber hier scannt die Scandit AI Engine auch mehrere Codes gleichzeitig. Sie verfolgt deren Position und fügt Augmented Reality (AR)-Overlays hinzu, um spezifische Anwendungsfälle zu lösen, wie z.B. den Artiel zählen, finden, oder auswählen – alle, ohne den Akku zu entleeren.

Smart Label Capture, unser neuestes Barcode-Scanning-Produkt, geht über das Scannen mehrerer Barcodes hinaus und erfasst auch Text. Noch wichtiger ist, dass es die Etikettenstruktur versteht: Barcode-Formate (z.B. 15-stellige IMEI-Nummern), Positionierung und kontextuelle Beziehungen (z.B. „BEST BEFORE“ neben einem Datum).

Das Ergebnis ist, dass Ihre Anwendung exakt die Daten erhält, die sie benötigt – nicht mehr und nicht weniger.

ID-Scanning und -Überprüfung

Ausweisdokumente sind chaotisch: Formate variieren je nach Gerichtsbarkeit, ältere Designs bleiben im Umlauf, und Betrüger imitieren subtile Layout- und Kodierungsdetails. Das macht genaue ID-Überprüfungen für die Fronteinsatzteams schwierig.

Beim Scannen und Verifizieren von Ausweisdokumenten kombiniert die Scandit AI Engine Machine Learning (ML), Computer Vision (CV), Vision-Language-Modelle (VLM) und weitere Technologien wie die optische Zeichenerkennung (OCR), um unstrukturierte visuelle Eingaben in strukturierte, verifizierbare Identitätsdaten zu verwandeln, denen Nutzer vertrauen können.

Traditionelle ID-Scanner basieren auf starren Vorlagen und „extrahieren“ hauptsächlich Daten, weshalb sie versagen, wenn Dokumente von den Spezifikationen abweichen oder wenn Fälschungen Inkonsistenzen ausnutzen. Zum Beispiel verwenden alle US-Führerscheine PDF417-Barcodes, kodieren jedoch die Felder je nach Bundesstaat unterschiedlich.

Die Scandit AI Engine zur Identitätsüberprüfung funktioniert anders. Es folgt dem gleichen Prinzip, nach dem gefälschte Kunst erkannt wird: Fälschungen werden nicht dadurch entdeckt, dass man das Motiv selbst betrachtet, sondern indem man Pinselstriche, Techniken und Materialien untersucht, um zu beurteilen, ob sie mit einem authentischen Werk übereinstimmen.

Ähnlich verhält es sich mit der Scandit AI Engine, die nicht einfach einzelne Datenwerte erfasst und dekodiert. Stattdessen analysiert sie strukturelle Merkmale – wie Felder gespeichert werden, wie Barcodes erzeugt und gedruckt werden und wie visuelle Elemente angeordnet sind – um Daten präzise zu erfassen und Fälschungen zu erkennen.

Shelfview

Unsere Regalintelligenz-Lösung, Shelfview, ist eine spezialisierte Lösung, die Bilder von Ladenregalen analysiert, die mit Smartgeräten, fest installierten Kameras und Robotern aufgenommen wurden. Ähnlich wie LLMs werden wir mit umfangreichen Datensätzen trainiert, um Ladenregale umfassend und genau zu verstehen. Auf diese Weise können Einzelhändler sehen, was wirklich auf ihren Regalen ist, nicht nur, was ihr Inventarsystem sagt.

• Die Szenenanalyse identifiziert Tabletts, Regale, Produkte und Regaletiketten.
• Produkte werden bis zur SKU-Ebene mit Bilderkennung identifiziert.
• OCR und Barcode-Scannen werden bei Regaletiketten eingesetzt, um Produkt- und Preisinformationen zu extrahieren.

Zusammen erstellen sie eine präzise digitale Darstellung des Regals (oft als Realogramm bezeichnet). Mitarbeiter erhalten dann priorisierte Benachrichtigungen über fehlende oder falsch platzierte Produkte, Preis- und Werbungsfehler, damit Probleme behoben werden können, bevor Kunden sie bemerken.

Was kommt als Nächstes für die Scandit AI Engine?

Die Zukunft der KI liegt in domänenspezifischen Modellen, die auf die besonderen Anforderungen einzelner Branchen zugeschnitten sind. Letztlich bewegt sich die Scandit AI Engine in Richtung eines Zustands, in dem man nicht mehr Barcodes scannt, Ausweise scannt, Objekte scannt oder Text scannt. Man scannt einfach… und bekommt das, was man braucht.

Eine ganzheitliche Szenenanalyse verarbeitet mehrere Datenquellen und Kontextinformationen und liefert exakt die Daten und Erkenntnisse zurück, die du für deinen konkreten Anwendungsfall brauchst — egal ob du Konsument:in, Mitarbeiter:in im Store, Zusteller:in oder Operations Manager bist — ohne dass du zwischen Tools wechseln oder ausdrücklich angeben musst, was genau du willst.

In vielerlei Hinsicht ist die Scandit AI Engine wie ein selbstfahrendes Auto — nur dass der Kontext nicht die offene Straße ist, sondern dein Unternehmen.

Ein selbstfahrendes Auto nutzt Kameras und Sensoren, um seine Umgebung zu erfassen, verarbeitet diese Daten mit fortschrittlichen Machine-Learning-Algorithmen und nutzt die daraus gewonnenen Informationen, um zu bremsen, zu lenken und sicher zu navigieren. Die Scandit AI Engine nutzt die Kameras auf Smart Devices, um Barcodes, Text und Objekte in Echtzeit zu erfassen und zu interpretieren, und gibt sofortiges Feedback sowie gezielte Hinweise basierend auf dem, was sie erkennt — etwa Warnungen zu falschen Preisen, niedrigem Bestand oder gefälschten Ausweisen.

In beiden Fällen leistet die KI mehr, als nur „zu sehen“. Sie versteht und reagiert auf die Umgebung und verbessert dadurch Entscheidungsfindung und Effizienz. Letztlich ist die Scandit AI Engine die Intelligenzschicht zwischen Unternehmensumgebung und Nutzer, die die digitale und die physische Welt miteinander verbindet.

Mehr erfahren

Blogbeitrag

Künstliche Intelligenz beim Barcode-Scannen: Hype vs. Realität

Die drei Ebenen der KI beim Barcode-Scannen - und der Unterschied zwischen inkrementellen Verbesserungen und transformatorischen Fähigkeiten.

Weiterlesen