Lagerinventur mit Kameras & Drohnen

Jahresinventuren und manuelle Zählungen im laufenden Betrieb legen die Arbeit still, binden Personal und lassen Lagerplatzfehler dennoch unentdeckt. Drohnen mit Kamera, Staplerkameras und fest montierte Kameras lesen laufend Palettenetiketten, Barcodes und Regalinhalte, vergleichen sie mit dem Lagerverwaltungssystem (WMS) und melden nur die Abweichungen. Das Ergebnis sind eine höhere Bestandsgenauigkeit, weniger Fehlbestände und Zählungen nachts oder zwischen den Schichten, ohne die Kommissionierung anzuhalten.

Problem & Nutzen

• Heute: Mitarbeitende gehen mit Handscannern durch die Gänge, oder der Standort schließt für eine vollständige Inventur. Hochregale (über 8-10 m) erfordern Hubwagen oder Arbeitsbühnen, was langsam ist und ein Sicherheitsrisiko darstellt. Falsch eingelagerte Paletten, falsche SKUs und Phantombestände fallen spät auf, oft in Form verpasster Aufträge.
• KI-Nutzen: häufige, belegbare Zählungen (Foto je Lagerplatz), sicherere Arbeit in der Höhe, Personal, das vom Gehen zur Klärung von Ausnahmen wechselt, und eine laufend aktualisierte Sicht auf die Belegung.
• Belege: Anbieter wie Verity, Gather AI und Corvus veröffentlichen Kundenfallstudien zu Zählgeschwindigkeit und Genauigkeit; betrachten Sie diese als Herstellerangaben und prüfen Sie sie mit einem Pilot an Ihren eigenen Regalen [1][2][3]. Aufsichtsbehörden veröffentlichen für diesen Anwendungsfall keine übergreifenden Nutzenzahlen.

Varianten

• Autonome Indoor-Drohnen, die nachts Regale scannen (Hochregallager, große 3PL-Standorte).
• An Stapler oder AMR montierte Kameras, die Lagerplätze scannen, während die Fahrzeuge ihre normale Arbeit erledigen.
• Fest montierte Kameras / Portal- oder Torscanner an Verladetoren und Förderlinien zur Prüfung von Wareneingang und Warenausgang.
• Visuelles Zählen per Handgerät/Smartphone von loser Ware und Regalbeständen (siehe VIS-026, VIS-009).
• RFID-gestütztes Zählen, wenn markierte Artikel gebündelt gelesen werden; Kameras erfassen nicht markierte Paletten.
• Außenlager und Schüttgut (Holz, Kohle, Schrott) mit Drohnen-Photogrammetrie zur Volumenbestimmung (VIS-026).

So funktioniert es

1. Missionsplan / Fahrzeugroute (Regalkarte, Lagerplatzliste)
2. Bild- & Videoaufnahme (Drohne, Staplerkamera, feste Kamera) + Lokalisierung (visuelles SLAM / UWB / Lidar)
3. Erkennung von Paletten, Kartons und Etiketten (Objekterkennung, Segmentierung)
4. Barcode / QR / Etiketten-OCR, Lesen von SKU und Los (OCR, VLM für beschädigte Etiketten)
5. Lagerplatzzuordnung (Pose + Regalkarte
6. Lagerplatz-ID)
7. Abgleich mit dem WMS (erwartet vs. beobachtet)
8. Ausnahme-Warteschlange (menschliche Nachprüfung mit Foto)
9. Inventuraufgabe / WMS-Korrektur

• Lokalisierung ist in Gebäuden ohne GPS der schwierige Teil: visuell-inertiale SLAM, Lidar oder UWB-Anker ordnen jedes Bild einem Lagerplatz zu.
• Lesen: 1D/2D-Codes werden mit klassischen oder ML-Dekodern gelesen; Etikettentext (SKU, Los, Verfalldatum) mit OCR oder einem VLM, das Bewegungsunschärfe und schräge Aufnahmen besser verarbeitet als Vorlagen-OCR (siehe VIS-018).
• Das Zählen der Einheiten innerhalb einer Palette (Kartons je Lage) nutzt Detektion oder ein VLM; die Genauigkeit sinkt bei folierten, gemischten oder verdeckten Paletten.
• Mensch-in-der-Schleife (Human-in-the-Loop): Abweichungen gehen mit dem Foto an eine Bestandskontrolleurin bzw. einen Bestandskontrolleur; WMS- Bestandskorrekturen oberhalb eines Wertschwellenwerts brauchen eine Freigabe. Drohnen und KI buchen Bestandsänderungen nicht allein.

Datenaufbereitung

Das Zählen schafft nur dann Nutzen, wenn es mit dem Buchbestand verglichen werden kann; die wichtigsten Daten sind daher die WMS-/ERP-Bestandsliste: Artikelstamm, Lagerplätze, Mengeneinheiten sowie Paletten- oder Kartongrößen. In einem KMU liegen diese im ERP, in Excel-Lagerplatzlisten und teils nur in den Köpfen der Lagermitarbeitenden. Typische Lücken sind fehlende oder uneinheitliche Lagerplatzcodes, keine Barcodes oder Etiketten an Regalen, gemischte Verpackungseinheiten, doppelte Artikel und keine Fotos davon, wie der Bestand tatsächlich im Regal aussieht (gestapelt, foliert, teilweise verdeckt).

Schritte der Aufbereitung: Bereinigen Sie die Lagerplatzstruktur und beschriften Sie Regale mit lesbaren Codes oder Barcodes, exportieren und bereinigen Sie den Artikelstamm von Dubletten (siehe PREP-005 und PREP-011), legen Sie Einheiten und Toleranzregeln dafür fest, was als Abweichung gilt, und führen Sie eine manuelle Zählung parallel durch, um einen geprüften Testdatensatz zu erhalten (PREP-018). Werkzeuge: der ERP-Export, ein Beschriftungswerkzeug und die Standort-Kartierungs-App des Anbieters. Daten- und Standortvorbereitung machen etwa 25-35 Prozent des Aufwands aus; die physische Beschriftung der Regale ist oft der größte Posten.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil fertige Kamera-, Scanner-Drohnen- oder Regalscan-Dienste für einzelne Standorte existieren und den Aufbau einer eigenen Bildverarbeitungs-Pipeline vermeiden.
• Großunternehmen: Weg B, weil Zählungen über viele Standorte hinweg mit dem WMS/ERP-Bestand abgeglichen werden müssen und eine eigene Pipeline Lizenzkosten pro Standort vermeidet.
• Entwickler: Weg C, weil offene Erkennungs- und OCR-Modelle auf Edge-Geräten eigene Zählprodukte ohne Cloud-Abhängigkeit ermöglichen.

Weg A — Kaufen (Standardsoftware) (für die meisten Standorte empfohlen)

• Drohnenbasiert: Verity (Schweiz, nicht EU), Gather AI (USA, Drohnen plus Staplerkameras), Corvus Robotics (USA), Eyesee (Hardis Group, FR/EU), Dronegy (FR/EU), Doks Innovation (Kroatien/EU, Innovation-Drohnen).
• Fahrzeug- und Festkamera: Gather-AI-Staplermodule, Zebra (Scannen und Machine Vision), Scandit (SDK für das Scannen mit Smart-Geräten, Schweiz/USA), Cognex und Datalogic (feste Lesegeräte, EU/USA).
• Prüfen: WMS-Konnektor (SAP EWM, Manhattan, Blue Yonder, Körber, Oracle), Bereich der Regalhöhe, Sicherheitszertifizierung für den Betrieb in der Nähe von Menschen, Speicherort und Aufbewahrung der Bilder.
• Wählen Sie A, wenn: ein Standort mehrere tausend Palettenplätze, Regale über 6 m oder ein Bestandsgenauigkeitsproblem hat, das einen Pilot rechtfertigt.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Lesen und Zählen: multimodale Modelle über Endpunkte in EU-Regionen (Gemini auf Vertex AI, Azure OpenAI, Claude über Cloud-Anbieter, Mistral) zum Verstehen von Etiketten und Paletten; Azure AI Document Intelligence oder Google Document AI für Etikettentext; AWS Rekognition Texterkennung.
• Orchestrierung: Ereignis-Pipelines (MQTT/Kafka) von den Erfassungsgeräten, n8n oder eigene Dienste und WMS-APIs für den Sollbestand.
• Wählen Sie B, wenn: Sie bereits Bilder erfassen (Stapler-Tablets, Kameras) und eigene Logik brauchen.

Weg C — Selbst betreiben (Open Source)

• Erkennung: Ultralytics YOLO (AGPL-Lizenz beachten) oder permissiv lizenzierte RT-DETR/D-FINE- Varianten; Grounding DINO / SAM-Familie für offenes Vokabular und Segmentierung; supervision/ByteTrack fürs Tracking.
• Codes und Text: ZXing-cpp, zbar, PaddleOCR; offene VLMs (Qwen-VL-Familie) über vLLM für schwierige Etiketten.
• Kartierung: ROS 2 mit RTAB-Map oder ORB-SLAM3 zur Lokalisierung; NVIDIA Isaac ROS, wo Jetson genutzt wird.
• Hardware: HW1 (Jetson-Orin-Klasse auf Fahrzeug/Drohne, CPU-Server) für Erkennung und Dekodierung; HW2 für ein VLM, das mehrere Standorte bedient. Die Drohnenhardware selbst wird gekauft, nicht selbst gebaut.

Weg D — Eigenes Training

Lohnt sich bei ungewöhnlichen Etikettenlayouts, folierten oder gemischten Paletten und standortspezifischer Regalgeometrie. Meist sind einige Tausend beschriftete Bilder je Standorttyp nötig; Korrekturen der Bediener aus der Ausnahmewarteschlange liefern Trainingsdaten. Das Nachtrainieren je Standort gelingt günstig durch Feintuning eines kleinen Detektors.

Stand der Technik (2026)

• Etablierte Bausteine, Systeme für frühe Anwender: Codelesen und Palettenerkennung sind ausgereift; das durchgängige autonome Scannen gemischter Lager ist bei führenden 3PL und Händlern im Einsatz, braucht aber weiterhin Einrichtung und Kartierung je Standort.
• VLMs haben das Lesen beschädigter, gewölbter oder schlecht beleuchteter Etiketten und das Zählen sichtbarer Kartons verbessert, können aber plausible SKUs halluzinieren: Prüfen Sie Lesungen immer gegen Prüfziffern, WMS-Stammdaten und GS1-Formate (GTIN, SSCC) [4].
• Fusion von RFID-, Kamera- und WMS-Daten wird zum Standard für hohe Genauigkeit.
• Grenzen: Artikel, die hinter anderen verdeckt sind, in geschlossenen Kartons liegen oder in der zweiten Palettentiefe stehen, lassen sich nicht visuell zählen; reflektierende Folie, wenig Licht, Staub und Bewegungsunschärfe senken die Leseraten; die Akkulaufzeit der Drohne begrenzt die Abdeckung je Einsatz; Indoor-Flüge in der Nähe von Menschen erfordern strenge Sicherheitsregeln.

Gemeinsame Bausteine & Kombinationen

• Gleicher Technologie-Stack (object-detection + ocr-docparse + edge-runtime): VIS-018 industrielle OCR, VIS-009 Regalüberwachung, VIS-026 Zählen und Volumenschätzung, VIS-017 Produkterkennung.
• Drohnen- und Kartierungsplattform: gemeinsam mit VIS-003 (Drohneninspektion) und ROBO-006 (autonome Drohnen).
• Nachgelagert: OPT-005 Nachschub und OPT-006 Lagerplatzzuordnung nutzen genaue Bestands- und Belegungsdaten; VIS-007 kann dieselben Kameras für die Sicherheit nutzen, wenn die Governance es erlaubt (getrennter Zweck).
• Logistikdokumente: DOC-006 zum Abgleich von Lieferscheinen mit gescannten Paletten.

Aufwand, Kosten & Kennzahlen

• Weg A: Pilot in 2-3 Monaten für einen Gangblock, Ausrollen über einige Quartale; die Preise sind typischerweise ein Abonnement je Standort oder je Drohne/Fahrzeug (Angebote einholen; die Werte schwanken stark).
• Weg B: 3-6 Monate; vor allem Erfassungshardware, Lokalisierung und WMS-Integration.
• Weg C/D: 6+ Monate, spezialisiertes Robotik- und CV-Team.
• Kennzahlen: Bestandsgenauigkeit (Lagerplatz und Menge), Leserate je Lagerplatz, gescannte Lagerplätze pro Stunde, Anteil der von Menschen bestätigten Abweichungen (Precision), Fehlbestände und Fehlgriffe, Arbeitsstunden je Zählung, Sicherheitsvorfälle in der Höhe.

Menschen & Veränderung

Beginnen Sie mit der Geschäftsleitung für Umfang und Budget und der Lagerleitung als Prozessverantwortlichen; Mitarbeitende, die heute zählen, müssen am Entwurf beteiligt sein, weil die Zählregeln und Ausnahmen in ihrer Erfahrung stecken. IT und IT-Sicherheit decken Netzwerk, Zugriff auf Drohnen oder Kameras und Datenflüsse ab; der Dateneigner der ERP-Bestandsdaten gibt die Abgleichsregeln frei. Der Bestand an internen Lagerdaten sind Geschäftsdaten, doch Kameras und Drohnen erfassen auch Beschäftigte; daher hat der Betriebsrat ein Mitbestimmungsrecht nach §87 Abs. 1 Nr. 6 BetrVG (nach dem BAG genügt die objektive Eignung) und ist nach §90 Abs. 1 Nr. 3 zu unterrichten. Vereinbaren Sie in einer Betriebsvereinbarung, dass Bilder nur für die Bestandszählung genutzt, nicht zur Leistungsbeurteilung verwendet und nach kurzer Zeit gelöscht oder unkenntlich gemacht werden. Sind Beschäftigte identifizierbar, beziehen Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten ein, prüfen Sie die Notwendigkeit einer DSFA und schließen Sie mit Cloud-Anbietern einen AVV.

Fördern Sie die KI-Kompetenz nach Art. 4 mit einer kurzen Schulung dazu, was die Zählungen bedeuten und wann man ihnen vertrauen kann. Wählen Sie einen Gang oder einen Standort als Pilot und lassen Sie ihn neben manuellen Zählungen laufen. Häufige Sorgen sind Überwachung und Arbeitsplatzverlust; begegnen Sie ihnen mit Transparenz über Flug- und Kamerazonen und indem Sie Mitarbeitende zu Ausnahmeprüfungen versetzen. Siehe GUIDE-004, GUIDE-009 und GUIDE-013.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko bei der Bestandszählung. Sensibel wird es, wenn Kameras auch zur Bewertung von Beschäftigten genutzt werden (Produktivitätsüberwachung, Emotionserkennung). Emotionserkennung am Arbeitsplatz ist nach Art. 5 Abs. 1 Buchst. f verboten; KI im Personalmanagement kann nach Anhang III Nr. 4 hochriskant sein [5]. Halten Sie Zählsysteme zweckgebunden.
• DSGVO: Die Bilder erfassen Beschäftigte und Fahrer. Nutzen Sie Datenschutz durch Technikgestaltung: Zweckbindung, Unkenntlichmachen oder Beschneiden von Personen (siehe VIS-030), kurze Aufbewahrung des Rohvideos, eine DSFA, wo eine dauerhafte Überwachung wahrscheinlich ist, und die Mitbestimmung des Betriebsrats in Deutschland (BetrVG §87 Abs. 1 Nr. 6) [6].
• Luftfahrt und Sicherheit: Drohnen in Gebäuden liegen bei vollständiger Einhausung in der Regel außerhalb des Anwendungsbereichs der EASA-Kategorie „offen“, prüfen Sie aber nationale Regeln, Versicherung und die Bewertung der Maschinen- und Arbeitsplatzsicherheit [7]. Flüge im Außenlager fallen unter die Verordnung (EU) 2019/947.
• Daten und Cybersicherheit: Bestandsdaten sind geschäftlich sensibel; sichern Sie Drohnen- und Kameranetze, signierte Firmware und Hosting in der EU, wo erforderlich.
• Gegenmaßnahmen: menschliche Freigabe von Bestandskorrekturen, Fotonachweis je Lagerplatz, Vergleich im Schattenbetrieb mit manuellen Zählungen, bevor Prüfungen ersetzt werden, Akzeptanz der Methode durch die Prüfer (Inventurregeln der Rechnungslegung wie HGB §240/§241 erlauben unter Bedingungen Verfahren der permanenten Inventur).

Erste Schritte

1. Messen Sie die Ausgangslage: Bestandsgenauigkeit, Zählkosten, Zählhäufigkeit und die wichtigsten Ursachen für Abweichungen.
2. Wählen Sie eine Regalzone mit barcodebeschrifteten Lagerplätzen und führen Sie einen 4-8-wöchigen Pilot mit 1-2 Anbietern durch.
3. Vergleichen Sie die Ergebnisse mit manuellen Zählungen an denselben Lagerplätzen (Leserate, Precision, Geschwindigkeit).
4. Vereinbaren Sie Maßnahmen zu DSGVO, Betriebsrat und Sicherheit, bevor Flüge oder der Kamera-Rollout beginnen.
5. Binden Sie Ausnahmen in die WMS-Aufgabenwarteschlange ein und erweitern Sie dann Zone für Zone.

Quellen

1. Verity — autonomous inventory drones — https://verity.net
2. Gather AI — autonomous inventory monitoring — https://www.gather.ai
3. Corvus Robotics — Corvus One inventory drone — https://www.corvus-robotics.com
4. GS1 — GTIN and SSCC identification standards — https://www.gs1.org/standards/id-keys
5. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
6. EDPB — Guidelines 3/2019 on processing of personal data through video devices — https://www.edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-32019-processing-personal-data-through-video_en
7. EASA — Drones and air mobility, rules for drone operations — https://www.easa.europa.eu/en/domains/civil-drones
8. Ultralytics YOLO documentation — https://docs.ultralytics.com
9. ROS 2 documentation — https://docs.ros.org