Verlustprävention an Selbstbedienungskassen (Erkennung nicht gescannter Artikel und Etikettentausch)

Selbstbedienungskassen verlagern die Scan-Arbeit auf die Kunden und damit einen Teil der Fehler und des gezielten Diebstahls: Artikel werden ohne Scan vorbeigereicht, billige Barcodes auf teure Ware geklebt, hochwertiges Obst und Gemüse mit einem günstigeren Code eingegeben. Deckenkameras, die mit den Kassenereignissen synchronisiert sind, vergleichen Artikel für Artikel, was gesehen wird, mit dem, was gescannt wird, und weisen den Kunden entweder auf dem Bildschirm darauf hin oder rufen eine Aufsichtskraft. Ziel sind weniger Verluste, ohne ehrliche Kunden zu beschuldigen und ohne Gesichtserkennung.

Problem & Nutzen

• Heute: Eine einzelne Aufsichtskraft überwacht 4–8 Selbstbedienungskassen. Verluste entstehen durch ehrliche Fehler (Artikel nicht gescannt, doppelt eingepackte Ware, falscher Obst-/Gemüsecode) und durch Absicht (Etikettentausch, „Pass-arounds“). Händler reagieren mit Bon-Kontrollen, Stichproben, Gewichtssensoren und Kassensperren, die Kunden verärgern und Personal binden.
• KI-Nutzen: Der Abgleich von Video und Scans auf Artikelebene erkennt Abweichungen in dem Moment, in dem sie passieren; die meisten Fälle lösen sich so durch einen höflichen Hinweis auf dem Bildschirm statt durch einen Eingriff des Personals.
• Von Anbietern berichtete Zahlen (ungeprüft, Anbieter-Marketing): Everseen wirbt mit großen Rückgängen bei Verlusten an Selbstbedienungskassen und bei Personaleingriffen [1]; unabhängig geprüfte Zahlen wurden nicht gefunden. Betrachten Sie sie als Obergrenzen und messen Sie in einem A/B-Pilot in den eigenen Filialen.
• Vorbehalt zum Business Case: Inventurverluste setzen sich aus Diebstahl, Prozessfehlern und Lieferantenverlusten zusammen; Selbstbedienungskassen sind nur ein Teil davon. Berechnen Sie vor dem Kauf den adressierbaren Verlust je Kasse.

Varianten

• Erkennung nicht gescannter Artikel (Pass-around): Ein Artikel passiert die Scanzone oder gelangt in den Packbereich, ohne dass ein Scan-Ereignis vorliegt.
• Etiketten-/Barcode-Tausch: Der gescannte Code passt nicht zur visuellen Produktklasse oder zum Gewicht.
• Abweichung bei Obst und Gemüse: falscher PLU-Code (Bio statt konventionell, Banane statt exotischer Frucht).
• Varianten für bediente Kassen und mobiles Scannen: dieselbe Fusion an Kassen mit Personal (Sweethearting auf Kassiererseite) und bei Scan-and-Go-Einkäufen; Letzteres wirft stärkere arbeitsrechtliche Fragen auf.
• Arbeitsablauf zur Verlustprävention im Handel (Referenz im Stil von NVIDIA Metropolis): eine Referenz-Pipeline aus Erkennung, Tracking und einem VLM zur Prüfung von Alarmen, die Händler oder Integratoren auf eigenen GPUs betreiben können [4].
• Kunden-Assistenzmodus: dasselbe Signal wird nur für Hinweise wie „Haben Sie einen Artikel vergessen?“ genutzt, ohne Mitarbeiter-Alarm und ohne Aufzeichnung. Geringstes rechtliches Risiko.

So funktioniert es

overhead camera (per lane, 15-30 fps)
  -> edge GPU/NPU: item detection + hand/item tracking + zone logic (scan zone, bag zone)
  -> product recognition (embedding match to catalogue; weight cross-check)
  <- POS event stream (scan, PLU, void, weight)
  -> fusion engine: align events by time and track ID, produce match / missing / mismatch
  -> policy: confidence + customer history-free rules -> nudge | staff alert | log only
  -> human: attendant reviews 3-5 s clip, decides; outcome feeds back as label

• Erkennung und Tracking: Detektoren der YOLO-Klasse oder Transformer-Detektoren plus Mehrobjekt-Tracking verfolgen Artikel und Hände durch Scan- und Packzonen.
• Erkennung der Produkte: visuelle Embeddings gegen den Produktkatalog (Form, Verpackung), kombiniert mit dem Gewicht der Packwaage; schwierig sind Obst und Gemüse in loser Ware, lose Artikel und ähnliche Verpackungen.
• Fusion: der Kern des Produkts. Ein Stream-Prozessor gleicht visuelle Ereignisse mit den Zeitstempeln der Kasse ab und lässt ein Toleranzfenster zu.
• VLM-Prüfung (optional): Ein Vision-Language-Modell prüft den kurzen Clip zu einem markierten Ereignis, um Fehlalarme zu senken, bevor ein Mensch sie sieht.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Aufsichtskraft entscheidet immer; das System macht Vorschläge. Keine automatische Beschuldigung, kein automatisches Hausverbot, keine Identifizierung von Personen.

Datenaufbereitung

Zwei Datenquellen müssen aufeinander abgestimmt werden: das Video der Kassenzone (vorhandene Kameras oder neue Deckenkameras) und der Ereignisstrom der Kasse (Scan, PLU, Gewicht, Storno). Der Produktkatalog mit Referenzbildern und Gewichten liegt meist im ERP oder im Warenwirtschaftssystem.

Typische Lücken: Katalogeinträge ohne Bilder oder Gewichte, uneinheitliche PLU-Codes für Obst und Gemüse, Kamerawinkel, die Scan- und Packzone nicht abdecken, nicht synchronisierte Uhren zwischen Kamera und Kasse sowie keine gelabelte Historie echter Diebstähle im Vergleich zu ehrlichen Fehlern.

Schritte der Aufbereitung: 1. Zeitquellen (NTP) über Kameras, Kassen und Kassensystem hinweg synchronisieren. 2. Den Katalog vervollständigen: Bilder, Gewichte, PLU-Codes (PREP-011, PREP-005). 3. Kameraplatzierung festlegen und die Zonen je Kassentyp kalibrieren. 4. Eine Schattenphase von 2–4 Wochen durchführen und Alarme von den Aufsichtskräften als richtig oder falsch labeln lassen; die Ergebnisse als Labels übernehmen (PREP-020, PREP-021). 5. Mit einer Expertin oder einem Experten eine Testmenge aus markierten Clips aufbauen (PREP-018). 6. Aufbewahrungs- und Verpixelungsregeln für Videos festlegen, bevor irgendetwas erfasst wird (PREP-024, PREP-025).

Aufwandsanteil: etwa 25–30 Prozent, überwiegend für Integration, Kalibrierung und Labeling.

Umsetzungswege

Welcher Weg für wen

• enterprise (A): Händler betreiben einen SB-Kassen-Anbieter, und die Schwierigkeit liegt in der Integration in die Kassen-Firmware und das Kassensystem – das haben Everseen oder der SB-Kassen-Anbieter bereits gelöst.
• developer (C): Erkennung und Tracking am Rand (Edge) mit offenen Modellen auf einer lokalen GPU halten das Kassenvideo vor Ort und erlauben es, die Fusion mit den Kassenereignissen selbst zu bauen.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• Everseen (Irland, EU) – Checkout Intelligence für Selbstbedienungskassen und bediente Kassen, integriert sich in vorhandene Kameras und Kassensysteme [1].
• Diebold Nixdorf (Deutschland, EU) – Vynamic Smart Vision, bildbasierte Verlustprävention, integriert in die eigene SB-Kassen-Hardware.
• NCR Voyix und Toshiba Global Commerce Solutions – vom Anbieter integrierte Bildverarbeitungsoptionen auf ihren SB-Kassen-Plattformen.
• Weitere: Zippin, Veesion (Frankreich, EU; Schwerpunkt Diebstahl am Regal), Sensormatic/Johnson Controls.
• A wählen, wenn: Sie bereits einen SB-Kassen-Anbieter betreiben; die Integration in die Kassen-Firmware und das Kassensystem ist die Schwierigkeit, und die Anbieter haben sie gelöst. Fragen Sie nach: Rate falsch positiver Meldungen je 1.000 Transaktionen, EU-Hosting, Verarbeitung am Rand (Edge), keine biometrischen Funktionen, Unterstützung bei der DSFA, Unterlagen für den Betriebsrat.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Für die Echtzeitschleife selten sinnvoll: Latenz und dauerhaftes Hochladen des Kassenvideos erhöhen Kosten und DSGVO-Risiko.
• Sinnvoll für die zweite Stufe: Nur markierte Clips an ein multimodales Modell senden (Gemini, GPT, Claude, Mistral Vision in EU-Regionen), zur Prüfung oder um der Aufsichtskraft eine einzeilige Begründung zu liefern. Gesichter vor dem Hochladen verpixeln (siehe VIS-030).

Weg C — Selbst betreiben (Open Source)

• Erkennung/Tracking: Ultralytics YOLO (AGPL, Lizenz für kommerzielle Nutzung prüfen) oder RT-DETR; ByteTrack/BoT-SORT für das Tracking; Open-Vocabulary-Detektoren für neue Produkte.
• Produkterkennung: DINOv2-/SigLIP-Embeddings mit einem Vektorindex je Filialkatalog.
• Streaming: NVIDIA DeepStream / Metropolis-Microservices oder GStreamer mit Kafka/MQTT für die Kassenereignisse [4].
• VLM-Prüfung: Modell der Klasse Qwen-VL über vLLM auf einem Filial- oder Regionalserver.
• Hardware: HW1 je Filiale (Geräte der Klasse Jetson Orin bewältigen mehrere Kassen); HW2/HW3 zentral für die VLM-Prüfung.

Weg D — Eigenes Training

In irgendeiner Form meist nötig: Detektor und Produkterkennung auf dem eigenen Sortiment, den Verpackungen und der Kassengeometrie feintunen (Feintuning; Hunderte bis Tausende gelabelte Clips je Kassenlayout). Die Labels stammen aus den Entscheidungen der Aufsichtskräfte. Bei saisonalen Verpackungen und neuen Filiallayouts nachtrainieren.

Stand der Technik (2026)

• Produktive Systeme führen Erkennung und Tracking am Rand (Edge) aus; die Fusion mit den Kassendaten ist das Unterscheidungsmerkmal und der Hauptaufwand der Integration.
• Open-Vocabulary-Detektoren und die Suche über visuelle Embeddings verringern den Labeling-Aufwand für neue Produkte im Vergleich zum Training mit geschlossenen Klassen.
• VLMs als Prüfschicht sind ein aufkommendes Muster zur Senkung von Fehlalarmen [4]; noch kein Ersatz für eine deterministische Fusion.
• Grenzen und Fehlerbilder: Verdeckung durch Hände oder Taschen, ähnliche Verpackungen, lose Ware, sperrige Artikel auf dem Unterboden des Einkaufswagens, falsch ausgerichtete Kameras, Lichtverhältnisse; gezieltes Täuschungsverhalten; falsche Beschuldigungen sind das größte wirtschaftliche Risiko (Kundenvertrauen, Rechtsansprüche). Unabhängige, begutachtete Genauigkeitsdaten sind selten; Anbieteraussagen sind zwischen Standorten nicht vergleichbar.

Gemeinsame Bausteine & Kombinationen

• Derselbe Stack für Erkennung/Tracking wie bei VIS-008 (Besucherfrequenz), VIS-009 (Regalüberwachung) und VIS-017 (kassenloser Handel, der den Scan ersetzt statt ihn zu überwachen).
• Kamerainfrastruktur und Edge-GPUs werden gemeinsam mit VIS-010 (Überwachung) genutzt – Zwecke und Aufbewahrung sind rechtlich aber getrennt zu halten.
• VIS-031: Suche in natürlicher Sprache über Clips zur Vorfallsprüfung.
• ANOM-001 / ANOM-004: Signale zu Zahlungs- und Aktionsmissbrauch können das Bildsignal ergänzen, aber nicht ersetzen.
• VIS-016 vermeiden: Gesichtserkennung bei Wiederholungstätern ist eine andere rechtliche Kategorie und hier nicht Gegenstand.

Aufwand, Kosten & Kennzahlen

• Weg A: 2–4 Monate für einen Pilot mit 5–20 Filialen einschließlich Kamerainstallation und Kassenintegration; Lizenz in der Regel pro Kasse und Monat.
• Weg C/D: 6–12 Monate und ein eigenes CV-/ML-Team; nur für sehr große Ketten.
• Kostentreiber: Kameras und Edge-Rechenleistung je Kasse, Integration in Kassen-/SB-Kassen-Firmware, Labeling, Schulung der Aufsichtskräfte.
• Kennzahlen: zurückgewonnener Verlust (EUR) je Kasse, Präzision der Alarme (Anteil, den die Aufsichtskraft bestätigt), Fehlalarmrate je 1.000 Transaktionen, Eingriffe je Aufsichtsstunde, Transaktionsdauer, Kundenzufriedenheit/Beschwerden, Inventurverluste im Vergleich zu Kontrollfilialen.

Menschen & Veränderung

Binden Sie zuerst die Geschäftsführung und die Leitung des Filialbetriebs ein, dann IT und IT-Sicherheit (Kameranetz, Edge-Geräte), die oder den Datenschutzbeauftragten und den Betriebsrat, bevor irgendeine Kameraanalyse startet. Aufsichtskräfte und Kassierende sind die Anwender und die Personen, die indirekt beobachtet werden; beziehen Sie sie in einen Pilot in zwei oder drei Filialen ein.

Betriebsrat: ja. Kameras, die mit Kassenereignissen verknüpft sind, können das Verhalten und die Leistung von Beschäftigten überwachen (Reaktionen der Aufsichtskräfte, Eingriffszeiten), und nach Auffassung des BAG genügt die objektive Eignung für die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG. Informieren Sie zudem nach § 90 Abs. 1 Nr. 3 und erwägen Sie einen Sachverständigen nach § 80 Abs. 3. Schließen Sie eine Betriebsvereinbarung, die die individuelle Leistungsbeurteilung ausschließt. In öffentlichen Stellen gilt der Personalrat.

Datenschutz: Kunden werden gefilmt, daher ist eine DSFA (Art. 35 DSGVO) wahrscheinlich; schließen Sie einen AVV mit dem Anbieter und halten Sie Personenidentifizierung und Biometrie außerhalb des Umfangs. Bringen Sie eine deutliche Beschilderung an.

KI-Kompetenz: Unterstützen Sie die Aufsichtskräfte mit Schulungen zum Lesen von Alarmen und zum höflichen Umgang mit Kunden (GUIDE-006).

Bedenken: „Überwachung von uns“ – schriftliche Zweckbindung; „falsche Beschuldigungen“ – die Aufsichtskraft entscheidet immer, kein automatisches Hausverbot. Prüfen Sie die Raten falsch positiver Meldungen wöchentlich (GUIDE-004, GUIDE-005, GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): typischerweise minimales Risiko: Objekterkennung an Waren, nicht an Biometrie oder Identität von Personen. Rote Linien nach Art. 5: Fügen Sie keine Emotionserkennung hinzu (nichts wie ein Scoring von „nervösem Verhalten“ bei Personal oder Kunden), keine biometrische Kategorisierung und keine gesichtsbasierte Identifizierung von Personen; Art. 5 Abs. 1 Buchst. d verbietet es, Einzelpersonen allein auf Grundlage von Profiling oder Persönlichkeitsmerkmalen zu bewerten, um Straftaten vorherzusagen – halten Sie Alarme daher ereignisbasiert (Artikelabweichung), nie personenbasiert. Bewertet das System auch Beschäftigte (z. B. Leistungs-Scoring von Kassierenden), kann es unter Anhang III Beschäftigung fallen (hohes Risiko). Art. 4 KI-Kompetenz gilt [3].
• DSGVO: Videos identifizierbarer Kunden und Beschäftigter sind personenbezogene Daten. Rechtsgrundlage ist meist das berechtigte Interesse (Art. 6 Abs. 1 Buchst. f) mit dokumentierter Abwägung; eine DSFA ist wahrscheinlich (systematische Überwachung eines öffentlich zugänglichen Bereichs); Beschilderung; kurze Aufbewahrung der Clips (nur markierte Ereignisse); keine Biometrie (Art. 9). Die Leitlinien des EDSA zu Videogeräten gelten [5].
• Arbeitsrecht: In Deutschland besteht Mitbestimmung des Betriebsrats bei technischen Systemen, die Beschäftigte überwachen können (BetrVG § 87 Abs. 1 Nr. 6) [6]; vergleichbare Rechte in AT, FR, NL. Untersagen Sie die Nutzung der Daten für Leistungs- oder Disziplinarbewertungen, sofern nichts anderes vereinbart ist.
• Fairness gegenüber Verbrauchern: keine automatische Beschuldigung; neutrale Formulierung der Hinweise; eine Aufsichtskraft muss entscheiden; Beschwerdeverfahren dokumentieren. Die Haftung bei unrechtmäßigem Festhalten verbleibt beim Händler.
• Gegenmaßnahmen: Verarbeitung am Rand (Edge), Verpixeln von Gesichtern in gespeicherten Clips, keine Verknüpfung von Personen über mehrere Besuche, Audit-Protokolle des Anbieters, regelmäßige Prüfung der falsch positiven Meldungen je Filiale sowie Prüfungen auf demografische Stellvertretermerkmale.

Erste Schritte

1. Den Verlust an Selbstbedienungskassen je Kasse quantifizieren (Audit-Stichprobe) sowie den Anteil durch ehrliche Fehler im Vergleich zu Absicht.
2. DSFA und Betriebsvereinbarung vor der Installation entwerfen; Zwecke, Aufbewahrung und verbotene Nutzungen festlegen.
3. Anbieter-Piloten (Weg A) in 2–3 Filialen mit Kontrollfilialen anfragen; Berichte zu falsch positiven Meldungen je Kasse verlangen.
4. Im Kunden-Assistenzmodus (nur Hinweise) starten; Mitarbeiter-Alarme ergänzen, sobald die Präzision über einer vereinbarten Schwelle liegt.
5. Korrekturen der Aufsichtskräfte monatlich prüfen und als Labels zurückspielen.

Quellen

1. Everseen - Checkout Intelligence (self-checkout loss prevention) - https://www.everseen.com/ (vendor claims, accessed 2026-10)
2. Diebold Nixdorf - Vynamic Smart Vision - https://www.dieboldnixdorf.com/
3. Regulation (EU) 2024/1689 (AI Act), Art. 4, 5, Annex III - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
4. NVIDIA - Metropolis / retail loss-prevention reference workflow - https://www.nvidia.com/en-us/ai-data-science/ai-workflows/
5. 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
6. BetrVG Section 87 (co-determination) - https://www.gesetze-im-internet.de/betrvg/__87.html
7. Regulation (EU) 2016/679 (GDPR) - https://eur-lex.europa.eu/eli/reg/2016/679/oj