Gastbeitrag: Wie Edekas Netto Transparenz in den Diebstahlschutz bringt
Netto Marken-Discount, Teil der Edeka-Gruppe, hat einen innovativen Schritt unternommen, um Warenschwund messbar zu machen – ohne das Checkout-Erlebnis zu verlangsamen. Der Einsatz der KI-gestützten Computer Vision Lösung von Trigo hat dem Marken-Discounter soeben den Reta Award 2026 in der Kategorie Artificial Intelligence eingebracht, wobei Trigo als Top Supplier Retail 2026 ausgezeichnet wurde. Doch die Auszeichnung ist weniger entscheidend als das, was die Technologie zutage fördert: Daten, die nun für Transparenz bei Nettos Maßnahmen zur Verlustprävention sorgen und eine proaktive Echtzeit-Strategie ermöglichen.
Der deutsche Lebensmittel-Einzelhandel steckt in einer bekannten Zwickmühle. Der Personalmangel – insbesondere beim Verkaufs- und Kassenpersonal – hat Self-Checkout (SCO) nicht nur bequem, sondern zwingend notwendig gemacht. Die Analysen von Trigo zeigen, dass sich am Self-Checkout ein erheblicher Teil der vermeidbaren Verluste konzentriert – angefangen bei handhabungs-bedingten Fehlscans bis hin zur bewussten Scan-Vermeidung. Wirtschaftlicher Druck hat das Problem weiter verschärft und treibt gleichzeitig sowohl die Zahl der Diebstahlversuche als auch die Betriebskosten in die Höhe.
Die meisten europäischen Lebensmittel-Einzelhandels-Unternehmen wissen, dass Warenschwund ein Problem ist. Die wenigsten haben jedoch einen vollständigen Überblick darüber, wo genau, wann oder wie er entsteht. Die Schätzungen von Sicherheits-, Betriebs- und Finanzabteilungen stimmen selten überein. „Auf Daten, die man nicht hat, kann man nicht reagieren“, sagt Thilo Freund von Trigo. „Die meisten Strategien zur Verlustprävention basieren auf Annahmen. Die Frage ist, ob diese Annahmen auch richtig sind.“
Die Transparenzlücke
Europäische Lebensmittel-Einzelhandels-Unternehmen erkennen nun die Chance, dem Problem einen Schritt voraus zu sein. KI-basierte Technologie kann falsch oder gar nicht gescannte Produkte in Echtzeit erkennen – sowohl an Self-Checkout-Terminals als auch an traditionellen Bedienkassen. Die Mitarbeiter erhalten sofortige Warnmeldungen, Kunden sehen ein dezentes Pop-up, falls ein Artikel neu gescannt werden muss.
Dies ermöglicht es dem Personal, schnell zu reagieren, bevor Verluste entstehen. Entscheidend ist dabei, dass KI-basierte Systeme subjektive Einschätzungen von Bestandsdifferenzen in der Filiale durch eine einheitliche, datenbasierte Grundlage ersetzen. Dies schafft die Möglichkeit, wiederkehrende Muster frühzeitig zu erkennen und gezielte Präventions-Maßnahmen zu ergreifen. Was die Daten enthüllten, stellte herkömmliche Annahmen in Frage: Ein erheblicher Teil der Verluste entstand nicht erst an der Kasse, sondern bereits auf der Verkaufsfläche.
Wo die Kassenüberwachung an ihre Grenzen stößt
Diese Erkenntnis verweist auf eine grundlegende Einschränkung in der Art, wie die meisten Systeme an das Problem herangehen. Es deutet auf eine architektonische Schwäche der meisten Systeme zur Verlustprävention am SCO hin. Wenn ein Kunde ein Produkt in Gang sieben versteckt und in aller Ruhe zum Self-Checkout geht, hat ein System, das nur die Kasse überwacht, diesen Artikel überhaupt nicht im Blick. Man kann keinen Alarm für etwas auslösen, das man nie gesehen hat.
Trigo hat seine Expertise in der Produkterfassung bei der Entwicklung des autonomen Checkouts aufgebaut, wo die Anforderungen an die Genauigkeit keine Fehler verzeihen. Diese Erkenntnisse bilden nun das Fundament für den Ansatz des Unternehmens zur Verlustprävention – dahingehend angepasst, dass er mit der bestehenden Kamera-Infrastruktur eines Retailers funktioniert, ohne dass neue Hardware oder Filialumbauten erforderlich sind.
Dreistufiger Ansatz
Die Technologie arbeitet auf drei Ebenen. Die erste Ebene validiert den Scanvorgang und erfasst Bedienungsfehler, absichtliche Fake-Scans oder Fehlscans. Wenn ein Kunde beispielsweise falsch scannt und der Barcode nicht registriert wird, fordert ihn ein Hinweis dazu auf, es erneut zu versuchen. Die zweite Ebene überprüft den Warenkorb, indem sie Artikel identifiziert, die zwar an der Kasse sichtbar sind, aber nie gescannt wurden – Produkte, die im Einkaufswagen oder auf der Kassenablage liegen. Die dritte Ebene verfolgt das Verbergen von Waren bereits auf der Verkaufsfläche selbst und verknüpft das, was drei Gänge zuvor passiert ist, mit dem, was an der Kasse auftaucht – oder eben nicht.
„Das ist es, was die bloße Transaktions-Überwachung von echter Verlustprävention unterscheidet“, sagt Freund. „Wenn man nur die Kasse überwacht, sieht man lediglich das Ende einer Reise, die ganz woanders begonnen hat.“
Von Alarmmüdigkeit zu handlungsrelevanten Erkenntnissen
Die reine Erkennung allein löst das Problem nicht. Wenn jede Warnmeldung gleich gewichtet wird, schenken die Mitarbeiter ihr irgendwann keine Beachtung mehr. Stoßzeit, es bilden sich Warteschlangen, mehrere Meldungen leuchten gleichzeitig auf – das Personal quittiert sie, ohne überhaupt aufzuschauen. Der Ansatz von Trigo unterscheidet nach unternehmerischem Risiko. Ein verpasster Scan bei einem niedrigpreisigen Artikel löst lediglich einen einfachen Kundenhinweis aus. Das Verstecken von Premium-Spirituosen hingegen führt zu einem direkten Eingreifen des Personals. Die Reaktion skaliert mit dem tatsächlichen Risiko – das Personal wird nur dann unterbrochen, wenn es wirklich darauf ankommt.
Eine händlerübergreifende Studie hat dieses Modell validiert. Bei der Analyse von über 1.000 verifizierten Diebstahlfällen bei großen europäischen Lebensmittel-Einzelhandels-Unternehmen stellte Trigo fest, dass das Verstecken der Ware frühzeitig geschieht – 80 Prozent der am häufigsten gestohlenen Artikel werden bereits unter der Kleidung oder in Taschen verborgen, bevor sie überhaupt den Self-Checkout erreichen. Eine reine Kassenüberwachung ist auf die sichtbaren 20 Prozent ausgerichtet.Sie übersieht schlichtweg, wo der Großteil der Verluste tatsächlich entsteht.
Wie es weitergeht
Wenn Diebstahl am SCO heutzutage auftritt, sind die Muster raffiniert, aber wiederkehrend: Artikel, die ungescannt im Einkaufswagen oder im Einpackbereich verbleiben (31,7 Prozent), und Fake-Scans, bei denen Produkte über den Scanner geführt, aber nicht erfasst werden (27,3 Prozent). Auch auf Warengruppen-Ebene zeigen sich deutliche Konzentrationen – Getränke (22 Prozent), frisches Obst und Gemüse (19 Prozent) sowie Backwaren (10 Prozent) –, und die Vorfälle häufen sich an Wochentagen am Nachmittag und Abend, insbesondere an Donnerstagnachmittagen. Daten wie diese bilden nun die Grundlage dafür, wie Retailer reagieren, einschließlich der Interventionsregeln, der Personaleinsatz-Planung und Entscheidungen zur Warenplatzierung.
Der Personal- und Margendruck im deutschen Einzelhandel wird nicht nachlassen. Aber zum ersten Mal haben Einzelhandels-Unternehmen die Möglichkeit, genau zu sehen, wo und wie Verluste entstehen – und zu handeln, bevor die Ware den Markt verlässt. Das ist kein leeres Versprechen. Für Netto und andere führende Retailer ist es bereits operative Realität.
