Gastbeitrag: Neue Wege zur Betrugsprävention an Self-Checkouts
Der zunehmende Einsatz von Self-Checkouts im Einzelhandel hat die Branche grundlegend verändert. Mittlerweile bevorzugen zwei Drittel der Verbraucher unter 35 Jahren diese Methode. Mit zunehmender Nutzung steigt jedoch auch die Zahl der Diebstähle, was zu erheblichen Verlusten und Bestandsabweichungen für Einzelhandels-Unternehmen führt. Studien zeigen, dass selbst grundsätzlich ehrliche Kunden dazu neigen, die SCOs auszunutzen. Laut einer in The Grocer veröffentlichten Studie gaben nur 63 Prozent der befragten Käufer an, noch nie an einer Selbstbedienungs-Kasse betrogen zu haben – eine Statistik, welche die Dringlichkeit für Retailer zum Handeln unterstreicht.
Einzelhandels-Unternehmen prüfen verschiedene Strategien, um Betrug am SCO zu bekämpfen – von einer verstärkten Präsenz des Personals bis hin dazu, die Zahl der Selbstbedienungs-Kassen zu reduzieren. Künstliche Intelligenz (KI) und Computer-Vision-Technologien entwickeln sich jedoch zu kostengünstigen und effizienten Lösungen. Diese Innovationen erkennen Betrug in Echtzeit und helfen dabei, Diebstähle zu verhindern, ohne den Kundenkomfort zu beeinträchtigen.
Das Herzstück der KI-gestützten Betrugsbekämpfung ist das Visuelle Deep Learning (VDL). Diese disruptive Technologie ermöglicht Sicherheitslösungen der nächsten Generation. Im Vergleich zu früheren KI-Modellen bietet VDL eine höhere Kosteneffizienz, Energie-Einsparungen und einen besseren Datenschutz. Besonders vielversprechend ist Edge Deep Learning-KI, da sie Daten in Echtzeit bei minimalen Hardware-Anforderungen verarbeiten kann. Unternehmen, die solche Lösungen entwickeln, müssen über spezialisiertes Fachwissen in den Bereichen KI-Software-Entwicklung, Modellkomprimierung, eingebettete Systeme und Edge-Hardware-Integration verfügen.
Videoausschnitte verbessern die Kontrolle durch Mitarbeiter
Wird ein Alarm ausgelöst, kann der Kunde aufgefordert werden, das Problem selbst zu beheben. Bei Bedarf wird ein Mitarbeiter über die Situation informiert. Er erhält einen kurzen Videoausschnitt, der genau zeigt, warum der Alarm ausgelöst wurde. Sowohl der Kunde als auch der Mitarbeiter können sich das Video ansehen, um den betreffenden Artikel zu identifizieren und das Problem sofort zu beheben. Dieser Ansatz reduziert die Notwendigkeit, Videoclips an das Personal zu senden, wodurch der Prozess weniger personalintensiv und effizienter wird. Zudem hat der Verbraucher die Möglichkeit, das Problem selbst zu beheben, bevor das Personal eingreifen muss.
Wie KI Betrug in Echtzeit erkennt
VDL-basierte SCO-Sicherheitssysteme bekämpfen mehrere Betrugsmethoden:
- Handbewegungs-Analyse: Führende KI-Lösungen überwachen Handbewegungen in Echtzeit und erkennen, ob ein Artikel korrekt gescannt wurde oder der Scanner absichtlich umgangen wurde.
- Barcode-Validierung: Das System erkennt, wenn ein Barcode verdeckt ist oder ein gefälschter Barcode verwendet wird und löst einen Alarm aus.
- Hohe Erkennungs-Genauigkeit: Die modernsten Systeme erreichen mittlerweile Betrugserkennungsraten von bis zu 99 Prozent und reduzieren damit Fehlalarme erheblich.
Eine weitere Herausforderung für SCOs ist der Verkauf altersbeschränkter Artikeln. Bisher mussten Mitarbeiter das Alter der Kunden manuell überprüfen, was zu Verzögerungen und Eingriffen durch das Kassierpersonal führte. Mithilfe von KI-gestützter Technologie zur Altersüberprüfung können Kunden jedoch vorab überprüft werden, sodass nur diejenigen markiert werden, die möglicherweise einen Ausweis vorlegen müssen. Dies reduziert die Arbeitsbelastung des Personals, beschleunigt die Transaktionen und erhöht die Sicherheit sowie den Komfort für die Kunden.
Verhindern von falsch etikettierten Artikeln ohne Barcode
Eine häufige Herausforderung bei SCOs ist die betrügerische Auswahl von frischen Produkten. Ein Beispiel hierfür ist die Auswahl eines günstigeren Artikels anstelle eines teureren Obst- oder Gemüses. Dank fortschrittlicher KI-Lösungen können Produkte nun auch in transparenten Verpackungen visuell erkannt und nicht zutreffende Optionen ausgeschlossen werden. Dies hilft Kunden, schnell und präzise die richtigen Produkte auszuwählen. Der Auswahlprozess wird beschleunigt und die Kundenzufriedenheit erhöht, da Verwirrung und Fehler an der Kasse reduziert werden.
KI-gestützte SCO-Systeme wirken über die unmittelbare Betrugserkennung hinaus abschreckend. Wenn Kunden sehen, dass Diebstahlversuche schnell gemeldet werden, schreckt sie das Risiko, erwischt zu werden, von weiteren Missbräuchen ab. Diese psychologische Barriere kann Diebstähle mit der Zeit deutlich reduzieren.
Eine profitable und sichere Zukunft für SCOs
Mit der Marktreife des visuellen Deep Learnings stehen Retailern nun leistungsstarke Tools für die Betrugsprävention, die Steigerung der betrieblichen Effizienz und ein verbessertes Kundenerlebnis zur Verfügung. Diese Systeme rentieren sich schnell, indem sie Lagerverluste reduzieren und gleichzeitig den Komfort bieten, den Kunden erwarten. Durch Investitionen in KI-gestützte Betrugsprävention können Einzelhandels-Unternehmen sicherstellen, dass SCOs eine sichere, profitable und kundenfreundliche Option an der Kasse bleiben.
Praktische Überlegungen für Retailer
Einzelhandels-Unternehmen, die KI-basierte SCO-Betrugsprävention in Betracht ziehen, sollten neben den Erkennungsraten auch andere Faktoren bewerten:
- Kosten und Hardware-Anforderungen: Moderne Lösungen erfordern lediglich eine kleine, handelsübliche Kamera und einen kompakten Edge-Computer. Dadurch werden Cloud-Hosting, WLAN oder teure zusätzliche Infrastruktur überflüssig.
- Einfache Integration: Die Installation führender Systeme kann innerhalb weniger Tage erfolgen und sie lassen sich nahtlos in bestehende SCO-Konfigurationen integrieren.
- Schutz bestehender SCO-Investitionen: Um den ROI zu maximieren, sollten Retailer nachrüstungsfreundliche Lösungen bevorzugen, die die Sicherheit verbessern, ohne dass komplett neue SCO-Hardware erforderlich ist.
