Ein kostspieliges Einzelhandelsproblem wird zu einem Datenproblem
Bei Frischwaren verlieren Lebensmittelhändler einen Teil ihres am schwersten verdienten Geldes. Manager müssen abschätzen, wie viele Erdbeeren, Avocados, Fleischstücke oder Fertiggerichte sie vorrätig halten sollen, bevor die Nachfrage nachlässt und der Verderb einsetzt. Anders als verpackte Waren sind Frischwaren hoch verderblich, werden uneinheitlich gemessen und oft nur unzureichend erfasst, sobald sie vom Lager in den Verkaufsraum gelangen.
Das Start-up Afresh setzt darauf, dass bessere Prognosen diesen Abfall verringern können. Das Unternehmen hat 34 Millionen US-Dollar an neuer Finanzierung eingeworben, gemeinsam angeführt von Just Climate und High Sage Ventures, und sagt, seine KI-Tools helfen Händlern bereits dabei, die Abschriften in Frischekategorien um 20% bis 25% zu senken.
Die von Fast Company berichtete Finanzierungsrunde ist deshalb bedeutsam, weil Lebensmittelverschwendung kein Nischenproblem ist. Der Artikel schätzt, dass US-Lebensmittelhändler jährlich rund vier Millionen Tonnen Lebensmittel wegwerfen, mit Kosten von etwa 27 Milliarden US-Dollar. Das macht die Planung von Frischebeständen zu einem der wichtigsten und am wenigsten digitalisierten betrieblichen Probleme im Handel.
Von Tabellen und Bauchgefühl zur Nachfragemodellierung
Die Entstehungsgeschichte von Afresh ist fast eine Studie darüber, wie analog viele Arbeitsabläufe im Lebensmittelhandel bis vor Kurzem noch waren. Als die Mitgründer Matt Schwartz und Nathan Fenner das Problem untersuchten, fanden sie heraus, dass Frischemanager auf gedruckte Tabellen, grobe Schätzungen und Bestellprozesse mit Stift und Papier angewiesen waren.
Historisch ergab das Sinn. Frischwaren sind viel schwieriger zu handhaben als haltbare Produkte. Nach Gewicht verkaufte Waren können durch Verdunstung an Masse verlieren. Fehler beim Selbstscannen können verfälschen, was tatsächlich gekauft wurde. Verdorbene Artikel können entsorgt werden, ohne korrekt erfasst zu werden. Auch Promotionen, Temperatur und Versandherkunft beeinflussen, wie schnell ein Produkt verdirbt.
Die Software von Afresh versucht, diese Variablen in ein Prognosesystem zu integrieren. Dem Ausgangstext zufolge analysiert das Unternehmen Daten jedes Händlers und greift in manchen Fällen auf Hunderte Milliarden von Transaktionen zurück. Die Modelle berücksichtigen Preise, Aktionen, Versandherkunft, Wetter und sogar den Zeitpunkt der Verteilung von Lebensmittelmarken. Anschließend werden die Nachfrageprognosen mit Optimierungstools kombiniert, die Bestellmengen für jedes Produkt vorschlagen.
Die Grundidee ist einfach: Wenn Geschäfte Nachfrage und Verderblichkeit genauer vorhersagen können, können sie näher an dem bestellen, was tatsächlich verkauft wird.
Warum Frischekategorien anders sind
Einzelhandelstechnologie wirkt von außen oft ausgereift, doch Frischeabteilungen haben sich hartnäckig gegen saubere Automatisierung gewehrt. Verpackte Lebensmittel kommen mit standardisierten Einheiten, vorhersagbarer Haltbarkeit und digitalen Lieferkettenprotokollen an. Frischwaren sind unruhiger. Eine Kiste Himbeeren und eine Lachsplatte verhalten sich nicht wie Müsli oder Zahnpasta.
Deshalb ist KI hier attraktiv. Sie kann mehr Variablen aufnehmen, als ein Filialleiter manuell bewältigen kann, und mit neuen Daten weiterlernen. Das Unternehmen sagt, diese Modelle würden sich im Laufe der Zeit verbessern, was besonders wertvoll ist, wenn lokale Bedingungen eine enorme Rolle spielen. Nachfrageverhalten in einer Nachbarschaft, Wetterumschwünge und Einkaufsgewohnheiten können von Woche zu Woche verändern, was „richtiger“ Bestand bedeutet.
Berichten zufolge startet Afresh mit Tests in 10 bis 20 Filialen und vergleicht die Ergebnisse mit einer Kontrollgruppe, die im selben Zeitraum arbeitet. Schwartz sagte, das Unternehmen sehe typischerweise eine Reduzierung der Abschriften um 20% bis 25%, wenn das System live geht.
Wenn diese Werte auch im größeren Maßstab halten, ist der Business Case klar. Schon moderate Verbesserungen bei den Abfallquoten können erhebliche Einsparungen bringen, wenn die Margen knapp sind und Lebensmittelkategorien schnell drehen.
Operative Änderungen jenseits der Bestellung
Die Wirkung der Technologie beschränkt sich nicht auf Bestellungen. Laut dem Artikel können Händler Afresh-Daten auch nutzen, um Displays neu zu gestalten und den Umgang mit Artikeln zu verbessern, die kurz vor dem Verderb stehen. In einigen Filialen hat die Software Frischeauslagen identifiziert, die größer als nötig waren, sodass Manager sie verkleinern oder Schein-Displays einsetzen konnten, um den Eindruck von Fülle mit weniger tatsächlichem Obst aufrechtzuerhalten.
Das mag kosmetisch klingen, ist operativ aber wichtig. Supermärkte überfüllen sichtbare Frischwaren oft, weil Fülle den Kunden Frische und Verfügbarkeit signalisiert. Wenn Software diese Wahrnehmung mit weniger physischem Bestand aufrechterhalten kann, sinkt der Abfall, ohne dass das Warenbild leidet.
Die gleiche Logik gilt für die Weiterverarbeitung von Lebensmitteln. Geschäfte können Obst und Gemüse, das sich dem Ende seiner Haltbarkeit nähert, zu Fertigprodukten verarbeiten, etwa Avocados zu Guacamole. Afresh hat außerdem ein separates Tool zur Prognose der Nachfrage bei Feinkost-Fertiggerichten eingeführt, einer weiteren Kategorie, in der Verderb und Prognosefehler teuer sein können.
Warum die Finanzierung zählt
KI im Handel wird oft über auffällige verbrauchernahe Tools diskutiert, doch einige der nachhaltigeren Anwendungen liegen möglicherweise in operativen Entscheidungen im Hintergrund. Lebensmittelverschwendung bei Frischwaren ist wirtschaftlich schmerzhaft, ökologisch teuer und allein durch mehr Arbeitskraft schwer zu lösen. Genau das ist die Art von Planungsproblem, bei der bessere Prognosen in messbare Vorteile umschlagen können.
Afresh sagt, sein System werde inzwischen in mehr als 12.500 Lebensmittelabteilungen landesweit eingesetzt, darunter bei Safeway und Albertsons. Diese Reichweite deutet darauf hin, dass das Unternehmen die Phase der Pilot-Neugier hinter sich gelassen hat und in breitere operative Tests eingetreten ist.
Die neue Runde über 34 Millionen US-Dollar dürfte die Expansion weiter unterstützen, doch die größere Bedeutung ist sektoral. Lebensmittelverschwendung wird als Softwareproblem lesbar, nicht als unvermeidbare Geschäftskosten. Wenn dieses Umdenken gelingt, könnte es beeinflussen, wie Händler im kommenden Jahrzehnt in Bestandssysteme, Filialbetrieb und Nachhaltigkeitsinitiativen investieren.
Für Verbraucher könnte die Veränderung unsichtbar bleiben. Die Regale werden weiterhin voll aussehen, und die Filialen werden nachts weiter auffüllen. Doch unter dieser Routine könnte ein wachsender Teil der Entscheidungen von Systemen kommen, die eine einfache, aber überraschend schwierige Frage beantworten sollen: Wie viel Frischware kaufen Menschen tatsächlich, bevor sie verdirbt?
Dieser Artikel basiert auf der Berichterstattung von Fast Company. Zum Originalartikel.
Originally published on fastcompany.com
