Masterarbeit im Bereich E-Commerce am Fachbereich Betriebswirtschaft
In Zeiten der digitalen Transformation stellt sich für viele kleine und mittlere Einzelhändler (KMU) die Frage, wie sie mit den neuesten technologischen Entwicklungen Schritt halten können. Eine spannende Antwort darauf liefert eine kürzlich abgeschlossene Masterarbeit, die die Machbarkeit und Nutzbarkeit einer kamerabasierten Bestandsverwaltung mithilfe von Deep Learning und Transfer Learning untersucht hat.
Ziel der Arbeit
Das Hauptziel der Masterarbeit war es, die Umsetzbarkeit einer kamerabasierten Bestandsverwaltung für KMUs zu evaluieren. Ein zentrales Problem, das dabei adressiert wurde, ist das sogenannte Out-of-Shelf-Problem. Dieses tritt auf, wenn Produkte im Lager vorhanden sind, jedoch nicht im Verkaufsregal stehen. Besonders kleine Einzelhändler können sich durch solche Situationen einen erheblichen Umsatzverlust einhandeln, der in der Literatur auf etwa 4% pro Jahr geschätzt wird.
Projektkontext: ZeTT – Zentrum Digitale Transformation Thüringen
Die Arbeit wurde im Rahmen des Projektes ZeTT (Zentrum Digitale Transformation Thüringen) durchgeführt. ZeTT bietet insbesondere kleinen und mittleren Unternehmen Beratungen an, um die digitale Transformation in Thüringen zu stärken. Während große Unternehmen wie Walmart, Tesco oder Amazon Go bereits kamerabasierte Bestandsverwaltungen nutzen, ist dies für kleinere Einzelhändler aufgrund des benötigten Spezialwissens in der KI schwer umsetzbar.
Methodik und Rahmenbedingungen
Für die Machbarkeitsstudie wurde ein Prototyp entwickelt, der die besonderen Herausforderungen kleiner Einzelhändler berücksichtigt. Hier die wichtigsten Rahmenbedingungen des Projektes:
– Zielgruppe: Kleine Einzelhändler (unter 50 Mitarbeiter)
– Wirtschaftliches Limit zur Hardwarebeschaffung: 500 Euro
– Produktsortiment: Maximal 10 Kategorien
– Bildaufnahme: Maximal 100 Bilder zur Erstellung der Datenbasis
– Entwicklung und Evaluierung: Im Innovation Living Lab (ILL) unter Laborbedingungen
– Untersuchungsgegenstand: Ein kleiner Einzelhändler im Körperpflegesegment, der zehn Körper- und Haarpflegeprodukte im Sortiment hat
Mithilfe von Deep Learning und insbesondere Transfer Learning wurde die kamerabasierte Bestandsverwaltung umgesetzt. Transfer Learning ermöglicht es, vor trainierte Modelle für spezifische Aufgaben mit begrenzten Datenmengen zu nutzen. Für das Projekt wurde ein Fast-RCNN Modell mit einem ResNet-50 Backbone auf einem Nvidia Jetson Nano eingesetzt.
Ergebnisse und Ausblick
Die Ergebnisse der Masterarbeit sind vielversprechend: Unter den gegebenen Bedingungen ist eine kamerabasierte Bestandsverwaltung für kleine Einzelhändler umsetzbar. Die Studie zeigt, dass durch den Einsatz von Deep Learning und Transfer Learning auch mit begrenzten Ressourcen eine effiziente Bestandsüberwachung möglich ist.
Zukünftige Untersuchungen und praktische Tests könnten die Nutzung dieser Technologie weiter optimieren und an die spezifischen Bedürfnisse verschiedener Einzelhändler anpassen. Besonders interessant wird es sein, zu beobachten, wie sich diese Technologien in der Praxis bewähren und welche weiteren Verbesserungen und Anpassungen vorgenommen werden können.
Fazit
Die Masterarbeit demonstriert, dass innovative Technologien wie Deep Learning auch für kleine und mittlere Einzelhändler zugänglich gemacht werden können. Durch eine gezielte Prototypentwicklung und praxisnahe Tests lässt sich die digitale Transformation auch in kleineren Betrieben vorantreiben und damit ihre Wettbewerbsfähigkeit nachhaltig stärken.
Für weitere Informationen und Beratung zur digitalen Transformation können sich interessierte Einzelhändler an das Zentrum Digitale Transformation Thüringen (ZeTT) wenden. Gemeinsam können wir die Zukunft des Einzelhandels in Thüringen gestalten und innovative Lösungen zur Optimierung von Geschäftsprozessen entwickeln.
Wie bereits angesprochen sind die Fahrzeuge bis zu 26 Jahre alt und die Dichtungen am Motor altern. Früher oder später ist hier mit Instandsetzungen zu rechnen oder sie sind bereits durchgeführt worden. In der Regel sind auch die Hitzeschutzbleche, die verhindern das zur Kühlung die heiße Luft rund um den Auspuff angesaugt wird, schadhaft. Diese sollte in jedem Fall angesehen werden und die schadhaften Teile ersetzt werden. Leider behindert die untere Motorabdeckung eine genau Einblicknahme.
Ein undichter Motor wird recht teuer. Für eine Motorabdichtung und Instandsetzung der Verblechung verlangen Vertragswerkstätten mitunter 8.000 Euro. Eine Generalüberholung des gesamten Motor mit Austausch aller verschlissenen Teile kostet sogar das Doppelte. Etwas günstiger ist das Abdichten von Ventildeckeln oder den Steuerkästen.
Hier ein Beispiel für einen undichten Motor. Aufgrund der Unterbodenverkleidung des Motors ist die Ursache nicht sofort zu erkennen, die ölfeuchte Verkleidung sagt jedoch schon alles.
Wobei sich häufig die serienmäßige Beschichtung der Ventildeckel auf der Innenseite löst und in den Ölkreislauf gelangt. Vielfach handelt es sich auch um Ölreste, die beim Befüllen des Motors oder aber des Vorratsbehälters der Servolenkung auf die Verkleidung neben dem Zylinderkopf der Zylinderbank 2 gelaufen sind.