Vom Forschungsprojekt an der ETH Zürich zum globalen Tech-Pionier: Das Gründerteam von Scandit erklärt im Interview, wie ihre Software Smartphones in leistungsstarke Erfassungswerkzeuge verwandelt und wie Unternehmen mit Vision AI alltägliche Abläufe revolutionieren.
Können Sie Scandit kurz vorstellen und erzählen, wie die Idee zur Gründung des Unternehmens entstanden ist?
Scandit entwickelt Smart Data Capture-Software, die auf Vision AI basiert und aus Smartgeräten leistungsstarke Datenerfassungs-Tools macht. Sie ermöglicht es Smartphones, Handheld-Computern, stationären Kameras und Robotern, Barcodes, Ausweise, Texte und Objekte mit der Geschwindigkeit und Genauigkeit spezialisierter Hardware zu scannen – in den meisten Fällen sogar vollständig auf dem Gerät selbst.
Die Idee dazu entstand an der ETH Zürich, wo sich Samuel Mueller (CEO), Christof Roduner (CIO) und ich kennenlernten. Ursprünglich wollten wir physische Objekte mit dem Internet verbinden, und zwar über RFID (Radio Frequency Identification). Christof und ich waren Teil des Auto-ID Lab, einer Forschungskooperation zwischen dem MIT (Massachusetts Institute of Technology) und der ETH. Irgendwann wurde uns klar, dass die Smartphone-Kamera der eigentlich interessantere Sensor war, da bald jeder ein Smartphone besitzen würde. Also gründeten wir noch im Jahr 2009 Scandit mit dem Ziel, eine Barcode-Scan-Technologie zu entwickeln, die auch auf den damals noch sehr limitierten Handykameras zuverlässig funktioniert.
Herr Floerkemeier, Sie gehören zum Gründerteam von Scandit. Was hat Sie damals motiviert, Computer Vision und Smart Data Capture in den Mittelpunkt Ihres Unternehmens zu stellen?
Während meiner Zeit am Auto-ID Lab des MIT habe ich an RFID gearbeitet. Das zugrundeliegende Versprechen war dabei stets dasselbe: Computern die Möglichkeit zu geben, die physische Welt wahrzunehmen. RFID benötigt jedoch spezielle Lesegeräte und mit Tags versehene Objekte, was den Einsatzbereich stark einschränkt. Bei Kameras gibt es dieses Problem nicht.
Die frühe Technologie war allerdings ernüchternd. So lief unsere erste Demo auf einem Nokia N95 mit einer Fünf-Megapixel-Kamera ohne Autofokus und einige frühe Prototypen wiesen eine Fehlerquote von rund zehn Prozent beim Auslesen auf. Der CIO eines der größten Lebensmittelhändler Europas sagte uns damals, unsere Technologie werde niemals gut genug sein. Genau diese Lücke zwischen Vision und Realität machte die Sache zu einem lohnenden technischen Problem. Sie zu schließen – unter anderem mithilfe von Machine-Learning-Algorithmen, die selbst aus unscharfen Bildern Barcodes lesen konnten – bildet bis heute die Grundlage unserer Produkte.
Welche Vision verfolgen Sie mit Scandit, und wie möchten Sie den Einsatz von KI und Computer Vision in Unternehmen langfristig verändern?
Unser Ziel ist es, dass jeder, egal ob Verkaufsmitarbeiter:in, Pflegekraft, Verbraucher:in oder Zusteller:in, mit einem Gerät ganz einfach auf ein Objekt zeigen kann, um die physische und die digitale Welt miteinander zu verbinden. Unsere Mission ist es, die Alltagshelden zu stärken, die diese Arbeit jeden Tag leisten.
Langfristig bleibt diese Mission bestehen, richtet sich aber zunehmend auf größere geschäftliche Herausforderungen, bei denen Vision AI zum Einsatz kommt. Ein Beispiel ist die verbreitete Lücke in der Store Execution: Händlern fehlt die nötige Transparenz über ihren Warenbestand, um ihr Geschäft zu maximieren und Abläufe zu optimieren. Deshalb investieren wir so stark in Vision AI: Wenn die Intelligenz in den Händen der Mitarbeitenden liegt und in Millisekunden reagiert, verändert das die Art und Weise, wie sie arbeiten und wofür sie ihre Zeit einsetzen.
An welche Zielgruppen richtet sich Scandit hauptsächlich, und welche Herausforderungen möchten Sie mit Ihren Lösungen lösen?
Zu unseren Kunden zählen vor allem Unternehmen aus den Bereichen Einzelhandel, Post-, Paket- und Expressdienste, Flugreisen, Supply Chain, Gesundheitswesen und Fertigung, unter anderem Walmart, Sephora, Levi’s Strauss, Air France KLM, der NHS, Lufthansa und La Poste. Allein im Einzelhandel gehören sieben der zehn größten Lebensmittelhändler der USA zu unseren Kunden.
Die Herausforderungen sind meist Variationen desselben Themas: Manuelle, langsame und fehleranfällige Prozesse im Tagesgeschäft stellen ein Problem dar, insbesondere in einer Zeit, in der Arbeitskräfte knapp und teuer sind. Man denke an eine Mitarbeiterin, die Regale Artikel für Artikel überprüft, einen Zusteller, der seinen Lieferwagen nach einem einzelnen Paket durchsucht, oder eine Self-Checkout-Kasse, die blockiert ist, weil jemand eine Flasche Wein gekauft hat.
Wir verleihen den Geräten, die Menschen ohnehin bei sich tragen oder die Unternehmen bereits im Einsatz haben, die Fähigkeit zu sehen und zu verstehen, sodass diese Aufgaben nur noch Sekunden statt Minuten dauern. Unternehmen erhalten auf diese Weise verlässliche Daten darüber, was in ihrem Betrieb tatsächlich passiert. Über die reine Datenerfassung hinaus liefern wir handlungsrelevante Erkenntnisse für Mitarbeitende im operativen Geschäft, damit sie ihre nächsten Schritte priorisieren können – sei es, welche margenstarken Artikel nachgefüllt werden müssen oder ob der Ausweis eines Kunden bei einem altersbeschränkten Produkt echt oder gefälscht ist.
Mit Age Verified Self-Checkout bringt Scandit eine Altersverifikation auf den Markt, bei der die Gesichtsanalyse vollständig auf dem Smartphone erfolgt. Wie funktioniert dieser Ansatz, und warum war Ihnen der Datenschutz dabei so wichtig?
Wenn ein Kunde an der Selbstbedienungskasse ein altersbeschränktes Produkt kauft, zeigt das Terminal einen QR-Code an. Der Kunde scannt diesen ohne vorherigen App-Download mit dem eigenen Smartphone und macht ein Selfie. Ein direkt im Browser auf dem Smartphone laufendes Vision AI-Modell schätzt daraufhin das Alter. Liegt die Person eindeutig über der Altersgrenze, ist die Prüfung innerhalb weniger Sekunden abgeschlossen. Ist das nicht der Fall, scannt der Kunde zusätzlich seinen Ausweis, dessen Echtheit wir prüfen. Anschließend gleichen wir das Ausweisfoto mit dem Selfie ab. Am Ende erhält das Kassenterminal ausschließlich ein „Bestanden“- oder „Nicht bestanden“-Signal. Es werden keine biometrischen Daten, Ausweisdaten oder weitere persönliche Informationen übertragen oder gespeichert. Falls gewünscht oder eine weitere Prüfung nötig ist, kann die Kundin beziehungsweise der Kunde jederzeit eine Mitarbeiterin oder einen Mitarbeiter hinzuziehen.
Datenschutz war hier keine Option, sondern Voraussetzung. Da es sich bei der Gesichtsanalyse um eine sensible Datenkategorie handelt, würden weder Händler noch Kund:innen eine Lösung akzeptieren, die solche Informationen speichert. Da die Verarbeitung auf dem Gerät, nämlich dem eigenen Smartphone der Kund:innen, erfolgt, ist der Datenschutz architektonisch verankert und nicht nur ein Versprechen auf dem Papier. Neben der vollständigen On-Device-Verarbeitung erfüllt die Lösung zudem zentrale Standards, darunter die DSGVO, den CCPA, ISO/IEC 27566-1, ISO 27001 sowie die UKAS-Challenge-25-Zertifizierung.
Viele KI-Lösungen verarbeiten Daten in der Cloud. Warum hat sich Scandit bewusst für einen Ansatz entschieden, bei dem die Daten das Smartphone nicht verlassen?
Die On-Device-Verarbeitung bietet drei Vorteile gegenüber der Cloud für diese Art von Anwendung:
Geschwindigkeit, weil ein Scan in Millisekunden reagieren muss, was ein zentraler Faktor für unsere leistungsstarke Scan-Technologie ist.
Zuverlässigkeit, da sich ein Lager oder ein Ladenkeller nicht auf eine perfekte Internetverbindung verlassen kann.
Und Datenschutz, denn Daten, die nie erhoben werden, können auch nicht durchsickern.
On-Device-Scanning reduziert die Datenübertragung und maximiert gleichzeitig die Verfügbarkeit und Sicherheit. Für die meisten unserer Arbeitsprozesse bietet On-Device-Scanning die beste Leistung und gibt unseren Kunden und deren Endnutzer:innen gleichzeitig die nötige Sicherheit.
Was macht Scandit aus Ihrer Sicht besonders im Vergleich zu anderen Anbietern von Computer-Vision- und KI-Lösungen für den Handel?
Wir haben über fünfzehn Jahre in die Lösung eines einzigen, anspruchsvollen Problems investiert: Unser Ziel war es, Vision AI so zuverlässig zu machen, dass sie auf Geräten aller Leistungsklassen unter chaotischen, realen Bedingungen funktioniert. Dazu gehören beispielsweise Blendlicht an einer Kühltür, ein zerknittertes Etikett, schlechte Beleuchtung im Lager oder ein fünf Jahre altes Android-Smartphone. Nur wer unter echten Praxisbedingungen testet, kann sicherstellen, dass die eigenen Datenerfassungs-Tools den Betrieb tatsächlich unterstützen und nicht behindern. Unsere gesamte Vision AI-Expertise aus dem Bereich Barcode-Scanning haben wir inzwischen auf ShelfView und weitere Store-Intelligence-Lösungen ausgeweitet. Mithilfe von Vision AI erkennt ShelfView Bilder und Objekte, um falsch einsortierte Ware in den Gängen eines Supermarkts oder fehlende Bestände, die nachgefüllt werden müssen, zu identifizieren. Die dafür nötige Genauigkeit und Komplexität ist entscheidend und liefert Händlern messbare Geschäftsergebnisse, die die Marge und den Umsatz steigern.
Ein weiterer Unterschied ist, dass wir unsere Leistungsfähigkeit in großen Unternehmen bewiesen haben. Unsere Software läuft jährlich auf 170 Millionen Geräten bei einigen der größten Unternehmen weltweit – und das ohne spezielle Hardware. Wir haben einen Kundenstamm von über 2.100 Unternehmen und pflegen vertrauensvolle Partnerschaften mit Hardware-Partnern, ISVs (Independent Software Vendors) sowie Systemintegratoren. Zudem überzeugt unsere Plattform durch ihre Breite: Barcode-Scanning, ID-Scanning, Etiketten-Erfassung und Store Intelligence. Ein Händler kann für sämtliche Filialprozesse mit nur einem Anbieter zusammenarbeiten.
Welche Vorteile bietet die neue Altersverifikation sowohl für Händler als auch für Kund:innen und Kunden im Alltag?
Für Händler ist die Rechnung eindeutig: Rund 80 Prozent der Altersprüfungen werden innerhalb weniger Sekunden abgeschlossen, ganz ohne Mitarbeitende. Die Prüfungen sind rund sechsmal schneller und die Filialen verzeichnen bis zu fünf Prozent mehr Self-Checkout-Transaktionen, da die Kassen einfach weiterlaufen. Das führt wiederum zu mehr Umsatz. Es ist keine neue Hardware nötig, da die Arbeit von den Smartphones der Kund:innen übernommen wird und sich die Lösung in bestehende Self-Checkout-Systeme integrieren lässt. Dadurch wird Compliance einheitlich und nachvollziehbar, statt davon abzuhängen, wie aufmerksam eine Mitarbeiterin oder ein Mitarbeiter am Ende einer langen Schicht noch ist.
Für Kund:innen entfällt ein unangenehmer Moment. Niemand steht gerne vor einem blinkenden Terminal und wartet darauf, begutachtet zu werden. Ein Selfie dauert nur wenige Sekunden, es findet keine Bewertung statt und die Daten bleiben auf dem Smartphone. Die Gründe, warum sich Menschen überhaupt für Self-Checkout entscheiden, sind Geschwindigkeit und Unabhängigkeit – und genau dieses Versprechen wird nun auch bei altersbeschränkten Käufen eingehalten.
Welche Herausforderungen begegnen Ihnen bei der Entwicklung von KI-Lösungen, die hohe Anforderungen an Datenschutz, Geschwindigkeit und Benutzerfreundlichkeit erfüllen müssen?
Unser Ziel bei unserer Age Verified Self-Checkout-Lösung ist es, dass der gesamte Ablauf auf jedem beliebigen Smartphone, das eine Kundin oder ein Kunde besitzt, funktioniert – in Echtzeit sowie präzise genug für eine Compliance-Entscheidung. Wir sind seit jeher stolz darauf, unsere Software auf über 20.000 verschiedenen Gerätetypen lauffähig zu machen, um eine möglichst breite Kompatibilität sicherzustellen.
Der Datenschutz bringt eine weitere, jedoch notwendige Einschränkung mit sich. Da wir keine Daten speichern, muss jede Schutzmaßnahme, etwa der Abgleich eines Ausweisfotos mit einem Live-Selfie zur Betrugsprävention, in Echtzeit direkt auf dem Gerät erfolgen. Über all dem steht die Benutzerfreundlichkeit. Sowohl ein Teenager als auch eine 80-Jährige müssen den Ablauf beim ersten Versuch ohne Anleitung abschließen können. Wir investieren seit jeher stark in die User Experience, um auf Basis von Best Practices aus Tausenden von Implementierungen hohe Akzeptanzraten zu erzielen.
Wie sehen Sie die Zukunft von Computer Vision und KI im Einzelhandel, und welche Rolle wird datenschutzkonforme Verarbeitung dabei spielen?
Computer Vision oder Vision AI wird zunehmend Teil der Infrastruktur von Filialen. Heute kommt sie vor allem in den Händen der Mitarbeitenden zum Einsatz, die Produkte und Regale scannen. Zunehmend sehen wir, wie sie eine kontinuierliche Store Intelligence speist und somit Echtzeit-Transparenz über den Warenbestand schafft: Welche Regale sind leer, welche Preise sind falsch ausgezeichnet, welche Produkte laufen bald ab, wo gibt es Engpässe? Anstatt eigene, gesonderte Kontrollen durchführen zu müssen, entsteht dieses Wissen als Nebenprodukt der ohnehin stattfindenden Arbeit. Neben den Vorteilen der Echtzeitdaten lassen sich durch den Wegfall bestimmter Aufgaben auch erhebliche Effizienzgewinne bei der Arbeitsproduktivität erzielen. So können Mitarbeitende ihre Zeit in wertschöpfendere Tätigkeiten investieren.
Zum Thema Datenschutz würde ich sagen: Datenschutzkonforme Verarbeitung wird nicht mehr lange ein Verkaufsargument sein. Sie wird zur Eintrittskarte. Aufgrund der DSGVO, des EU AI Acts und des wachsenden Bewusstseins der Verbraucher:innen muss alles, was mit Menschen, ihren Gesichtern, ihren Ausweisen oder ihrem Verhalten zu tun hat, von Grund auf Datensparsamkeit nachweisen. Händler:innen haben das verstanden. Die Frage, die wir in jedem Gespräch hören, lautet nicht mehr „Wie genau ist es?“, sondern „Wohin gehen die Daten?“
Welche nächsten technologischen Entwicklungen und Wachstumsziele stehen bei Scandit aktuell im Fokus?
Am wichtigsten ist unsere Store Intelligence Plattform. Sie verwandelt Bestandsdaten aus zentralen Filial-Workflows in eine Echtzeitübersicht über den Filialbetrieb, anstatt jeden Workflow als eigenes Silo zu belassen. Sie enthält auch priorisierte Handlungsempfehlungen. Jede aktivierte Lösung macht das Gesamtbild reichhaltiger.
Technologisch treiben wir kontinuierlich voran, was mit KI-gestützter Smart Data Capture möglich ist: die Kombination von Barcode- und Texterkennung in einer einzigen Erfassung für komplexe Etiketten, eine bessere KI-basierte Analyse von Regalen sowie die Erweiterung unserer Software von Smartphones auf stationäre Kameras, Drohnen und Roboter. Zudem erkunden wir laufend neue Herausforderungen im Filialbetrieb und Problemfelder im Handel, die wir lösen können.
Welche drei Ratschläge würden Sie anderen Gründerinnen und Gründern geben, die ein DeepTech-Unternehmen im Bereich Künstliche Intelligenz erfolgreich aufbauen möchten?
Erstens: Sucht euch ein einziges, echtes Problem und sagt zu fast allem anderen Nein, das euch ablenken könnte. In den Anfangsjahren haben wir versucht, für zu viele potenzielle Kunden zu viele verschiedene Dinge zu sein. Das hat uns wahrscheinlich ein Jahr gekostet. Man muss in 90 Prozent der Fälle Nein sagen, und das fühlt sich nie bequem an.
Zweitens: Verlasst früh das Labor. Unsere Technologie wurde erst dadurch gut, dass uns echte Kunden, manchmal sehr direkt, gesagt haben, wo sie versagt. In der akademischen Welt wirkt eine Fehlerquote von 10 Prozent wie ein solides Forschungsergebnis. Ein Händler wird euch hingegen sagen, dass die Technologie unbrauchbar ist.
Drittens: Behandelt Ablehnung als Information, nicht als Urteil. Der CIO, der sagte, unsere Technologie werde niemals gut genug sein, hat unseren Fokus mehr geschärft als jeder Berater. Er beschrieb das Produkt so, wie es damals war, nicht, wie es sein könnte. Genau in diesem Unterschied liegt das Unternehmen, das man aufbaut.
Bildcredits Scandit
Wir bedanken uns bei Christian Floerkemeier für das Interview
Aussagen des Autors und des Interviewpartners geben nicht unbedingt die Meinung der Redaktion und des Verlags wieder.
