Ziel von OptiRetouren ist die frühzeitige Erkennung und bestmögliche Weiterverwertung von potentiell und tatsächlich in Retoure befindlicher Ware durch Ermittlung der Rücksendewahrscheinlichkeit auf Basis von Produkt- sowie Kundendaten.
OptiRetouren
1
2
Durch automatisierte Weiterleitung wird der manuelle Aufwand minimiert und die Bezahlbarkeit von Second-Life-Konzepten auch für mittelständische Unternehmen gewährleistet.
3
Mithilfe von KI wird die Reverse Logistik optimiert und unnötige Transporte verringert. Retouren gehen nicht mehr an ein Zentrallager, sondern beispielsweise direkt zur Aufbereitung oder zur Weiterverwertung.
Principal Investigator
Dr. Dirk Werth
Geschäftsführer und
wissenschaftlicher Direktor
Ihr Ansprechpartner
Sören Gry
Mail: soeren.gry@aws-institut.de
Telefon: +49 681 93511 113
Kurz & Bündig
Was?
Das Projektvorhaben OptiRetouren verfolgt das Ziel, potentiell und tatsächlich in Retoure befindliche Ware zu analysieren und automatisiert in die bestmögliche Weiterverwertung zu bringen. Tatsächliche Retourenware wird dabei über einen E-Commerce Kanal oder Händler avisiert. Dagegen können potentielle Warenretouren über eine KI ermitteln werden. Dazu werden sowohl Warenkörbe analysiert (z.B. Auswahlsendungen als Größen-/Farbauswahl) als auch Produktvergleiche (Ware mit hoher Retoure-Quote im Vergleich zu wenig retournierte vergleichbare Produkte) durchgeführt.
Der manuelle Aufwand bei Retouren soll minimiert und die Bezahlbarkeit von Second-Life-Konzepten auch für mittelständische Unternehmen gewährleistet werden. Zusätzlich kann abhängig von der KI vorhergesagten Menge an Retouren die Produktion der Artikel und/oder der Versand der Artikel an die Geschäfte gesteuert werden. So wird eine Überproduktion und damit einhergehende Kosten am Ende einer Saison vermieden. Im Sinne einer echten Kreislaufwirtschaft soll dies zu einer erheblichen Reduzierung der Quote vernichteter Ware führen.
Wie?
Datengrundlage sind Informationen über aktuelle Bestände, Retouren, Artikeldaten, Bestellungen, Kundendaten und Warenkörbe eines Unternehmens. Diese Daten werden in einer Fusion-Datenbank gespeichert, auf deren Basis eine KI entwickelt wird. Beim Verkauf, greift der Algorithmus auf diese Datenbank zu. Dort werden alle relevanten Daten entnommen und als Input der KI-Komponente verwendet. Darauf basierend wird eine Vorhersage erstellt, ob oder mit welcher Wahrscheinlichkeit der Artikel retourniert wird. Hiervon ausgehend werden Handlungsempfehlungen abgeleitet, die über eine Weiterverwertung des Artikels entscheiden und Mitarbeitern sowie Fachexperten des Logistik-Bereiches in Form eines Recommender-Systems übermittelt werden.
Die trainierte KI wird durch einen Human-in-the-Loop-Algorithmus ergänzt. Dadurch können Fachexperten die Ergebnisse und Empfehlungen überprüfen und modifizieren. Die Technik wirkt als Augmented Intelligence, welche den Vertrauensfaktor des gesamten Systems erhöht. Das daraus resultierende Feedback wird an die Mitarbeiter weitergegeben und zusätzlich zur Anreicherung der Trainingsdaten verwendet, sodass der Algorithmus kontinuierlich trainiert und verbessert wird. Dies gewährleistet eine kontinuierliche Verbesserung der Leistung des KI-Modells. Darüber hinaus beinhaltet die KI-Komponente Heuristiken, in welche die Erfahrung mit optimaler Second-Life-Planung einfließt. Diese schränken die Ausgabe der KI im Hinblick auf den gültigen und optimalen Second-Life-Plan für jedes zurückgegebene Produkt ein.
Ausgangssituation
Das stetig steigende Retourenvolumen bedeutet nicht nur für Händler und Hersteller eine enorme Kostenzunahme und ein nur schwer zu kalkulierendes Bestandsrisiko, sondern übergreifend eine hohe Umweltbelastung aufgrund von Vernichtung von nicht mehr verkaufbaren Waren und einer immensen Zunahme von Transporten.
Rückkaufkonzepte im Sinne der Nachhaltigkeit sind aktuell aus finanziellen und personellen Gründen fast ausschließlich von großen Unternehmen umsetzbar. Bestehende Ansätze zielen daher auf die grundsätzliche Vermeidung von Retouren. Doch Bestellungen einer Auswahl von Produkten, Reparaturen und Wartungen im Sinne von Qualitätsretouren oder der Versand von falschen Produkten lassen sich nicht vermeiden.
> 280 Millionen
Paketretouren in DE, 2018
> 55% der Retourenartikel
werden vernichtet
Das August-Wilhelm Scheer Institut entwickelt folgende Bestandteile:
Unsere Schwerpunkte liegen in der Konzeption und Entwicklung der KI-Komponenten zur Früherkennung von Retouren sowie in der Erstellung eines „Human in the Loop-Sytems“ zur Validierung der KI-Komponenten.
FÖRDERHINWEIS
Das Projekt OptiRetouren ist gefördert von dem Bundesministerium für Bildung und Forschung.
Förderkennzeichen: 01IS22046B
Laufzeit: 01.09.2022 – 31.08.2025