Eine Kamera erkennt das Brötchen, das keinen Barcode hat — das ist die Demo, die jeder zeigt. Dieselbe Erkennung an einer echten Kasse zum Laufen zu bringen, schnell genug, ohne dass sie beim ersten Netzausfall stehenbleibt, eingebunden in ein zertifiziertes Kassensystem, auf zweihundert Kassen in fünfzig Filialen — das ist die Arbeit, die wirklich schwer ist.
Aus Projekten rund um Kassensysteme weiß ich: Die Bilderkennung ist vielleicht ein Fünftel des Projekts. Die anderen vier Fünftel sind die Integration, der Offline-Fall und der Rollout. Wer nur über das Modell redet, redet über den kleinen Teil. Diese Seite handelt vom großen.
Die Erkennung ist nicht das Projekt
Wie ein Modell ein Produkt aus dem Bild erkennt, ist auf den anderen Seiten abgehandelt — das ist bekanntes Terrain. An der Kasse verschiebt sich das Schwierige komplett: Es liegt darin, diese Erkennung in ein lebendes, reguliertes, oft altes Kassensystem einzubinden, ohne den Betrieb zu stören.
Ein Kassensystem ist kein Spielplatz. Es ist häufig proprietär, steuerlich zertifiziert, und an seinen geprüften Ablauf darfst du nicht einfach etwas anflanschen. Die eigentliche Ingenieursleistung ist die saubere Schnittstelle zu einem System, das du nicht kontrollierst und nicht brechen darfst — nicht das Erkennen eines Brötchens.
Eine Kasse darf nicht warten und nicht ausfallen
Zwei Anforderungen, die alles bestimmen. Erstens das Tempo: Eine Kasse kann nicht drei Sekunden pro Artikel nachdenken. Die Erkennung muss praktisch sofort kommen, sonst ist sie langsamer als der Barcode und damit wertlos.
Zweitens die Ausfallsicherheit: Eine Kasse, die stehenbleibt, weil das Internet weg ist, ist untragbar — jede Minute Stillstand kostet bares Geld. Das System muss offline weiterlaufen oder sauber auf manuelle Eingabe zurückfallen. Und der menschliche Rückfall ist kein Notnagel, sondern ein Kernmerkmal: Ist die Erkennung unsicher, übergibt sie sofort an die Kassenkraft, ohne zu blockieren. Der schnelle Weg zum Menschen muss immer da sein.
Edge oder Cloud
Das ist die Architekturentscheidung, die früh fällt. Rechnest du die Erkennung nah an der Kasse (auf einem Gerät vor Ort), ist sie schnell und funktioniert offline — aber Updates über viele Kassen hinweg sind aufwendiger, und die Rechenleistung vor Ort ist begrenzt. Schickst du die Bilder in die Cloud, kannst du zentral aktualisieren und hast mehr Rechenkraft — aber du handelst dir Latenz und eine Abhängigkeit vom Netz ein, genau die beiden Dinge, die eine Kasse nicht verträgt.
In der Praxis läuft es oft auf eine Mischung hinaus: Die Erkennung selbst nah an der Kasse für Tempo und Offline-Fähigkeit, die Cloud für Modell-Updates, Überwachung und Auswertung. Welche Mischung passt, hängt von deiner Filialstruktur und deiner Netzqualität ab — aber die Erkennung an einen Cloud-Aufruf pro Artikel zu hängen, ist an einer Kasse fast immer der falsche Weg.
Wie ich das angehe
Für Geschwindigkeit und Ausfallsicherheit lokal, nicht über die Cloud bei jedem Artikel. Die Kasse bleibt arbeitsfähig, auch wenn das Netz wegbricht.
Niedriges Vertrauen heißt manuelle Auswahl, ohne Blockade. Nie auf Verdacht buchen.
Preis, Warenkorb und Bon laufen über das zertifizierte Kassensystem. Die Erkennung schlägt vor, die Kasse verbucht.
Über viele Filialen, mit Blick auf jede einzelne — Licht, Kamera, schleichende Verschlechterung unterscheiden sich pro Standort.
Updates über die Flotte ohne Ausfall. Eine Kasse während des Betriebs lahmzulegen ist keine Option.
Wo es in der Praxis kippt
Die Netzabhängigkeit. Verbindung ist der stille Killer. Wer nicht offline-fähig plant, baut eine Kasse, die beim ersten Wlan-Aussetzer steht. Offline zuerst denken, nicht als Nachgedanke.
Die zertifizierte Kasse. Du darfst den steuerrelevanten, geprüften Ablauf nicht umgehen. Die Erkennung speist sich in die Kasse ein, sie ersetzt sie nicht — sonst hast du ein Compliance-Problem.
Falscher Preis auf Verdacht. Eine unsichere Erkennung, die trotzdem bucht, berechnet dem Kunden den falschen Preis. Eine Vertrauensschwelle mit Rückfall an den Menschen ist Pflicht.
Labor gegen Flotte. Eine Kasse im Testraum ist ein anderes Problem als zweihundert Kassen über fünfzig Filialen mit wackeligem Netz. Was im Labor läuft, ist noch kein Beweis für den Betrieb.
Drift pro Standort. Anderes Licht, andere Kamera, andere Bedingungen — jede Filiale kann das Modell anders schwächen. Ohne Überwachung pro Standort merkst du es zuletzt.
Die Messlatte. Die Erkennung muss das bestehende Verfahren schlagen, nicht nur existieren. Ist sie langsamer oder fehleranfälliger als der Barcode, ist sie ein Rückschritt.
Was es kostet — und woran
Die Erkennung ist der kleine Posten. Der Aufwand steckt in der Anbindung an das oft alte, zertifizierte Kassensystem, im Offline-Pfad und im Rollout über viele Filialen mit Überwachung. Das ist Integrations- und Betriebsarbeit, kein Bilderkennungs-Projekt. Laufend kommen Modell-Updates über die Flotte und die Überwachung gegen Drift dazu.
Wer dir das als „Kamera dran, KI erkennt” verkauft, hat die vier schwierigen Fünftel ausgelassen. Die ehrliche Frage ist nicht „erkennt es das Produkt”, sondern „hält es an einer echten Kasse, wenn das Netz wackelt und zweihundert davon laufen”.
Wo der Mensch dranbleibt
Kein Buchen auf Verdacht. Bei niedrigem Vertrauen entscheidet die Kassenkraft, nicht das Modell. Ein falsch berechneter Preis ist teurer als jede gesparte Sekunde.
Der geprüfte Ablauf bleibt. Die Kasse verbucht, nicht die KI. Den steuerrelevanten Weg umgeht man nicht.
Die Erkennung schlägt das Produkt vor. Verbucht, kassiert und verantwortet wird über das geprüfte Kassensystem — und bei Zweifel entscheidet ein Mensch.
Wie ein ehrlicher Einstieg aussieht
Nimm eine Kasse und eine Warengruppe ohne Barcode. Lass die Erkennung lokal laufen, mit einem schnellen Rückfall an die Kassenkraft, eingespeist in die echte Kasse. Dann prüf drei Dinge: Ist es spürbar schneller als heute? Berechnet es nie einen falschen Preis, weil Unsicheres an den Menschen geht? Und läuft es weiter, wenn du das Netz absichtlich kappst? Erst wenn alle drei stimmen, denkst du an die zweite Kasse — und lange bevor du an fünfzig Filialen denkst.
Worauf du achtest, wenn dir das jemand baut
- Ist das System offline-fähig, oder hängt jede Buchung am Netz? Netzabhängigkeit ist das K.-o.-Kriterium.
- Speist es sich in deine zertifizierte Kasse ein, ohne den geprüften Ablauf zu umgehen?
- Gibt es eine Vertrauensschwelle mit Rückfall an die Kassenkraft, statt auf Verdacht zu buchen?
- Ist ein Rollout über viele Filialen mit Überwachung gedacht, nicht nur eine Labor-Kasse?
- Schlägt die Erkennung das bestehende Verfahren in Tempo und Genauigkeit?
Die schwierigen Fragen sind nicht die der Bilderkennung. Diese Anforderungsliste bringt sie auf den Tisch, bevor jemand baut:
Pilot-Anforderungen: Produkterkennung an der Kasse (eine Kasse, eine Warengruppe ohne Barcode)
Die Bilderkennung ist NICHT die Hauptfrage. Das hier ist es:
1. Latenz-Budget: Wie schnell MUSS eine Erkennung sein, damit die Kasse nicht wartet? (Zielwert festlegen.)
2. Offline-Verhalten: Was passiert ohne Netz? -> muss weiterlaufen oder sauber auf manuelle Eingabe
zurückfallen. Eine Kasse, die ausfällt, kostet pro Minute Geld.
3. Rückfall: Bei niedrigem Vertrauen sofort an die Kassenkraft / manuelle Auswahl — nie auf Verdacht buchen.
4. Kassen-Schnittstelle: Wie fließt das Ergebnis in dein (oft altes, zertifiziertes) Kassensystem,
OHNE den geprüften, steuerrelevanten Ablauf zu umgehen?
5. Vertrauensschwelle: Ab welcher Sicherheit wird übernommen, ab welcher gefragt?
6. Messlatte: Ist es spürbar schneller und genauer als das, was die Kasse heute tut (z. B. Barcode)?Du willst Produkterkennung an deine Kassen bringen — Backware, lose Ware ohne Barcode — und fragst dich, ob das im echten Betrieb hält? Dann reden wir nicht über die Bilderkennung, sondern über das, was wirklich zählt: Tempo, Ausfallsicherheit und die Anbindung an deine Kasse.