Inhaltsverzeichnis
Ein Computer-Vision-PoC, das mit 99 % in der Sandbox validiert wurde, kann in der Produktion bei 11.000 Geschäften scheitern: Der Rückzug des „Automated Counting“-Tools durch Starbucks Ende Mai 2026 ist der dokumentierte Beweis dafür. Die Kette zog in der Woche des 21. Mai 2026 das von NomadGo entwickelte Tool „Automated Counting“ nach neun Monaten Einsatz in mehr als 11.000 nordamerikanischen Geschäften, um Milch und Sirups zu inventarisieren, zurück. Man kehrt vollständig zur manuellen Zählung zurück. Die Lösung wurde von NomadGo (Redmond, Washington), unter der Leitung von David Greschler, entwickelt. Laut einer BusinessWire-Mitteilung vom 3. September 2025 behauptete der Entwickler eine bis zu achtmal höhere Geschwindigkeit als die manuelle Zählung und eine Genauigkeit von 99 %, selbstdeklarierte Zahlen ohne bekannte unabhängige Validierung bis heute. Der Rückzug wird durch die Analyse „AI Autopsy“ von Bigeye dokumentiert, veröffentlicht am 23. Mai 2026.
Von 99 % beanspruchter Genauigkeit bis zu einem Rückzug in neun Monaten - in 11.000 Geschäften.
Zahl aus der offiziellen NomadGo-Mitteilung (Sept. 2025): Eine in kontrollierten Bedingungen gemessene Genauigkeit, die vor dem großflächigen Einsatz nicht unabhängig validiert wurde.
Ein zentrales Werkzeug des Niccol-Sanierungsplans, in der Tradition eines früheren Amazon
Das „Automated Counting“ war Teil des von Brian Niccol, der im September 2024 CEO von Starbucks wurde, geleiteten operativen Sanierungsprogramms, das darauf abzielte, Engpässe bei schnelllebigen Produkten zu reduzieren. Die Startmitteilung vom 3. September 2025 erinnerte daran, dass die Technologie „mehrere Jahre“ in der Sandbox getestet wurde, bevor sie allgemein eingesetzt wurde, eine Pilotdauer, die das Scheitern in der Produktion nicht verhindern konnte. Das Szenario erinnert an die Entwicklung von Just Walk Out bei Amazon Fresh, worüber Ars Technica im April 2024 berichtete, dass die Technologie nicht so autonom war wie angekündigt und auf eine Belegschaft von etwa tausend Personen in Indien angewiesen war, die die Videoaufzeichnungen sichten, um die Transaktionen zu validieren (freie Übersetzung) - eine Offenbarung, die im selben Jahr wie das Ende des Systems durch Amazon veröffentlicht wurde. ActuIA dokumentierte bereits 2023 das Eindringen der KI in den Einzelhandel, wo die Diskrepanzen zwischen Genauigkeitsansprüchen und tatsächlicher Leistung im großen Maßstab beobachtbar werden. Für jede Organisation, die sich in einem Computer-Vision-PoC im Einzelhandel befindet, stellt der Fall eine direkte operative Frage: Reproduzieren die Sandbox-Validierungsbedingungen die Variablen, die den Einsatz in 11.000 Geschäften scheitern ließen?
Eine mobile Architektur und eine bekannte Fehlerklasse jenseits von 1.000 Referenzen
Die NomadGo-Lösung kombinierte Computer Vision, LiDAR-Sensoren, dreidimensionale Raumverarbeitung und Augmented-Reality-Überlagerung, alles von einem Smartphone oder Tablet aus betrieben, das dem Personal im Geschäft anvertraut wurde, eine sogenannte mobile Scan-Architektur. Die gemeldeten Fehler betrafen die Verwechslung von Milchsorten und Zählfehler bei visuell dichten Referenzen. Laut der Analyse TechnoLynx, veröffentlicht im April 2026, die das Phänomen als zusammengesetzte Fehlerklasse bezeichnet, scheitern Computervisionsmodelle, die Präzisionstests bei 500 Referenzen bestehen, in der Produktion jenseits von 1.000, nicht aufgrund einer einzigen Ursache, sondern gemäß vier gleichzeitigen Fehlerachsen (freie Übersetzung). Die These ist, dass die in einer kontrollierten Umgebung validierte Präzision (begrenzte Referenzpalette, stabiles Licht, standardisierte Anordnung) durch Akkumulation abnimmt, wenn die reale Umgebung eine Proliferation von Referenzen, Lichtschwankungen und unstandardisierte Verpackungen auferlegt. Die Analyse Bigeye vom 23. Mai 2026 fasst die dokumentierte Diskrepanz in ihrem Titel zusammen, der nachzeichnet, wie das KI-Inventarwerkzeug von Starbucks von einer behaupteten Präzision von 99 % in neun Monaten zum Rückzug führte (freie Übersetzung).
Die 1.000 SKU-Schwelle: eine Fehlerklasse, kein isolierter Bug
Laut TechnoLynx (April 2026) scheitern Computervisionsmodelle, die bei weniger als 500 Referenzen validiert wurden, in der Produktion jenseits von 1.000 Produktklassen - nicht aufgrund einer einzigen Ursache, sondern unter dem Einfluss von vier gleichzeitigen Fehlerachsen: Proliferation der SKUs, Lichtvariabilität, Heterogenität der Anordnungen, nicht standardisierte Verpackungen. Dieser Mechanismus der zusammengesetzten Fehler ist unabhängig vom Fall Starbucks dokumentiert.
Focal Systems bei Morrisons: ein groß angelegter CV-Einzelhandelseinsatz auf fester Kameraarchitektur
Im gleichen Bereich beansprucht der Herausgeber Focal Systems bei der britischen Kette Morrisons einen Einsatz, der in seiner Unternehmensmitteilung als einer der größten im Lebensmitteleinzelhandel mit Computer Vision im großen Maßstab präsentiert wird. Laut derselben Mitteilung habe der Einsatz „mehr als 2 % Verbesserung der Produktverfügbarkeit im Geschäft im gesamten Bestand und bis zu 4 % in den leistungsstärksten Geschäften“ geliefert (freie Übersetzung) - eine vom Herausgeber selbst deklarierte Zahl, ohne veröffentlichte Drittwiederholung. Das Projekt erhielt den Preis „Digital Transformation Project of the Year 2024“. Die von Focal Systems eingesetzte Architektur basiert auf festen Kameras im Regal, wo NomadGo über mobile Endgeräte arbeitete, die dem Personal übergeben wurden: Die architektonische Variable stellt einen strukturellen Unterschied zwischen den beiden Systemen dar. Vor jedem massiven Einsatz eines Computer-Vision-Systems im Einzelhandel sollten drei Variablen unter realen Bedingungen getestet werden: der validierte Referenzkatalog (Sandbox versus Produktion, mit spezifischer Messung jenseits der 1.000 SKU-Schwelle), die Erfassungsarchitektur (mobiler Scan an das Personal übergeben oder feste Kameras im Regal) und eine von einem unabhängigen Dritten dokumentierte Präzisionsmessung. NomadGo hat keines der drei Ergebnisse vor seinem Rollback auf 11.000 Geschäfte veröffentlicht.