Wie AIoT den Einzelhandel verändert:Intelligentere Geschäfte, besserer Service und optimierte Lieferketten

Der Einzelhandelssektor ist nicht immun gegen die Verbreitung von IoT-fähigen Geräten und Sensoren in Geschäften, Kundendienstkanälen, Lagerhaltung und der Lieferkette. Jetzt setzen Einzelhändler auf künstliche Intelligenz, um diese Daten besser zu nutzen.

Also die künstliche Intelligenz der Dinge (AIoT) wird für Einzelhändler immer wichtiger. Warum? Die Kombination von KI mit Daten von IoT-Geräten hilft Einzelhändlern, das Ladenerlebnis neu zu gestalten, die Servicebereitstellung zu verbessern und die Produkttransparenz auf allen Betriebsebenen aufrechtzuerhalten.

Im thematischen Bericht „Global Data IoT in Retail and Apparel“ wird darauf hingewiesen, dass die zunehmende Integration von KI in IoT-Produkte und -Dienste im Einzelhandel unvermeidlich ist und bereits stattfindet:„Die Schlüsselschichten in der IoT-Wertschöpfungskette sind physisch, Konnektivität, Daten, Apps und Dienste. Während diese Schichten logisch diskret sind, verwischen diese logischen Grenzen bei groß angelegten IoT-Lösungen erheblich.“

Während es beispielsweise weiterhin eine klar identifizierbare Datenschicht an der Spitze des Stapels geben wird, findet ein wachsender Anteil der Datenverarbeitung innerhalb und am Rand des Netzwerks statt. Die beschleunigte Entwicklung der generativen KI, insbesondere von ChatGPT, hat die Relevanz der KI auf allen IoT-Ebenen erhöht. Daher integrieren immer mehr IoT-Produkte und -Dienste KI in ihre Fähigkeiten, insbesondere über kundengesteuerte Schnittstellen.

Die Ereignisauswahl führt zu Ergebnissen und Lösungen in Echtzeit

Feinkörniges Routing über Event-Streaming ermöglicht es Systemen, bei der Analyse der KI selektiver vorzugehen, sodass sie sowohl kostengünstiger als auch reaktiver auf Ereignisse reagieren kann. Ein Ereignis stellt eine Statusänderung oder eine Aktualisierung dar, z. B. das Ablegen eines Artikels in einen Einkaufswagen, das Absenden eines Treuekartenantrags oder die Bereitstellung einer Bestellung für den Versand.

Veranstaltungen werden mit einem Thema „veröffentlicht“, das angibt, worum es geht, und Systeme können sich „abonnieren“, um alle Veranstaltungen mit relevanten Themen zu erhalten. KI-Systeme empfangen Ereignisse, um Echtzeitergebnisse zu erzeugen, die das automatische Auslösen von Lösungen/Aktionen in Echtzeit ermöglichen. Dieser Datenfeed bietet jedoch auch einen Strom für kontinuierliches Lernen, entweder durch Aufnahme in eine Vektordatenbank oder durch Feinabstimmung des Modells selbst.

Überzeugen Sie Stakeholder mit intelligenten Anwendungsfällen

Viele frühe KI-Anwendungen im Einzelhandel werden sich wahrscheinlich auf generative KI (Gen-AI) und Large Language Models (LLMs) konzentrieren. Diese können für direkte Kundeninteraktionen über Store-Apps, Omnichannel-Kundenservice-Interaktionen und sogar zur Unterstützung von Mitarbeitern im Lager verwendet werden.

Eines der größten Probleme der heutigen LLM-basierten KI besteht jedoch darin, dass sie relativ teuer und langsam ist. Das einfache Senden von IoT-Daten an ein LLM zur Verarbeitung wird schnell unhandlich und sehr teuer. Die größten Vorteile aus der Konvergenz von KI und IoT im Einzelhandel werden sich daraus ergeben, dass Einzelhandelsorganisationen intelligente Anwendungsfälle identifizieren, um Kunden, Mitarbeitern und dem Unternehmen als Ganzes Vorteile zu bieten.

… und lassen Sie die Vorteile für sich sprechen

Event-ermöglichende IoT-Streams können Einzelhandelskunden und Mitarbeitern im Geschäft, über Kundendienstkanäle und sogar im Lager Vorteile bieten.

Hier sind drei Anwendungsfälle, in denen die Konvergenz von KI und IoT im Einzelhandel, unterstützt durch Event-Streaming, einen echten Unterschied machen kann.

1) Vorstellung des vernetzten Fabrikarbeiters

Beginnend im Lager kann KI bei der Ausnahmebehandlung für Fabrikarbeiter helfen. Die meisten Einzelhändler verwenden mittlerweile im Lagerbetrieb eine Art mobiles oder Tablet-Gerät, und diese werden durch IoT-Geräte auf dem Lagerplatz für die Bestandsüberwachung und andere inventarbezogene Aufgaben unterstützt.

All dies bietet eine Fülle potenzieller Vorteile, aus denen die KI neue Erkenntnisse gewinnen und potenzielle Probleme angehen kann. Beispielsweise könnte eine Gen-AI-Lösung allen Mitarbeitern eine extrem einfache Möglichkeit bieten, Probleme, Vorfälle/Beinahe-Unfälle oder Überlegungen zur Effizienz zu melden. Hierbei handelt es sich um qualitative Informationen, aber eine LLM-basierte KI kann sie dann überprüfen, sortieren, gruppieren und dem Management kuratierte Ratschläge geben.

Notfallreaktion in Echtzeit, um die Betriebssicherheit zu gewährleisten

In einer Notfallsituation besteht beispielsweise auch das Potenzial, die Geschwindigkeit, mit der Unternehmen im Lager oder in der Fabrikhalle in Echtzeit reagieren können, erheblich zu erhöhen. Ein ereignisgesteuertes System, das die Informationen liefert, und eine KI, die sie transkribiert, sich ansieht und sie dann so schnell wie möglich der relevanten Person vorlegt, könnte die Sicherheit, Zeit und Geld in der Fabrikhalle verbessern.

Hier kann das Event Mesh viele KI-Agenten verknüpfen, die jeweils auf eine bestimmte Reihe von Ereignissen zugeschnitten sind. Dies kann so einfach sein wie das Abonnieren aller Ereignisse, die Rohaudio enthalten, und die Verwendung eines Speech-to-Text-Modells zum Erstellen der Transkription, die dann wieder im Mesh veröffentlicht wird. Alle diese Komponenten kommunizieren asynchron über das Event Mesh und nutzen garantierte Nachrichten, um sicherzustellen, dass keine Ereignisse während der Übertragung verloren gehen und an die entsprechende Person oder das entsprechende Gerät weitergeleitet werden, um eine Notfallreaktion auszulösen.

2) Kundenpräferenzen besser verstehen, um das Einkaufserlebnis individuell anzupassen

AIoT ermöglicht es Einzelhändlern, Laden- und Kundendaten intelligent zu nutzen, um hochgradig individuelle Einkaufserlebnisse anzubieten. Durch den Einsatz von KI zur Analyse von Kundendaten von IoT-Geräten können Einzelhändler Produktempfehlungen, Angebote und sogar Erlebnisse im Geschäft an individuelle Vorlieben anpassen. Nehmen Sie zum Beispiel die Bereitstellung eines Kundendienstmitarbeiters im Geschäft, der weiß, wo sich der Kunde befindet und, was noch wichtiger ist, wo sich alles andere befindet.

Beispielsweise könnte ein Kunde der Store-App mitteilen, dass er einen Zaun bauen möchte. Sie müssen nicht mehr darauf warten, dass der Vertreter des Baumarkts ihnen sagt, wo sich das benötigte Produkt befindet und welches sie verwenden sollten. Stattdessen würde ein KI-Assistent geschäftsspezifische Informationen verwenden, um eine auf die Bedürfnisse jedes Kunden zugeschnittene Antwort zu geben. Es ging zu seinen Datenbanken, beantwortete die Anfrage intelligent und sagte:„Okay, jetzt, da wir herausgefunden haben, welche Art von Materialien Sie benötigen, gehen wir durch den Laden und suchen sie.“

Die Maximierung des Front-End-Kundenerlebnisses erfordert die Verschiebung von Back-End-Daten

Um auf diese Anfragen schnell, genau und effektiv reagieren zu können, müssen alle Bestandsinformationen und die KI-Verarbeitung ereignisgesteuert werden. Kunden müssen in Echtzeit wissen, ob die von ihnen benötigten Materialien verfügbar sind. Dies würde auch den kontextbezogenen Einsatz von Sensoren im Geschäft erfordern, um sie in den Bereich des Geschäfts zu leiten, wo sie ihre Waren finden können.

Ein ereignisgesteuerter Ansatz zur Integration dieser Gerätedaten und der KI-Verarbeitung würde ein Event Mesh nutzen – ein Netzwerk miteinander verbundener Event-Broker, das die Verteilung von Ereignisinformationen zwischen Anwendungen, Cloud-Diensten und Geräten ermöglicht –, um Echtzeitverarbeitung und prädiktive Erkenntnisse zu ermöglichen. Nach dem Kauf können Veranstaltungen auch eine Back-End-Dokumentation und Anweisungen umfassen, die dem Kunden erklären, wie er sein gewünschtes Projekt zu Hause aufbauen kann.

3) Ein vertrauenswürdiger Copilot-Agent taucht im Contact Center auf

Moderne Kundenkontaktzentren sind jetzt mit einem KI-Copiloten ausgestattet, der für einen besseren Kundenservice entwickelt wurde. Microsoft Copilot beispielsweise ist jetzt in Microsoft 365 integriert und erweitert bestehende Contact-Center-Kanäle mit generativer KI, um das Serviceerlebnis zu verbessern und die Produktivität der Agenten zu steigern.

KI kann bei der Verarbeitung aufgezeichneter oder in Echtzeit durchgeführter Anrufe beim Kundendienst helfen, um auf schwerwiegende Probleme aufmerksam zu machen, die Notfallhilfe erfordern. Beachten Sie, dass die KI nicht den Platz des Kundenbetreuers einnimmt, sondern auf Probleme reagiert, die in einem persönlichen Gespräch aufgetreten sind, um Echtzeitkontext über den Kunden und das Problem, das er hat, bereitzustellen.

Ereignisgesteuerte KI, um den Kundendienstmitarbeitern noch mehr Kontext hinzuzufügen

Durch die Ereignisaktivierung dieses KI-Copiloten und die Verknüpfung mit den zahlreichen Datenpunkten im gesamten Kundenserviceprozess (CRM-Daten zur Kundenhistorie, Art des Geräts/Kanals, über den sie kommunizieren, Kundenserviceskripte/-protokolle und BI-Berichte) können Unternehmen dem Kundenservicemitarbeiter neue Erkenntnisse in Echtzeit liefern.

KI-Agenten können eine begrenzte Anzahl von Ereignissen abonnieren, eine für dieses Abonnement spezifische Eingabeaufforderungsvorlage bereitstellen und dann ein LLM verwenden, um das Ereignis mit zusätzlichen Informationen zu erweitern. Beispielsweise können Sie Stimmungsanalysen zu Benutzerinteraktionen durchführen, um Kunden mit Problemen zu identifizieren, die an einen Experten weitergeleitet werden müssen, einen Kunden, der für einen Upsell reif ist, oder um neue Ereignisse basierend auf der Kombination gesammelter Daten zu synthetisieren.

Vernetzter Handel schafft eine intelligentere Einzelhandelszukunft

Die Kombination von KI und IoT im Einzelhandel stellt einen transformativen Wandel in der Art und Weise dar, wie Einzelhändler die ihnen zur Verfügung stehende Technologie und Daten nutzen können. Eine ereignisgesteuerte Strategie ist eine entscheidende Komponente in diesem Prozess und wird Einzelhandelsorganisationen dabei helfen, das Kundenerlebnis zu verbessern, Abläufe zu rationalisieren und Mitarbeiter von der Fabrikhalle über den Laden bis hin zum Contact Center zu stärken.