Starbucks beendet KI‑Experiment für Inventur nach nur neun Monaten

Bewegte ein Mitarbeiter das Tablet über ein Regal oder einen Kühlschrank, sollte das System Milchkanister, Sirupflaschen oder Kaffeebeutel automatisch erkennen und sofort zählen.

NomadGo und Starbucks erklärten damals, dass Inventuren damit bis zu achtmal schneller erledigt werden könnten als mit manuellen Methoden.

Für eine Kette mit Tausenden Filialen und stark frequentierten Getränkezutaten versprach das Projekt bessere Transparenz über Bestände – und damit weniger Engpässe in den Filialen.

Probleme im echten Filialalltag

Im praktischen Einsatz zeigte sich jedoch schnell, dass das System in realen Store‑Umgebungen deutlich unzuverlässiger arbeitete als in Demonstrationen.

Mitarbeiter berichteten unter anderem über:

• falsche Zählungen, wenn Produkte übersehen oder doppelt erfasst wurden
• falsche Zuordnungen, wenn ähnliche Artikel verwechselt wurden
• nicht erkannte Produkte, die im Scan gar nicht auftauchten

Ein besonders häufiges Problem betraf verschiedene Milchsorten. Behälter für Vollmilch, fettarme Milch oder pflanzliche Alternativen sehen sich oft sehr ähnlich. Das System verwechselte diese Varianten gelegentlich oder erkannte sie gar nicht.

Da genau diese Zutaten für die Zubereitung der Getränke entscheidend sind, konnten falsche Bestandszahlen schnell zu falschen Nachbestellungen oder zu Engpässen führen.

Warum Starbucks das System abschaffte

Im Mai 2026 entschied Starbucks schließlich, das Programm komplett einzustellen – rund neun Monate nach dem Start. Interne Mitteilungen an Mitarbeiter bestätigten, dass „Automated Counting“ außer Betrieb genommen wird.

Künftig sollen Milch und andere Getränkekomponenten wieder nach denselben manuellen Verfahren gezählt werden wie der restliche Lagerbestand.

Die Entscheidung steht laut Unternehmenskommunikation im Zusammenhang mit einer breiteren Initiative, um:

• Inventurprozesse zu standardisieren
• konsistentere Abläufe in den Filialen zu schaffen
• die tägliche Warenversorgung zuverlässiger zu organisieren

Kurz gesagt: Die automatisch erfassten Bestandsdaten waren nicht zuverlässig genug, um darauf operative Entscheidungen zu stützen.

Was der Fall über KI im Einzelhandel zeigt

Der Versuch war bemerkenswert, weil er sofort in großem Maßstab stattfand: Zehntausende Beschäftigte arbeiteten in Tausenden Filialen mit der neuen Technologie.

Das Projekt zeigt jedoch ein häufiges Problem bei Unternehmens‑KI: Systeme, die in kontrollierten Tests gut funktionieren, stoßen im echten Betrieb schnell an Grenzen. Unterschiedliche Lichtverhältnisse, überfüllte Regale, wechselnde Verpackungen oder sehr ähnliche Produkte erschweren die automatische Erkennung erheblich.

Bei Starbucks reichten diese kleinen visuellen Unterschiede aus, um die automatisierten Zählungen weniger vertrauenswürdig zu machen als die klassische manuelle Inventur – zumindest vorerst.