Warum Starbucks sein KI‑Inventarsystem nach nur neun Monaten wieder abschaffte

So sollte die Inventur deutlich schneller werden als beim klassischen händischen Zählen. Außerdem versprach sich Starbucks bessere Daten über niedrige Bestände, um Produktengpässe zu vermeiden.

Die Probleme im Filialalltag

Sobald das System im großen Maßstab eingesetzt wurde, zeigten sich jedoch deutliche Schwächen.

Berichten zufolge zählte oder identifizierte die Software Produkte häufig falsch. In manchen Fällen wurden Artikel komplett übersehen oder falsch beschriftet.

Ein besonders häufiges Problem betraf ähnlich aussehende Produkte. Die Software hatte Schwierigkeiten, verschiedene Milchsorten zu unterscheiden – etwa normale Milch, Hafermilch oder andere Alternativen.

Gerade das ist für Starbucks kritisch: Viele Getränke hängen direkt davon ab, welche Milchsorten verfügbar sind. Wenn der Bestand falsch erfasst wird, kann das zu mehreren operativen Problemen führen:

• falsche Nachbestellungen
• unerwartete Engpässe bei Zutaten
• Getränke, die vorübergehend nicht angeboten werden können

Damit kehrte sich der ursprüngliche Vorteil um: Statt Zeit zu sparen, mussten Mitarbeiter Bestände zusätzlich manuell überprüfen.

Warum Starbucks wieder manuell zählt

Im Mai 2026 informierte Starbucks seine Filialen, dass das Programm beendet wird. Zutaten für Getränke – insbesondere Milch und Sirupe – sollen künftig wieder manuell gezählt werden, genauso wie andere Inventarkategorien.

Die Entscheidung steht im Zusammenhang mit einer größeren strategischen Neuausrichtung des Unternehmens.

Unter CEO Brian Niccol verfolgt Starbucks eine interne Initiative mit dem Namen „Back to Starbucks“. Ziel ist es, wieder zuverlässigere Abläufe in den Filialen zu schaffen und Produktengpässe zu reduzieren.

Zu den wichtigsten Maßnahmen gehören:

• stärker standardisierte Inventurprozesse
• klarere operative Abläufe in Filialen
• tägliche Nachlieferungen wichtiger Zutaten

In diesem Kontext entschied das Unternehmen, dass manuelle Bestandszählungen derzeit zuverlässiger sind als das fehleranfällige KI‑System.

Ein Lehrstück für KI im realen Betrieb

Der Fall zeigt ein häufiges Problem bei Unternehmens‑KI: Technologien, die in Pilotprojekten oder Demos gut funktionieren, stoßen im Alltag schnell an Grenzen.

Gerade Einzelhandelsumgebungen sind für Computer‑Vision‑Systeme schwierig, etwa wegen:

• unübersichtlicher Regale
• wechselnder Verpackungen
• sehr ähnlicher Produkte
• unterschiedlicher Beleuchtung oder Lageranordnung

Selbst kleine Erkennungsfehler können bei Tausenden Filialen schnell große operative Folgen haben.

Im Fall von Starbucks überwogen schließlich die Nachteile – und das Unternehmen stoppte das Projekt nach nur neun Monaten im Echtbetrieb.

Das Experiment zeigt dennoch, wie stark große Handelsketten versuchen, KI auch in physischen Abläufen einzusetzen. Gleichzeitig macht es deutlich, dass solche Systeme erst dann bestehen, wenn sie den unordentlichen Alltag echter Geschäfte zuverlässig bewältigen.