Assistent für Selbstbedienungskassen
Die SB-Kasse, die antwortet
Sprachassistent auf Basis von GPT-4 an Self-Checkout-Kassen: Er sagt, wo ein Produkt liegt, welche Aktion gilt und was zu tun ist, wenn sich ein Code nicht scannen lässt. Das Projekt betraf Self-Checkout-Kassen in stationären Läden. Eine SB-Kasse beschleunigt den Einkauf, verlagert aber einen Teil der Arbeit auf die Kunden. Sie müssen selbst ein Produkt finden, eine Aktion verstehen und mit einem Code zurechtkommen, der sich nicht scannen lässt. Wir haben einen Sprachassistenten gebaut, der diese Fragen direkt an der Kasse beantwortet, bevor Kunden das Personal rufen.
An der Kasse bleibt der Kunde mit seiner Frage allein.
- Arbeit ohne Wissen. Die Kasse verlagert den Service auf die Kunden, gibt ihnen aber nicht das Wissen des Verkaufspersonals. Kunden bleiben mit Fragen allein, die die Kasse nicht beantwortet.
- Drei Gründe, das Personal zu rufen. Meist geht es darum, wo ein Produkt liegt, wie eine Aktion funktioniert und was zu tun ist, wenn sich ein Code nicht scannen lässt. Jeder solche Ruf hält die Schlange auf, obwohl die Antwort meist einfach ist.
- Eine Mitarbeiterin, mehrere Kassen. Meist betreut eine Person mehrere Kassen gleichzeitig. Hilft sie einem Kunden, warten die anderen. In Stoßzeiten wächst die Schlange schneller, als geholfen werden kann.
- Kunden lesen keine Anleitungen. Texte auf dem Bildschirm und Aufkleber an der Kasse werden selten gelesen. Kunden wollen fragen und eine Antwort bekommen, so wie sie Verkaufspersonal fragen würden.
- Ein Modell ohne Daten erfindet. Ein Sprachmodell ohne Zugriff auf die Daten des Ladens denkt sich einen Gang oder eine Aktion aus. An der Kasse ist eine falsche Antwort schlimmer als keine.
Ein Gespräch statt eines weiteren Bildschirms mit Anleitung.
- Sprachschnittstelle. Kunden fragen per Stimme, weil das am schnellsten geht. Sie müssen keine Option im Menü suchen und keine Frage am Bildschirm eintippen. Die Hände sind mit dem Einkauf beschäftigt, deshalb ist die Stimme der natürliche Kanal.
- Mikrofon auf Knopfdruck. Der Assistent hört nur zu, wenn eine Taste gedrückt wird. Das löst zwei Probleme: den Lärm im Verkaufsraum und die Privatsphäre anderer Kunden.
- Kontext der Filiale. Der Assistent antwortet auf Basis der Daten des jeweiligen Ladens: Sortiment, Verfügbarkeit, Gänge und Aktionen. Das Modell rät nicht, sondern nutzt Fakten.
- Antwort per Stimme und auf dem Bildschirm. Kunden hören die Antwort und sehen sie auf dem Bildschirm: Gang, Preis und nächster Schritt. Bei Lärm ist der Bildschirm genauso wichtig wie die Stimme.
- Klare Kompetenzgrenze. Rückgaben, Reklamationen und Zahlungsprobleme gibt der Assistent an Mitarbeitende weiter. Bei Anliegen, die eine menschliche Entscheidung erfordern, versucht er nicht, den Menschen zu ersetzen.
- Geschwindigkeit als Voraussetzung. Die Sprachschleife muss antworten, bevor Kunden denken, das Gerät hänge. Die Antwortzeit haben wir als Anforderung behandelt, nicht als Extra. Ist die Stille nach einer Frage zu lang, geben Kunden auf und rufen doch das Personal.
- Produktsuche. Kunden fragen, wo sie ein Produkt finden, und erhalten die Gangnummer per Stimme und auf dem Bildschirm. Sie müssen die Kasse nicht verlassen, um Personal zu suchen.
- Aktionen erklären. Der Assistent erklärt, wie eine Aktion funktioniert und ob sie für ein bestimmtes Produkt gilt. Kunden verstehen den Preis, bevor sie bezahlen. Sie müssen nicht raten, ob der Rabatt bei der Zahlung abgezogen wird.
Womit wir es gebaut haben.
Wie es entstanden ist.
Analyse des Kundenwegs
Wir haben aufgeschlüsselt, in welchen Momenten Kunden an der Kasse Hilfe brauchen. Aus dieser Analyse ergaben sich drei Hauptgründe, das Personal zu rufen.
Sprachschleife
Wir haben Spracherkennung, GPT-4 und Sprachsynthese zu einem Ablauf verbunden. Wichtigstes Kriterium war die Zeit von der Frage bis zur Antwort.
Daten des Ladens
Wir haben eine Kontextebene mit Sortiment, Verfügbarkeit, Gängen und Aktionen der Filiale gebaut. Der Assistent nutzt sie bei jeder Antwort. Eine geänderte Aktion oder ein in einen anderen Gang verlegtes Produkt erreicht den Assistenten zusammen mit den Daten des Ladens.
Integration mit dem Kassensystem
Wir haben den Assistenten mit der Kasse verbunden, damit sich die Antworten auf die aktuelle Situation an der Kasse beziehen.
Tests im Lärm des Verkaufsraums
Wir haben die Funktion unter realen Bedingungen im Laden geprüft, mit Lärm und Gesprächen im Hintergrund. Ein Labor kann das nicht ersetzen, denn in einem ruhigen Raum schneidet die Spracherkennung immer besser ab.
Was sich verändert hat.
Weitere Projekte ansehen.
Sie haben SB-Kassen und Schlangen, die bedient werden wollen?
Wir gestalten einen Assistenten, der Ihren Kunden auf Basis der Daten Ihres Ladens antwortet. Wenn Sie Self-Checkout-Kassen einführen, zählen Sie, wie oft Mitarbeitende mit denselben Fragen zu Kunden gehen. Genau diese wiederkehrenden Situationen kann ein Assistent am leichtesten übernehmen. Ein Sprachmodell an der Kasse muss die Daten des Ladens nutzen, denn ohne sie wird es raten. Ebenso wichtig ist festzulegen, was der Assistent nicht tut, und diese Anliegen an einen Menschen zu übergeben.
Sprechen wir über Ihren KI-Assistenten →