Retail Artificial Intelligence Lab

Das Retail Artificial Intelligence Lab an der Universität Duisburg-Essen

Das Retail Artificial Intelligence Lab (retAIL) ist ein Forschungsprojekt des Lehrstuhls für Wirtschaftsinformatik und integrierte Informationssysteme von Prof. Dr. Reinhard Schütte an der Universität Duisburg-Essen und forscht praxisnah, um Strategien und den technologischen Einsatz von Künstlicher Intelligenz, insbesondere dem Machine Learning, im Handel und handelsnahen Sektoren zu fundieren. Die Forschungsergebnisse werden gemeinsam mit Kooperationsunternehmen erzielt, erprobt und in produktive Anwendungen überführt.

Die Forschungsergebnisse werden gemeinsam mit Kooperationsunternehmen erziel, erprobt und in produktive Anwendungen überführt.

Kompetenzenfelder des Labs

  • Automatisierung im Handel
  • Maschinelles Lernen (ML)
  • Big Data
  • Business Analytics
  • Mit besonderem Fokus auf den praxisnahen Einsatz von KI und ML im Handel und der Optimierung im Preis-, Sortiments- und Promotion-Management

Desweiten unterstützen und forschen wir zu:

  • Digitalisierung im Handel
  • Einsatz und Möglichkeiten von Internet of Things (IoT) im Handel
  • Big-Data-Analysen
  • Business Intelligence
  • Predictive Analytics

Referenz Preismanagement

Mark-Down-Pricing im Textilhandel

Analyse und Optimierung des Preisreduzierungsprozesses bei einem Textilhandelsunternehmen. In diesem Projekt wird ein auf Deep Learning basierendes Verfahren zur Optimierung von Mark-Down-Preisen erforscht und neu implementiert.

Referenz Preismanagement

Standortspezifische Preisdifferenzierung

Projekte zur Ermittlung von standortspezifischen Einflussfaktoren zur standortspezifische Preisdifferen- zierung und Optimierung des Promotion Managements (EDEKA Handelsgesellschaft Rhein-Ruhr mbH). Es wurden Aspekte des Marketing-Mixes (Sortiment, Preis und Promotion) genutzt, um Ent- scheidungsprobleme von Handelsunternehmen integrativ auf die Zahlungsbereitschaft der Kunden un- ter Berücksichtigung weiterer Kontextfaktoren in einem Simulationsmodell zu analysieren und in KI- Modelle zu überführen.

Referenz Neuroscience in Retailing

Mit Neuroscience zur Optimierung von (Online-)handelsunternehmen

Dieser Bereich fokussiert sich auf die reale Gestaltung von Handelsunternehmen durch die Einführung und Entwicklung von Systemen, die die Nutzung von analytischen Methoden zur Optimierung des internen Ressourceneinsatzes sowie den Einsatz von Technologien zur Verbesserung des Kundennutzens zum Gegenstand haben. Des Weiteren werden Basisarbeiten zur Technologieakzeptanz von Benutzeroberflächen mittels Methoden einer Bildgebenden Methode namentlich der funktionalen Nahinfrarotspektroskopie (fNIRS) durchgeführt, in deren Züge Webseiten von Onlinehandelsunternehmen untersucht werden.

Referenz gefördertes Forschungsprojekt

Künstliche Intelligenz im Einzelhandel zur Produktplatzierungs-Optimierung (KIEPO)

Der Einzelhandel steckt momentan wohl in der schwierigsten Situation der Nachkriegsgeschichte. Gerade rein stationäre Händler in den Innenstädten sind durch die Corona-Krise der letzten Monate hart getroffen worden, war die Situation davor schon nicht einfach. Die Situation zu verbessern hat sich ein Projekt aus Händlern, Verbundgruppe, Universität und IT Startup zusammen mit dem Wirtschaftsministerium NRW zum Ziel gesetzt. Das Projekt mit dem Namen „Künstliche Intelligenz im Einzelhandel zur ProduktplatzierungsOptimierung“ (KIEPO) hat das Ziel einer kombinierten Optimierung der Platzierung und Preisgestaltung im stationären Einzelhandel mithilfe von KI prototypisch umzusetzen. Besonders ist dabei der Einsatz von elektronischen Etiketten (ESL). Diese ermöglichen nicht nur die automatische Preisanpassung in Echtzeit, sondern auch eine Ortung der Waren innerhalb der Filiale. Denn heute ist meistens nicht genau nachzuhalten wo welche Artikel in einer Filiale platziert sind. Doch hat dies große Auswirkungen, denkt man nur an die Produkte im Supermarkt die kurz vor der Kasse aufgestellt sind und die Kunden zum Zugreifen bringen. 

Genau das Konzept will KIEPO nutzen, um zu große Rabatte zu verhindern und den Händlern zwingend notwendige Umsätze zu ermöglichen. Profitieren können davon sowohl die Händler als auch der Kunde. Die genaue Erfassung der Warenplatzierung stellt zunächst mal die Grundlage um die Auswirkungen der Platzierung auf den Artikel-Verkaufserfolg detailliert zu auswerten zu können und somit das Thema Flächenmanagement und Platzierungsoptimierung Datengetrieben „neu“ zu denken und automatisiert optimale Anpassungen zu generieren.

Weitere Informationen

Forschungsprojekte

Forschungsprojekte des Labs:

Arbeiten Sie mit uns zusammen

Für Studierende

Interessierte Studierende können sich jederzeit für die ausgeschriebenen Abschlussarbeiten oder Projekte bewerben.

 

Für Unternehmen, Verbände und Organisationen

Gerne bieten wir Ihnen unsere Kompetenzen im Rahmen von Forschungs- und Drittmittelprojekten an. Stellen Sie einfach Ihre Anfrage an: <link>Felix Weber

Forschungspartner

Panther Solution GmbH

Panther Solutions bietet jedem Einzelhändler, ganz gleich welcher Größe, KI-Lösungen für bessere Entscheidungen. Panther Solutions wurde 2018 gegründet um KI-basierte Cloud-Softwarelösungen für den Einzelhandel zu entwickeln und die Digitalisierung im Einzelhandel mit zu gestalten. Das Unternehmen ist mit seiner Cloud Software Panther Pricing, welche automatisierte Preisempfehlungen für den Einzelhandel generiert, bereits erfolgreich am Markt vertreten. Durch den Einsatz von Panther Pricing lassen sich Preisabschriften reduzieren und Umsätze und Roherträge signifikant optimieren, sowie Prozesse vollständig automatisieren. Weitere KI basierte „Panther“ Business Solutions für den Handel befinden sich in der Entwicklung.

Zum Forschungspartner

Forschungspartner

SAP University Alliance

Digitalisierung im Rahmen von SAP S/4HANA for Retail und Einsatz der SAP HANA Datenbankplattform. Im Zuge von Studierendenprojekten wurde hier beispielsweise die inMemory-Datenbankarchtiektur genutz um sogenannte Bondatenanalysen (Apriori-Algorithmen) weiterzuentwickeln und deren analytischen Nutzen im Rahmen von Optimierungsentscheidungen zu untersuchen. Auch ist eine Business-Analytics-Anwendung für die Aktionsanalyse im Einzelhandel im Rahmen dieser Forschungskooperation entstanden.

 

Zum Forschungspartner

Artificial Intelligence Framework for Retailing