Computer Vision Wareneingang

Computer Vision Wareneingang ist der Einsatz kamerabasierter Bilderkennungssysteme an der Anliefer- und Vereinnahmungsstation, die Stückzahlen, Verpackungseinheiten, Etiketten und Produktmerkmale automatisch erfassen und mit den Daten aus Bestellung und Lieferavis abgleichen. Die Bilder werden lokal oder in einer Edge-Box mit trainierten Deep-Learning-Modellen ausgewertet, die Treffer landen direkt im ERP.

Detaillierte Erklärung

Marktführer im industriellen Computer-Vision-Segment sind Cognex aus Natick (Massachusetts), Sick aus Waldkirch im Schwarzwald, Keyence aus Osaka, Datalogic aus Bologna sowie Basler aus Ahrensburg. Cognex dokumentiert für seine OCRMax-Engine eine Trefferquote von bis zu 99,99 Prozent bei optimalen Bildbedingungen und 99 Prozent bei schwer lesbaren Zeichen; Sick gibt für seine Lector-Scanner Lese-Raten zwischen 95 und 99 Prozent für 1D- und 2D-Codes an. Die Architektur kombiniert vier Komponenten: eine Industrie-Kamera (typisch 5 bis 20 Megapixel, 60 bis 200 Bilder pro Sekunde), strukturierte Beleuchtung (LED-Ringlicht oder strukturierte Streifenmuster), einen Vision-Controller mit GPU für die neuronalen Modelle und eine SPS-Anbindung an das Lager-Verwaltungssystem. Trainiert werden die Modelle entweder auf vom Anbieter mitgelieferten Standard-Datensätzen (Etiketten, Barcodes, Kartonformen) oder kundenspezifisch auf 500 bis 5.000 eigenen Bildern pro Produktklasse. Wirtschaftlich rechnet sich der Einsatz nach BVL-Studie zur Lager-Automatisierung 2024 ab einem Wareneingangsvolumen von 800 bis 1.200 Paletten pro Tag oder bei hochpreisigen Gütern mit Stückzahl-Diskrepanzen über 0,5 Prozent. Datenschutzrechtlich ist Computer Vision am Wareneingang B2B-fokussiert (Pakete, Paletten, Produkte), Mitarbeiter-Erkennung ist explizit zu vermeiden, weil sonst BetrVG §87 Mitbestimmung greift. Methodisch grenzt sich Computer Vision Wareneingang von der reinen [[ocr-rechnungserkennung]] ab, weil hier nicht Dokumente, sondern physische Objekte und ihre Eigenschaften erkannt werden.

Praxisbeispiel (konkretes Einkaufsszenario)

Ein Automobilzulieferer aus Bayern mit 1.860 Mitarbeitenden, 524 Millionen Euro Umsatz und einem täglichen Wareneingang von 1.450 Paletten an drei Anliefertoren installierte 2026 ein Sick-Lector-System mit drei Kamera-Stationen pro Tor, ergänzt um zwei Cognex-In-Sight-3800-Systeme für die Zählung von Klein-Ladungsträgern. Trainiert wurden die Modelle auf 8.400 hauseigenen Bildern für 320 Verpackungstypen. Nach 5 Monaten Produktivbetrieb: Die Mengenerfassungs-Genauigkeit stieg von 96,8 auf 99,4 Prozent, die durchschnittliche Vereinnahmungszeit pro Palette sank von 4,2 auf 1,1 Minuten und 87 Prozent aller Wareneingänge wurden ohne manuelle Zählung verbucht. Mengen-Reklamationen gegenüber Lieferanten fielen von 142 auf 38 Fälle pro Quartal, was der hauseigenen [[reklamationsquote]] um 73 Prozent reduzierte. Investition: 612.000 Euro Hardware, 184.000 Euro Software-Lizenz für 36 Monate, 240.000 Euro Implementierung. Effekt: 2,4 Vollzeitstellen Wareneingang werden für Qualitätsprüfung freigesetzt, Working-Capital-Effekt durch schnellere Buchung auf Skonto-Konto liegt bei 1,3 Millionen Euro pro Jahr.

Typische Fehler & Verhandlungskontext

Erstens unterschätzen Projektteams die Anforderungen an Beleuchtung und Kameraposition: Sonneneinstrahlung am Anliefertor kann die Erkennungsrate um 15 bis 25 Prozent senken, weshalb baulich abgeschirmte Vision-Tunnel oder geschlossene Boxen Standard sein sollten. Zweitens wird zu früh auf Eigenmodelle umgestellt; Standard-Modelle der Anbieter sind in der Regel für 80 Prozent der Anwendungsfälle ausreichend und nur die Spezialfälle (eigene Etiketten, ungewöhnliche Verpackungen) benötigen Custom-Training. Drittens fehlt häufig der Drift-Check: Wenn Lieferanten ihre Etiketten umstellen oder neue Verpackungen einführen, sinkt die Trefferquote schleichend. In Lieferantenverhandlungen wirkt Computer Vision als Hebel, weil dokumentierte Mengenabweichungen nicht mehr bestreitbar sind; in der Praxis sinkt die [[liefertreue]] zunächst sichtbar, weil bislang nicht erkannte Fehlmengen nun aufgedeckt werden, was in den Folgegesprächen zu 1 bis 3 Prozent Preisnachlass für betroffene Warengruppen führt.

Verwandte Begriffe

Computer Vision Wareneingang ergänzt [[wareneingangspruefung]] und [[track-and-trace]], liefert Daten an die [[liefertreue]]- und [[reklamationsquote]]-Berichte, koppelt sich mit [[document-intelligence-einkauf]] für die Belegerfassung und ist Bestandteil moderner [[procurement-4-0]]-Architekturen.