Starbucks hat ein KI-System zur automatisierten Inventur in Nordamerika wieder abgeschaltet. Der Fall zeigt, dass der praktische Einsatz von KI im Handel schneller an Grenzen stößt, als viele Einführungspläne vermuten lassen.
Die Anwendung sollte Milch, Sirup und weitere Getränkebestandteile in den Filialen automatisch erfassen. Nach einem Bericht von Reuters wurde das System jedoch schon neun Monate nach dem flächendeckenden Start wieder eingestellt. Zuvor hatte es wiederholt Probleme mit falschen Zählungen und fehlerhaften Produkterkennungen gegeben. So soll die Anwendung ähnliche Milchsorten verwechselt oder Produkte ganz übersehen haben.
Für Starbucks war das Projekt Teil eines größeren Versuchs, Produktengpässe in den Filialen besser zu kontrollieren. Gerade im Schnellgastronomie- und Handelsumfeld können falsche Bestandsdaten unmittelbare Folgen haben: Ware wird zu spät nachbestellt, Produkte fehlen im Verkauf oder Mitarbeiter müssen technische Fehler nachträglich korrigieren. Starbucks begründete die Einstellung gegenüber Reuters damit, die Inventurprozesse in den Filialen wieder stärker vereinheitlichen zu wollen.
Der Fall steht für eine breitere Ernüchterung beim Einsatz von KI in Unternehmen. Was in Präsentationen nach Automatisierung aussieht, kann im laufenden Betrieb neue Fehlerquellen schaffen. Im Handel reichen falsche Bestandsdaten, verwechselte Produkte oder nicht erkannte Artikel aus, um Nachbestellungen, Verfügbarkeit und Arbeitsabläufe zu stören. Die erhoffte Entlastung wird dann schnell durch Kontrolle, Nacharbeit und zusätzliche Kosten aufgezehrt.
Auch die Kostenkontrolle wird zunehmend zum Thema. Ein von Axios zitierter KI-Berater berichtete von einem nicht genannten Unternehmen, das innerhalb eines Monats rund 500 Millionen Dollar für Claude-Nutzung ausgegeben haben soll, weil keine ausreichenden Nutzungslimits gesetzt waren. Der Fall ist anonym und nicht unabhängig überprüfbar. Er zeigt aber, welches Risiko entsteht, wenn KI-Werkzeuge breit ausgerollt werden, ohne klare Budgetgrenzen und Kontrollmechanismen einzuziehen. Hinzu kommt der Aufwand für Qualitätssicherung: Eine CloudBees-Umfrage unter mehr als 200 IT-Führungskräften demonstriert, dass viele Unternehmen nach der Einführung KI-generierter Anwendungen mit Fehlern, Sicherheitsproblemen und Performanceproblemen kämpfen.
