{"id":1728,"date":"2025-04-05T18:58:24","date_gmt":"2025-04-05T15:58:24","guid":{"rendered":"http:\/\/shelfmatch.com\/de\/?p=1728"},"modified":"2026-08-18T19:26:00","modified_gmt":"2026-08-18T16:26:00","slug":"betrug-im-digitalen-merchandising-technologische-gegenmassnahmen-teil-1","status":"publish","type":"post","link":"https:\/\/shelfmatch.com\/de\/betrug-im-digitalen-merchandising-technologische-gegenmassnahmen-teil-1\/","title":{"rendered":"Betrug im digitalen Merchandising. Technologische Gegenma\u00dfnahmen. Teil 1"},"content":{"rendered":"\n

Betrugsf\u00e4lle im digitalen Merchandising sind h\u00e4ufig und leider unvermeidlich. Au\u00dfendienstmitarbeiter \u2013 vermutlich aufgrund der Art ihrer Arbeit ohne<\/em> regelm\u00e4\u00dfige Aufsicht<\/em> durch eine F\u00fchrungskraft<\/em> \u2013 sind sehr gut darin, neue und originelle Tricks zu entwickeln, um weniger zu arbeiten und mehr zu verdienen. Daher ist f\u00fcr Unternehmen, die Merchandiser besch\u00e4ftigen, die Pr\u00fcfung und Kontrolle ihrer Mitarbeiter stets relevant.<\/p>\n\n\n\n

In diesem Artikel sprechen wir \u00fcber die Arten von Betrug im Merchandising und unsere Erfahrung damit, die Fallstricke nachl\u00e4ssiger Mitarbeiter technologisch zu \u00fcberwinden. In den 1.<\/sup> und 2.<\/sup> praktischen Teilen gehen wir genauer darauf ein, wie wir mit bestimmten Betrugsarten umgehen. Und im 3.<\/sup> Teil, dem theoretischen, sprechen wir zur Abrundung \u00fcber weitere g\u00e4ngige T\u00e4uschungsmethoden von Au\u00dfendienstmitarbeitern.<\/p>\n\n\n\n

Betrug im digitalen Merchandising: Ziele<\/h2>\n\n\n\n

Betrug ist der Versuch, das Merchandising-System zu t\u00e4uschen, um das Ergebnis zu beeinflussen. Da Au\u00dfendienstmitarbeiter, die Regale fotografieren und Berichte erstellen, h\u00e4ufig nach Leistung bezahlt werden, k\u00f6nnen sie durch die Manipulation von Fotos den Eindruck erwecken, mehr Verkaufsstellen besucht und mehr Regale erfasst zu haben. Betrug liegt daher vor, wenn ein Au\u00dfendienstmitarbeiter das System t\u00e4uscht, um mehr Geld zu verdienen.<\/p>\n\n\n\n

Ein weiterer Fall liegt vor, wenn die Verg\u00fctung eines Mitarbeiters nicht von der Anzahl der aufgenommenen Fotos, sondern von der Qualit\u00e4t der Arbeit abh\u00e4ngt \u2013 also von den erreichten KPIs. In diesem Fall gilt: Je mehr hochwertige Fotos eine Person dem Kunden im Hinblick auf die ideale Regalplatzierung liefert, desto h\u00f6her f\u00e4llt ihre Verg\u00fctung aus.<\/p>\n\n\n\n

In diesem Beitrag erl\u00e4utern wir, wie ShelfMatchTM<\/sup> mit gef\u00e4lschten Fotos arbeitet, n\u00e4mlich:<\/p>\n\n\n\n

  1. Doppelte Fotos identifiziert und danach sucht<\/li>
  2. Fotos von schlechter Qualit\u00e4t aus dem gesamten Datenstrom herausfiltert<\/li>
  3. Fotos identifiziert, die von Smartphone-\/Tablet-Bildschirmen oder Printmedien aufgenommen wurden<\/li><\/ol>\n\n\n\n

    1) Erkennen doppelter Fotos<\/h3>\n\n\n\n

    Das Duplizieren von Fotos ist die h\u00e4ufigste Art von Betrug. Der Merchandiser l\u00e4dt dasselbe Foto im Abstand von mehreren Tagen oder Wochen in das System hoch. Dieses Foto kann ein echtes Foto aus einem POS (Point of Sale) sein oder aus einer speziellen Datenbank heruntergeladen werden: Merchandiser auf der ganzen Welt haben geheime Chatgruppen, in denen sie hochwertige Fotos von Regalen austauschen, die eine umfassende Bildergalerie enthalten und in fast jeder Situation verwendet werden k\u00f6nnten. Der Zweck dieses Tricks besteht darin, den POS nicht zu besuchen, sondern dem Vorgesetzten ein altes, nicht mehr aktuelles Foto von Warenregalen zu schicken \u2013 als h\u00e4tte der Mitarbeiter die Verkaufsstelle besucht. Folglich erzielten alle Merchandiser am Ende des Tages hervorragende Ergebnisse.<\/p>\n\n\n\n

    Wie ShelfMatchTM<\/sup> geht gegen diese Art von Betrug vor:<\/strong><\/h4>\n\n\n\n

    Einerseits ist das Auffinden doppelter Bilder f\u00fcr Machine Learning ein recht bekanntes, verst\u00e4ndliches und gel\u00f6stes Problem. Ein Bildverarbeitungsdienst erstellt einen digitalen Fingerabdruck<\/em> des Fotos, f\u00fcgt ihn der Datenbank hinzu, erstellt einen solchen virtuellen Fingerabdruck f\u00fcr jedes eingehende Bild und vergleicht jeden neuen Fingerabdruck mit den vorherigen, wodurch doppelte Bilder gefunden werden.<\/p>\n\n\n\n

    Andererseits ist diese Aufgabe in unserem Kontext nicht so einfach, wie sie auf den ersten Blick erscheinen mag. Es gibt mehrere Schwierigkeiten, die die Arbeit erschweren k\u00f6nnen.<\/p>\n\n\n\n

    Erstens, was gilt als Duplikat<\/strong>? Die Antwort scheint einfach: genau dasselbe Bild eines Regals. Doch bei diesem Verst\u00e4ndnis eines Duplikats l\u00e4sst sich das System recht leicht t\u00e4uschen. Beispielsweise kann man das Originalbild leicht zuschneiden und dabei sogar teilweise einige SKUs auf dem Foto opfern. F\u00fcr die Computer Vision ist es dann kein absolutes Duplikat mehr \u2013 inhaltlich bleibt es jedoch ein Duplikat. Dies ist die erste Schwierigkeit, die bei der Entwicklung eines Systems zur Erkennung doppelter Bilder ber\u00fccksichtigt werden muss.<\/p>\n\n\n\n

    Zweitens, \u00fcber<\/strong> welchen Zeitraum sollten wir die Datenbank fr\u00fcherer Besuche durchsuchen<\/strong>? Diese Komplexit\u00e4t betrifft die Serverkapazit\u00e4t. Es ist eine Sache, wenn es eine bestimmte Bilddatenbank mit fester Gr\u00f6\u00dfe gibt. Etwas anderes ist es, wenn diese Datenbank t\u00e4glich um mehrere Zehntausend Bilder oder mehr w\u00e4chst. Infolgedessen m\u00fcssen folgende Fragen gel\u00f6st werden: a) physischer Speicherplatz f\u00fcr die Speicherung der Fingerabdr\u00fccke und b) die Geschwindigkeit, mit der jeder Fingerabdruck mit der gesamten Datenbank verglichen wird. Sie k\u00f6nnen die Datenbank regelm\u00e4\u00dfig von alten Eintr\u00e4gen bereinigen, doch fr\u00fcher oder sp\u00e4ter erhalten Merchandiser die M\u00f6glichkeit, \u00e4ltere Bilder hochzuladen.<\/p>\n\n\n\n

    Trotz dieser Nuancen kann ShelfMatchTM<\/sup> Sie vor hartn\u00e4ckigen und offensichtlichen Versuchen sch\u00fctzen, ein Foto zu f\u00e4lschen.<\/p>\n\n\n\n

    2) Erkennen von Bildern schlechter Qualit\u00e4t<\/h3>\n\n\n\n

    Es kommt auch vor, dass Mitarbeiter Fotos von schlechter Qualit\u00e4t senden: \u00fcberbelichtete, verschwommene oder undeutliche Bilder, Fotos aus einem zuf\u00e4lligen Winkel, Aufnahmen, auf denen nicht das gesamte Regal sichtbar ist, sowie andere unbrauchbare Dateien. All diese Fotos machen eine automatisierte Bilderkennung unm\u00f6glich. Der Grund, warum Mitarbeiter solche Fotos aufnehmen, liegt in der Datenmenge. Es ist einfacher, viele Fotos von geringer Qualit\u00e4t aufzunehmen und sie an den Vorgesetzten zu schicken, als zu versuchen, hochwertige Fotos zu machen. Und nat\u00fcrlich spielt der menschliche Faktor immer eine entscheidende Rolle: Jeder kann Fehler machen und versehentlich ein schlechtes Foto aufnehmen.<\/p>\n\n\n\n

    Wie gehen wir mit solchem Betrug um?<\/strong><\/h4>\n\n\n\n

    In ShelfMatchTM<\/sup> ist ein spezielles, eigenst\u00e4ndiges Modul f\u00fcr die Bewertung der Fotoqualit\u00e4t zust\u00e4ndig. Die Bildverarbeitung erfolgt in 2 Phasen:<\/p>\n\n\n\n

    1. Vorverarbeitung (vor der SKU-Erkennung) und<\/li>
    2. Nachverarbeitung (nach der Erkennung der SKU und der Preisschilder auf dem Foto).<\/li><\/ol>\n\n\n\n

      1. Vorverarbeitung<\/h4>\n\n\n\n

      In der Phase der Vorverarbeitung durchl\u00e4uft das eingehende Regalbild mehrere neuronale Netze, die die folgenden Parameter bewerten:<\/p>\n\n\n\n

      • Aufnahmewinkel<\/strong>. Insbesondere ermittelt das neuronale Netz den Neigungswinkel der Regale auf dem Foto. Dies ist ein recht wichtiger Parameter, da die Qualit\u00e4t der SKU-Erkennung vom Aufnahmewinkel abh\u00e4ngt. Je frontaler das Foto aufgenommen wird, desto genauer sind die Erkennungsergebnisse.<\/li>
      • Vorhandensein von Waren auf dem Foto<\/strong>. Ein weiteres neuronales Netz stellt fest, ob das Foto Abbildungen von Waren enth\u00e4lt oder andere Inhalte aufweist. \u201eAndere\u201c Inhalte k\u00f6nnen viele Varianten bedeuten: In der Praxis begegnen uns Fotos aus einem Auto, Aufnahmen des Eingangsbereichs eines Gesch\u00e4fts, versehentlich gesendete Bilder von Boden oder Decke sowie \u00e4hnliche irrelevante Bilder.<\/li>
      • Bildqualit\u00e4t insgesamt.<\/strong> Ein separates neuronales Netz bewertet die Parameter in Kombination (\u201eGrad der Bildsch\u00e4rfe\u201c + \u201eBelichtung\u201c) und ermittelt einen konkreten Wert: ob es sich um ein Bild schlechter oder guter Qualit\u00e4t handelt.<\/li>
      • Foto eines Bildschirms oder echtes Foto<\/strong>. Auf diese Betrugsvariante gehen wir weiter unten ausf\u00fchrlicher ein.<\/li><\/ul>\n\n\n\n

        Die Ergebnisse der Vorverarbeitung erm\u00f6glichen es uns, Fotos schlechter Qualit\u00e4t auszusortieren und nicht in die Erkennungsphase zu \u00fcbernehmen. Der Merchandiser kann wiederum schnell die Aufforderung erhalten, ein neues, hochwertiges Foto zu senden (wenn die Arbeit online erfolgt).<\/p>\n\n\n\n

        2. Nachverarbeitung<\/h4>\n\n\n\n

        H\u00e4ufig ist nicht das gesamte Foto schlecht, sondern nur ein Teil davon. ShelfMatchTM<\/sup> kann solche F\u00e4lle mithilfe der Nachverarbeitung bewerten.<\/p>\n\n\n\n

        Im Rahmen der Nachverarbeitung wird nicht die Qualit\u00e4t des gesamten Fotos gemessen, sondern separat die jedes kleinen Bildausschnitts, der die SKU oder das Preisschild enth\u00e4lt.<\/p>\n\n\n\n

        W\u00e4hrend der Nachverarbeitung k\u00f6nnen Sie:<\/h5>\n\n\n\n
        • nachverfolgen, welche Merchandiser perfekte oder nahezu perfekte Fotos aufnehmen und welche sich nicht besonders bem\u00fchen<\/li>
        • zus\u00e4tzliche Informationen \u00fcber die Genauigkeit bzw. Unsicherheit der SKU- und\/oder Preisschilderkennung an der jeweiligen Stelle des Bildes erhalten.<\/li><\/ul>\n\n\n\n

          Im Bereich der automatisierten Produkterkennung besteht stets ein Streben nach h\u00f6herer Erkennungsgenauigkeit. Diese leidet jedoch h\u00e4ufig aus Gr\u00fcnden, die au\u00dferhalb der Kontrolle neuronaler Netze liegen: Eine starke Spiegelung gelangt ins Foto oder die Hand zittert bei der Aufnahme, sodass ein Teil des Bildes verschwimmt usw. In solchen F\u00e4llen bringt eine allgemeine Bewertung der Fotoqualit\u00e4t nichts. Die Nachverarbeitung und Bewertung einzelner Bereiche zeigt jedoch, dass die Ergebnisse eines solchen Fotos nicht sehr genau sind und zumindest teilweise verworfen werden sollten. Damit verf\u00fcgen wir \u00fcber ein weiteres Instrument zur Identifizierung minderwertiger Fotos, das uns erm\u00f6glicht, die Genauigkeit der Analyse zu erh\u00f6hen.<\/p>\n","protected":false},"excerpt":{"rendered":"

          Betrugsf\u00e4lle im digitalen Merchandising sind h\u00e4ufig und leider unvermeidlich. Au\u00dfendienstmitarbeiter \u2013 vermutlich aufgrund der Art ihrer Arbeit ohne regelm\u00e4\u00dfige Aufsicht durch eine F\u00fchrungskraft \u2013 sind sehr gut darin, neue und originelle Tricks zu entwickeln, um weniger zu arbeiten und mehr zu verdienen. Daher ist f\u00fcr Unternehmen, die Merchandiser besch\u00e4ftigen, die Pr\u00fcfung und Kontrolle ihrer Mitarbeiter stets relevant. In diesem Artikel sprechen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[52],"tags":[],"_links":{"self":[{"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/posts\/1728"}],"collection":[{"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/comments?post=1728"}],"version-history":[{"count":1,"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/posts\/1728\/revisions"}],"predecessor-version":[{"id":1729,"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/posts\/1728\/revisions\/1729"}],"wp:attachment":[{"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/media?parent=1728"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/categories?post=1728"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/shelfmatch.com\/de\/wp-json\/wp\/v2\/tags?post=1728"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}