KI für städtischen Handel und Gastronomie
Die Podcastfolge stellt das im Projekt KI Regio entwickelte Innenstadt Prognosemodell vor und zeigt, wie KI gestützte Bedarfs und Frequenzprognosen auf Basis externer Einflussfaktoren datenbasierte Planungs und Entscheidungsprozesse im stationären Handel und in der Gastronomie insbesondere für KMU verbessern können.
Künstliche Intelligenz für städtischen Handel und Gastronomie
Mit Dr. Lukas Kagerbauer, Kai Günder und Volker Wedde
In der Folge wird anhand konkreter Ergebnisse aus dem Projekt KI Regio diskutiert, wie die systematische Auswertung von Kundenfrequenzen, Kontextdaten und Prognosemodellen kleinen und mittleren Handels und Gastronomiebetrieben ermöglicht, Personal, Warenbestände und Abläufe präziser und effizienter zu steuer
Wir beleuchten:
- KI-basierte Bedarfs- und Frequenzprognosen im stationären Handel
- Die Bedeutung externer Einflussfaktoren auf Kundenströme, u. a. Wetter, Wochentage, Feiertage, Events, Schulferien und Vorlesungszeiten der Universität
- Optimierung von Personal- und Warenplanung durch datenbasierte Vorhersagen
- Signifikante Effizienzgewinne, insbesondere in Gastronomie und Textilhandel, durch präzisere Prognosen der Kundenfrequenz; kürzere Wartezeiten, bessere Personaleinsatzplanung, weniger Über- oder Unterbesetzung und effizientere Warenlogistik
- Ziel: datenbasierte Optimierung konkreter Alltagsentscheidungen für Handel und Gastronomie
Die bisherigen Ergebnisse sind bemerkenswert:
- Passantenströme in der Würzburger Innenstadt lassen sich mit einer durchschnittlichen
Abweichung von rund 10 % prognostizieren - Auf Basis dieser Prognosen konnten Kundenzahlen und Verkaufsvolumina um 5-10 % genauer vorhergesagt werden, sofern zusätzliche Einflussfaktoren berücksichtigt werden