Kioxia Europe hat eine neue KI-basierte Bilderkennungstechnologie vorgestellt, die Produkte in Logistikprozessen automatisch identifiziert und klassifiziert. Die Lösung wurde gemeinsam mit Tsubakimoto Chain und Eaglys entwickelt und soll den Automatisierungsgrad in Warenverteilzentren erhöhen. Die Präsentation findet derzeit auf der International Robot Exhibition 2025 in Tokio statt.
Die Besonderheit: Das System benötigt kein erneutes Training, wenn neue, saisonale oder seltene Produkte auftauchen – ein wesentlicher Unterschied zu gängigen Deep-Learning-Modellen, die bei jeder Sortimentserweiterung neu eingelernt werden müssen. Grundlage dafür sind die Kioxia-Technologien AiSAQ und Memory-Centric AI.
Warum herkömmliche KI-Systeme in der Logistik an ihre Grenzen stoßen
E-Commerce-Anbieter und Logistikdienstleister bewegen täglich Hunderttausende Artikel – und das Sortiment ändert sich permanent. Klassische KI-Modelle müssen bei jeder Produktneuheit neu trainiert werden. Das führt zu:
- hohen Energie- und Rechenkosten
- langen Trainingszeiten
- ungeeigneten Systemen bei sehr großen Produktkatalogen
Kioxia umgeht diesen Engpass mit einem Ansatz, der neue Produktdaten im Speicher indexiert, statt die KI erneut zu trainieren. Die indexierten Informationen werden anschließend in SSD-Speicher verschoben, um Abfragen zu beschleunigen und den Hauptspeicher (DRAM) zu entlasten.
Die Open-Source-Software AiSAQ steht hier bereit:
Wie das KI-System in der Logistikpraxis eingesetzt wird
Ein Paketzentrum oder Logistik-Hub könnte das System wie folgt nutzen:
1. Produkt erfasst – automatisch, ohne Barcodescanner
Eine Kamera nimmt das vorbeifahrende Paket bezieungsweise Produkt auf. Die KI extrahiert Merkmale wie Form, Etikett, Farbe oder Aufdruck.
2. Datenabgleich in Echtzeit
Statt das „Gehirn“ neu zu trainieren, gleicht das System die Bilddaten mit einem indexierten SSD-Katalog ab, der alle relevanten Produktmerkmale enthält.
3. Klassifizierung und Weiterleitung
Die KI ordnet das Produkt einer Kategorie oder SKU zu und steuert die Sortiertechnik: welches Förderband, welcher Zielort, welcher Behälter.
4. Hohe Flexibilität bei Sortimenten
Wenn neue Produkte in den Katalog aufgenommen werden, etwa Weihnachtsartikel, Aktionsware oder auch Retouren, müssen nur neue Merkmale im Speicher hinterlegt werden. Es ist kein weiteres Modelltraining erforderlich und es kommt zu keiner Downtime.
Praktischer Nutzen:
- eignet sich für Fulfillment-Prozesse mit hohem SKU-Wechsel
- reduziert Fehler bei der Sortierung
- ist ideal für Same-Day- und Next-Day-Fulfillment
- unterstützt Fachkräftemangel, weil wiederkehrende Identifikationsaufgaben automatisiert werden
Warum das System für die Branche relevant ist
- E-Commerce wächst weiter, Artikelvielfalt steigt.
- Arbeitskräftemangel erzwingt mehr Automatisierung.
- Produktzyklen werden kürzer, KI muss flexibler werden.
- Serverkosten und Energieverbrauch rücken stärker in den Fokus.
Kioxia setzt hier auf ein Modell, das Daten statt Rechenleistung skaliert, ein Ansatz, der vor allem für große Logistiknetzwerke interessant ist.
Mehr technische Hintergründe liefert Kioxia hier
AiSAQ-Technologie:
Memory-Centric-AI-Grundlagen:
