KI-gestützte Diebstahlprävention im Einzelhandel

Das echte Ausmaß des Problems

Der Einzelhandelsverband HDE beziffert die jährlichen Inventurdifferenzen im deutschen Einzelhandel auf ca. 4,0 bis 4,5 Milliarden Euro. Das entspricht im Schnitt 0,8 bis 1,2 Prozent des Umsatzes — eine Summe, die viele Margen direkt aufzehrt. Bei einem Supermarkt mit 5 Mio. Euro Jahresumsatz und 2 % Nettomarge bedeutet 1 % Inventurdifferenz: Die Hälfte des gesamten Gewinns ist weg.

Dabei entfällt etwa ein Drittel der Verluste auf externe Diebstähle, ein weiteres Drittel auf interne Mitarbeitervorfälle (Kassenmissbrauch, Produktentnahmen) und das letzte Drittel auf Verwaltungsfehler und Lieferabweichungen. Klassische Videoüberwachung hilft bei der Aufklärung von Vorfällen, aber verhindert sie nur begrenzt — wer auf frischer Tat ertappt werden will, muss aktiv beobachtet werden, und dafür fehlt im Alltag das Personal.

Das Muster eines typischen Ladendiebstahls ist beschreibbar: Person hält sich ungewöhnlich lang in einem Regalbereich auf, greift mehrfach nach hinten, dreht sich wiederholt um. Computer-Vision-Systeme erkennen genau diese Verhaltensmuster — während der Mitarbeiter gerade an der Kasse beschäftigt ist.

Gleichzeitig zeigen POS-Datenanalysen wiederholt, dass interne Verluste durch ungewöhnliche Stornierungsmuster, systematisch niedrigere Bon-Werte bestimmter Kassierer oder ungewöhnliche Tageszeiten für Transaktionen erkennbar sind — lange bevor eine manuelle Inventur sie aufdeckt.

Mit vs. ohne KI — ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis — sehr niedrig (1/5) Diebstahlprävention spart keine Mitarbeiterzeit — sie verändert, wie und wo Sicherheitsaufmerksamkeit eingesetzt wird. Das ist der schwächste Zeithebel in der gesamten Handel-Branche. Wer KI-Prävention installiert, spart keine Vollzeitstellen, sondern verlagert reaktive Sicherheitsrunden auf gezielte Reaktionen.

Kosteneinsparung — hoch (4/5) Der Hebel ist direkt und groß: Inventurdifferenzen sind buchbare Verluste. Wer diese um 20 bis 40 % senkt, sieht das unmittelbar in der Marge. Bei Märkten über 3 Mio. Euro Umsatz und Differenzquoten über 0,8 % ist der Kosteneffekt erheblich.

Schnelle Umsetzung — sehr niedrig (1/5) Das ist neben der Regalüberwachung das aufwendigste Implementierungsprojekt in dieser Branche: Hardware-Prüfung oder -Beschaffung, DSGVO-Prüfung, Betriebsrat-Mitbestimmung, KI-Kalibrierung, Alert-Prozesse. Realistischer Zeitraum: 4 bis 8 Monate. Wer das unterschätzt, scheitert in der Umsetzung, nicht an der Technologie.

ROI-Sicherheit — niedrig (2/5) Der ROI hängt von der Konsequenz der Nutzung ab: Ein KI-System, das Alerts sendet, die niemand konsequent verfolgt, senkt nichts. Dazu kommt Kalibrierungsaufwand — zu viele False Positives, und das Personal ignoriert Alerts. Die ersten Monate sind experimentell, nicht produktiv.

Skalierbarkeit — niedrig (2/5) Für Filialisten sinken die Stückkosten, aber jeder Standort braucht seine eigene Konfiguration, sein eigenes KI-Training und seine eigene DSGVO-Dokumentation. Keine Click-and-Go-Lösung für das zweite Filiale.

Richtwerte — stark abhängig von Filialtyp, Produktsortiment, Lage und bestehender Kamerainfrastruktur.

Was KI-Diebstahlprävention konkret macht

Das Verfahren kombiniert zwei unabhängige Ansätze:

Verhaltensanalyse per Computer Vision: Das KI-System analysiert kontinuierlich Kameradaten auf anomale Verhaltensmuster: Verweildauer in einer Zone, Greifbewegungen ohne nachfolgenden Kauf, Körperhaltung und Richtungsverhalten (Regal → Ausgang ohne Kasse). Es wird auf „normale” Muster kalibriert — damit Mitarbeiter beim Einräumen kein Alarm auslösen.

POS-Datenanalyse: Parallel analysiert das System Kassendaten statistisch: Welche Kassierer haben ungewöhnlich viele Stornierungen? Welche Zeitfenster haben auffällige Transaktionsmuster? Wo gibt es systematische Bon-Wert-Abweichungen zwischen vergleichbaren Kassierern? Das ist rein statistisch — kein Kamerabild, keine direkte Personenerkennung.

Beide Systeme können unabhängig voneinander eingesetzt werden — POS-Analyse ohne Kamera ist günstiger und datenschutzrechtlich unkomplizierter, zeigt aber nur interne Muster.

Konkrete Werkzeuge — was wann passt

Veesion (Frankreich/Europa) — Spezialisiert auf KI-Verhaltensanalyse für den Einzelhandel, in mehreren deutschen Filialketten im Einsatz. Erkennt verdächtige Gesten und Bewegungen in Echtzeit. SaaS-Modell, Hosting wahlweise EU. Ca. 200–500 €/Kamera/Monat.

Checkpoint Systems — Etablierter Anbieter mit deutschen Vertriebspartnern. Kombination aus EAS-Etiketten und KI-Videoanalyse. Gut für Bekleidung und Elektronik.

Sensormatic Solutions (Johnson Controls) — Führender Anbieter für Verlustprävention, inzwischen mit KI-Analyse. Kombinierbar mit RFID-Warensicherung. Für Filialsysteme ab 10 Standorten.

Power BI — Für POS-Datenanalyse ohne Kamerasystem: Kassendaten laden, Anomalien visualisieren, Muster erkennen. Günstigster Einstieg in Verlustprävention ohne Hardware-Investition. Ab kostenlos bis 10 €/Monat.

Julius AI — Für datengetriebene Kassenanalyse: CSV-Export der POS-Daten, per Prompt nach Auffälligkeiten fragen. Einstiegs-Lösung für kleinere Betriebe ohne BI-Software. Ab 20 $/Monat.

Rechtliche Besonderheiten

Dieser Use Case hat die komplexeste Rechts-Situation aller Handel-Anwendungen. Drei Bereiche sind zu klären — in dieser Reihenfolge:

1. BetrVG § 87 Abs. 1 Nr. 6 — Betriebsrat-Mitbestimmung: Der Einsatz von Systemen zur Verhaltensüberwachung von Mitarbeitern ist zwingend mitbestimmungspflichtig. Das gilt für KI-Videoanalyse und für POS-Datenanalyse, wenn sie zur Leistungs- und Verhaltenskontrolle von Mitarbeitern eingesetzt wird. Ohne Betriebsvereinbarung darf das System nicht eingeführt werden.

Praxishinweis: Betriebsräte akzeptieren Verlustpräventionssysteme erfahrungsgemäß, wenn klare Regeln existieren — insbesondere: Wer hat Zugriff auf welche Daten? Wie werden Auffälligkeiten kommuniziert (Gespräch, nicht automatische Konsequenz)? Was passiert mit gespeicherten Daten nach einer definierten Frist?

2. DSGVO und Videoüberwachung: KI-Videoanalyse in Einzelhandelsflächen verarbeitet personenbezogene Daten (Kunden, Mitarbeiter). Das erfordert:

• Art. 13-konforme Hinweisschilder an allen Eingängen
• Auftragsverarbeitungsvertrag mit dem KI-Anbieter (Art. 28)
• Datenschutz-Folgenabschätzung nach Art. 35 DSGVO (obligatorisch bei systematischer Überwachung öffentlich zugänglicher Bereiche)
• Eintrag ins Verzeichnis von Verarbeitungstätigkeiten

3. EU AI Act — mögliche Hochrisiko-Klassifikation: Systeme, die Verhalten in öffentlich zugänglichen Räumen analysieren und auf Basis von KI-Schlussfolgerungen über Einzelpersonen eingestuft werden, können unter Hochrisiko-Klassifikation nach EU AI Act Anhang III fallen, insbesondere wenn biometrische Daten verarbeitet werden. Echtzeit-Biometrie-basierte Personenidentifikation in öffentlichen Räumen ist unter dem EU AI Act verboten (Art. 5 Abs. 1 lit. d) — mit engen Ausnahmen für Strafverfolgungsbehörden.

Was bedeutet das praktisch: Achte bei Anbieter-Auswahl explizit darauf, ob das System Personen identifiziert (biometrisch) oder nur Verhaltensmuster erkennt (anonym). Verhaltensanalyse ohne Personenidentifikation fällt nicht unter das biometrische Verbot. Lass dir die Klassifikation des Systems schriftlich bestätigen.

Empfehlung: Starte mit POS-Datenanalyse — kein Kamerasystem, keine Biometrie, minimale DSGVO-Komplexität. Erst wenn das Ergebnis zeigt, wo die Verluste tatsächlich liegen, über Kamerasysteme nachdenken.

Was es kostet — realistisch gerechnet

Einstieg (POS-Datenanalyse, keine Kamera):

• Power BI oder Julius AI: 0–20 €/Monat
• Zeitaufwand: 4–8 Stunden Einrichtung, dann 2 Stunden/Monat
• Zeigt: interne Kassenmuster und Produktkategorien mit hohen Differenzen

Vollinstallation mittlerer Supermarkt (10–15 Kameras):

• Kameras komplett neu: 4.000–10.000 €
• KI-Plattform: 2.000–5.000 €/Monat
• Integration ins Kassensystem: 2.000–5.000 € einmalig

ROI-Szenario: Lebensmittelmarkt, 6 Mio. € Jahresumsatz, Inventurdifferenzen 0,9 % (= 54.000 €/Jahr). Durch KI-Prävention Reduktion auf 0,55 %: Einsparung ca. 21.000 €/Jahr. System-Kosten Vollinstallation: ca. 30.000 €/Jahr. Amortisation im dritten Jahr — wenn zusätzlich Sicherheitspersonal-Kosten sinken und das System konsequent genutzt wird.

Wichtig: Bei kleinen Märkten lohnt sich die Vollinstallation selten. POS-Datenanalyse allein — fast ohne Kosten — ist häufig das sinnvollste erste Instrument.

Drei typische Einstiegsfehler

Fehler 1 — Mit KI-Video beginnen, bevor du weißt, wo die Verluste liegen Kamerainstallationen, die gleichmäßig über die gesamte Fläche verteilt werden, ohne zu wissen, welche Zonen oder Produktkategorien am stärksten betroffen sind, sind ineffizient. Beginne mit Inventur-Analyse und POS-Daten — die zeigen dir die Hotspots, bevor du in Hardware investierst.

Fehler 2 — Betriebsrat und DSGVO unterschätzen Wer diese Schritte als Formalität behandelt, riskiert teure Nacharbeiten oder den Stopp der Einführung. Plane mindestens 6 bis 8 Wochen für diese Phase — und binde Datenschutzbeauftragten und Betriebsrat von Anfang an ein, nicht als letzten Schritt.

Fehler 3 — System nach dem Launch nicht weiter kalibrieren Die Kalibrierung endet nicht mit dem Go-live. Sortiment ändert sich, saisonale Muster verändern die Alert-Häufigkeit, und nach dem ersten Jahr zeigen sich neue interne Muster in den POS-Daten. Ein System, das nicht aktiv betreut wird, produziert mit der Zeit mehr False Positives — das Personal ignoriert Alerts, und die Präventionswirkung verpufft. Plane halbjährliche Kalibrierungszyklen: Alert-Qualität prüfen, Schwellwerte anpassen, neue Hochrisikoartikel identifizieren.

Was mit der Einführung wirklich passiert — und was nicht

Die Einführung eines Verhaltensanalyse-Systems verändert die Atmosphäre im Markt. Mitarbeiter wissen, dass Muster analysiert werden — das ist unvermeidlich, wenn Transparenz und Fairness gewahrt werden sollen. Viele Betriebe berichten, dass allein das Wissen um das System interne Verluste reduziert — auch ohne einen einzigen konkreten Alert.

Was nicht passiert: Das System fängt keine Diebe auf frischer Tat. Es liefert Hinweise, die zu gezielter Aufmerksamkeit oder Gesprächen führen. Die Entscheidung, wie mit einem Hinweis umgegangen wird, liegt immer beim Menschen — und die Dokumentation schützt sowohl Händler als auch Mitarbeiter vor unbegründeten Vorwürfen.

Was oft überrascht: Die größten Erkenntnisse kommen häufig aus der POS-Datenanalyse, nicht aus dem Kamerasystem. Systematische Kassenanomalien sind oft klarer und einfacher dokumentierbar als Verhaltensvideos.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir überwachen unsere Mitarbeiter — das zerstört das Vertrauen.” Der Unterschied liegt im Prozess: POS-Datenanalyse erkennt statistische Auffälligkeiten, keine Personen — und löst Gespräche aus, keine automatischen Konsequenzen. Bei KI-Video müssen laut BetrVG § 87 Abs. 1 Nr. 6 Betriebsräte zustimmen. Wer das frühzeitig und transparent kommuniziert — inklusive klarer Regeln — erlebt wenig Widerstand.

„Der Schritt zur KI-Überwachung fühlt sich unverhältnismäßig an.” Das ist eine legitime Abwägung. Für viele kleine Betriebe stimmt das auch. Das sinnvollste erste Instrument ist POS-Datenanalyse: Kassenmuster auswerten, Differenzen nach Kategorie aufschlüsseln, Hochrisikoartikel identifizieren. Das kostet fast nichts und zeigt, wo die tatsächlichen Verluste liegen — bevor größere Investitionen entschieden werden.

„Wenn das System falsch liegt, zerstören wir das Vertrauen zu einem unschuldigen Mitarbeiter.” Das ist ein berechtigtes Risiko. Deshalb gilt: KI-Hinweise sind immer nur der Ausgangspunkt für ein Gespräch, nie für eine Konsequenz. Mehrfach bestätigte Muster über Wochen, nicht ein einzelner Alert. Dokumentation schützt beide Seiten.

Woran du merkst, dass das zu dir passt

Das passt zu dir, wenn:

• Deine Inventurdifferenzen liegen über 0,8 % des Umsatzes und klassische Maßnahmen haben nichts gebracht
• Du weißt nicht, ob Verluste intern, extern oder durch Verwaltungsfehler entstehen — und willst das herausfinden
• Du bereit bist, den Betriebsrat frühzeitig und transparent einzubinden

Das passt noch nicht zu dir, wenn:

• Deine Differenzquote unter 0,5 % liegt — der ROI einer teuren KI-Installation ist dann kaum darstellbar
• Du noch keine Inventur-Analyse nach Produktkategorie und Zone gemacht hast — das ist der notwendige erste Schritt
• Du einen Betriebsrat hast, der erfahrungsgemäß Videoüberwachung ablehnt, ohne vorherige Vereinbarung — das blockiert die Einführung

Das kannst du heute noch tun

Exportiere die Kassendaten der letzten drei Monate und führe eine erste POS-Analyse durch — ohne Kamerasystem, ohne Hardware-Investition.

Quellen & Methodik

• Handelsverband Deutschland HDE (2023): „Sicherheitsstudie Einzelhandel 2023” — Inventurdifferenzen nach Verlustquelle; hde-net.de
• Bundesarbeitsgericht (2023): BAG 1 ABR 22/19 — Mitbestimmungsrecht des Betriebsrats bei technischen Überwachungseinrichtungen; bundesarbeitsgericht.de
• EU AI Act (2024), Artikel 5 Abs. 1 lit. d: Verbot von Echtzeit-Biometrie-basierter Fernidentifikation in öffentlich zugänglichen Räumen; eur-lex.europa.eu
• Bundesdatenschutzbeauftragter (BfDI, 2023): Orientierungshilfe zur Videoüberwachung — Anforderungen nach DSGVO Art. 35; bfdi.bund.de