Verpackungen für hunderte Millionen von Amazon-Bestellungen werden mithilfe von Künstlicher Intelligenz ausgesucht - ganz egal, ob ein Campingzelt oder eine Kaffeemaschine.
Die „Package Decision Engine“, ein von Amazon entwickeltes KI-Modell, ist in der Lage für jeden erfassten Artikel die effizienteste Verpackungsart zu ermitteln. So können wir die Menge der verwendeten Pappumschläge und -kartons, Papierpolster, Klebeband und Papiertüten reduzieren, wenn wir Einkäufe an Kund:innen versenden. Das Modell ist ein wichtiges Beispiel dafür, wie wir KI nutzen, um unsere Nachhaltigkeitsziele schneller zu erreichen. Gleichzeitig tragen wir dazu bei, Verpackungen zu reduzieren, Lieferungen effizienter zu machen und sicherzustellen, dass die Produkte während der Lieferung geschützt sind. Zusammen mit anderen Verpackungsinnovationen hat das KI-Modell Amazon dabei unterstützt, seit 2015 weltweit über 2 Millionen Tonnen Verpackungsmaterial einzusparen.
Das multimodale KI-Modell basiert auf der Amazon Web Services (AWS)-Cloud und kann vorhersagen, wann ein haltbareres Produkt, wie eine Wolldecke, keine Schutzverpackung braucht – oder wann ein zerbrechlicher Artikel, etwa Geschirr, einen stabileren Karton benötigt. Dazu nutzt das Modell eine Kombination aus maschinellem Lernen, natürlicher Sprachverarbeitung und Computer-Vision, um kontinuierlich mehr über die sich ständig weiterentwickelnden Verpackungsoptionen von Amazon zu lernen.
Laut Amazon-Wissenschaftler:innen kann das Modell in den meisten Fällen die effizienteste Paketauswahl treffen. Die Reduzierung von Verpackungsmüll ist ein wichtiger Teil von Amazons Ziel, ein nachhaltigeres Unternehmen zu werden.
Die Auswahl der bestmöglichen Verpackungsmenge, die sowohl Abfall reduziert als auch Produkte schützt, kann jedoch eine Herausforderung sein. Dazu kommt, dass Amazons Produktkatalog hunderte Millionen Artikel umfasst – und sich nicht nur ständig verändert und wächst, sondern auch Millionen von regionalen und länderspezifischen Produkten beinhaltet.
Vor dem Einsatz von KI führten unsere Amazon-Mitarbeiter:innen physische Tests an einzelnen Produkten durch, um zu ermitteln, wie wir die Verpackung optimieren könnten. Diese Nachhaltigkeitsbemühungen konnten wir jedoch nicht durch menschliche Arbeit allein skalieren. Die Package Decision Engine hat uns dabei geholfen, Teile dieser Arbeit zu automatisieren.
So funktioniert die Package Decision Engine
Der Package Decision Engine-Prozess umfasst mehrere Schritte, bei denen Informationen zu jedem Artikel gesammelt werden. Wenn ein Artikel zum ersten Mal im Amazon-Logistikzentrum ankommt, wird er in einem Computer-Vision-Tunnel fotografiert, der die Abmessungen des Produkts feststellt, Mängel erkennt und mehrere Bilder des Produkts aufnimmt. So kann das Modell unter anderem feststellen, ob sich der Gegenstand in einer Tüte oder einem Karton befindet oder aus offenem Glas besteht.
Das Modell setzt außerdem natürliche Sprachverarbeitung ein und analysiert textbasierte Daten zu jedem Artikel, wie z.B. den Artikelnamen, die Produktbeschreibung, den Preis und die Verpackungsmaße. Außerdem sammelt es nahezu in Echtzeit Informationen aus dem Kundenfeedback, das über das Online-Retourencenter von Amazon, Produktrezensionen und anderen Kunden-Feedback-Kanälen bereitgestellt wird.
Nach dem Zusammentragen der Informationen erstellt das Modell eine Bewertung, die den bestmöglichen Verpackungstyp vorhersagt. Die Verpackungsauswahl wird vom Modell gespeichert und genutzt, um zukünftige Verpackungsanforderungen zu verstehen.
So lernt die Package Decision Engine im Laufe der Zeit dazu
Amazon-Wissenschaftler:innen haben das KI-Modell trainiert, indem ihm Millionen Beispiele von Produkten gezeigt wurden, die erfolgreich in verschiedenen Verpackungsarten unversehrt zugestellt wurden. Dazu gehörten neben Produkten, die beschädigt angekommen waren, auch die in jedem Szenario verwendeten Schlüsselwörter und Verpackungsarten.
So konnte das Modell lernen, dass bestimmte Schlüsselwörter bei Verpackungsentscheidungen wichtig sind. Beispielsweise könnte ein wattierter Umschlag mit wenig Polsterung einen Artikel mit der Beschreibung „Lebensmittel“, „Bildschirm“ oder „Steingut“ nicht ausreichend schützen, sodass das Modell eine stabilere Verpackungsoption empfehlen würde, z.B. einen Karton. Das Modell hat außerdem gelernt, dass Schlüsselwörter wie „Multipack“, „Tüte“, „Schrumpffolie“ und „Packung“ zudem geringere Schadensraten in der Umschlagverpackung assoziieren und darauf hindeuten, dass das Produkt möglicherweise bereits über eine eigene Schutzverpackung verfügt und keinen zusätzlichen Schutz benötigt.
Das Modell funktioniert so gut, dass das Packaging Innovation-Team seine Nutzung ausweiten und für den weltweiten Einsatz trainieren wird. Zu diesem Zweck wird es mit weiteren Sprachen, ungewöhnlichen Verpackungsarten und in den verschiedenen Ländern verkauften Artikeln trainiert. Das Modell ist bereits in zahlreichen Logistikzentren in Nordamerika und Europa in Betrieb und wird in Kürze an weiteren Standorten in Indien, Australien und Japan eingesetzt werden.
Die Package Decision Engine ist nur eine von vielen Möglichkeiten, wie Amazon KI-Innovationen nutzt, um unsere Nachhaltigkeits-, Verpackungs- und Abfallreduzierungsziele zu erreichen.
Mehr über die Nachhaltigkeitsbemühungen von Amazon erfährst du hier.
