Amazon: Mit maschinellem Lernen gegen den Verpackungsmüll
Online-Bestellungen verursachen viel Müll. Amazon setzt ein Maschine-Learning-Modell ein, das die optimale Verpackungsart ermitteln will.
![](https://heise.cloudimg.io/width/610/q85.png-lossy-85.webp-lossy-85.foil1/_www-heise-de_/imgs/18/3/2/6/3/7/5/8/shutterstock_1291154368.jpg-c9456d2fc8ae4b6b.jpeg)
(Bild: Joyseulay/Shutterstock.com)
Der Onlinehändler Amazon hat durch den Einsatz von maschinellem Lernen in den letzten sechs Jahren das Gewicht von Versandpackungen einer Sendung um 36 Prozent reduziert. Wie Amazon am Dienstag mitteilte, konnten so etwa 1 Million Tonnen an Verpackungsmaterial eingespart werden.
Die Verwendung zu großer Versandkartons für einen Artikel führt auch zum Einsatz von mehr Füllmaterial: eine unnötige Verschwendung von Ressourcen. Das Amazon Customer Packaging Experience Team hat deshalb ein Verfahren entwickelt, um die für den Versand optimale Verpackung für das jeweilige Produkt vorab zu ermitteln. Trotz Einsparung von Verpackungsmaterial sollte dabei der Schutz der Produkte beim Versand nicht leiden.
Das Team um Matthew Bales, der Reserach Science Manager bei Amazon ist, entwickelte ein Maschine-Learning-Model, das dabei helfen kann, für jedes in den Verkauf gehende Produkt die treffende Verpackungsart zu ermitteln. Zum Training fütterte das Team das Modell mit Produktbeschreibungen in Textform, Kundenfeedback zu den Verpackungen sowie Bildmaterial von den Produkten. Letzteres produziert Amazon beim Eingang von Waren in den Logistikzentren selbst in einem Computer-Vision-Tunnel, in dem Kameras Fotos von den Artikeln aus mehreren Blickwinkeln aufnehmen, um so mithilfe von maschinellem Sehen unter anderem die Produktmaße zu ermitteln.
Artikeleigenschaften visuell ermitteln
"Unser Modell erkennt die Kanten der Verpackung und bestimmt so die Form, erkennt Perforationen, Verpackungen oder Licht, das durch eine Glasflasche scheint", beschreibt Prasanth Meiyappan, Applied Scientist bei Amazon, den Vorteil der Berücksichtigung visueller Produktinformationen beim Training des Maschine-Learning-Modells. Denn: Einfache Artikelbilder oder Produktbeschreibungen allein, die beispielsweise Angaben zur Art des Artikels wie etwa "Flasche", dessen Abmessungen und Material wie "Glas" oder "Kunststoff", enthalten können, reichen allein nicht aus, um das Modell so zu trainieren, dass es die passende Verpackung bestimmen kann. Nach Angabe von Meiyappan wuchs die Leistungsfähigkeit des Maschine-Learning-Modells um 30 Prozent an, nachdem die visuellen Informationen beim Trainieren hinzugenommen worden waren.
Hat das Modell die passende Verpackungsart für einen Artikel ermittelt, dann wird dieser automatisch der Verpackung zugeordnet – allerdings nur, wenn sich das System auch sicher ist, fügt Bales einschränkend hinzu. Andernfalls erfolgt eine manuelle Kontrolle durch einen Menschen, der dann bestimmt, ob die vorgeschlagene Verpackung tatsächlich geeignet ist.
Amazon gibt an, das System derzeit in Nordamerika und Europa einzusetzen. Amazon ist Mitglied des 2019 gegründeten Climate Pledge, in dem sich Unternehmen zu klimaneutralem Wirtschaften bekennen. Die Mitglieder haben sich dazu verpflichtet, bis 2040 CO2-neutral zu werden.
(olb)