Automatisierte Regalbilderkennung in Apotheken

Partner: OctoHealth – Stefan Ohler
Zeitraum: Q3/2025
Status: Machbarkeitsstudie erfolgreich abgeschlossen

„Die Machbarkeitsstudie hat gezeigt, dass sich Regalbilderkennung im Apothekenumfeld zuverlässig umsetzen lässt.“

Ausgangssituation

Für Apotheken ist die visuelle Erfassung und Auswertung von Regalen bislang ein manueller und fehleranfälliger Prozess. Ziel von ApoVid war es, ein KI-gestütztes Verfahren zu entwickeln, das Produkte zuverlässig erkennt, deren Merkmale identifiziert und damit die Grundlage für Bestands- und Sortimentsbewertungen schafft.

Einführung

Diese Testversion wurde gemeinsam mit OctoHealth (Stefan Ohler) entwickelt. Ziel war es, eine KI-gestützte Prozesskette von der Regalaufnahme bis zur Produktidentifikation aufzubauen und in einer Machbarkeitsstudie zu validieren.

Umsetzung

In einer Machbarkeitsstudie wurde die komplette Prozesskette aufgebaut:

1. Bild-Upload & Verwaltung
   Apothekenregale werden fotografiert und ins System geladen.
2. Objekterkennung & Segmentierung
   Produkte und Produktgruppen werden automatisch erkannt (Bounding Boxes).
3. Cropping & Speicherung
   Einzelne Segmente werden ausgeschnitten, in der Cloud gespeichert und über IDs rückverfolgbar verwaltet.
4. Produktidentifikation
   Die Segmente werden analysiert, um Marken, Produkte und Verpackungsdetails zu identifizieren.

Ausblick

Die Studie bestätigt die technische Machbarkeit und liefert klare Stellschrauben für Optimierungen:

• Robuste Segmentierungsmodelle
• Integration von PZN- und Stammdatenbanken
• Systematischer Feedbackprozess
• Standardisierte Bildaufnahme
   

Sie möchten komplexes Wissen strukturieren, verfügbar machen und nutzungsfreundlich erschließen?
Wir unterstützen Sie mit maßgeschneiderten KI-Lösungen.

Impressum    |    Datenschutz

Corneliusstr. 28 - 80469 München

+49.89.856 328 -49
office@ideal-x.ai