Am 22. Oktober stellte NVIDIA europäische Einzelhandels-KI-Projekte vor, die Modellbereitstellungskosten, Produktsuche und Lagerplanung umfassen. Ein interner Benchmark von Shopify zeigte für ein angepasstes Modell eine Senkung der Bereitstellungskosten um 90 %, während die Otto Group ihre simulationsbasierte Lagerinitiative auf ihr größtes Logistikzentrum in Deutschland ausweitete.

Wichtigste Erkenntnisse

  • Shopify meldete in seinem internen Benchmark für ein nachtrainiertes Modell eine höhere Genauigkeit, 90 % niedrigere Bereitstellungskosten und siebenmal schnellere Antworten.
  • Die Einzelhandelsanwendungen reichen von einem Suchprototyp für Zooplus bis hin zu eingesetzter Bildbearbeitung und physikbasierter virtueller Anprobe.
  • Die Otto Group erweiterte ihre Lager-Simulationsfunktionen, während sich drei NVIDIA-Einzelhandels-Blueprints weiterhin im Early Access befinden.

Inhaltsverzeichnis

Europäische Einzelhandels-KI setzt angepasste Modelle ein

Im Mittelpunkt der Ergebnisse von Shopify steht ein GraphQL-Subagent innerhalb von Sidekick, dem KI-Assistenten des Unternehmens für Händler. Shopify trainierte NVIDIA Nemotron 3.5 Lightning mit Tools wie Megatron Bridge und NeMo RL nach. Der Subagent ruft Geschäftsdaten ab, etwa für Sidekick Pulse, das das Geschäft eines Händlers analysiert und Verbesserungen empfiehlt.

Im internen Benchmark von Shopify übertraf das angepasste Modell laut NVIDIA ein nicht namentlich genanntes führendes Frontier-Modell bei der Genauigkeit, senkte die Bereitstellungskosten um 90 % und lieferte Antworten siebenmal schneller. Diese Ergebnisse gelten für den Benchmark und belegen nicht die Leistung bei sämtlichen Aufgaben von Händlern.

Unabhängig davon verhalf die Inferenzoptimierungssoftware NVIDIA CCluster vLLM Shopify bei fünf weiteren Anwendungen zu einer 4,5-mal höheren Geschwindigkeit und bis zu 12-mal niedrigeren Inferenzkosten: Kataloganreicherung, Händlerunterstützung, Einkaufssimulation, Produktklassifizierung und Empfehlungen.

Suche und Produktbilder zeigen unterschiedliche Einsatzstadien

Zooplus arbeitete mit Infosys und NVIDIA-Technologien an einer Neugestaltung der Produktsuche. Ein produktionsreifer Prototyp, der in der Amazon-Web-Services-Umgebung des Tierbedarfshändlers eingesetzt wurde, erreichte eine Suchgenauigkeit von 86 %. Er nutzt die Nemotron Retriever Library für die semantische Suche und NVIDIAs Blueprint zur Anreicherung von Einzelhandelskatalogen, um durchsuchbare Produktmerkmale zu generieren.

Bei Vestiaire Collective standardisiert die Image Editing API von Photoroom inzwischen jedes primäre Angebotsbild und verarbeitet täglich rund 40.000 Bilder in 70 Ländern. NVIDIA zufolge wiesen bearbeitete Angebote eine um 5 % höhere Liquiditätsrate und 3 % bis 7 % mehr eindeutige Aufrufe der Produktseiten auf. Die Pipeline läuft auf NVIDIA-GPUs mit TensorRT und Triton Inference Server.

Omi brachte ProductDrop auf den Markt, um generierte Bilder mit genehmigten digitalen Zwillingen zu verknüpfen und so Produktfehler in Katalogen zu vermeiden. L’Oréal nutzt diesen Ansatz in seinem CreAItech-Programm. Omis 3D-Asset-Generierung TRELLIS läuft auf RTX PRO 6000 Blackwell Server Edition-GPUs; gemeldet wurden eine zehnmal schnellere Inferenz und eine vierfache Verkürzung der Pipeline-Latenz.

Katalogverarbeitung und Wirkstoffforschung verbreitern die Nutzung

Mirakls Catalog Transformer hat mehr als 70 Millionen Produkte aufgenommen und kombiniert feinabgestimmte offene Modelle mit proprietären Diensten, um Lieferantendaten zu organisieren. Mirakl führt Modelle auf NVIDIA-GPUs in der eigenen Infrastruktur sowie über europäische Cloud-Anbieter wie Scaleway aus.

L’Oréal integriert NVIDIA ALCHEMI außerdem in die Wirkstoffforschung. Dabei soll sich der Prozess von monatelangen Experimenten auf stundenlanges computergestütztes Screening verkürzen. Über Orbital Industries’ CurieOS testet das Unternehmen einen verwandten Ansatz mit dem quelloffenen molekularen Simulationsmodell OrbMol-v2.

In Verbindung mit dem ALCHEMI Toolkit soll OrbMol-v2 fünfmal schneller laufen als vergleichbare Modelle und eine um 21 % geringere Fehlerrate als das nächstbeste Modell seiner Art aufweisen. Der Arbeitsablauf identifiziert vielversprechende Wirkstoffkombinationen zur Löslichmachung von UV-Filtern, bevor diese im Labor getestet werden.

Simulation erreicht Lager und virtuelle Anprobe

Die Otto Group weitete ihre Initiative für ein autonomes, menschlich überwachtes Lager auf ihr größtes Logistikzentrum in Haldensleben aus. Das mit Reply entwickelte und mit NVIDIA-Omniverse-Bibliotheken erstellte System läuft auf Google Cloud und ermöglicht Logistikteams, Abläufe zunächst in einer Simulation zu entwerfen, zu testen und zu optimieren, bevor sie physisch umgesetzt werden.

ALLSIDES führte eine automatisierte 3D Digital Twin Factory ein, die physische Objekte innerhalb von Minuten in simulationsfähige Assets umwandelt. Das Unternehmen gibt eine geometrische Genauigkeit im Submillimeterbereich, gemessene physikalische Eigenschaften und Materialien an, deren Beleuchtung angepasst werden kann. Die Plattform wird bereits von Marken wie adidas, Amazon, Nike, Zalando und Zara genutzt.

Bei der virtuellen Anprobe meldete CATCHES für den Einsatz von RealFit bei AMIRI nach saisonaler Bereinigung und einem Vergleich gleichartiger Styles einen Anstieg der Conversion-Rate um 55 %, der Aktivitäten zum Hinzufügen in den Warenkorb um 80 % und des Bruttoumsatzes um 56 %. CATCHES brachte außerdem PredictiveFit für Händler sowie CASI auf den Markt, einen WhatsApp-Modeagenten für Einkauf, Styling und Größenberatung.

Drei Einzelhandels-Blueprints bleiben im Early Access

Auf der GTC Berlin präsentiert Nebius drei NVIDIA-Einzelhandels-Blueprints, die auf seiner Infrastruktur laufen. Alle sind im Early Access verfügbar und werden nicht als allgemein verfügbare Produkte beschrieben.

Agent Harness for Employee Productivity vereint Einsatzplanung, Aufgabenverwaltung, Bestandsmeldungen und operative Einblicke. Inventory Simulation and Optimization modelliert Nachfrage- und Nachschubstrategien, bevor Verpflichtungen in der Praxis eingegangen werden. Agentic Finetuning Flywheel verknüpft die Generierung von Trainingsdaten, die Feinabstimmung quelloffener Modelle und Rückmeldungen zur Leistung in der Praxis.

Weitere Nachrichten lesen

Weitere Nachrichten von FinanceVelix

Haftungsausschluss

Dieser FinanceVelix-Artikel enthält allgemeine Informationen und stellt keine individuelle Finanz-, Anlage-, Rechts- oder Steuerberatung dar. Marktpreise, Zinssätze und wirtschaftliche Bedingungen können sich ändern; Anlagen sind mit Verlustrisiken verbunden. Die Angaben entsprechen dem zum Zeitpunkt der Veröffentlichung verfügbaren Informationsstand und können sich ändern. Prüfen Sie wichtige Informationen unabhängig und wenden Sie sich bei Bedarf an qualifizierte Fachleute. Die Erwähnung eines Vermögenswerts, eines Unternehmens oder einer Dienstleistung stellt keine Empfehlung dar.