KI-Bilderkennung · ApoVid / OctoHealth
Ein Foto. Alle Produkte. Keine manuelle Erfassung mehr.
Apotheken erfassen Regale heute manuell – zeitaufwändig, fehleranfällig, nicht skalierbar. Mit OctoHealth haben wir in einer Machbarkeitsstudie bewiesen, dass es anders geht: KI erkennt Produkte automatisch, segmentiert sie, identifiziert Marken und Verpackungen – aus einem einzigen Smartphone-Foto.
Q3/2025
Machbarkeitsstudie abgeschlossen
4
Prozessschritte von Foto bis Produktdaten
Phase 2
in Planung
Ausgangssituation
Regalerfassung per Hand: langsam, fehleranfällig, nicht skalierbar.
Für Apotheken ist die visuelle Erfassung und Auswertung von Regalen ein manueller Prozess. Produkte werden von Hand gezählt, verglichen, dokumentiert. Fehler passieren. Sortimentsbewertungen dauern länger als sie sollten – und skalieren nicht wenn das Filialnetz wächst.
Das Ziel: eine vollautomatische Prozesskette von der Regalaufnahme bis zur Produktidentifikation, validiert in einer Machbarkeitsstudie.
Umsetzung
Von der Aufnahme zur Produktidentifikation
Bild-Upload & Verwaltung
Apothekenregale werden fotografiert und ins System geladen. Einfacher Prozess, keine Spezialausrüstung – ein Smartphone reicht.
Objekterkennung & Segmentierung
Die KI erkennt automatisch einzelne Produkte und Produktgruppen im Regalbild und legt Bounding Boxes um jedes Segment. Kein manuelles Einzeichnen.
Cropping & rückverfolgbare Speicherung
Einzelne Segmente werden ausgeschnitten, in der Cloud gespeichert und über eindeutige IDs verwaltet. Jedes Produkt bleibt seinem Regalplatz zuordbar.
Produktidentifikation
Die ausgeschnittenen Segmente werden analysiert: Marke, Produktname, Verpackungsdetails. Die Basis für automatisierte Bestands- und Sortimentsbewertungen.
„Die Machbarkeitsstudie hat gezeigt, dass sich Regalbilderkennung im Apothekenumfeld zuverlässig umsetzen lässt."
Stefan Ohler · OctoHealth
Ergebnisse
Was die Studie gezeigt hat
Machbarkeit bestätigt
Die komplette Prozesskette funktioniert – von der Aufnahme bis zur Produktidentifikation. Keine theoretische Übung, sondern ein validierter Ablauf an realen Apotheken-Regalen.
Rückverfolgbarkeit von Anfang an
Jedes Segment ist über IDs mit seinem Ursprungsbild und Regalplatz verknüpft. Kein Datenverlust, keine verwaisten Bilder – die Grundlage für verlässliche Auswertungen ist gelegt.
Klare Stellschrauben für Phase 2
Robustere Segmentierungsmodelle, Integration von PZN- und Stammdatenbanken, standardisierte Bildaufnahme, systematischer Feedbackprozess. Die nächsten Schritte sind nicht offen – sie sind definiert.
Vom manuellen Aufwand zur automatisierten Routine
Was heute Stunden kostet, wird zur Hintergrundaufgabe. ApoVid legt die technische Basis – Phase 2 setzt sie in den Betrieb.
Einen manuellen Prozess der sich automatisieren ließe?
In 30 Minuten prüfen wir gemeinsam, ob Computer Vision oder ein ähnlicher KI-Ansatz für Ihren Use Case funktioniert – und was eine Machbarkeitsstudie realistisch kostet.
Kostenloses Erstgespräch vereinbaren