Jede 18. Kasse ist eine SB-Kasse. Wie deutsche Händler Self-Checkout mit KI, Omnichannel-Strategie und Daten nutzen können – Chancen, Risiken, konkrete Schritte.
Self-Checkout boomt – und KI macht den Unterschied
Jede 18. Kasse im deutschen Einzelhandel ist heute eine Self-Checkout-Kasse. Vor zwei Jahren war das noch Zukunftsmusik, inzwischen ist es Alltag im Supermarkt, in der Drogerie oder im Baumarkt. Die EHI-Markterhebung 2025 zeigt: Über 11.000 Geschäfte bieten ihren Kund:innen inzwischen Self-Checkout oder Self-Scanning an.
Das ist mehr als ein Techniktrend. Für Händler, die sich mit Omnichannel-Strategien und KI im Einzelhandel beschäftigen, ist Self-Checkout ein zentraler Baustein der Filial- und Customer-Journey-Strategie – und eine der sichtbarsten Schnittstellen zwischen stationärem Handel, digitalen Services und Daten.
In diesem Beitrag schauen wir uns an, was die aktuellen Zahlen bedeuten, warum insbesondere der Lebensmittel- und Drogeriehandel vorangeht, welche Risiken und Chancen damit verbunden sind – und wie Künstliche Intelligenz Self-Checkout-Systeme in der Praxis deutlich profitabler und sicherer macht.
1. Der Status quo: Wo steht Self-Checkout in Deutschland?
Self-Checkout-Systeme haben sich in Deutschland rasant verbreitet. Laut EHI-Marktanalyse (Stand 08/2025):
- 11.120 Geschäfte mit Self-Checkout- oder Self-Scanning-Angebot
- 10.366 Geschäfte mit stationären Self-Checkout-Kassen (SCO)
- 3.646 Geschäfte mit mobilem Self-Scanning (Handscanner, Wagen-Scanner oder App)
- Über 38.650 stationäre SB-Kassen im Einsatz
- Im gesamten Einzelhandel (rund 710.000 Kassen) ist jede 18. Kasse eine SB-Kasse
Die Wachstumsraten sind deutlich:
- Stationäre Self-Checkout-Systeme: +143 % in zwei Jahren
- Mobile Self-Scanning-Systeme: +69 % im gleichen Zeitraum
Die Realität: Self-Checkout ist keine exotische Zusatzfunktion mehr, sondern etabliert sich Schritt für Schritt als Standardoption – insbesondere in frequenzstarken Formaten.
2. Lebensmittel, Drogerie, Baumarkt: Wer treibt das Wachstum?
Der Lebensmitteleinzelhandel (LEH) ist eindeutig Vorreiter. Das ist kein Zufall, sondern folgt klaren wirtschaftlichen Logiken.
Lebensmittelhandel als Treiber
- Rund 60 % aller stationären SB-Kassen stehen im LEH.
- Über 6.240 Lebensmittelmärkte bieten Self-Checkout an.
- Pro Markt sind durchschnittlich 3,98 SB-Kassen installiert.
- Darunter fast 2.300 Discounter, die traditionell extrem kosten- und prozessgetrieben arbeiten.
Setzt man die knapp 25.000 SCO-Kassen im LEH in Relation zu etwa 220.000 bedienten Kassen, wird klar: Self-Checkout ist längst mehr als ein Testfeld. Die Systeme erreichen einen spürbaren Marktanteil – mit weiterem Ausbaupotenzial bei Umbauten und Neueröffnungen.
Drogeriemärkte und Baumärkte holen auf
- Drogeriemärkte: 21 % aller SCO-Standorte; rund 40 % der ca. 5.200 Drogerien bieten SB-Kassen an.
- Bau- und Heimwerkermärkte: 8 % der SCO-Standorte; bereits 880 von ca. 2.000 Märkten sind ausgestattet.
Diese Formate teilen zentrale Eigenschaften:
- Hohe Kundenfrequenz
- Wiederkehrende Routineeinkäufe
- Mittlere bis große Warenkörbe
- Preissensible Kundschaft mit Zeitdruck
Genau hier zahlt Self-Checkout am meisten auf Kundenzufriedenheit, Flächenproduktivität und Personaleinsatz ein.
3. Warum Self-Checkout? Drei harte Treiber aus Händlersicht
Self-Checkout ist kein Selbstzweck. Händler investieren, weil sich drei Effekte messbar bemerkbar machen.
3.1 Entlastung beim Personalmangel
Personalmangel ist für den Handel inzwischen ein strukturelles Problem. SB-Kassen lösen das nicht, aber sie verschieben die Aufgaben:
- Weniger monotone Kassiertätigkeit
- Mehr Zeit für Beratung, Warenverräumung und Flächenpflege
- Flexibler Einsatz in Peak-Zeiten (Feierabend, Samstag, Vorweihnachtsgeschäft)
Selbst wenn keine Personalkosten sinken, steigt der Output pro Mitarbeiterstunde – ein entscheidender Hebel in der aktuellen Kostenstruktur.
3.2 Bessere Customer Experience
Kund:innen schätzen Self-Checkout, wenn die Umsetzung stimmt:
- KĂĽrzere oder berechenbare Wartezeiten
- Kein Umpacken des Einkaufs auf das Förderband
- Mehr Kontrolle ĂĽber den eigenen Checkout-Prozess
Für Omnichannel-Händler ist Self-Checkout ein wichtiges Puzzleteil der End-to-End-Customer-Journey: Wer online bestellt, in der Filiale abholt, am Terminal Retouren abwickelt und am gleichen Ort Self-Checkout nutzt, erlebt den Shop als nahtlos digitalen Servicepunkt – nicht nur als Regalfläche.
3.3 Datenquelle fĂĽr KI-gestĂĽtzte Optimierung
Jede Self-Checkout-Transaktion erzeugt strukturierte Daten:
- Zeitstempel je Scan
- Warenkorbinhalte und -größen
- Zahlungsverhalten
- Häufigkeit von Abbrüchen und Hilferufen
Diese Daten sind Gold wert fĂĽr KI-Systeme im Einzelhandel. Sie flieĂźen in:
- Prognosen fĂĽr Personaleinsatzplanung
- Bestandsmanagement und automatische Nachbestellung
- Dynamische Flächensteuerung (z. B. wie viele SCO-Kassen aktiv sind)
- Kundenanalyse im Kontext von Omnichannel-Profilen
Wer Self-Checkout nur als „schnelle Kasse“ versteht, lässt den größten Wert liegen.
4. Self-Checkout als Baustein der Omnichannel-Strategie
Self-Checkout-Systeme sind ein physischer Touchpoint, der sich perfekt in eine Omnichannel-Architektur einfügt – vor allem, wenn KI im Hintergrund arbeitet.
4.1 VerknĂĽpfung von App, Kundenkonto und Filiale
Das Potenzial entfaltet sich, wenn Self-Checkout nicht isoliert läuft, sondern mit weiteren Kanälen verbunden ist:
- Kunden-App: Mobile Self-Scanning per Smartphone, Loyalty-Programm und digitale Bons werden direkt im Kundenkonto gebĂĽndelt.
- Click & Collect: Kund:innen holen Onlinebestellungen ab und erledigen Zusatzkäufe am Self-Checkout.
- Personalisierte Empfehlungen: KI-basierte Vorschläge in der App, abgestimmt auf frühere Käufe und aktuelle Angebote.
So entsteht ein integriertes Bild des Kundenverhaltens, stationär und digital.
4.2 KI-Use-Cases rund um die SB-Kasse
Rund um Self-Checkout lassen sich mehrere KI-Anwendungen praktisch umsetzen:
- Dynamische Kassensteuerung: KI prognostiziert in Echtzeit, wie viele Self-Checkout- und Bedienkassen geöffnet sein sollten, um Wartezeiten und Personaleinsatz zu optimieren.
- Bestandsmanagement: Absatzdaten aus Self-Checkout und bedienten Kassen flieĂźen in Prognosemodelle; so werden RegallĂĽcken reduziert und VerfĂĽgbarkeit verbessert.
- Preisoptimierung: In Kombination mit Kategorie- und Wettbewerbspreisen analysiert KI, welche Preispunkte zu welchen Tageszeiten und in welchen Kanälen am besten funktionieren.
- Anomalieerkennung: Auffällige Muster im Scanverhalten (z. B. häufige Abbrüche, ungewöhnliche Warenkorbkombinationen) werden durch Machine-Learning-Modelle markiert – wichtige Basis für Verlustprävention.
Der Clou: Viele Händler haben die nötigen Daten längst, nutzen sie aber noch nicht konsequent für KI-gestützte Entscheidungen.
5. Risiken: Inventurdifferenzen, Akzeptanz – und was KI dagegen tun kann
Wo SB-Kassen stehen, steigt die Sorge vor Inventurdifferenzen und organisierter Kriminalität. Diese Risiken sind real – können aber mit gutem Design, klaren Prozessen und KI deutlich reduziert werden.
5.1 Typische Problemfelder
- Diebstahl: Bewusstes Nicht-Scannen von Artikeln oder „Tausch“ von Barcodes.
- Fehleingaben: Falsche Obst-/GemĂĽsecodes oder Unsicherheit bei Waareingaben.
- Systemabbrüche: Frust bei Kund:innen durch Fehlermeldungen, Scanhänger, Unklarheiten.
Hier verschenkt man Umsatz, Kundenzufriedenheit – und letztlich Vertrauen in das gesamte Self-Checkout-Konzept.
5.2 Wie KI konkret hilft
KI kann an mehreren Stellen aktiv werden:
- Computer Vision an SCO-Kassen: Kameras erkennen Artikel anhand Form, Farbe und Größe und gleichen sie mit dem gescannten Produkt ab. So fällt es auf, wenn z. B. ein teures Steak als günstige Kartoffel erfasst wird.
- Risikobasierte Kontrollen: Statt jede x-te Person stichprobenartig zu prüfen, bewertet ein KI-Modell das Risiko je Transaktion (Warenkorbmix, Historie, Auffälligkeiten) und löst zielgerichtete Kontrollen aus.
- Adaptive Benutzerführung: KI erkennt wiederkehrende Fehler und passt UI-Texte, Piktogramme oder Hilfestellungen an – etwa durch kontextbezogene Hinweise bei problematischen Artikeln.
- Schulungsempfehlungen fĂĽr Mitarbeitende: Daten zeigen, an welchen Kassen und zu welchen Zeiten besonders viele Probleme auftreten. Daraus lassen sich Schulungsschwerpunkte und Personaleinsatz ableiten.
Der Effekt: Weniger Verluste, weniger Frust, höhere Akzeptanz.
6. So starten Händler pragmatisch mit Self-Checkout und KI
Viele Händler stehen vor der Frage: Wie fange ich an, ohne mich zu überheben? Aus Projekten, die gut funktionieren, lassen sich ein paar klare Schritte ableiten.
6.1 Klaren Use-Case definieren
Bevor Hardware bestellt wird, sollte ein konkretes Ziel formuliert werden, z. B.:
- Warteschlangen um x % reduzieren
- Personaleinsatz in Peak-Zeiten stabil halten
- Verlustquote an SCO-Kassen unter definiertem Korridor halten
- Kundendaten fĂĽr Omnichannel-Profile anreichern
Ohne messbares Ziel wird die Erfolgskontrolle schwierig – und die Akzeptanz im Unternehmen sinkt.
6.2 Pilotflächen sorgfältig auswählen
Geeignete Märkte für einen Piloten:
- Klar erkennbare Peak-Zeiten
- Technisch stabile Infrastruktur (WLAN, Kassen-Backend, Strom)
- Affine Kundschaft (z. B. urbane Standorte, hohe App-Nutzung)
- Führungskräfte, die das Projekt aktiv treiben
Beginnen Sie mit 2–4 Self-Checkout-Plätzen sowie ggf. mobilem Self-Scanning in einem begrenzten Sortimentsbereich. Sammeln Sie Daten, statt flächendeckend auf Verdacht auszurollen.
6.3 Datenbasis und KI-Setup vorbereiten
FĂĽr KI-gestĂĽtzte Omnichannel-Strategien rund um Self-Checkout lohnt sich eine saubere technische Basis:
- Einheitliche Produkt- und Preisdaten für alle Kanäle
- Ereignisprotokolle von SCO-Kassen (AbbrĂĽche, Hilferufe, Fehlercodes)
- Verknüpfung mit CRM-/Loyalty-Daten, wo rechtlich zulässig
- Schnittstellen zu Warenwirtschaft, Personalplanung und Reporting
Auf dieser Basis lassen sich zunächst einfache Modelle einführen – etwa Prognosen für Kassenaufkommen oder Standard-Reports zu SCO-Performance – und später komplexere KI-Anwendungen ergänzen.
6.4 Kommunikation mit Kund:innen und Team
Selbst die beste Technik scheitert, wenn Menschen sie nicht nutzen wollen.
- Kund:innen: Klare Beschilderung, Mitarbeitende als „Hosts“ am SCO-Bereich, kurze Erklärvideos auf Instore-Screens, Incentives für Erstnutzer (z. B. kleine Gutscheine).
- Mitarbeitende: Transparente Kommunikation, dass Self-Checkout nicht „Jobs ersetzt“, sondern Routinetätigkeiten verschiebt und neue Aufgaben (z. B. Beratung, SCO-Betreuung) schafft.
Händler, die früh in Kommunikation investieren, sehen deutlich höhere Nutzungsquoten und weniger Konflikte.
7. Ausblick: Self-Checkout als Basis fĂĽr den KI-gestĂĽtzten Store
Self-Checkout ist einer der sichtbarsten Schritte auf dem Weg zum KI-gestützten Omnichannel-Handel. Die aktuelle EHI-Studie zeigt: Der deutsche Markt bewegt sich rasant in diese Richtung – angeführt vom Lebensmittelhandel, dicht gefolgt von Drogerie und Baumarkt.
Wer jetzt nachzieht, sollte Self-Checkout nicht als Einzelprojekt betrachten, sondern als Baustein einer integrierten KI-Strategie:
- Daten aus SCO- und Scan-Systemen fĂĽr Bestandsmanagement, Preisoptimierung und Kundenanalyse nutzen.
- Self-Checkout mit App, Loyalty-Programm und Onlinekanal verknĂĽpfen.
- KI systematisch für Verlustprävention und Prozessoptimierung einsetzen.
Die spannende Frage für die nächsten Jahre lautet weniger, ob Self-Checkout sich durchsetzt – das tut er bereits. Spannend ist, welche Händler es schaffen, aus den anfallenden Daten mit Hilfe von KI echte Wettbewerbsvorteile zu machen.
Wer hier frĂĽh strukturiert vorgeht, wird 2026 nicht nur kĂĽrzere Schlangen haben, sondern einen spĂĽrbar intelligenteren, profitableren Store.