Wie Sie Bestellungen per WhatsApp-Sprachnachricht oder Foto automatisch mit KI erfassen

Der kleine Supermarkt schickt die Liste um sechs Uhr morgens als Sprachnachricht. Zwei Minuten, in denen jemand zwischen den Regalen herumläuft und aufzählt, was fehlt, im Hintergrund das Rollgitter. Schneller kann man nicht bestellen, und deshalb wird sich das nicht ändern.

Andere schicken ein Foto. Einen Zettel mit der handgeschriebenen Liste, die Heftseite, auf der sie die Woche über notieren, was ausgeht, manchmal das Etikett des Produkts, das aufgebraucht ist. Dieselbe Gewohnheit in anderem Format: Der Kunde nimmt, was er gerade zur Hand hat.

Auf der anderen Seite hört oder schaut sich in beiden Fällen jemand das an, entziffert es und erfasst es vor dem Tagesschluss im System.

Wie es heute läuft

Die Bestellung reist zweimal: einmal vom Kunden in den Kopf der Person, die sie annimmt, und einmal von diesem Kopf ins System.

Auf der ersten Reise geht Zeit verloren: Zwei Minuten Sprachnachricht hört man in zwei Minuten, und man hört sie zweimal. Mit dem Foto geht es nicht schneller: Man muss eine fremde Handschrift entziffern und raten, ob da zwölf oder zwei steht. Auf der zweiten Reise schleicht sich der Tippfehler ein, den niemand bemerkt, bis der Lkw mit zwölf statt zwei ankommt.

Und es gibt Kosten, die man weniger sieht: die Uhrzeit. Wenn die Sprachnachricht um sechs ankommt und die Person, die sie erfasst, um neun anfängt, ist die Bestellung drei Stunden zu spät in einem Betrieb eingegangen, in dem um zehn Bestellschluss ist. Das ist kein Problem der Tippgeschwindigkeit: Die Information hat gewartet.

Was die Technik konkret tut

Sie transkribiert die Sprachnachricht. Zwei Minuten Audio stehen in Sekunden als Text in der Unterhaltung, sodass das Gesagte nicht mehr davon abhängt, dass sich jemand daran erinnert. Das funktioniert mit Hintergrundgeräuschen und mit der Sprechweise jeder Region.

Oder sie liest das Bild, Handschrift eingeschlossen. Das Foto des Zettels, auf dem der Kunde die Liste notiert hat, wird genauso ausgewertet wie die Sprachnachricht: Zeilen, Mengen und die Abkürzungen, die diese Person immer benutzt, werden herausgelesen. Eine schräg fotografierte Heftseite, mit Schatten oder gefaltetem Papier, wird trotzdem verarbeitet.

Sie ordnet die Artikel Ihrem Katalog zu. Nicht einer allgemeinen Liste, sondern den Artikelnummern, die Ihr Unternehmen verwendet, mit den Namen, die dieser Kunde verwendet. Wer „die kleine Kiste von den grünen“ bestellt, bestellt einen Artikel mit einer Nummer, und diese Zuordnung wird einmal gelernt und bleibt.

Sie prüft den Bestand in Ihrem System. Vor der Bestätigung, nicht danach. Wenn etwas fehlt, sagt sie es in derselben Unterhaltung und bietet einen Ersatz an, statt eine Bestellung zu bestätigen, die das Lager nicht zusammenstellen kann.

Sie nimmt den Preis aus Ihrer Preisliste. Den, der für diesen Kunden gilt, mit seinem Rabatt und seinen Konditionen, abgefragt im Moment der Bestellung.

Sie legt die Bestellung zur Bestätigung bereit. Der Kunde sieht die ausgewertete Liste als Text, mit Mengen und Preisen. Er bestätigt oder korrigiert direkt dort, und erst dann geht die Bestellung als Kundenauftrag ins Warenwirtschaftssystem. Ein einziges Mal.

Was sich ändert

Die Bestellung ist um sechs Uhr eins im System statt um halb zehn und erreicht den Bestellschluss mit Puffer. Und der Tippfehler verschwindet, weil niemand mehr tippt.

Ein Effekt kommt unerwartet: Wenn die Bestellung als Text bestätigt wird, tauchen die Fehler des Kunden auf. Wer „zwei“ gesagt und „zwölf“ gemeint hat, sieht es geschrieben, bevor der Lkw losfährt. Das gab es vorher nicht, weil die einzige Person, die die Liste las, die war, die sie abtippte.

Wo sie nicht allein arbeitet

Bei allem, was sie nicht verstanden hat. Eine verrauschte Sprachnachricht, eine unleserliche handgeschriebene Zeile, eine unklare Menge oder ein Artikel, den es im Katalog nicht gibt, werden nicht durch Raten gelöst, sondern erfragt. Die Rückfrage geht in derselben Unterhaltung raus, im selben Moment, solange der Kunde noch weiß, was er gemeint hat.

Preise entscheidet sie auch nicht. Wenn eine Ausnahme nötig ist, macht sie eine Person, und sie wird festgehalten.

Wo man anfängt

Bei den zwanzig Kunden, die am häufigsten per Sprachnachricht oder Foto bestellen. Sie haben das schwierigste Format und gewinnen am meisten. Wenn der Katalog dieser zwanzig sauber zugeordnet ist, läuft der Rest von selbst.