KI im Vending 2026: 5 konkrete Anwendungsfälle für Operatoren – von Predictive Maintenance bis Sortimentsoptimierung

Beim EVEX 2025 in Split (September 2025, 300 Teilnehmer aus 34 Ländern) stellten Vendon und Coges integrierte Telemetriesysteme vor, die Wartungsbedarfe vorhersagen, bevor ein Automat ausfällt. Der EVA Marktreport 2025 zeigt das Volumen, um das es geht: Europas rund 4,5 Millionen Automaten erwirtschafteten 2024 rund 21,8 Milliarden Euro Produktumsatz, 85 Prozent davon über bargeldlose Systeme. Ungeplante Ausfälle und suboptimales Sortiment sind in diesem Markt keine akzeptablen Kostenfaktoren mehr.

Fünf KI-Anwendungsfälle sind heute in Betreiberumgebungen erprobt und liefern messbare Ergebnisse.

1. Predictive Maintenance: weniger Techniker, weniger Stillstand

Ein IoT- und ML-Framework, beschrieben in einem arXiv-Preprint (Juli 2025), analysierte 20 Automaten über sechs Monate simuliert. Laut Studie: 32 Prozent weniger ungeplante Ausfälle, 27 Prozent weniger unnötige Technikerfahrten. Der BDV benennt Predictive Maintenance in BDV Intern (02/2025) als einen der zentralen KI-Einstiegspunkte für Operatoren.

Technische Grundlage ist der EVA-DTS-Standard 6.2. Er überträgt Telemetriedaten vom Automaten ins Betreiberbackoffice und schafft damit die Datenbasis, ohne die kein ML-Modell trainiert werden kann. Wer EVA-DTS noch nicht implementiert hat, kann Predictive Maintenance nicht einsetzen, unabhängig davon, welche KI-Plattform ausgewählt wird.

Der praktische Einstieg beginnt mit einer Bestandsaufnahme: Welche Sensordaten liefert der eigene Maschinenpark bereits? Kompressortemperatur, Türöffnungsfrequenz, Ausfall des Wechselgeldsystems. Je vollständiger die Telemetrie, desto früher erkennt das Modell Anomalien.

2. Sortimentsoptimierung: was in Automat 47 läuft, zieht in Automat 12 nicht

Accent Food Services (Pflugerville, TX) testete die KI-Plattform von Hivery 18 Monate lang und berichtete von 20 bis 50 Prozent Umsatzzuwachs je Automat. Reyes Coca-Cola Bottling (Irvine, CA) erzielte nach derselben Implementierung 6 Prozent mehr Umsatz bei gleichzeitig 15 Prozent weniger Restocking-Fahrten.

Der methodische Unterschied zu klassischem Category Management: KI-Systeme wie Hivery optimieren auf Einzelmaschinenebene und erkennen kontraintuitive Muster. In einem dokumentierten Fall kauften Studenten an einem Campus-Automaten Limonade nicht als Erfrischungsgetränk, sondern als Mixer-Ersatz. Ein Planogramm auf Kategoriendurchschnitt hätte diesen Artikel herausgenommen.

Der Markt für Vending-Management-Software mit integrierter Analytics-Schicht lag 2025 bei 594 Millionen US-Dollar; Prognosen sehen ihn bis 2034 bei über einer Milliarde Dollar.

3. Dynamische Preisgestaltung: Tageszeit und Zahlungsweg als Hebel

McKinsey-Forschung schätzt die Gewinnsteigerung durch dynamische Preisgestaltung im Einzelhandel auf 2 bis 5 Prozent jährlich. Für Vending-Betreiber liefert der Cantaloupe Micropayment Trends Report 2025 eine relevante Datenbasis: 2024 war der durchschnittliche Bon bei bargeldlosen US-Transaktionen mit 2,24 US-Dollar um 37 Prozent höher als bei Barzahlung (1,78 US-Dollar). 71 Prozent aller US-Vending-Verkäufe liefen bargeldlos, davon 77 Prozent per Tap-to-Pay.

Wer die Zahlungsbereitschaft nach Tageszeit, Standort oder Sortiment differenzieren will, braucht erstens vollständige Cashless-Abdeckung und zweitens eine Plattform, die Preisregeln maschinenindividuell ausfahren kann. Hinweis: Alle zitierten Zahlen zur dynamischen Preisgestaltung stammen aus dem US-Markt. Europäische Vergleichsdaten lagen zum Redaktionsschluss nicht vor; ob Preissensitivität und regulatorischer Rahmen vergleichbar sind, ist standortspezifisch zu prüfen.

AI MODIFIED

4. Bestandsmanagement und Routing: weniger Diesel, weniger Verderb

KI-gestütztes Bestandsmanagement kann den Produktverderb laut VMFS USA um 22 Prozent senken; Tourenoptimierung mit ML bringt nach derselben Quelle bis zu 30 Prozent Kraftstoffeinsparung. Da diese Zahlen aus einer einzigen Quelle ohne unabhängige Bestätigung stammen, eignen sie sich als Orientierungsgröße, nicht als Planungsbasis.

Unabhängig belegt: Demand-Forecasting mit ML verbessert die Prognosegenauigkeit um 10 bis 20 Prozent, was weniger Leerfächer und weniger Überbestand bedeutet. Das europäische Marktumfeld wächst schnell: Ende 2024 zählte Europa 10.100 Micro-Market-Standorte (plus 14,8 Prozent gegenüber 2023) und 7.400 Smart Fridges (plus 95 Prozent gegenüber 2023). Gerade bei Smart Fridges, wo jede Entnahme sensorisch erfasst wird, ist die Datenbasis für ML-basiertes Forecasting besonders dicht.

Routing-Optimierung rechnet sich erst ab einer Tourgröße, die manuelle Planung überfordert. Betreiber mit mehr als 50 Automaten sollten Bestandsmanagement und Routing als ersten KI-Evaluierungsschritt priorisieren.

5. Anomalieerkennung und Betrugsschutz: Angriff auf jeden dritten Automaten

Connect Vending (UK) beziffert den Anteil der Automaten, die bereits Ziel von Manipulation oder Betrug waren, auf bis zu 30 Prozent. KI-Systeme reduzieren laut derselben Quelle False Positives um bis zu 70 Prozent und erreichen eine Erkennungsgenauigkeit von rund 90 Prozent. Diese Zahlen spiegeln den britischen Markt; eine direkte Übertragung auf den deutschen Betrieb setzt lokale Validierung voraus.

Panoptyc, ein US-Anbieter für KI-Kamera-basierte Diebstahlerkennung, meldete nach einem Feature-Release 40 Prozent mehr erfasste Verdachtsvorfälle. Cantaloupe kombiniert KI-Kamera mit gewichtsbasierten Regalen in seiner Smart Aisle Technology für sichere Transaktionszuordnung ohne manuelle Prüfung.

Compliance-Kontext: Alle Kartenzahlungssysteme an Automaten unterliegen PCI DSS. Verstöße werden mit erheblichen Bußgeldern geahndet. KI-gestützte Echtzeit-Überwachung von Transaktionsmustern dient als Doppelwerkzeug: Betrugsprävention und Audit-Trail für den Compliance-Nachweis in einem.

EU AI Act: Compliance-Pflichten bei der Systemauswahl

Der EU AI Act hat direkte Auswirkungen auf KI-gestützte Vending-Systeme. Der BDV hat dazu in BDV Intern (02/2025) einen eigenen Beitrag veröffentlicht. Für Operatoren gilt: Wer externe KI-Plattformen einbindet, übernimmt Mitverantwortung für deren Konformität. Bei der Systemauswahl sollten Anbieter belegen können, in welche Risikoklasse ihre Lösung fällt und welche Dokumentationspflichten damit verbunden sind.

Drei Voraussetzungen bestimmen den richtigen Startpunkt

Telemetriequalität: Ohne strukturierte EVA-DTS-Daten ist Predictive Maintenance nicht umsetzbar. Cashless-Abdeckung: Dynamische Preisgestaltung und Anomalieerkennung setzen bargeldlose Infrastruktur voraus. Flottengröße: Routing-Optimierung lohnt sich erst ab einer Tourgröße, die manuelle Planung überfordert.

Kleinere Betreiber erzielen schnelleren ROI über Sortimentsoptimierung auf Einzelmaschinenebene: Die Daten sind bereits vorhanden, die Implementierungshürde ist gering, und Ergebnisse sind innerhalb weniger Monate messbar.

Letzte Aktualisierung: 2026-09-15