Mit dem Patent über vorausschauenden Versand (Anticipatory Shipping) wollte Amazon noch schneller liefern – doch existiert das Projekt überhaupt noch?
So wie viele von Amazons Patenten klingt auch dieses ein bisschen wie Science Fiction: Mit „Anticipatory Shipping“ wollte Amazon eigentlich anhand der immensen Menge an Kundendaten quasi vorhersagen, was der Nutzer als Nächstes bestellen wird und das prognostizierte Produkt schon mal in die Nähe liefern. Das Zukunftsprojekt liegt aber wohl auf Eis, berichtet businessinsider.de
So soll Amazons vorausschauender Versand funktionieren
Schon 2014 hat Amazon das entsprechende Patent für den vorausschauenden Versand angemeldet und große Erwartungen damit verknüpft. Die mittlerweile durch die eigene Logistik-Offensive ohnehin extrem schnellen Lieferungen sollen so noch einmal beschleunigt werden. Die Idee dahinter: Durch die Kaufhistorie und Wunschlisten, das Klick- und Suchverhalten des Nutzers auf Amazon entsteht ein riesiger Datenberg, der durch Künstliche Intelligenz analysiert wird. Das System sagt dann voraus, welchen Artikel der Nutzer als Nächstes bestellen wird und Amazon kann die Lieferung schon in die Nähe des Kunden bringen, bevor dieser seinen eigenen Gedanken überhaupt umgesetzt hat – so der Idealfall.
Ist „Anticipatory Shipping“ schon am Ende?
Aber das Projekt scheint deutlich komplexer als gedacht, denn seit der Anmeldung des Patentes hat man von „Anticipatory Shipping“ nichts mehr gehört. Die Aussagen des verantwortlichen Amazon-Forschers Cédric Archambeau, einer der Leiter des Bereiches „Machine Learning“, lassen darauf schließen, dass das Projekt womöglich gestoppt wurde. „Wir arbeiten nicht an Modellen, die vorhersagen können, was unsere Kunden als nächstes kaufen werden“, sagt Archambeau – das ist quasi die Verneinung des ursprünglichen Projekts. Er erklärt aber: „Was wir sehen können, dank der Nutzerdaten, die uns zur Verfügung stehen, sind bestimmte Muster. Das gibt uns Aufschluss darüber, dass Kunden, die einen Tisch kaufen, üblicherweise auch Stühle kaufen. Wir sehen auch Gründe in den Datensätzen, die zu bestimmten Verhaltensweisen und Mustern führen. Wir bauen daraus aber keine Modelle, die wir als Schablone anlegen.“
Diese Muster nutzt Amazons bereits für die Produktempfehlungen – allerdings gibt es auch da Probleme. Denn das System kann etwa noch nicht zwischen einmaligen und regelmäßigen Käufen unterscheiden. „Da wird es sehr kompliziert. Es gibt Produkte, die kauft man sich mehrfach. Andere, wie Waschmaschinen, eher nicht. Es ist extrem schwer, diese Erkenntnisse in den allgemeinen Algorithmus einzupflegen“, sagt Archambeau. „Wir sind immer noch nicht da, wo wir sein wollen.“