Die Wareneingangskontrolle erfolgt in vielen KMUs noch manuell. Eine Automatisierung dieser Prozesse optimiert den Wareneingang, reduziert Fehler entlang der gesamten Lieferkette und schafft Wettbewerbsfähigkeit auf dem Markt der Transport- und Lagerlogistik. Die Umsetzung dieser Automatisierung, sei es durch eigene Entwicklung oder Nutzung von bestehenden Lösungen auf dem Markt, ist sehr kostspielig und für viele KMUs nicht realisierbar.Hier setzt das Forschungsvorhaben „Pakur“ an, um KMUs im Logistik-Segment eine (teil-)automatisierte Datenerfassung in der Wareneingangskontrolle bzw. bei der Inventur zu ermöglichen. Die neueren Durchbrüche im Bereich der Bildverarbeitung mittels neuronaler Netze sollen verwendet werden, um eine einfach zu nutzende, automatische, digitale Standardlösung zur Identifikation und Zählung von Paketen anhand von Bildern der palettierten Ware zu entwickeln. Dabei soll der Mitarbeiter durch eine App unterstützt werden, um so den Prozess der Warenannahme und Inventur zu beschleunigen und gleichzeitig mögliche Fehlerpotenziale zu minimieren. Hierbei sollen Algorithmen entwickelt und neuronale Netze trainiert werden, die in der Lage sind, die einzelnen Elemente, wie z.B. Pakete oder Säcke, auf einer Palette fehlerfrei auch in heterogenen Umgebungen zu erkennen, ihr Packmuster zu analysieren und daraus dann die Anzahl der Elemente entsprechend je Stückgut abzuleiten. Diese Information kann dann direkt an ein mögliches Warenwirtschaftssystem weitgegeben werden. Fehler werden so frühzeitig erkannt und falsche Informationen im System vermieden.Der Fokus der Entwicklung liegt auf der Erstellung der Algorithmen, basierend auf aktueller, innovativer Forschung. Der Transfer in die Praxis wird durch eine fertige, quelloffene, durch Dritte einfach nutzbare Softwarebibliothek und eine quelloffene Demo-Anwendung für das Smartphone realisiert. Damit wird sichergestellt, dass auch Dritte das Ergebnis aktiv nutzen und auf andere Bereiche anwenden können.