RETAIL
Sechs Expertentipps zur KI-Klassifizierung © Pixabay
© Pixabay

Redaktion 19.02.2021

Sechs Expertentipps zur KI-Klassifizierung

Auch im Produktinformationsmanagement beweist sich Künstliche Intelligenz als leistungsstark.

Gastbeitrag ••• Von Adrian Gasch


Künstliche Intelligenz im E-Commerce ist längst keine Zukunftsmusik mehr. Im Zusammenspiel mit Product-Information-Management-Systemen (PIM) entfaltet eine KI ihre Stärke insbesondere bei der Klassifizierung verschiedenster Artikel. Doch worauf kommt es beim Einsatz von KI bei Klassifizierungen an – und was gilt es dabei besonders zu berücksichtigen?

Bilder sind alles

Vertrauen Sie auf die Macht der Bilder. Die automatische Bilderkennung hat im Online-Handel großes Potenzial. Bei einem gut fotografierten Bild erkennt die KI neben der Farbe des Gegenstands auch, ob es sich um Fashion-Artikel wie Schuhe, Konsumgüter wie Kaffeemaschinen oder industrielle Produkte wie Bauteile handelt. Zudem können KI-basierte neuronale Netze zwischen Artikeln einer Warengruppe unterscheiden.

Übung macht den Meister

Trainieren Sie die KI. Mit dem richtigen Training liefert ein neuronales Netz treffsichere Ergebnisse (Deep Learning); hierfür muss ihm zunächst beigebracht werden, Artikel eigenständig zu klassifizieren.

Als Übungsmaterial dient eine Vielzahl an Produktbildern, die im jeweiligen PIM-System gespeichert und mit aussagekräftigen Metadaten versehen sind (Big Data). Richtig trainiert, erkennt das KI-basierte System zum Beispiel ein Kleidungsstück oder eine Maschine, selbst wenn sie verdreht, teilweise verdeckt oder in ungünstigen Licht­verhältnissen aufgenommen wurde. Damit entlastet es Sie von zeitaufwendigen repetitiven Aufgaben.

Level für Level

Legen Sie verschiedene Komplexitätsstufen fest. Für das Training der KI empfehlen sich verschiedene Differenzierungsstufen – etwa: Art (1), Farbe (2), Marke (3), Größe (4), Auffälligkeiten (Muster und dergleichen) (5) und schließlich Material (6) des Artikels.

Zu beachten ist dabei, dass eine KI etwa bei Art und Farbe sehr überzeugende Ergebnisse liefert; spätestens ab Stufe 4 aber stößt ein neuronales Netz momentan noch an seine Grenzen.
Sofern die Formgebung eindeutig oder ein Logo erkennbar ist, kann es Marken unterscheiden und Fälschungen erkennen. So können Sie Markenrechtsverletzungen wirksam vorbeugen. Um einen Artikel noch weitergehend zu klassifizieren, ist die Bildqualität häufig nicht ausreichend. Auch braucht eine KI für derart komplexe Aufgaben sehr viel Training.

Kategorisierung einstellen

Definieren Sie Schwellenwerte. Dank ihrer herausragenden Fähigkeiten beim Abstrahieren und Klassifizieren werten künstliche neuronale Netze Bilder in Millisekunden aus und kategorisieren Produkte in Echtzeit – unabhängig von Lichtverhältnissen, Blickwinkel und Hintergrund.

Dabei müssen sie nicht komplett mit dem Referenzobjekt übereinstimmen, eine ausreichend hohe Wahrscheinlichkeit genügt. Die KI erkennt einen Artikel, wenn ein vorab definierter Schwellenwert erreicht ist, zum Beispiel 80% Übereinstimmung mit dem Referenzobjekt. Ist eine eindeutige Klassifizierung nicht möglich, lässt sich das passende Produkt aus automatisch generierten Vorschlägen manuell auswählen.

Vorklassifizierungen prüfen

Kontrollieren Sie die Ergebnisse. Insbesondere zu Beginn der Trainingsphase sind die Ergebnisse der KI noch kontinuierlich zu überprüfen. Funktioniert sie zuverlässig, automatisiert sie folgenden Prozess: Ein Bild fließt ins PIM-System, wo die KI das gezeigte Objekt klassifiziert: Das Foto zeigt zu 95% einen Schuh, zu 100% seitlich.

In solch eindeutigen Fällen lässt sich die vorgeschlagene Klassifizierung samt Schlagwörtern (Tags) übernehmen und das Bild speichern. Erkennt die KI keine ausreichend große Übereinstimmung, sollte man die Vorklassifizierung überprüfen und die vorgeschlagenen Tags anpassen. Zuletzt kann man festlegen, dass etwa die seitliche Aufnahme des Schuhs als erstes Bild im Online-Shop erscheint. Ohne die manuelle Auswahl kann es passieren, dass das System ein weniger aussagekräftiges Bild, etwa von der Sohle des Schuhs oder der Rückseite des Geräts, auswählt. Um das zu vermeiden, sollten die Reihenfolge der auszuspielenden Produktbilder festgelegt werden.
Falls das System keine ausreichend große Übereinstimmung erkennt – etwa, wenn die Wahrscheinlichkeit unterhalb eines zuvor festgelegten Schwellenwerts von 80% Übereinstimmung mit dem Referenzobjekt liegt –, ist man gut beraten, die Vorklassifizierung zu überprüfen und die vorgeschlagenen Tags im Zweifel anzupassen. Die Reihenfolge der Bilder sollte ebenfalls manuell bestimmt werden.

Machbarkeits-Check

Abschließend gilt es noch, den richtigen Dienstleister zu wählen. Die Technologie hat das Potenzial, manuelle Prozesse in der Produktdatenpflege zu einem hohen Grad zu automatisieren – sofern die Metadaten im PIM-System gepflegt sind und damit eine optimale Grundlage für aussagekräftige Tags bilden, die wiederum für das Training der KI unentbehrlich sind.

Dabei hat es sich bewährt, einen kompetenten Dienstleister ins Boot zu holen, der Use Cases auf ihre Machbarkeit hin überprüft und technologische Grenzen aufzeigt. Zudem analysiert er, ob die benötigten Metadaten im PIM-System verfügbar sind und wie ein bestimmter Anwendungsfall zu designen ist. Nicht zuletzt trainiert er das neuronale Netz. Damit ist er in der Lage, Vorhaben im Bereich der KI-gestützten Bilderkennung professionell zu begleiten und zum Erfolg zu führen.

BEWERTEN SIE DIESEN ARTIKEL

TEILEN SIE DIESEN ARTIKEL