KI-basierte Klassifizierung von Artikeln Ein starkes Team: PIM und KI

Anbieter zum Thema

Parasoft® Deutschland GmbH

Arvato Systems

Künstliche Intelligenz im Onlinehandel – das ist auch für produzierende Unternehmen keine Zukunftsmusik mehr. Im Zusammenspiel mit Product-Information-Management-Systemen entfaltet KI ihre Stärke. Worauf es dabei ankommt, zeigen diese sechs Tipps.

In B2C-Onlineshops kommen Methoden der Künstliche Intelligenz bereits vielfach zum Einsatz. Doch auch Produktionsbetriebe der verschiedenen Industriesparten, die eine Online-Verkaufsplattform betreiben, können in Verbindung mit Product-Information-Management-Systemen (PIM) von entsprechender KI-Technologie profitieren. Hierbei helfen die nachfolgenden Tipps.

1. Vertrauen Sie auf die Macht der Bilder

Ein Bild sagt mehr als tausend Worte. Methoden der KI-basierten und damit automatisierten Bilderkennung haben auch im B2B-Onlinehandel großes Potenzial.

Denn bei einem gut fotografierten Bild ist nicht nur sofort ersichtlich, ob es sich um Fashion-Artikel wie Schuhe, um Konsumgüter wie Kaffeemaschinen oder eben um industrielle Produkte wie Maschinen einer Baureihe handelt. Erkennbar ist zudem, welche Farbe der Artikel hat. Auch über solche Anwendungsfälle hinaus sind neuronale Netze in der Lage, zwischen Artikeln derselben Warengruppe zu unterscheiden.

2. Trainieren Sie die KI

Mit dem richtigen Training liefert ein neuronales Netz treffsichere Ergebnisse, man spricht hierbei von Deep Learning. Hierfür müssen Sie ihm zunächst beibringen, Artikel eigenständig zu klassifizieren. Als Übungsmaterial dient eine Vielzahl an Produktbildern, die in Ihrem 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.

Sensorik

Wann sich Deep Learning in der Produktion lohnen kann

3. Legen Sie verschiedene Komplexitätsstufen fest

Für das Training der KI sollten Sie verschiedene Komplexitätsstufen festlegen:

• 1. Art des Artikels

• 2. Farbe des Artikels

• 3. Marke des Artikels

• 4. Größe des Artikels

• 5. Auffälligkeiten (Muster und dergleichen)

• 6. Material des Artikels

Und so weiter

Dabei sollten Sie beachten: Auf den ersten beiden Stufen liefert eine KI sehr überzeugende Ergebnisse. Ab Stufe drei, spätestens vier 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.

In 6 Schritten zum digitalen Kundenportal

Schaffen Sie interaktive Erlebnisse mit einem Kundenportal

4. Definieren Sie Schwellenwerte für die Bilderkennung

Dank ihrer herausragenden Fähigkeiten beim Abstrahieren und Klassifizieren können künstliche neuronale Netze Bilder in Millisekunden auswerten und Produkte in Echtzeit kategorisieren – unabhängig von Lichtverhältnissen, Blickwinkel und Hintergrund. Dabei müssen sie nicht einmal hundertprozentig mit dem Referenzobjekt übereinstimmen. Es genügt eine ausreichend hohe Wahrscheinlichkeit.

Darum sollten Sie die Schwellenwerte mit Bedacht festlegen: Die KI erkennt einen Artikel als eben diesen, wenn ein vorab definierter Schwellenwert erreicht ist, zum Beispiel „90 Prozent Übereinstimmung mit dem Referenzobjekt“. Ist eine eindeutige Klassifizierung nicht möglich, können Sie aus automatisch generierten Vorschlägen das passende Produkt manuell auswählen.

5. Kontrollieren Sie die Ergebnisse

Insbesondere zu Beginn der Trainingsphase sollten Sie kontinuierlich überprüfen, ob die KI die gewünschten Ergebnisse liefert. Ist das der Fall, können Sie mit dem KI-basierten System arbeiten.

Ein Bild fließt ins PIM-System, wo die KI den abgebildeten Artikel automatisch klassifiziert und mit Wahrscheinlichkeiten versieht: Beispielsweise zeigt das Foto mit 95 prozentiger Sicherheit ein Ventil von der Seite. In solch eindeutigen Fällen können Sie die vorgeschlagene Klassifizierung samt passenden Schlagwörtern (Tags) bedenkenlos übernehmen und das Produktbild im PIM-System ablegen. Ebenso können Sie festlegen, dass dasjenige Foto, welches den Artikel von der besten Seite zeigt, automatisch als erstes Bild im Onlineshop erscheint. Ohne die manuelle Auswahl kann es passieren, dass das System ein weniger aussagekräftiges Bild, etwa von der Unterseite des Ventils, auswählt. Um das zu vermeiden, sollten Sie die Reihenfolge festlegen, in der die Produktbilder auszuspielen sind.

Falls das System keine ausreichend große Übereinstimmung erkennt – etwa, wenn die Wahrscheinlichkeit unterhalb eines zuvor festgelegten Schwellenwerts von 80 Prozent Übereinstimmung mit dem Referenzobjekt liegt –, sind Sie gut beraten, die Vorklassifizierung zu überprüfen und die vorgeschlagenen Tags im Zweifel anzupassen.

Bilderkennung

Künstliche Intelligenz soll Kfz-Kennzeichen erkennen

6. Wählen Sie den richtigen Dienstleister

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.

Damit eine KI ihre Arbeit erledigen kann, 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. Aufgrund seines großen Verständnisses für Daten und Schnittstellen ist ein solcher Dienstleister in der Lage, Vorhaben im Bereich der KI-gestützten Bilderkennung professionell zu begleiten und zum Erfolg zu führen.

* Adrian Gasch arbeitet als Manager PIM Technical Solutions und leitet das Team Softwareentwicklung im Bereich Product Experience Management bei Arvato Systems.

(ID:47372099)