Was gab den Ausschlag für die Entwicklung eines KI-basierten Anwendungsfalls?
Mit steigenden Umsätzen im E-Commerce und zunehmender Relevanz des Einkaufs per Smartphone sollte mit spotsize eine Lösung entstehen, die das Schuhkauferlebnis im stationären Geschäft in den Online-Einkauf überträgt. Dafür übernimmt spotsize die Rolle der Schuhverkäufer:in und versorgt Kund:innen mit den passenden Schuhen. Das Programm vermisst dafür per Smartphone-Kamera die Füße und bestimmt auf dieser Basis entsprechende Schuhgrößen.
Bevor ein entsprechendes Programm die Größe jedoch segmentieren kann, muss ein 3D-Modell des Fußes entstehen. Die ML- und AI-Algorithmen von spotsize werden modelliert und trainiert, um menschliche Füße zu erkennen und einen biometrischen digitalen 3D-Zwilling zu rekonstruieren. So können im Anschluss die tatsächliche Länge, Breite, Höhe usw. berechnet werden. Eine Big-Data-Lösung macht es möglich, mithilfe dieser biometrischen Daten, Schuhgrößen schneller zu vervollständigen und zu empfehlen. Dafür werden Muster in den Daten verglichen und können im Anschluss für Prognosen, Trends und geschäftliche Erkenntnisse in Echtzeit verwendet werden.

Welche Erwartungen bzw. Anforderungen hatten Sie an die KI-Anwendung?
Zur Erkennung der Füße werden die Nutzer:innen mithilfe eines AR User Interfaces geführt, um mehrere Bilder vom Fuß aufzunehmen und daraus die passende Schuhgröße zu errechnen. Um das zu gewährleisten, mussten wir einen forschenden Ansatz wählen. Denn weder die verwendete Technologie zu 3D-Objektklassifizierung wurde bisher ausführlich im Endnutzerbereich angewendet noch gab es viele Anwendungsfälle mit dreidimensionaler Tiefenmessung eines Smartphones.

Auf welche Frameworks/Methoden waren Sie bei der Entwicklung angewiesen?
Wir haben TensorFlow für das Training der Deep-Learning-Modelle eingesetzt. Für die Verwaltung der Experimente und das Model-Management wurde MLFlow verwendet. Die Apple CoreML hat die Konvertierung der Modelle auf das Smartphone übernommen und wir haben Jupyter-Notebooks für die Auswertung genutzt. spotsize hat schließlich die Datensätze aufgenommen und gelabelt sowie die Modelle in die App eingebaut. Später folgte eine Integration in die SAP Cloud.

Mit dem Einsatz von KI-Lösungen muss auch ein Wandel der Kompetenzen einhergehen. Wie sind Sie mit dieser Herausforderung in Bezug auf ihre Mitarbeitenden umgegangen?
Durch die vergleichsweise neuen Technologielösungen, die zum Einsatz kamen, sollten wir spotsize bei der Lösung unterstützen. Doch trotz langjähriger Erfahrung im Bereich Künstliche Intelligenz hatten auch wir, insbesondere zu Beginn, Probleme mit den Trainingsdaten. Es musste erst richtig abgestimmt werden, worauf es bei Trainingsdaten besonders ankommt. Sowohl inovex als auch unser Kunde spotsize konnten bereits im Bereich Künstliche Intelligenz vorweisen, sodass unter den Mitarbeitenden bereits die nötigen Kompetenzen vorhanden waren.

In welchem Zeitraum haben sie die KI-Lösung in Ihrem Unternehmen implementiert?
Für unseren Kunden spotsize haben wir in drei Wochen ein Proof of Concept (PoC) ausgearbeitet. Danach folgte innerhalb von vier Monaten (August - November 2019) die Integration der Lösung.

Ein Fazit zu Ihrer KI-Lösung:
Der forschende Ansatz unserer KI-Lösung für spotsize hat gezeigt, dass – gerade wenn man sich auf neue Pfade in der Entwicklung begibt – immer wieder flexibel auf technische Limitierungen reagiert werden muss. Neue Technologien, wie die 3D Objektklassifizierung mit Smartphones mögen nicht immer reibungslos mit etablierten Lösungen zusammenarbeiten. Sind die Hindernisse jedoch beseitigt, lässt sich mittels KI noch mehr Potenzial ausschöpfen als zuvor erhofft. In unserem Fall ist es nun für die Endnutzer:innen möglich, die Bilder des Fußes per AR-Scan aufzunehmen, anstatt einzelne statische Fotos zu schießen.

Einen abschließenden Rat/Tipp an andere Unternehmer, die KI anwenden wollen:
Der Einsatz von Künstlicher Intelligenz kann Arbeitsschritte und Systeme signifikant beschleunigen. Der Prozess, die entsprechende Lösung zu entwickeln, kann jedoch kompliziert sein und ein hohes Maß an Expertise erfordern. Um schnell und flexibel auf sich verändernde Anforderungen einzugehen, bietet ein agiler Arbeitsansatz und ein interdisziplinäres Team die optimalen Mittel.

Mehr Infos unter:
https://spotsize.io
https://www.inovex.de