PIM und KI: Gemeinsam sind sie stark
Produkte im E-Commerce KI-basiert klassifizieren
Künstliche Intelligenz (KI) hält in immer mehr Lebensbereiche Einzug – so auch in den E-Commerce. Zum technologischen Standard-Repertoire von Online-Händlern gehören Product-Information-Management (PIM) Systeme. Ausgestattet mit einer KI-Komponente, gelingt die automatische Klassifizierung von Artikeln so schnell und korrekt wie nie zuvor.
Ein KI-gestütztes PIM-System ist schnell angeschafft. Worauf es ankommt, ist der richtige Umgang damit. Die folgende Checkliste zeigt, worauf es dabei ankommt.
1. Ein Bild sagt mehr als tausend Worte
Methoden der KI-basierten und damit automatisierten Bilderkennung haben großes Potenzial – speziell im E-Commerce, der von aussagekräftigen Produktbildern lebt. Denn bei einem gut fotografierten Bild ist nicht nur sofort ersichtlich, ob es sich um Fashion-Artikel wie Schuhe, um Konsumgüter wie Kaffeemaschinen oder um industrielle Produkte wie Maschinen einer bestimmten Baureihe handelt. Erkennbar ist zudem, welche Farbe der Artikel hat. Auch über solche Anwendungsfälle hinaus sind KI-basierte neuronale Netze in der Lage, zwischen Artikeln derselben Warengruppe zu unterscheiden.
2. Das Training macht den Unterschied
Mit dem richtigen Training liefert ein neuronales Netz treffsichere Ergebnisse (Deep Learning). Hierfür muss die KI zunächst lernen, Artikel eigenständig zu klassifizieren. Als Übungsmaterial dient eine Vielzahl an Produktbildern, die in einem PIM-System gespeichert und mit aussagekräftigen Metadaten versehen sind (Big Data). Richtig trainiert, erkennt das KI-basierte System zum Beispiel eine Bluse oder eine Maschine, selbst wenn sie verdreht, teilweise verdeckt oder in ungünstigen Lichtverhältnissen aufgenommen wurde. Damit entlastet es von zeitaufwendigen repetitiven Aufgaben.
3. Immer der Reihe nach
Für das Training der KI sind verschiedene Komplexitätsstufen festzulegen:
- 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 ist zu 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 Shop-Betreiber 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.
4. Grenzen ziehen, aber richtig
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 sind die Schwellenwerte stets mit Bedacht festzulegen: 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 Anwender stattdessen aus automatisch generierten Vorschlägen das passende Produkt manuell auswählen.
5. Vertrauen ist gut, Kontrolle ist besser
Insbesondere zu Beginn der Trainingsphase sollten Shop-Betreiber kontinuierlich überprüfen, ob die KI die gewünschten Ergebnisse liefert. Ist das der Fall, können sie mit dem KI-basierten System arbeiten. Dann fließt ein Bild ins PIM-System, wo die KI den abgebildeten Artikel automatisch klassifiziert und mit Wahrscheinlichkeiten versieht: Beispielsweise zeigt das Foto zu 95 Prozent einen Schuh oder ein Haushaltsgerät, zu 100 Prozent seitlich. In solch eindeutigen Fällen können Nutzer die vorgeschlagene Klassifizierung samt passenden Schlagwörtern (Tags) bedenkenlos übernehmen und das Produktbild im PIM-System ablegen. Ebenso können sie festlegen, dass das Foto, welches den Artikel von der Seite zeigt, automatisch als erstes Bild im Online-Shop erscheint. Ohne diese manuelle Auswahl kann es nämlich 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 E-Commerce-Händler stets die Reihenfolge festlegen, in der die Produktbilder erscheinen sollen.
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 Shop-Betreiber gut beraten, die Vorklassifizierung zu überprüfen und die vorgeschlagenen Tags im Zweifel lieber anzupassen. Die Reihenfolge der Bilder ist dabei ebenfalls zu bestimmen.
6. Augen auf bei der Partnerwahl
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 mögliche Anwendungsfälle 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.