INTERNET WORLD Business Logo Abo

KI im Online-Handel

Haberkorn: Schraubenerkennung per Smartphone

Haberkorn
Haberkorn

Eine Schraube mit dem Smartphone fotografieren und diese dann im Online Shop bestellen - daran arbeitet der größte technische Händler Österreichs, die Haberkorn GmbH. Auf den Data Driven Commerce Days wird der Algorithmus hinter dieser Lösung vorgestellt.

Haberkorn ist der größte technische Händler Österreichs mit einem Online Shop, der über 200.000 Artikel umfasst. Bei einem Sortiment dieser Größe ist es essenziell, den Kunden so einfach und schnell wie möglich durch die Produktauswahl zu führen. Und dies gilt insbesondere für die Bestellung von Schrauben, bei der Kunden schnell die Geduld verlieren können. Die Bilderkennung via Smartphone für den Einsatz im eCommerce-Bereich galt es in einem Prototyp zu validieren. Durch Machine Learning entstand ein Algorithmus, der die Klassifizierung von Bildern für den Online Shop des technischen Händlers conversionoptimiert abbildet.

Für Laien sieht eine Schraube aus wie die andere, dabei kommt es auf die Details an. Bei Haberkorn können B2B-Kunden im Online Shop aus mehreren tausend verschiedenen Schraubenmodellen auswählen - demnächst auch per Bilderkennung auf dem Smartphone. Herr Kapfer, wie muss man sich den Prozess vorstellen?
Günther Kapfer: Noch sind wir im Prototyping, einen fertigen Prozess haben wir also noch nicht. Für den Kunden soll das aber sehr einfach sein - er knipst eine Schraube und wir sagen ihm um welche Schraube es sich handelt. Konkret wollen wir ihm sagen um welchen Typ, welche Norm es sich bei dieser Schraube handelt. Natürlich wollen wir dann auch gleich die Möglichkeit bieten, diese Schraube in unserem Online Shop zu kaufen.

Günther Kapfer, Haberkorn GmbH

Günther Kapfer ist Leiter Digital & E-Commerce bei der
Haberkorn GmbH in Wolfurt / Österreich

Haberkorn

Wie sind Sie bei der Implementierung des Algorithmus vorgegangen? Was hat sich als besondere Herausforderung erwiesen?
Kapfer:
Wir haben zunächst ein bestehendes Modell zur Bilderkennung hergenommen, es angepasst und dann auf ein erstes Set Schrauben trainiert. Dabei wurden die Schrauben mit unterschiedlichem Hintergrund, Höhe und Winkel fotografiert, um so die Flexibilität des Modells zu gewährleisten. Die Bilder wurden dann in rund 60.000 Trainingsläufen verwendet. Erste Herausforderung war, dass sich die unterschiedlichen Schraubentypen von einem Blickwinkel her unterscheiden können, vom anderen her aber nicht. Daher musste für beide Perspektiven, also Kopf und Stift, ein Modell erstellt werden, die im nächsten Schritt miteinander verknüpft wurden. Die zweite Herausforderung war, dass der Trainingsdatensatz relativ klein war. So sorgte ein rotes T-Shirt des Fotografen, das sich in der Schraube spiegelte, dafür dass ein Bias entstanden ist und das Modell das rote T-Shirt erkannt hat und nicht die Schraube. Es muss also auch ein Fokus darauf gelegt werden, Verfälschungen durch zufällige Störungen zu reduzieren.

Bei Schrauben gibt es ja auch Produkteigenschaften, die man nicht unbedingt sehen kann, zum Beispiel die Materialbeschaffenheit und die Zugfestigkeit der Schraube. Wie lösen Sie dieses Problem?
Kapfer:
Dieses Problem können wir aktuell nicht lösen. Es gibt keinen optischen Unterschied zwischen einer Schraube mit der Festigkeit 8.8 oder der Festigkeit 10.9. Auch beim Material ist es schwierig. Bei bestimmten Materialen würden sich Aussagen treffen lassen, aber das funktioniert eben nicht immer. Man muss auch bedenken, dass die Lichtverhältnisse unterschiedlich sein können und der User typischerweise eine benutzte Schraube verwendet. Die kann dann eben auch verschmutzt sein. Wir wollen keine Aussagen treffen die mit hoher Wahrscheinlichkeit nicht zutreffen und konzentrieren uns darauf, den Typ richtig zu erkennen. Damit ist aus Anwendersicht aber schon viel gewonnen, wenn er dann nur mehr die Details auswählen muss.

Wie war es eigentlich vor der Einführung der Bilderkennung? Welche Hilfen konnten Sie Ihren Kunden zuvor geben, wenn es darum ging, die passenden Schrauben für ihre Anwendungsfälle zu finden?
Kapfer:
Das sind unsere verschiedenen, gerade in der Beratung auch klassischen Kanäle. Aber es kommt eben auch dort immer wieder vor, dass wir per Mail oder Messenger Fotos geschickt bekommen und es zuerst mal um die Frage geht, um welches Produkt es da geht und wo man das findet. Trotz aller Investitionen in die Suche des Online-Shops ist ja trotzdem nicht ganz einfach, sich in einem riesigen Sortiment sehr ähnlicher Produkte zurechtzufinden. Bei Schrauben ist das so. Genau da kann die Bilderkennung sinnvoll ansetzen und das vereinfachen. Die Frage der Anwendung - ist eine Schraube für einen bestimmten Einsatzzweck geeignet - ist aber trotzdem nochmal was anderes und die Beratung durch einen Experten nicht durch einen Algorithmus zu ersetzen. Jedenfalls noch nicht.

Wann wissen Sie denn, ob sich Ihr Projekt "gelohnt" hat? Messen Sie Parameter wie Kundenzufriedenheit oder Einkaufsverhalten?
Kapfer:
Da wir noch in der Phase des Prototypings sind, haben wir diese Erkenntnisse noch nicht. Es spricht jedenfalls aber alles dafür, sich mit diesen Technologien zu beschäftigen. Die Phantasie erlaubt da sehr viele Einsatzszenarien. Wir haben uns aber keine Zahlen als Ziele gesetzt oder Benchmarks definiert. Es ist eine Spielwiese im Rahmen der Digitalisierung und wir werden erst sehen wohin uns dieser Weg, den wir übrigens gemeinsam mit unserem Partner TOWA gehen, führt. 

Wäre es denkbar, die Technik, die Sie jetzt für Schrauben einsetzen, auch für andere Bauteile zu übernehmen? Was haben Sie da in Planung?
Kapfer:
Ja, es ist natürlich naheliegend das auf verschiedenste Arten von genormten Teilen auszuweiten. Man ist sogar geneigt zu sagen, man möchte das für prinzipiell alle Sortimente haben. Allerdings gibt es im technischen Handel dann doch viele Dinge, die einfach nur klein und schwarz sind, wie beispielsweise O-Ringe. Da wird es dann mit der Bilderkennung nach aktuellem Stand schon schwierig, denn für den User soll es ja trotzdem ganz einfach sein.

Günther Kapfer stellt das Bilderkennungssystem für Schrauben gemeinsam mit Simon Mathis vom technischen Dienstleister Towa auf den Data Driven Commerce Days vom 29. September bis zum 1. Oktober 2020 vor.

Mehr Infos zum Programm und zur Anmeldung finden Sie hier: Data Driven Commerce Days

Das könnte Sie auch interessieren