Computer Vision & Machine Learning im Retail

Wenn wir im Retail-Kontext von „KI-Hautanalyse“ sprechen, meinen wir technisch meist eine Kombination aus Computer Vision und Machine Learning. Eine Kamera (oft mit speziellen Linsen für Feuchtigkeit, Poren, Melanin) erfasst das Hautbild. Ein Algorithmus vergleicht diese Daten in Millisekunden mit einer riesigen Datenbank aus tausenden Referenzbildern. Im Management unterscheiden wir zwei Anwendungsbereiche:

• Clinical Grade Devices: Stationäre Hardware (wie Visia oder Observ), die oft mit multispektralem Licht arbeitet und tiefere Hautschichten analysiert (wie das von YFY verwendete System). Ziel: Dermokosmetische Anamnese.
• Mobile Skin Analysis (SaaS): Software-Lösungen für Tablets oder Smartphones (wie das Onlinetool Skin Genius von L’Oreal oder die KI-Hautanalyse von dermanostic in ausgewählten dm-Märkiten). Ziel: Niedrigschwellige Verkaufsunterstützung und Lead-Generierung am Counter oder im ECommerce.

Das Ende des „Paradox of Choice“?

Warum akzeptieren Kunden, die sonst auf Datenschutz pochen, plötzlich den Gesichtsscan im Laden? Der Grund liegt in der Überforderung. Der Beauty-Markt ist gesättigt. Kunden stehen vor einem Regal mit 50 verschiedenen Feuchtigkeitscremes – ein klassisches „Paradox of Choice“ (zu viel Auswahl behindert die Entscheidungsfindung). Die psychologische Funktion der KI ist hierbei die Reduktion von Komplexität. Der Konsument sucht nach einer objektiven Validierung. Wenn ein Algorithmus sagt: „Deine Hautfeuchtigkeit liegt bei nur 30%“, wird das Problem (trockene Haut) quantifiziert und objektiviert. Im Anschluss erhält der Konsument eine klare Auswahl an Produktempfehlungen, die ihm die Kaufentscheidung erleichtern. Oft greift dann der Automation Bias, also das Phänomen, dass Konsumenten Empfehlungen einer automatisierten Technologie blind vertrauen. Jedoch reagiert nicht jeder Konsument gleich auf solche KI-Empfehlungssysteme im Retail. Aktuelle Studien untersuchen daher, unter welchen Bedingungen Kunden im Handel auf die Entscheidungshilfe von künstlicher Intelligenz zurückgreifen. Neben erwarteter Messgenauigkeit spielt unter anderem auch der erwartete Aufwand eine wichtige Rolle. Akzeptanz seitens des Verkaufspersonals entsteht, wenn die KI nicht als undurchsichtige „Black Box“ auftritt, sondern als kooperativer Assistent, der die menschliche Entscheidungskompetenz unterstützt, statt sie zu ersetzen (Human-in-the-Loop).

Vom Produkt-Verkauf zum „Solution Selling“

Wie verändert diese Technologie das Geschäftsmodell im Retail? Unsere Beobachtung am Stand von YFY, wo unsere Studiengangsleiterin Dr. Marina Fischer den Test machte, illustriert den Wandel eindrücklich: Der Scan dauerte nur wenige Sekunden. Das Ergebnis war eine visuelle „Landkarte“ des Gesichts, die Problemzonen (Falten, Rötungen) farblich markierte. Unmittelbar danach folgte der entscheidende Schritt: Das System schlug nicht einfach eine Produktkategorie vor, sondern konkrete Artikel aus dem Sortiment, die exakt auf die gemessenen Defizite „gematcht“ waren.

„A client has a very personalized and tailored report. […] They will get recommended […] products they should buy and continue at home. […] High-end retail stores want to basically show the problems so clients can invest in their skincare health.“

– Fachberaterin, Opatra London

Für Retail-Manager ergeben sich daraus drei strategische Vorteile:

• Erhöhung der Conversion Rate: Die wissenschaftliche Anmutung der Analyse senkt die Kaufbarriere.
• Upselling-Potenzial: Wenn die Analyse ergibt, dass neben Feuchtigkeit auch Elastizität fehlt, lässt sich das Serum zur Creme leichter argumentieren („Das Gerät empfiehlt…“).
• Personalisierung: Die Beratung wandelt sich von „One size fits all“ zu datenbasierter Individualität.

„Die KI ersetzt die Beratung nicht, sie munitioniert sie auf. Das Hautanalyse-Tool wird zum „Co-Piloten“ für die Kosmetikerin, der subjektive Wahrnehmungen mit harten Fakten untermauert. Kostenlose KI-Analysen wecken die Neugier der Käufer. Eine entsprechende kritische Einordung der Ergebnisse und empathische Beratung durch die Verkäuferin im Anschluss ist meines Erachtens dennoch wichtig für den Kaufabschluss.“

– Dr. Marina Fischer, Studiengangsleiterin B.A. Beauty Studies

Der Markt für Skin Tech wächst

Der Markt für kosmetische Hautpflegegeräte und diagnostische Tools wächst rasant. Laut Grand View Research wurde der globale Markt für „Skin Care Devices“ im Jahr 2022 bereits auf circa 14 Milliarden USD geschätzt, mit starken Wachstumsraten im Bereich der diagnostischen Tools. Bis 2030 soll die Marktgröße auf über 34 Milliarden ansteigen (Grand View Research, 2023). Grund hierfür ist neben dem steigenden Auftreten und Bewusstsein für Hautkrebs unter anderem auch das zunehmende Interesse an Ästhetik und der technologische Fortschritt.

Diagnostik oder Marketing-Gimmick?

Trotz der Euphorie müssen wir als Hochschule die Grenzen dieser Technologie beleuchten.

Ein zentraler Kritikpunkt ist die Validität der Daten. Mobile Handgeräte und Tablet-Kameras sind extrem abhängig von Lichtverhältnissen. Ein Scan unter Neonlicht im Drogeriemarkt liefert andere Ergebnisse als bei Tageslicht. Kritiker, wie die Dermatologin Dr. Andrea Suarez (Social Media Kanal: Dr Dray), weisen darauf hin, dass Consumer-Apps oft nicht zwischen temporären Hautzuständen (z.B. Rötung nach Sport) und dauerhaften Konditionen (Couperose) unterscheiden können. Allergien, Hautkrankheiten und Lebensumstände bleiben im Rahmen der KI-Analyse ebenfalls unberücksichtigt.

Ein weiteres ethisches Problem ist der Algorithmic Bias. Viele KI-Modelle wurden historisch primär mit Bildern heller Hauttypen trainiert. Eine systematische Untersuchung von Wen et al. (2022) in The Lancet belegt diese massive Datenlücke in öffentlichen Trainings-Sets. Dunklere Hauttypen waren stark unterrepräsentiert. Für den Retail bedeutet dies: Eine KI, die fast nur an heller Haut gelernt hat, läuft Gefahr, bei Kunden mit dunklerem Teint fehlerhafte Analysen zu liefern.

Zudem stellt sich die Frage nach dem Datenschutz (GDPR): Werden die biometrischen Gesichtsdaten lokal verarbeitet oder in eine Cloud geladen? Im Retail ist Transparenz hier die härteste Währung.

Der Gegentrend „Human Touch“ bleibt relevant: Je mehr Tech im Spiel ist, desto wertvoller wird die empathische, menschliche Einordnung der Ergebnisse. KI ist ein Werkzeug, kein Ersatz für Expertise.

Quellen: