Stahlküchen sind robust, langlebig – und oft modular aufgebaut. Genau das macht sie ideal für den Weiterverkauf. Doch welche Module lassen sich wiederverwenden? Unser KI-gestützter Proof of Concept für Forster Küchen zeigt, wie sich Potenziale mit smarten Tools schnell erkennen und nutzen lassen.

Bei einem umfangreichen Katalog mit mehreren hundert Elementen in fünf Design- und Grössenvarianten kann die manuelle Identifikation schnell zur Herausforderung werden.

Genau hier setzt unser Ansatz an: eine responsive Web-App, die mittels KI-gestützter Bilderkennung und mit minimalem Aufwand durch die Nutzer*innen eine strukturierte Erfassung der verbauten Elemente ermöglicht.

Unser Ziel: einen typischerweise manuellen Prozess durch automatisierte KI-Bilderkennung gezielt zu unterstützen – und so einen Beitrag zur Kreislaufwirtschaft im Küchenbereich zu leisten.

Eigene Bilderkennung vs. bestehende KI-Modelle

Ein erster Ansatz bestand darin, ein eigenes Bilderkennungsmodell zu trainieren – technisch faszinierend, aber aufwendig und letztlich überflüssig: Was wir brauchten, gibt es schon. GPT-4o von OpenAI bringt genau die Fähigkeiten mit, die für unsere Ziele entscheidend waren.

Grenzen und Herausforderungen

Dennoch blieb die Umsetzung anspruchsvoll. Eine der grössten technischen Hürden war die genaue Interpretation der Bilder. Wir stellten uns also die Frage: Welche Merkmale können multimodale Modelle wie GPT-4o von OpenAI auf unseren Bildern von Küchenelementen erkennen? Aus einem zweidimensionalen Bild lassen sich zwar Formen und Objekte erkennen, aber exakte Grössenverhältnisse? Fehlanzeige.

Ein weiteres Spannungsfeld war das Prompt Engineering. Anfangsversuche, in einem einzigen Prompt sämtliche Informationen und Anforderungen unterzubringen, führten zu ungenauen oder unvollständigen Resultaten. Die Modelle erkannten zwar das Bild, übersahen aber wichtige Details oder interpretierten sie falsch. Erst durch iterative Optimierung – also das Aufteilen in kleinere, gezielte Prompts – konnte eine verlässliche Funktionalität erreicht werden.

Das Herzstück bildet eine Next.js-Applikation, kombiniert mit dem Vercel AI SDK und dem neuen GPT-4o-Modell von OpenAI.

Der echte Aha-Moment kam, als wir für diesen Case die Idee eines sogenannten „Wizards“ konkretisierten – ein geführter Assistent innerhalb der Applikation, der die Nutzer*innen systematisch durch einen Filterprozess leitet. Ziel war es, schrittweise relevante Informationen bis zum gesuchten Küchenelement abzufragen. In einem nächsten Schritt kombinierten wir diesen Wizard mit intelligenter Bilderkennung: Hochgeladene Küchenbilder wurden von der KI interpretiert, so dass Küchenelemente grob erkannt und viele der Fragen automatisiert beantwortet werden konnten. So gelang es, die Interaktion der Benutzer*innen zu minimieren.