Eine wissenschaftliche Software zum Anlernen eines KI-Modells soll benutzerfreundlich gestaltet werden. Das KI-Modell ist für die medizinische Bildanalyse gedacht, um krankheitsbedingtes Bewegungsverhalten bei Tieren erkennen zu können.
Um die manuelle Erzeugung der Trainingsdaten so intuitiv und effizient wie möglich zu gestalten, basiert unser UX-Konzept auf bekannten mentalen Modellen der Nutzer. So lässt sich die Einarbeitungszeit verkürzen und die Bedienung vereinfachen.
Durch Paletten und Werkzeugleisten, werden die einzelnen Funktionsbereiche sinnvoll strukturiert und die gesamte Anwendung übersichtlich gestaltet.
Zu Beginn des Projekts lag eine noch ungestaltete aber bereits voll funktionstüchtige Version der Software vor. Dies war die perfekte Ausgangslage für die folgende Designentwicklung.
Die Software vor und nach dem Designprozess:
Ein Blick in die eigens gestaltete Komponentenbibliothek, die die Grundlage für das Interface Design bildet.
Für das Anlernen eines KI-Modells sind große Datenmengen notwendig. Um so wichtiger ist es, dass sich die Software schnell und effizient bedienen lässt. Geübten Nutzern gelingt dies am Besten per Tastenkürzel (engl. „Shortcuts“), die wir für alle relevanten Funktionen vorgesehen haben.
Das von der Humboldt Universität initiierte Projekt widmet sich dem Tierschutz. Dabei liegt der Schwerpunkt zunächst auf den Tierarten Pferde und Nashörner. Ziel ist es, ein KI-Modell zu erarbeiten, das in Echtzeit Anomalien und Erkrankungen anhand der Bewegungsmuster der Tiere erkennen kann. Dazu werden die Tiere per Video überwacht und die Videodaten von der Software ausgewertet.
Als Grundlage für die Auswertung nutzt das KI-Modell die Methode der Keypoint Annotation. Dazu wird die Software mit Trainingsdaten versorgt, die aus möglichst vielen Beispielbildern einer Tierart besteht.
Diese Bilder müssen manuell von Menschenhand annotiert werden, bevor sie als Trainingsdaten taugen. D. h. bestimmte festgelegte Punkte in den Bildern werden markiert, damit die Software lernen kann, was genau auf den Bildern zu sehen ist. Das können beispielsweise Markierungspunkte wie „linkes Auge“, „rechte Schulter“ und „rechtes Knie“ sein. Ist der Umfang der Trainingsdaten hoch genug, kann das KI-Modell selbstständig krankheitsbedingte Bewegungsmuster erkennen.
Um eine möglichst reibungslose Bedienung zu erreichen, führten wir ein Usability-Testing anhand der tatsächlichen, lauffähigen Software durch. So konnten wir das Nutzungserlebnis in einem realen Szenario überprüfen und wertvolle Erkenntnisse gewinnen.
Es stellte sich beispielsweise heraus, dass das Feature des Kopierens von Punkten von einem Frame zum nächsten nicht intuitiv gelöst war. Durch geringfügige Anpassungen an Wording und Icons konnten wir die Funktion verständlicher gestalten.
Bilddatenannotation ist mit einem hohen Arbeitsaufwand verbunden. Eine Software, die sich reibungslos bedienen läßt, erleichtert die Arbeit und ist die Vorraussetzung für eine hohe Datenqualität.
Humboldt Universität, Berlin
fzmb GmbH – Forschungszentrum für Medizintechnik und Biotechnologie
UX ResearchUX & UI DesignResponsive DesignFrontend-Programmierung
Mai 2022 bis Dezember 2024