Humboldt Universität

UX Design für eine Software zum Trainieren von KI-Modellen

Ein Nashorn mit sichtbarer Keypoint-Annotation

Die Aufgabe:

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.

Die Lösung:

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.

Annotation software Interface

Das Interface im Vorher-Nachher-Vergleich

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:

Vorher-Nachher-Vergleich

Ein Blick in die eigens gestaltete Komponentenbibliothek, die die Grundlage für das Interface Design bildet.

Einzelkomponenten des Designsystems

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.

Auszug aus einer Tabelle mit Auflistung von Tastaturkürzeln

Für den Tierschutz

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.

Lernen durch Bildannotation

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.

Mehr Nutzerfreundlichkeit durch UX-Testing

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.

Das Übertragen von Markierungspunkten von einem Frame auf einen anderen wird als Animation gezeigt
Das Icon für die Funktion "Übertragen von Schlüsselpunkten von einem Frame auf einen anderen"

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.

Kunde

Humboldt Universität, Berlin

Förderer

fzmb GmbH – Forschungszentrum für Medizintechnik und Biotechnologie

Unsere Leistungen

UX ResearchUX & UI DesignResponsive DesignFrontend-Programmierung

Projektlaufzeit

 Mai 2022 bis Dezember 2024