Tech Update: KI im Grading-Prozess

Nutzung selbstlernender KI-Systeme für mehr Ergonomie und Effizienz im Whitelabel-Recommerce

geschrieben von Luca | Data Scientist bei reverse.supply

Einführung

Die Arbeitswelt befindet sich im Umbruch, denn selbstlernende Systeme halten Einzug in die Berufswelt. In diesem Blogbeitrag begeben wir uns auf eine spannende Reise durch eine Forschungsinitiative hier bei reverse.supply. Indem wir die Integration von selbstlernenden Deep-Learning-Systemen (DL), insbesondere Convolutional Neural Networks (CNNs), in den Klassifizierungsprozess von Kleidungsstücken untersuchen, decken wir die tiefgreifenden Auswirkungen auf die Gesundheit und Sicherheit am Arbeitsplatz, die menschliche Entscheidungsfindung und die organisatorische Effizienz auf. Dieser Beitrag befasst sich mit den wichtigsten Ergebnissen der Studie und ihren Auswirkungen im Kontext des Human Factors Engineering (HFE) und beleuchtet den spannenden Stand der KI mit dem Ziel, die Klassifizierung von Secondhand-Ware auf eine neue Stufe zu heben. Dieser arbeitsaufwendige Prozess umfasst mehrere Stufen, die jedes Kleidungsstück durchläuft: Ankunft, Kategorisierung, Eingabe von Attributen, Bewertung, Fotografie und Verpackung.

Ergonomie neu denken: ein vielseitiger Ansatz

In unserer Untersuchung haben wir uns mit drei Schlüsseldimensionen der Ergonomie befasst: physisch, kognitiv und organisatorisch. HFE, die Theorie hinter diesem Ansatz, stammt von der International Ergonomics Association (IAE). Unsere Forschung brachte Erkenntnisse zutage, die das Potenzial haben, die Grundlagen unserer Arbeitsweise bei reverse.supply neu zu gestalten.

Körperliche Ergonomie: Erleichterung der Belastung

Unsere Studie hat gezeigt, dass vortrainierte Modelle und Transfer Learning eine entscheidende Rolle bei der Verbesserung der Genauigkeit der Klassifizierung von Kleidungsstücken spielen. Diese selbstlernenden Systeme verringern den Bedarf an manueller Klassifizierung und verringern so die körperliche Belastung der Mitarbeiter*innen bei reverse.supply. Dies verspricht nicht nur eine ergonomischere Arbeitsumgebung, sondern verbessert auch die Gesundheit und Sicherheit am Arbeitsplatz. Stellen Sie sich ein Szenario vor, in dem Spezialkameras Stoffmaterialien erkennen, was zu einer höheren Genauigkeit bei der Materialerkennung führt. Diese Art von Präzision könnte, wenn sie in verschiedenen Sektoren angewendet wird, zu maßgeschneiderten ergonomischen Lösungen führen, die das Wohlbefinden der Mitarbeiter*innen fördern.

Kognitive Ergonomie: Stärkung der Entscheidungsfindung

Die kognitiven Anforderungen an menschliche Sortierer*innen können erheblich sein. Die Anwendung von DL-Systemen, insbesondere wenn sie auf spezifische Daten abgestimmt sind, hat jedoch ein bemerkenswertes Potenzial zur Unterstützung der menschlichen Entscheidungsfindung bei reverse.supply gezeigt. Die verbesserte Genauigkeit dieser Systeme verringert die kognitive Belastung und ermöglicht einen Fokus auf differenziertere Aufgaben wie Qualitätskontrolle oder Bewertung der Wiederverwendbarkeit. Diese zunehmende Spezialisierung verbessert nicht nur die kognitive Ergonomie, sondern öffnet auch die Türen zu einer fähigkeitsbasierten Hierarchie, in der die Mitarbeitenden ihr Fachwissen gezielter einsetzen können.

Links: Ergebnisse der Farberkennung                           //              Rechts: Konfusionsmatrix für das Kategorienmodell

Organisatorische Ergonomie: Navigating the Landscape

Selbstlernende Systeme haben nicht nur Auswirkungen auf das Individuum, sondern auch auf das gesamte Unternehmen. Durch die Automatisierung sich wiederholender kognitiver Aufgaben setzen diese Systeme menschliche Arbeitskräfte frei für höherwertige Tätigkeiten, die Kreativität und komplexe Entscheidungsfindung erfordern. Dies wiederum führt zu einer anpassungsfähigeren und vielfältigeren Belegschaft, die besser gerüstet ist, um die Herausforderungen einer sich schnell verändernden Welt zu bewältigen. Die Integration selbstlernender Systeme fördert auch eine Kultur der kontinuierlichen Verbesserung und Innovation, optimiert Prozesse und ebnet den Weg zu mehr Effizienz.

Implikationen und künftige Richtungen

Unsere Forschung hat tiefgreifende Auswirkungen auf Theorie, Politik und Praxis. Indem wir das Potenzial selbstlernender Systeme zur Verbesserung von Ergonomie und Effizienz aufzeigen, leisten wir einen Beitrag zum sich entwickelnden Diskurs über HFE bei reverse.supply. Während wir diese Fortschritte nutzen, wird es zwingend notwendig, Produktivitätsgewinne mit der Nachfrage nach Arbeitskräften in Einklang zu bringen und die Inklusion in der Belegschaft zu gewährleisten. Politische Entscheidungsträger*innen sollten die ökologischen und sozialen Auswirkungen selbstlernender Systeme berücksichtigen, um eine harmonische Koexistenz von Technologie und Mensch zu fördern.

Schlussfolgerung: ein neuer Weg nach vorn bei reverse.supply

Die Reise, die wir unternommen haben, ist ein Beispiel für den spannenden Stand der KI am Arbeitsplatz. Während wir durch die unbekannten Gewässer selbstlernender Systeme navigieren, entsteht durch die Verschmelzung von menschlicher Expertise und technologischer Innovation eine Symphonie, die das Potenzial hat, die Arbeit, wie wir sie kennen, neu zu gestalten. Die Zukunft hält grenzenlose Möglichkeiten bereit, bei denen die Zusammenarbeit zwischen KI und Menschen die Effizienz steigert, das Wohlbefinden fördert und den Weg für eine integrativere und anpassungsfähigere Belegschaft ebnet.

Die Zukunft der Arbeit steht uns bei reverse.supply bevor, und es ist ein aufregender Ritt in unbekanntes Terrain. Begleiten Sie uns auf unserem Weg in die Zukunft - mit Arbeitsplätzen, die intelligenter, sicherer und zufriedenstellender sind als je zuvor.