IMPRO

Handelsunternehmen verfolgen heute vielfach eine Omni-Channel-Retailing-Strategie, die alle Absatzkanäle wie Ladengeschäfte, Online-Shops oder Kataloge gleichermaßen unterstützt. Sie erfordert, dass alle Absatzkanäle parallel bedient, gesteuert, ausgewertet und optimiert werden müssen. Die zu verwaltende Informationsmenge je Produkt hat sich dadurch in den letzten Jahren erheblich erhöht. Dies stellt hohe Anforderungen sowohl an das Produktinformationsmanagement als auch an das Stammdatenmanagement im zentralen ERP-System. 
Durch den E-Commerce haben gerade Produktbilder zunehmend an Bedeutung gewonnen. Für die Unternehmen bedeutet dies, dass die Produktdaten sehr umfangreich und heterogen sind. Sie bestehen aus strukturierten und unstrukturierten Daten, aber auch aus Bild- und Videodaten. Vielfach müssen die Daten noch sehr kostenintensiv und fehleranfällig manuell erfasst werden. Für die Unternehmen ist es daher schwierig sicherzustellen, dass die Produktdaten und die von ihnen repräsentierten Informationen, die aus unterschiedlichen Quellen stammen, korrekt sind. Der hierfür erforderliche Abgleich der auf dem Produktbild enthaltenen Informationen mit den bereitgestellten Produktdatensätzen erfolgt, wenn überhaupt, manuell und ist entsprechend aufwändig. 

Ziel des Forschungsvorhaben ist es, den Erstellungsprozess von Produktdaten durch die Einbeziehung von Produktbildern und weiterer Informationen aus Webquellen oder internen Datenquellen mittels eines Image supported Product Data Creation Processors (IMPRO) durch den Einsatz von Verfahren des maschinellen Lernens zu automatisieren. Damit sollen die Kosten insbesondere für die Erfassung von Produktdaten reduziert und die Effizienz und Qualität der erforderlichen Pflegeprozesse erhöht werden.

Zur Projekthomepage