DE
sb-1 color-1-top, st-1, sb-2 color-2-bottom, st-2 color-2-full, sb-3 color-2-full, st-3 color-2-full, sb-4 color-2-top, st-4, quote
Hella Aglaia
Assistiertes Fahren mit der Kraft der Crowd sicherer machen
UX-Konzeption für komplexe Labeling-Prozesse zur Verbesserung von KI-Modellen
Branche
Mobility and Automotive AI
Zeitraum
12 Monate
Ausgangslage
HELLA Aglaia entwickelt Softwarelösungen zur Analyse und Annotation von Videomaterial aus dem Straßenverkehr. Dieses Videomaterial bildet die Grundlage für das Training von KI-Systemen, die Fahrerassistenzfunktionen und perspektivisch autonomes Fahren ermöglichen.
Um KI-Modelle zuverlässig zu trainieren, müssen große Mengen an Videodaten präzise gelabelt werden. Objekte, Situationen und Verhaltensmuster müssen eindeutig markiert, klassifiziert und korrekt zugeordnet werden. Dieser Prozess ist hochgradig komplex, zeitintensiv und sicherheitsrelevant.
Die Software wird von spezialisierten Nutzergruppen eingesetzt, die unter hohem Qualitätsanspruch arbeiten. Kleine Fehler im Labeling können direkte Auswirkungen auf die Leistungsfähigkeit der KI haben. Gleichzeitig ist die Arbeit kognitiv anspruchsvoll, da große Datenmengen über lange Zeiträume hinweg analysiert werden.
Ausgangslage
HELLA Aglaia entwickelt Softwarelösungen zur Analyse und Annotation von Videomaterial aus dem Straßenverkehr. Dieses Videomaterial bildet die Grundlage für das Training von KI-Systemen, die Fahrerassistenzfunktionen und perspektivisch autonomes Fahren ermöglichen.
Um KI-Modelle zuverlässig zu trainieren, müssen große Mengen an Videodaten präzise gelabelt werden. Objekte, Situationen und Verhaltensmuster müssen eindeutig markiert, klassifiziert und korrekt zugeordnet werden. Dieser Prozess ist hochgradig komplex, zeitintensiv und sicherheitsrelevant.
Die Software wird von spezialisierten Nutzergruppen eingesetzt, die unter hohem Qualitätsanspruch arbeiten. Kleine Fehler im Labeling können direkte Auswirkungen auf die Leistungsfähigkeit der KI haben. Gleichzeitig ist die Arbeit kognitiv anspruchsvoll, da große Datenmengen über lange Zeiträume hinweg analysiert werden.
Ausgangslage
HELLA Aglaia entwickelt Softwarelösungen zur Analyse und Annotation von Videomaterial aus dem Straßenverkehr. Dieses Videomaterial bildet die Grundlage für das Training von KI-Systemen, die Fahrerassistenzfunktionen und perspektivisch autonomes Fahren ermöglichen.
Um KI-Modelle zuverlässig zu trainieren, müssen große Mengen an Videodaten präzise gelabelt werden. Objekte, Situationen und Verhaltensmuster müssen eindeutig markiert, klassifiziert und korrekt zugeordnet werden. Dieser Prozess ist hochgradig komplex, zeitintensiv und sicherheitsrelevant.
Die Software wird von spezialisierten Nutzergruppen eingesetzt, die unter hohem Qualitätsanspruch arbeiten. Kleine Fehler im Labeling können direkte Auswirkungen auf die Leistungsfähigkeit der KI haben. Gleichzeitig ist die Arbeit kognitiv anspruchsvoll, da große Datenmengen über lange Zeiträume hinweg analysiert werden.
Ansatz
UseTree unterstützte HELLA Aglaia dabei, den Labeling-Prozess aus Nutzersicht systematisch zu analysieren und zu strukturieren.
Im Fokus standen die realen Arbeitsabläufe der Nutzer, die Videomaterial sichten, bewerten und annotieren. Gemeinsam wurden:
- Nutzerrollen und Verantwortlichkeiten im Labeling-Prozess identifiziert
- typische Aufgaben und Arbeitsschritte beim Annotieren von Videodaten analysiert
- Informationsbedarfe und Entscheidungspunkte herausgearbeitet
- kognitive Belastungen und Fehlerquellen sichtbar gemacht
Ziel war es, ein tiefes Verständnis dafür zu gewinnen, wie Menschen mit hochkomplexem Videomaterial arbeiten und welche UX-Grundlagen sie benötigen, um präzise und effizient zu bleiben.
Ansatz
UseTree unterstützte HELLA Aglaia dabei, den Labeling-Prozess aus Nutzersicht systematisch zu analysieren und zu strukturieren.
Im Fokus standen die realen Arbeitsabläufe der Nutzer, die Videomaterial sichten, bewerten und annotieren. Gemeinsam wurden:
- Nutzerrollen und Verantwortlichkeiten im Labeling-Prozess identifiziert
- typische Aufgaben und Arbeitsschritte beim Annotieren von Videodaten analysiert
- Informationsbedarfe und Entscheidungspunkte herausgearbeitet
- kognitive Belastungen und Fehlerquellen sichtbar gemacht
Ziel war es, ein tiefes Verständnis dafür zu gewinnen, wie Menschen mit hochkomplexem Videomaterial arbeiten und welche UX-Grundlagen sie benötigen, um präzise und effizient zu bleiben.
Ansatz
UseTree unterstützte HELLA Aglaia dabei, den Labeling-Prozess aus Nutzersicht systematisch zu analysieren und zu strukturieren.
Im Fokus standen die realen Arbeitsabläufe der Nutzer, die Videomaterial sichten, bewerten und annotieren. Gemeinsam wurden:
- Nutzerrollen und Verantwortlichkeiten im Labeling-Prozess identifiziert
- typische Aufgaben und Arbeitsschritte beim Annotieren von Videodaten analysiert
- Informationsbedarfe und Entscheidungspunkte herausgearbeitet
- kognitive Belastungen und Fehlerquellen sichtbar gemacht
Ziel war es, ein tiefes Verständnis dafür zu gewinnen, wie Menschen mit hochkomplexem Videomaterial arbeiten und welche UX-Grundlagen sie benötigen, um präzise und effizient zu bleiben.
Lösung
Auf Basis dieser Analyse entwickelte UseTree eine UX-Konzeption für die Labeling-Software.
Die Konzeption strukturiert den Prozess der Videodaten-Annotation klar und nachvollziehbar. Informationen werden so aufbereitet, dass relevante Kontexte schnell erfassbar sind. Arbeitsabläufe folgen einer logischen Sequenz. Wiederkehrende Aufgaben werden konsistent unterstützt.
Ein besonderer Fokus lag darauf, Nutzer beim präzisen Arbeiten zu unterstützen, ohne sie durch unnötige Komplexität zu belasten. Die UX-Grundlagen schaffen Orientierung, reduzieren kognitive Last und fördern eine gleichbleibend hohe Qualität im Labeling-Prozess.
Lösung
Auf Basis dieser Analyse entwickelte UseTree eine UX-Konzeption für die Labeling-Software.
Die Konzeption strukturiert den Prozess der Videodaten-Annotation klar und nachvollziehbar. Informationen werden so aufbereitet, dass relevante Kontexte schnell erfassbar sind. Arbeitsabläufe folgen einer logischen Sequenz. Wiederkehrende Aufgaben werden konsistent unterstützt.
Ein besonderer Fokus lag darauf, Nutzer beim präzisen Arbeiten zu unterstützen, ohne sie durch unnötige Komplexität zu belasten. Die UX-Grundlagen schaffen Orientierung, reduzieren kognitive Last und fördern eine gleichbleibend hohe Qualität im Labeling-Prozess.
Lösung
Auf Basis dieser Analyse entwickelte UseTree eine UX-Konzeption für die Labeling-Software.
Die Konzeption strukturiert den Prozess der Videodaten-Annotation klar und nachvollziehbar. Informationen werden so aufbereitet, dass relevante Kontexte schnell erfassbar sind. Arbeitsabläufe folgen einer logischen Sequenz. Wiederkehrende Aufgaben werden konsistent unterstützt.
Ein besonderer Fokus lag darauf, Nutzer beim präzisen Arbeiten zu unterstützen, ohne sie durch unnötige Komplexität zu belasten. Die UX-Grundlagen schaffen Orientierung, reduzieren kognitive Last und fördern eine gleichbleibend hohe Qualität im Labeling-Prozess.
Wirkung
Die UX-Konzeption schafft eine belastbare Grundlage für die Weiterentwicklung der Labeling-Software von HELLA Aglaia. Sie unterstützt Nutzer dabei, Videomaterial strukturierter, effizienter und mit höherer Genauigkeit zu annotieren.
Damit leistet sie einen direkten Beitrag zur Qualität der Trainingsdaten für KI-Systeme. Eine bessere Nutzbarkeit der Software führt zu verlässlicheren Daten und damit zu leistungsfähigeren Assistenzsystemen und einer stabileren Basis für autonomes Fahren.
Wirkung
Die UX-Konzeption schafft eine belastbare Grundlage für die Weiterentwicklung der Labeling-Software von HELLA Aglaia. Sie unterstützt Nutzer dabei, Videomaterial strukturierter, effizienter und mit höherer Genauigkeit zu annotieren.
Damit leistet sie einen direkten Beitrag zur Qualität der Trainingsdaten für KI-Systeme. Eine bessere Nutzbarkeit der Software führt zu verlässlicheren Daten und damit zu leistungsfähigeren Assistenzsystemen und einer stabileren Basis für autonomes Fahren.
Wirkung
Die UX-Konzeption schafft eine belastbare Grundlage für die Weiterentwicklung der Labeling-Software von HELLA Aglaia. Sie unterstützt Nutzer dabei, Videomaterial strukturierter, effizienter und mit höherer Genauigkeit zu annotieren.
Damit leistet sie einen direkten Beitrag zur Qualität der Trainingsdaten für KI-Systeme. Eine bessere Nutzbarkeit der Software führt zu verlässlicheren Daten und damit zu leistungsfähigeren Assistenzsystemen und einer stabileren Basis für autonomes Fahren.
%201.png)
„Dank UseTrees Expertise konnten wir unser Labeling System durch ein modular aufgebautes Konzept und Design maßgeblich optimieren. Heute können wir ein flexibles System anbieten, das ein effizientes und benutzerfreundliches Labeln ermöglicht und sich nahtlos in die Produktfamilien des Bereiches Testing Solutions der Hella Aglaia einfügt.“
Tom Lüders, Director Testing Solutions, HELLA Aglaia Mobile Vision GmbH
„Dank UseTrees Expertise konnten wir unser Labeling System durch ein modular aufgebautes Konzept und Design maßgeblich optimieren. Heute können wir ein flexibles System anbieten, das ein effizientes und benutzerfreundliches Labeln ermöglicht und sich nahtlos in die Produktfamilien des Bereiches Testing Solutions der Hella Aglaia einfügt.“
Tom Lüders, Director Testing Solutions, HELLA Aglaia Mobile Vision GmbH
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat.
Lorem ipsum dolor sit amet
