Direkt zum Inhalt

bahu Smart Bench - Emotionsbasiertes Recommender-System für den öffentlichen Raum

Zielsetzung des Projekts war es die bahu Smart Bench mit einem digitalen Terminal zu kombinieren um eine spielerische Interaktion und eine personalisierte Restaurant-Empfehlung zu ermöglichen.

bahu Smart Bench Projektteam

Friederike Kerekes, Johannes Kiener, Johannes Schwegler, Johannes Vollmer
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)

Einführung

  • bahu Smart Bench mit patentierter Klapp-Funktion und Lademöglichkeiten für mobile Endgeräte via 12 V-Steckdosen oder Induktions-Ladeeinheit
  • Zusätzliche LED-Beleuchtung des Fußraumes bei eingesetzter Ladetechnik (mit Dämmerungsschalter)
  • Entwicklung eines Digitalisierungskonzepts zur Erweiterung der bahu Smart Bench

Zielsetzung 

  • Kombination der bahu Smart Bench mit einem digitalen Terminal
  • Umgesetzter Use-Case: Empfehlung von Restaurants für die Banknutzer
  • Emotionbasiertes Empfehlungssystem, das mithilfe der integrierten Kamera die Emotionen der Nutzer interpretiert
  • Ziel: Spielerische Interaktion und personalisierte Restaurant-Empfehlung

Konzept

  • Identifikation von Nutzern: Begrüßung mit einer zufällig ausgewählten Begrüßungsnachricht, sobald sich Personen mehrere Sekunden im Blickfeld der Kamera aufhalten
  • Initialer Dialog mit Nutzern: Ermittlung von relevanten Informationen (präferierte Stadt, vorhandenes Budget und bevorzugte Küche) in einem kurzen, initialen Dialog
  • Erfassung von Nutzern: Bestimmung der Anzahl der Personen, deren Geschlecht und Alter zur Erstellung einer Vorauswahl von Restaurants (mittels Computer Vision)
  • Erfassung von Emotionen: Erfassung von Emotionen (Zustimmung oder Ablehnung) zu den vorgestellten Restaurants
  • Empfehlung von Restaurants: Finale Empfehlung von Restaurants basierend auf den erfassten Emotionen zu den vorgestellten Restaurants

Szenario bahu Bank

Umsetzung

  • Recommendation Terminal: Web-Anwendung zur Erfassung von Spracheingaben der Nutzer und Steuerung der Bilderkennung
  • Recommendation Chatbot: Interpretation von Spracheingaben und Extraktion von Informationen (z.B. präferierte Stadt, vorhandenes Budget, bevorzugte Küche)
  • Recommendation Engine: Generierung von Restaurant-Empfehlungen basierend auf den erkannten Emotionen der Nutzer

Beispiel baju Bank

Evaluierung und Ergebnisse

  • Usability-Test mit anschließender schriftlichen Befragung der Teilnehmer (durchgeführt in der Hochschule Ravensburg-Weingarten und am Münsterplatz Weingarten)
  • Durchschnittlicher SUS-Score über alle Teilnehmer: 84,61% (75% - 85% gute Usability, >85% exzellente Usability)
  • Sehr positive Bewertung der Genauigkeit der Restaurant-Empfehlung und Erkennung der Emotionen seitens der Teilnehmer
     

Zusammenfassung

  • Prototyp, der basierend auf gewünschter Küche, Ort und Budget Restaurants vorschlägt
  • Optimierung der Restaurant-Empfehlungen auf Basis der erkannten Emotionen der Nutzer
  • Generierung von Restaurant-Empfehlungen, die von den Nutzern als sehr passend bewertet werden