Die Suchmaschinen haben unseren Zugriff auf die globalisierte Informationswelt revolutioniert.
Private wie kommerzielle Nutzung ist alltäglich, für viele sogar unverzichtbar geworden. Beinahe alle in Bits und Bytes zerlegbaren Informationen können heute über das global vernetzte Internet von fast jedem Ort und zu jeder Zeit aufgerufen werden.
Auch, wenn heutige Standards der Informationsbereitstellung in der Menschheitsgeschichte etwas noch nie Vorhandenes darstellen, so ist deren Entwicklungsprozess bei Weitem noch nicht abgeschlossen. Die Komplexität, die durch den individuellen Kontext jeder einzelnen Suche bedingt ist, steigt mit zunehmender, globaler Dimension der zu durchsuchenden Informationsmenge an. Die Innovation der Suchverfahren muss also - mit den Bedürfnissen der Nutzer, dem Stand der Technik und der Angebotssituation - Schritt halten, um die erwartete Ergebnisqualität zu sichern und langfristig zu verbessern. Hierzu ist es unerlässlich, kontinuierlich alternative Wege zu erforschen und neue Modelle zu entwickeln.
Eine dieser Alternativen kann z.B. der Ansatz einer grafischen anstelle einer rein textbasierten Suche sein. Eine ausgereifte Ausführung dieses Verfahrens kann in ihrer kommerziellen Tragweite die nächste evolutionäre Entwicklungsstufe für den ohnehin stetig an Bedeutung gewinnenden Onlinehandel bedeuten (siehe auch Kapitel 2.2.3: „Chancen der Erweiterung“ unter „Studie Social Commerce 2012“).
Diesen neuen Herausforderungen des Informationszeitalters, das aufgrund globalen Wachstums und stetig steigender Vernetzung zum komplexesten von Menschen geschaffenen System1 anwächst, kann mit Lösungen aus der Erforschung des besten, bisher bekannten, biologischen Informationsverarbeitungssystems - dem menschlichen Gehirn - begegnet werden.2
[...]
1 Vgl. Prof. Dr.-Ing. Matthias Hollick - Allgemeine Informatik 1 (2012)
2 Vgl. http://www.3sat.de - Komplexität in der Hirnforschung (2008)
Inhalt
Abkürzungen
Abbildungen
Tabellen
1 Einleitung
1.1 Einleitende Worte
1.2 Ziel der Arbeit
1.3 Abgrenzung
1.4 Aufbau der Arbeit
2 Aktueller Stand der Produktsuche im Internet
2.1 Suchmaschine
2.1.1 Typen von Suchmaschinen
2.1.2 Aktuelle Suchoptionen für Grafiken
2.2 Produktsuchmaschinen
2.2.1 Definition und aktueller Entwicklungsstand
2.2.2 Mobile-Shopping
2.2.3 Chancen der Erweiterung
2.2.4 Grundidee der Optimierung
3 Neuronale Netze
3.1 Biologische neuronale Netze
3.1.1 Biologisches Vorbild
3.1.2 Biologisches Neuron
3.1.2.1 Klassifizierung des Neurons
3.1.2.2 Myelin
3.1.3 Erregung von Nervenzellen
3.1.3.1 Synapse
3.1.3.2 Ruhepotenzial
3.1.3.3 Aktionspotenzial
3.1.4 Vernetzung von Neuronen
3.2 Künstliche neuronale Netze
3.2.1 Geschichtlicher Überblick
3.2.2 Künstliches Neuron
3.2.3 Vernetzung der künstlichen Neurone
3.2.3.1 Eigenschaften neuronaler Netze
3.2.3.2 Netzschichten
3.2.3.3 Netztopologien
3.2.4 Lernmethoden
3.2.4.1 Lernen
3.2.4.2 Überwachtes Lernen (supervised learning)
3.2.4.3 Unüberwachtes Lernen (unsupervised learning)
3.2.4.4 Bekräftigungslernen (Reinforcement Learning)
3.2.5 Typische Anwendungsbereiche
4 Mustererkennung
4.1 Definition
4.2 Visuelle Mustererkennung beim Menschen
4.3 Grafische Mustererkennung in der Informatik
4.3.1 Grundlegende Ansätze in der Mustererkennung
4.3.2 Musterverarbeitung
4.3.3 Schritte der grafischen Mustererkennung
5 Optimierung der Online-Produktsuche
5.1 Umsetzungsvorschläge
5.1.1 Eigenentwicklung
5.1.2 Aufbau aus bestehenden Teillösungen
5.2 Richtungsweisende Entwicklungen
5.2.1 Amazon App für iPhone
5.2.2 Google Project Glass
6 Kritische Betrachtung
7 Fazit
8 Ausblick
Literatur
Danksagung
An dieser Stelle möchte ich mich bei allen bedanken, die mich während meines Studiums unterstützten. Insbesondere sollen die beiden Korrektoren, für lange Stunden des Lesens, gewürdigt werden.
Meinen Kollegen danke ich für ihr Verständnis bei unpassenden Urlaubstagen in der Studienzeit.
Meinen Freunden dafür, dass sie das Sprichwort mit dem Berg und dem Propheten in den letzten drei Jahren missachteten.
Meiner Familie dafür, dass sie mir genügend Freiraum ließ.
Meiner Freundin, die vieles auf sich genommen hat, damit wir beide trotz räumlicher Distanz fertig studieren konnten.
Ein besonderer Dank gebührt meinen Eltern für ihren Rückhalt in allen Lebenslagen, den Glauben an mich und vor allem für ihre stille Motivation.
Abkürzungen
Abbildung in dieser Leseprobe nicht enthalten
Abbildungen
1 Schematische Darstellung der Suchmaschinentypen; (Links) Meta- suchmaschine; (Rechts) Suchmaschine
2 Schematischer Aufbau einer tierischen Zelle
3 Schematische Darstellung eines Neurons
4 Neuronentypen
5 Chemische Synapse
6 Aktionspotenzialkurve
7 Schematische Darstellung eines künstlichen Neurons; (Links) McCulloch-Pitts-Zelle; (Rechts) Biologische Zelle
8 (Links) Schematische Darstellung eines künstlichen Neurons; (Rechts) Implementierung im Pseudocode
9 Schematische Darstellung der Aktivierungsfunktion: X-Achse Aktivi- tätslevel; Y-Achse Netzinput
10 Feedforward-Netz mit typischen Units (blau: Inputlayer, gelb: Hid- denlayer, rot: Biasneuron, grün: Outputlayer)
11 Arten der Netzkopplung
12 Schematische Darstellung der Hebbschen Lernregel
13 Beispiel einer Gesichtsmusterkarte
14 Schematische Darstellung einer grafischen Ergänzung der Online- Produktsuche; (Links) Mit eigenentwickelten KNN; (Rechts) Mit vor- handenen Lösungen
Tabellen
1 Top 10 - Produktsuchmaschinen - ohne Google-Shopping
1 Einleitung
1.1 Einleitende Worte
Die Suchmaschinen haben unseren Zugriff auf die globalisierte Informationswelt re- volutioniert. Private wie kommerzielle Nutzung ist alltäglich, für viele sogar unver- zichtbar geworden. Beinahe alle in Bits und Bytes zerlegbaren Informationen können heute über das global vernetzte Internet von fast jedem Ort und zu jeder Zeit auf- gerufen werden.
Auch, wenn heutige Standards der Informationsbereitstellung in der Menschheitsgeschichte etwas noch nie Vorhandenes darstellen, so ist deren Entwicklungsprozess bei Weitem noch nicht abgeschlossen. Die Komplexität, die durch den individuellen Kontext jeder einzelnen Suche bedingt ist, steigt mit zunehmender, globaler Dimension der zu durchsuchenden Informationsmenge an. Die Innovation der Suchverfahren muss also - mit den Bedürfnissen der Nutzer, dem Stand der Technik und der Angebotssituation - Schritt halten, um die erwartete Ergebnisqualität zu sichern und langfristig zu verbessern. Hierzu ist es unerlässlich, kontinuierlich alternative Wege zu erforschen und neue Modelle zu entwickeln.
Eine dieser Alternativen kann z.B. der Ansatz einer grafischen anstelle einer rein textbasierten Suche sein. Eine ausgereifte Ausführung dieses Verfahrens kann in ihrer kommerziellen Tragweite die nächste evolutionäre Entwicklungsstufe für den ohnehin stetig an Bedeutung gewinnenden Onlinehandel bedeuten (siehe auch Ka- pitel 2.2.3: „Chancen der Erweiterung“ unter „Studie Social Commerce 2012“). Diesen neuen Herausforderungen des Informationszeitalters, das aufgrund globalen Wachstums und stetig steigender Vernetzung zum komplexesten von Menschen ge- schaffenen System1 anwächst, kann mit Lösungen aus der Erforschung des besten, bisher bekannten, biologischen Informationsverarbeitungssystems - dem menschli- chen Gehirn - begegnet werden.2
Der medizinisch-technische Fortschritt versetzt uns heute in die Lage, hochkomplexe und in Jahrmillionen der Auslese optimierte, Vorbilder aus der Natur zu suchen, zu verstehen und technisch zu realisieren. Neuroinformatiker sind daher bemüht, er- worbene Erkenntnisse aus der Hirnforschung zur Optimierung bestehender Systeme der Informationstechnologie (IT) zu nutzen. Dazu wird unter anderem das Mustererkennungsprinzip der künstlichen neuronalen Netze (KNN) verwendet. Neuronale Netze bieten, dank ihrer von klassischer IT abweichenden Eigenschaften, neuartige Lösungskonzepte und Einsatzmöglichkeiten. Sie begleiten uns bereits täglich in Form von Mustererkennungssystemen bei Kameras unserer Mobilfunkgeräte bis hin zu Anlagestrategien unserer Investmentfonds.
1.2 Ziel der Arbeit
Zwecks Strukturierung der Arbeit wurden im Titel definierte Schwerpunkte zu Fragestellungen abgeleitet, die im Zuge dieser Arbeit erörtert und nach Möglichkeit beantwortet werden sollen. Diese lauten wie folgt:
„Neuronale Netze. . . Wie werden die, in ihrem Aufbau, ihrer Verarbeitungs- und Speicherungslogik hochgradig unterschiedlichen Systeme der Biologie und der IT zusammengef ü hrt, sodass die erw ü nschten Eigenschaften des biologischen Systems durch eine IT-Lösung genutzt werden können?
...zur grafischen Mustererkennung... Welchen Aufbau und welche Organisa- tion muss ein auf KNN basierendes System aufweisen, um die zur Fähigkeit grafischer Mustererkennung notwendigen Verarbeitungsschritte abzubilden?
...bei der Online-Produktsuche“ Welche Möglichkeiten bietet die grafische Mustererkennung zur Verbesserung der Online-Produktsuche?
1.3 Abgrenzung
Die drei Themen sind im Einzelnen nicht neu und wurden bereits in anderen wissen- schaftlichen Arbeiten behandelt. Meine Literaturrecherche ergab jedoch, dass deren Zusammensetzung in der vorliegenden Form noch nicht betrachtet wurde. Durch die Zusammenlegung der drei Themen kann und soll nicht die gleiche fach- liche Tiefe, wie bei einer Einzelbetrachtung, erreicht werden. Des Weiteren wirken sich formale Einschränkungen der Bachelorthesis nicht nur auf die Ausführlichkeit der Behandlung der einzelnen Themen, sondern auch auf die Bezugnahme zu ver- wandten Themen aus. Dadurch können einige Gesichtspunkte, je nach thematischer Relevanz, nur eingegrenzt, andere gar nicht in die Arbeit eingehen. Folgende Themen wurden, aus genannten Gründen, nicht oder nur stark eingeschränkt behandelt:
- Die Arbeit befasst sich ausschließlich mit grafischen Mustererkennungsmodellen auf der Basis von KNN. Andere Konzepte, wie Fuzzy Systeme etc. sind für diese Ausarbeitung nicht relevant.
- Statt der eigenständigen Entwicklung eines Prototypen sollen vielmehr die theoretischen Grundlagen chronologisch und unter Berücksichtigung der Relevanz vorgestellt und mögliche Optimierungsszenarien aufgezeigt werden.
- Bestehende Lösungen werden als solche in angemessenem Umfang vorgestellt, wobei tiefer gehende Betrachtungen der einzelnen möglichen Entwicklungsszenarien nicht im Fokus dieser Arbeit stehen.
- Die vielfältigen Möglichkeiten und Chancen des Verfahrens eröffnen ungeahnte Kombinationsmöglichkeiten in vielen Bereichen und Technologien. Überschneidungen mit Themen wie Augment Reality, Überwachung (z.B. Echtzeitpersonenverfolgung in videoüberwachten öffentlichen Räumen) etc. konnten in diesem Umfang jedoch nicht berücksichtigt werden.
- Aus dem Bereich der künstlichen Intelligenz (KI) wird ausschließlich der Teilbereich der KNN betrachtet.
- Das Thema der Verantwortung bei Suchmaschinen für gefundene Inhalte ist nicht unumstritten, denn die Regierungen der Länder können gezielt Ein- fluss darauf nehmen, welche bestimmten Inhalte nicht gefunden werden sollen. Die damit verbundene Zensurunterstellung sowie das kritische Hinterfragen des Suchmaschinen-Quasimonopols werden in dieser Arbeit den eigentlichen Schwerpunkten weichen.
- Obwohl das Thema der Preisgabe persönlicher Daten im Internet auch für die Online-Produktsuche relevant ist, wird es nicht weiter kritisch erörtert.
1.4 Aufbau der Arbeit
Zu Beginn wird ein allgemeiner Überblick über die Themenschwerpunkte, Leitfragen und den Aufbau der Arbeit gegeben.
Das folgende Kapitel befasst sich mit dem aktuellen Stand der Online-Produktsuche. In diesem Zusammenhang werden verschiedene Typen und Funktionsweisen von Suchmaschinen sowie aktuelle Möglichkeiten einer Grafiksuche vorgestellt. Anschließend erfolgt die Betrachtung der Produktsuchmaschinen unter Berücksichtigung der Optimierungsidee durch grafische Mustererkennung.
Der Aufbau und die Funktionsweise der neuronalen Netze ist das Thema des nächsten Kapitels, wobei erst die biologische und anschließend die technische Sicht erläutert wird. Hierbei werden die biologischen und künstlichen Neurone, als wesentliche Bestandteile von neuronalen Netzen, ausführlich beleuchtet. Das Kapitel der Mustererkennung befasst sich mit der visuellen Mustererkennung beim Menschen sowie ihrer technischen Realisierung durch künstliche neuronale Netze.
Nach der Betrachtung der Grundlagen widmet sich ein Kapitel der Vorstellung von möglichen Lösungsansätzen, gefolgt von einer kritischen Betrachtung des Themas. Abschließend wird ein persönliches Fazit formuliert, gefolgt wird es von einem Aus- blick auf die zukünftigen Einsatzmöglichkeiten und Potenziale der KNN sowie der Online-Produktsuche.
2 Aktueller Stand der Produktsuche im Internet
Im folgenden Kapitel wird der aktuelle Stand zur Entwicklung, Funktionsweise und zu Typen von Suchmaschinen, gefolgt vom Konzept der Produktsuchmaschine, dar- gelegt.
2.1 Suchmaschine
Eine Suchmaschine ist in erster Linie ein Programm, das mithilfe eines entsprechenden Suchalgorithmus in der Lage ist, aus einem Suchraum (einer Menge von Elementen) Elemente mit bestimmten Eigenschaften zu identifizieren.3
2.1.1 Typen von Suchmaschinen
Ähnlich einem Bibliothekar, bedienen sich heute die meisten Web-Suchmaschinen eines Indizes oder eines Verzeichnisses, in dem meist hierarchisch die Suchbegrif- fe mit passenden Links zu den Inhalten verknüpft abgelegt sind. Somit geschieht die eigentliche Suche nicht im Web, sondern auf dem weitaus kleineren Index. Die gängigsten Arten der Suchmaschinen werden im weiteren Verlauf dargestellt:
Verzeichnisse sind Webkataloge, die entweder hierarchisch oder netzwerkartig or- ganisierte Sammlungen von Lesezeichen enthalten (einer der ersten und heute noch existierenden Vertreter ist www.Yahoo.com). Die Lesezeichen werden von Menschen eingetragen, redaktionell geprüft und oftmals bewertet.4 Das sichert zwar eine gewisse Qualität, hat jedoch hohe Personalkosten und oft veraltete Inhalte zum Nachteil.
Suchmaschinen nutzen für die Indexerstellung sogenannte Web-Crawler (spezielle Programme), welche anhand von Uniform Ressource Locator (URL) das Inter- net durchsuchen. Dazu lesen, analysieren und bewerten sie anhand bestimm- ter Schlüsselwörter und Kriterien voll automatisiert die Web-Dokumente. Die Ergebnisse werden nach mehreren Verarbeitungsschritten, der Datenextraktion und -kompression, nach bestimmten Kriterien in die Indexstruktur der Suchmaschine integriert. Ihr Vorteil ist, dass sie - verglichen mit manueller Verzeichnispflege - sehr kostengünstig und inhaltlich stets aktuell sind. Google gehörte mit 81%5 des Marktanteils zu den bekanntesten indexbasierten Suchmaschinen. Ab Mai 2012 beginnt eine stufenweise Umstellung auf eine semantische Infrastruktur der Suchmaschine, welche nach Google mehrere Jahre andauern wird. Welche Form der Datenhaltung zukünftig die Referenzbasis für Suchanfragen bilden wird, ist zurzeit noch unklar.6
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Schematische Darstellung der Suchmaschinentypen; (Links) Metasuchmaschine; (Rechts) Suchmaschine
Metasuchmaschinen (siehe Abbildung (1)7: „Schematische Darstellung der Such- maschinentypen“) nutzen andere Suchmaschinen als Basis für ihre Suche, die Zwischenergebnisse werden - nach eigenen Algorithmen - optimiert und auf- bereitet präsentiert. Ihr Vorteil besteht darin, dass sie ein möglichst breites Spektrum an Inhalten für die Verarbeitung der Suchanfrage abgreifen können. Dies begründet sich darin, dass die Suchmaschinen nur einen Anteil des World- Wide-Webs (WWW) erfassen und jede Suchmaschine, durch unterschiedli- che Algorithmen und Verfahren, möglicherweise unterschiedliche Bereiche des Webs im Zugriff hat.
Als Beispiel kann http://www.yasni.de, als eine der meistbesuchten Meta- Personen-Suchmaschinen in Deutschland aufgeführt werden.8
Semantische Suchmaschinen (von Semantik = Lehre von der Bedeutung der Zeichen) werden, zusammen mit dem semantischen Web, als die nächste Ent- wicklungsebene des Internets gesehen. Dahinter verbirgt sich die Idee, Maschi- nen die Fähigkeit zu geben, die von Menschen zusammengetragenen Informa- tionen mithilfe der Semantik sinnvoll verknüpfen und verstehen zu können. Das Ziel ist im nächsten Schritt, die Fragestellungen der Menschen richtig zu deuten und zutreffende Antworten in ausformulierter Sprache zu liefern.9 Au- ßer der bereits erwähnten Umstellung von Google können noch zwei weitere Beispiele für semantische Suche genannt werden. Zum einen ist es die, für wissenschaftliche Fragestellungen optimierte, englischsprachige Suchmaschi- ne http://www.wolframalpha.com und zum anderen eine mobile Wikipedia Android-Applikation (App). Dazu ein Auszug aus der Beschreibung:
„Sprechen Sie Ihre Frage in die App und bekommen Sie schnell die exakte Antwort von Wikipedia! ... Man spricht: „Wann wurde Einstein geboren?“ direkt in das Telefon und bekommt exakt die Antwort „14. März 1879“ auf den Bildschirm.“10
Weitere Suchmaschinen stellen verschiedene Hybridformen der oben genann- ten Typen sowie die sogenannten Verteilte- oder auch Peer-To-Peer- Suchmaschinen vor, wie z.B. http://www.yacy.net. Hierbei handelt es sich um eine Suchmaschinensoftware, die jeder Benutzer auf seinem Personal Compu- ter (PC) installieren kann. Die Software operiert dezentral und bei Bedarf sogar autonom mittels eigen erstellten, lokalen Indizes, welche sie anderen Mitgliedern zur Verfügung stellt. Es erfolgt keine zentrale Speicherung von Benutzerverhalten etc. und das dezentrale Konzept macht eine (auf einzelne Länder beschränkte) Zensur im WWW unmöglich.11
Das folgende Beispiel soll das Vorgehen und die Bedeutung der Extraktion von relevanten Informationen aus der Suchanfrage sowie ihre Bewertung und das Ranking der im Index vorgefundenen Treffer von.12
Dafür wird die Suchanfrage z.B. (Mustererkenung mit küstlichen neuroalen Netzen) in folgenden Teilschritten abgearbeitet und anschließend ausgegeben:
1. Korrektur der Rechtschreibfehler und Vertipper
(Mustererkennung mit künstlichen neuronalen Netzen)
2. Trennung in einzelne Wortbestandteile
(Muster, Erkennung, künstlich, Neuron, neuronal, Netze, usw.),
3. Ergänzung durch Synonyme
(Muster = (Plan, Design, Idealbild), ... Neuron = (Nervenzelle), usw.)
4. evtl. Ergänzung durch ins Englische übersetzte Begriffe
(Mustererkennung = pattern matching, Netz = network, usw.)
5. Formulierung neuer Suchanfragen aus extrahierter Informationsmenge
6. evtl. Berücksichtigung weiterer Rankingkriterien, wie die Gewichtung der Quelle (z.B. www.wikipedia.de +1; www.bild.de hingegen -1) usw.
7. Ergebnisse nach Grad der Übereinstimmung mit der Suchanfrage sortieren
8. Duplikate herausfiltern
9. evtl. mit einer Blacklist (eine Liste zensierter Inhalte) abgleichen
10. evtl. thematisch gruppieren
2.1.2 Aktuelle Suchoptionen für Grafiken
Seit wenigen Jahren besteht die Möglichkeit online gestellte Grafiken, also auch Produktfotos, rückwärts zu suchen. Rückwärts meint an dieser Stelle: Von der Grafik zur Information und nicht umgekehrt.
Die Bildersuche der beiden Anbieter Google & TinEye13 wird im Internet gefei- ert und gefürchtet, denn die Plagiatsskandale der letzten Jahre und Wochen lassen Konsequenzen aus der neuen Suchfunktion erahnen.14 Beide Konzepte sind zwar unabhängig voneinander entwickelt worden, bieten jedoch sehr ähnliche Funktiona- litäten. Analog zur bekannten Textsuche bei Google wird ein Suchkriterium in Form eines beliebigen Fotos hochgeladen bzw. aus dem Web verlinkt.15 Danach wird das Web mit speziellen Mustererkennungsalgorithmen nach ähnlichen Bildern durch- sucht. Aus dem ersten Suchlauf werden Bildüberschriften, Beschreibungen usw. se- pariert und im Folgeschritt in einer gewöhnlichen Internetbildersuche verwendet. Die Ergebnisse der beiden Suchläufe werden nach Grad der Übereinstimmung und Bild- qualität sortiert und als Suchresultate präsentiert. Mit Plug-ins für Firefox können beliebige Bilder aus dem Internet gesucht werden (rechten Mausklick auf das Bild, dann auf „Search Image on TinEye“ bzw. „Search Image on Google“). Die Bildersu- che ist zwar von jeder beliebigen Webseite, also auch aus einem Onlineshop möglich, das Ergebnis bietet jedoch keine weiteren funktionalen Kategorisierungsmöglichkei- ten. Lediglich bei der Google-Suche bietet das Umschalten auf Google-Shopping - auf den ersten Blick - eine Möglichkeit, das Ergebnis der Bildersuche mit einem On- lineshop zu verknüpfen. In Wirklichkeit wird lediglich eine Google-Shopping-Suche mit der am häufigsten vorkommenden Überschrift des zuvor gesuchten Bildes durch- geführt.
2.2 Produktsuchmaschinen
2.2.1 Definition und aktueller Entwicklungsstand
Eine Produktsuchmaschine ist eine auf Produktdatenbanken optimierte Suchmaschi- ne, die entweder lokal oder online (implizit auch mobil) eine oder mehrere Daten- banken durchsucht. Produktsuchmaschinen werden u.a. von Vergleichsportalen, wie http://www.ciao.de und http://www.billiger.de verwendet. Dabei handelt es sich um Internetseiten, die, ähnlich einer Meta-Suchmaschine, die Suche über mehrere
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1: Top 10 - Produktsuchmaschinen - ohne Google-Shopping
Onlineshops durchführen (siehe auch Tabelle: „Top 10 - Produktsuchmaschinen“16 ). Ein Onlineshop ist eine, mit einer Produktdatenbank, einem Internetauftritt, ei- nem Warenkorb und einer Bezahlfunktion versehene Software. Demnach werden die Produktdatenbanken, beziehungsweise ihre auf die Produkte verweisenden Ver- zeichnisse oder Indizes der jeweiligen Onlineshops durchsucht. Die Vorteile eines Vergleichsportals sind i.d.R. die anbieterunabhängige Angebotssuche und die Be- reitstellung vielfältiger Filterfunktionen sowie ein übersichtlicher Aufbau der Er- gebnisse. Auch, wenn die Verbraucherschützer davor warnen den Ergebnissen der Vergleichsportale blind zu vertrauen, so werden ihre Dienste dennoch gerne ge- nutzt.17 Bei den meisten Vergleichsportalen handelt es sich um sogenannte „White- Label-Preisvergleichsportale“. Dazu zählen zum Beispiel auch solche Giganten, wie http://www.ebay.de und http://www.amazon.de, welche die Suche nicht auf den Da- tenbanken der Anbieter, sondern auf den hauseigenen durchführen.18 Die Anbieter der Produkte stellen zuvor ihr Sortiment in deren Datenbanken ein und stellen sich somit der Angebotstransparenz und der dadurch bedingten gestiegenen Konkurrenz.
2.2.2 Mobile-Shopping
Mobile-Commerce ist der Überbegriff, welcher die gesamte mobile Optionspalette des Handels abdeckt. Mobile-Shopping hingegen bezieht sich auf den tatsächlichen Produktkauf mit eventuell vorausgegangener Produktsuche und -recherche etc. Die Grundvoraussetzungen hierfür, wie ein flächendeckender, preiswerter mobiler Inter- netzugang, Endgeräte mit angemessenem Display zur Produktanzeige und Zugang zu Onlineshops, sind seit wenigen Jahren in nennenswertem Ausmaß vorhanden. Der Mobile-Shopping-Markt wächst mit der verfügbaren Technik, wie folgender Vergleich verdeutlicht: 2010 betrieben 1,8 Mio. Menschen in Deutschland Mobile-Shopping mit einem Smartphone, 2011 waren es hingegen bereits 3,8 Mio. Dies stellt mehr als eine Verdopplung innerhalb von nur einen Jahres dar. Dabei bieten die Smartphones nicht nur immer bessere Möglichkeiten des Mobile-Shopping an, sondern sie nehmen auch in ihrer Anzahl, von 20 Mio. zu Beginn des Jahres 2012 bis zu geschätzten 35 Mio. bis Ende des Jahres, stetig zu.19
2.2.3 Chancen der Erweiterung
Die Einstellung der Gesellschaft zum Zugang, dem Umgang und der permanenten Verfügbarkeit von Informationen ist einem, beinahe alle Generationen durchziehen- den, Wandel unterzogen. Hinzu kommt die, trotz Aufklärung und regelmäßig auf- gedeckten Datenpannen, steigende Bereitschaft der Bürger, persönliche Daten und Gewohnheiten online preiszugeben. Viele Informationen sind demnach ganz legal verfügbar und können einen Aufschluss über das Kaufverhalten einzelner Personen ermöglichen. Das Zusammenspiel aus dem Konsumentenwissen über das neue Me- dium sowie dem im Medium vorhandenen Wissen über den Konsumenten, hat eine direkte Auswirkung auf den Handel und den Konsum. Ein Großteil der personalisier- ten und damit der profitabelsten Form der Werbung findet sich heute im Internet. Diese Werbung weckt im Online-Konsumenten ein - aufgrund seiner Internetaktivi- täten - auf ihn zugeschnittenes Bedürfnis nach einem Konsumgut. Das Medium sorgt zugleich für ein breites Spektrum an Möglichkeiten, welches das geweckte Bedürfnis unmittelbar, etwa durch eine Reihe von Onlineshops, zu befriedigen versucht.20 Die steigende Bedeutung der Online-Produktsuche wird aus einem Bericht der „Studie Social Commerce 2012“21 deutlich. Demzufolge hat das Internet 2011 erstmalig die Suche nach Weihnachtsgeschenken gegenüber konventionellen Handel dominiert. Die Fähigkeit, Produkte nach gleichen Methoden online zu suchen und die Ergeb- nisse zwischen zwei Shops zu vergleichen, führt zu einer Erhöhung der Transparenz der Märkte im internationalen Warenaustausch.
[...]
1 Vgl. Prof. Dr.-Ing. Matthias Hollick - Allgemeine Informatik 1 (2012)
2 Vgl. http://www.3sat.de - Komplexität in der Hirnforschung (2008)
3 Vgl. Heinrich, Jana (2010), S. 32
4 Vgl. SEO-Suchmaschinenkompetenz.pdf (2008), S. 11
5 Vgl. webhits internet design gmbh - Web-Barometer.pdf (2012), S. 4
6 Vgl. http://pdf.zeit.de/digital/internet/2012-03/google-semantische-suche.pdf (2012), S. 1 f.
7 Vgl. Metasuchmaschine - meta search engine - ITWissen.pdf (2011), S. 1.
8 Vgl. Metasuchmaschinen - Liste, Übersicht Metasuchmaschinen.pdf (2012), S. 2
9 Vgl. Dengel, Andreas (2011), S. 232
10 AskWiki - Spracherkennung - Android Apps auf Google Play.pdf (2012), S. 1
11 Vgl. YaCy - Freie Suchmaschinensoftware und dezentrale Websuche.pdf (2011), S. 1-3
12 Vgl. Tremel Andreas.pdf (2010), S. 18 f., 20 f., 44 f.
13 Vgl. TinEye - Rückwärtssuche für Bilder.df (2010), S. 1 f.
14 Vgl. Guttenbergs Plagiatsaffäre - SPIEGEL ONLINE - Nachrichten.pdf (2012), S. 1 f.
15 Vgl. Vergleichende Bildersuche mit Google (2011)
16 Vgl. www.marketing-trendinformationen.de - eResult-top-10-produktsuchmaschinen (2012)
17 Vgl. Süddeutsche - Vergleichsportale im Internet - Helfer, die ratlos machen (2011)
18 Vgl. www.finanztip.de (2012)
19 Vgl. FOCUS Online - Mobile Shopping (2012)
20 Vgl. www.politikundunterricht.de (2010), S. 22 ff.
21 Vgl. Studie Social Commerce 2012 (2012), S. 5 ff.
- Citar trabajo
- Johann Schäfer (Autor), 2012, Buy what you see – everywhere. Welche Möglichkeiten bietet die grafische Mustererkennung zur Verbesserung der Online-Produktsuche?, Múnich, GRIN Verlag, https://www.grin.com/document/198603
