Ziel der Entwicklung
Das Ziel des Forschungsvorhabens war es, ein innovatives Verfahren zur automatisierten und intelligenten Vorauswahl von Schuhwerk zu entwickeln. Im Zentrum stand dabei der Abgleich der individuellen anatomischen Fußform des potenziellen Käufers mit den spezifischen Gegebenheiten des Schuhinnenraums. Diese Technologie sollte nicht nur mittelfristig die Retourenkosten im Schuhhandel drastisch senken, sondern auch langfristig zu einer Entlastung der Krankenkassen beitragen, indem die Notwendigkeit von Hilfsmitteln für den Fuß (bspw. Einlagen), die oft durch unzureichend passendes Schuhwerk bedingt sind, reduziert wird. Technologisch erforderte dies die Entwicklung eines kostengünstigen Messsystems zur präzisen Erfassung des Schuhinnenraums sowie den Aufbau einer umfassenden Datenbasis zur Passformanalyse mittels maschineller Lernmethoden.
Vorteile und Lösungen
Zu den zentralen Errungenschaften des Vorhabens zählt die Entwicklung eines äußerst kostengünstigen Messsystems zur Schuhinnenraumvermessung. Dieses System nutzt präzise, aber preiswerte Sensortechnologien und eine innovative Mechanik, die trotz minimalen Bauraums im Schuh eine genaue Erfassung des Innenraums ermöglicht. Umfangreiche Algorithmen zur Fehlerkompensation und Kalibrierung wurden entwickelt, um die höchstmögliche Messgenauigkeit zu gewährleisten.
Ein weiterer Schwerpunkt lag auf der Aufbereitung und Parametrisierung großer Datenmengen: Da reale Schuh- und Fußscans nicht in ausreichender Menge zur Verfügung standen, wurden fortschrittliche Algorithmen entwickelt, die es ermöglichten, die Datenbasis synthetisch zu erweitern und zu verfeinern. Dies schuf die notwendige Grundlage für die Anwendung moderner Machine-Learning-Methoden. Fuß- und Schuhinnenraum wurden dabei parametrisiert, indem relevante Maße wie Längen, Breiten und Umfänge an vordefinierten Schnittpositionen extrahiert und einander zugeordnet wurden.
Auf dieser Datenbasis wurde ein objektives Scoring-System entwickelt, das die Passform eines Schuhs für einen bestimmten Fuß quantifiziert. Dieses System basiert auf der detaillierten Differenzbetrachtung zwischen den korrespondierenden Fuß- und Schuhmaßen. Unter Einbeziehung umfassenden Expertenwissens wurden spezifische Toleranzbänder und Ausschlusskriterien definiert, um die Passform in aussagekräftige Kategorien einzuteilen – von "Passt gut" bis "Passt nicht".
Die abschließende Implementierung und Evaluation von Machine-Learning-Modellen bestätigte die Leistungsfähigkeit des Systems. Nach einer sorgfältigen Datenvorverarbeitung zeigten Modelle wie das Multilayer Perceptron und der Random Forest Tree herausragende Vorhersageleistungen. Mit Macro Average F1-Scores von bis zu 0.95 demonstrierten sie die Fähigkeit, die Passform auf Basis objektiver Daten äußerst präzise zu bestimmen und eine fundierte Schuhempfehlung abzugeben.
Der entwickelte Demonstrator belegt die technische Machbarkeit einer intelligenten, objektiven Passformanalyse. Das Vorhaben hat damit nicht nur ein leistungsfähiges System geschaffen, sondern auch den Grundstein für eine wirtschaftliche Verwertung gelegt, die dem Schuhhandel und den Endkunden gleichermaßen zugutekommt und einen wichtigen Beitrag zur Nachhaltigkeit leistet.
Zielgruppe und Zielmarkt
Das auf maschinellem Lernen basierende Passformsystem richtet sich primär an Schuhhersteller sowie den stationären und Online-Schuheinzelhandel in Deutschland, was einer Zielgruppe von etwa 2.700 Unternehmen mit einem Netto-Umsatz von 6,5 Milliarden Euro entspricht. Im stationären Handel stärkt die digitale Fuß-Erfassung die Kundenbindung und ermöglicht eine kundenorientiertere Sortimentsauswahl, wodurch Lagernachteile gegenüber Online-Shops kompensiert und Anreize für Ladenbesuche im KMU-geprägten Sektor geschaffen werden. Gleichzeitig liefert der dortige Einsatz wertvolles Nutzerfeedback zur kontinuierlichen Systemoptimierung. Für den Online-Handel bietet das System eine Lösung für die enormen Retourenkosten, die branchenweit jährlich ca. 3,7 Milliarden Euro betragent. Eine präzise Vorauswahl senkt diese Quote drastisch, was die Profitabilität der Händler steigert und durch eingesparte Transportwege die Nachhaltigkeit fördert.
Vor der breiten Markteinführung ist eine Validierung durch Passformproben unter realen Bedingungen vorgesehen, idealerweise in Kooperation mit einem Schuhhersteller. Die anschließende Vermarktung folgt einer dreigleisigen Strategie, die die Integration in das bestehende Prüf- und Messmittel-Portfolio, die Lizenzvergabe an Händler und Hersteller sowie den Direktvertrieb der Hardware umfasst.
Hinsichtlich der wirtschaftlichen Effekte ergeben sich nach der Patenterteilung im Januar 2026 und der Markteinführung signifikante Potenziale. Bei einer angestrebten Marktdurchdringung von 33 Prozent innerhalb von fünf Jahren wird im stationären Handel bei etwa 900 Kunden ein Einmalumsatz von 900.000 Euro durch den Hardwareverkauf sowie ein jährlicher Software-Mietumsatz von rund 430.000 Euro erwartet. Im Online-Sektor generiert ein mengenbasiertes Abrechnungsmodell bei Erreichen eines Drittels des Marktes im fünften Jahr einen jährlichen Software-Umsatz von ca. 2,4 Millionen Euro. Für die Online-Händler selbst ergibt sich ein massiver Kundennutzen durch die Vermeidung von Retouren. Da jede Retoure durchschnittlich 11,24 Euro kostet, könnten die angebundenen Händler bei einer Reduktion der Retourenquote um ein Drittel kumulierte Einsparungen von etwa 20,5 Millionen Euro pro Jahr erzielen.
