Transkript:

„Das Foto habe ich wiederentdeckt und es ist mir sehr wichtig. Ich möchte es bestmöglich erhalten und nicht durch eine falsche Verpackung verlieren. Aber ich weiß nicht, wie ich damit umgehen muss. Man müsste das Foto teilweise zerstören, um eine Probe zu entnehmen und diese zu untersuchen. Aber das möchte ich ungern tun.“

Folgend ein Einblick in die Merkmale analoger fotografischer Verfahren von Gawain Weaver (©).

1. Analoge fotografische Verfahren

2. Personas

Um ein besseres Verständnis der Zielgruppe zu erlangen, die mit analogen fotografischen Verfahren und deren Analyse arbeitet, habe ich vier Personas entwickelt. Diese repräsentieren Experten und Expertinnen, professionelle Anwender, aufstrebende Profis sowie Anfänger ohne Vorkenntnisse. 

Innerhalb dieser Zielgruppen gibt es variierendes Wissen, jedoch besteht bei allen das Interesse oder die Notwendigkeit, sich mit analogen fotografischer Verfahren auseinanderzusetzen und mit diesen zu arbeiten.

3. Mentales Modell

Im nächsten Schritt war es mein Ziel, ein besseres Verständnis für das Prinzip und die Funktionsweise der zukünftigen App zu erlangen. Hierfür entwickelte ich ein mentales Modell, das es mir ermöglichte, die einzelnen Prozesse und Abläufe zwischen dem Nutzer, der Schnittstelle und dem Algorithmus zu identifizieren und sowohl einzeln als auch in ihrer Abhängigkeit voneinander zu betrachten. 

Ein mentales Modell dient als Analogie oder Hilfsmittel, um ein Prinzip verständlich zu erklären.

4. Entscheidungsbaum

Die unterschiedlichen Attribute und Eigenschaften der fotografischen Verfahren können in einem Baumdiagramm dargestellt werden. Dadurch werden die einzelnen Verbindungen und Abhängigkeiten untereinander sichtbar.

Zu Beginn steht das Foto, für das das zu identifizierende Verfahren gesucht wird. Im Anschluss können folgende Kriterien abgefragt werden:

1. Eingrenzung des Entstehungszeitraums des Fotos
2. Hellste Farbe im Foto
3. Dunkelste Farbe im Foto
4. Abmessungen des Fotos
5. Oberflächenbeschaffenheit des Fotos
6. Strukturen, die unter einem Mikroskop erkennbar sind
7. Mögliche Beschädigungen des Fotos
8. ...

5. Wireframes

Zu Beginn des Semesters erhielt ich von Klaus Pollmeier eine PDF, in der er das Bestimmungsverfahren in einzelnen Screens, die alle einzelne mentale Modelle besitzen, konzipiert hat. Aus den Konzept-Screens habe ich mithilfe von Wireframes Screen-Analogien entwickeln, die die gleiche Zielfunktion erfüllen, aber andere Lösungsansätze und mentale Modelle verwenden. 

Ein besonderer Fokus lag darauf, die Anwendung der einzelnen Funktionen für den User so einfach wie möglich zu gestalten. Allerdings stellte sich heraus, dass ein zu hoher Grad an unterschiedlichen mentalen Modellen die User vor Herausforderungen stellt, da sie gezwungen sind, jede Anwendung separat zu erlernen. Daher bestand die Aufgabe darin, die mentalen Modelle zu reduzieren und zu vereinheitlichen, ohne dabei die Funktionalität einzuschränken.

6. Reduzierung mentale Modelle

Das erste Modell zielt darauf ab, verschiedene Funktionstypen und einzelne mentale Modelle in einem Entscheidungssystem zu vereinen. Dabei gibt es zwei Varianten: Variante 1 mit vier Möglichkeiten der Abgleichung und Variante 2 mit drei Möglichkeiten der Abgleichung. Beide Varianten können auf zwei Arten zu einer statistischen Signifikanz führen.

Das zweite Modell umfasst ein Livebild (Foto des eigenen Fotos) und ein Referenzbild (aus der Datenbank). Durch „Swipen“ durch verschiedene Referenzbilder soll eine Annäherung an das Livebild erreicht werden.

7. Umsetzung

7.1 Onboarding

Die App beginnt mit einem klassischen Anmelde- bzw. Log-In-Prozess. Im dritten Screen des Onboardings wird abgefragt, ob der User Vorwissen besitzt (Beginner, Pro und Experte) und im vierten Screen, wie genau das analoge fotografische Verfahren analysiert werden soll (Verfahrensgruppe oder exaktes Verfahren).

7.2 Reasoning Process

Die beispielhaften Screens des Reasoning Processes führen den Benutzer oder die Benutzerin durch die verschiedenen Tools und Abfragen der App. Nachdem man den Entstehungszeitraum des Fotos eingeschätzt hat, wird zum erstem Mal das zu bestimmendes historisches Foto fotografiert. Mit diesem „Live Image“ werden die drei folgenden Tools bearbeitet. Zuerst wird die hellste und dunkelste Farbe auf dem Foto bestimmt. Wenn das Smartphone eine Tele-Linse besitzt, kann ein Makro-Foto aufgenommen werden. Anschließend werden die Maße und die Oberfläche des Fotos ermittelt. Bei der Oberflächenabfrage wird erstmals das „Sample Image“ bzw. Video verwendet. Dieses „Sample Image“ steht stellvertretend für eine Eigenschaft eines Verfahrens, die mit dem eigenen Foto abgeglichen werden kann.

7.3 Summary

Abschließend, nachdem das wahrscheinlichste Verfahren identifiziert wurde, erhält der User eine Zusammenfassung der verschiedenen Eigenschaften, weiterführende Informationen und kann sich das Ergebnis als PDF herunterladen. 

Am oberen Bildschirmrand werden mehrere Laschen angedeutet. Mithilfe dieser kann man weitere mögliche Verfahren anschauen, die jedoch eine geringere Wahrscheinlichkeit haben, auf das analysierte Foto zuzutreffen. Diese Laschen vergrößern oder verkleinern sich proportional zu ihrer Wahrscheinlichkeit.

8. Fazit/Ausblick

Am Ende meines ersten Großprojektes und sogar freien Großprojektes bin ich sehr dankbar für die Chance und Möglichkeit, die mir Prof. Severin Wucher und Klaus Pollmeier gegeben haben. Das Thema und die Aufgabe waren eine große Herausforderung für mich und ich musste über mich hinauswachsen. Zuvor hatte ich nicht mit der Bestimmung analoger fotografischer Verfahren zu tun gehabt. Sich in diese neue Thematik und in die Menschen, die damit arbeiten, hineinzudenken, war sehr bereichernd.

Der spannendste Aspekt war für mich die Anwendbarkeit des Projektes selbst sowie die Kommunikation zwischen Prof. Severin Wucher als Betreuer und Klaus Pollmeier als Auftraggeber. Dadurch konnte ich immer wieder meinen Blickwinkel wechseln und so den Blick auf das gesamte Projekt ausweiten. Es handelt sich um ein reales Projekt mit einer realen Problemstellung.

Die Informatiker:innen des Fachbereich 5 (Informatik und Sprachen) der Hochschule haben im nächsten Semester die Aufgabe zu überlegen, wie man das Bestimmungsverfahren im Reasoning Process technisch lösen kann. Ein Lösungsansatz wäre die Umsetzung mithilfe eines Algorithmus, oder vielleicht funktioniert eine künstliche Intelligenz besser, die das Reasoning nicht über einen klassischen Entscheidungsbaum abbildet, sondern über ein Neuronales Netz.

Ich bin sehr gespannt, wie es mit dem Projekt weitergeht.