IoT & KI

B2C

KI-gestützte Passform-Technologie für den Mainstream-E-Commerce ausrollen

Kunde

Motesque

Motesque

Modell

Produkt-Accelerator

Produkt-Accelerator

Dienstleistungen

Produktstrategie

Produktstrategie

UX/UI-Design

UX/UI-Design

Schnelles Prototyping

Schnelles Prototyping

Proposition Testing

Proposition Testing

Info

Motesque, ein deutsches Deep-Tech-Startup, hat eine KI-gestützte Technologie entwickelt: Computer Vision analysiert die Körperform und empfiehlt die perfekte Passform.

Die erste kommerzielle Partnerschaft mit Fahrrad.de, einem der größten Fahrradhändler Deutschlands, brauchte ein Consumer-Interface, das komplexe Wissenschaft einfach wirken lässt.

In Deutschland liegen die Rücksendequoten wegen falscher Größen bei 34 % — fast doppelt so hoch wie im europäischen Durchschnitt. Für Händler löst Technologie, die die Passform vor dem Kauf klärt, ein kritisches Margenproblem.

Herausforderung

Das Briefing klang einfach: visuelles Design und Prototyping für ein KI-gestütztes Größenempfehlungs-Widget.

Die Realität war komplexer. Die vorhandene Designarbeit war oberflächlich: lineare Journeys, die die anspruchsvolle Logik einer KI ignorierten. Motesque hatte kein Designsystem, keine umfassenden Wireframes und Dutzende ungemappte Szenarien — entscheidend für Abschluss oder Abbruch.

Das Widget musste geräteübergreifend funktionieren, Bildvalidierung handhaben, Neu- und Bestandsnutzer unterschiedlich behandeln und Motesques KI integrieren — alles unter Wahrung der Fahrrad.de-Marke.

Unsere Analyse

KI-Raffinesse bringt nichts, wenn die Oberfläche nicht mit echtem Nutzerverhalten umgehen kann: unscharfe Fotos, Abbruch mitten im Prozess, Gerätewechsel. Bestehende Flows gingen vom Idealweg aus. KI-Erlebnisse müssen auf jedem Weg funktionieren.

Wir haben das Briefing umdefiniert — von visuellem Design zur Systemintegration. Das Widget war keine Dekoration auf der KI. Es war die Brücke zwischen bahnbrechender Biomechanik und chaotischem menschlichen Verhalten.

Erst alle möglichen Szenarien diagnostizieren, bevor wir auch nur eines designen. Wiederverwendbare Systeme statt einmaliger Lösungen bauen. Mit genug Fidelity validieren, um Probleme vor dem Code zu finden.

Was wir getan haben

01.

Die gesamte User Journey abbilden

Wir haben Dutzende Szenarien entdeckt und dokumentiert, die zuvor niemand berücksichtigt hatte. Desktop-Nutzer brauchten eine QR-Code-Übergabe ans Mobilgerät, wo der Kamerazugriff Fotos überhaupt erst praktikabel macht. Bild-Uploads konnten an falscher Körperhaltung, mehreren Personen im Bild oder schlechter Beleuchtung scheitern. Nutzer, die die Größe für ein Fahrradmodell berechneten und dann zu einem anderen wechselten, sollten nicht den ganzen Prozess wiederholen müssen. Keine Edge Cases. Zentrale Journeys, die über Erfolg oder Misserfolg entscheiden.

Die gesamte User Journey abbilden

Wir haben Dutzende Szenarien entdeckt und dokumentiert, die zuvor niemand berücksichtigt hatte. Desktop-Nutzer brauchten eine QR-Code-Übergabe ans Mobilgerät, wo der Kamerazugriff Fotos überhaupt erst praktikabel macht. Bild-Uploads konnten an falscher Körperhaltung, mehreren Personen im Bild oder schlechter Beleuchtung scheitern. Nutzer, die die Größe für ein Fahrradmodell berechneten und dann zu einem anderen wechselten, sollten nicht den ganzen Prozess wiederholen müssen. Keine Edge Cases. Zentrale Journeys, die über Erfolg oder Misserfolg entscheiden.

02.

Systematische Designgrundlagen aufbauen

Wir haben von null an eine umfassende Komponentenbibliothek und einen Styleguide aufgebaut — und dabei zwei Anforderungen ausbalanciert: Widgets sollten sich nativ in die Site jedes Händlers einfügen und gleichzeitig einen konsistenten Motesque-Markenauftritt wahren. Das System musste über die erste Fahrrad-Implementierung hinaus skalieren — für die Roadmap mit Matratzen und Schuhen, ohne für jede Kategorie neu zu beginnen.

Systematische Designgrundlagen aufbauen

Wir haben von null an eine umfassende Komponentenbibliothek und einen Styleguide aufgebaut — und dabei zwei Anforderungen ausbalanciert: Widgets sollten sich nativ in die Site jedes Händlers einfügen und gleichzeitig einen konsistenten Motesque-Markenauftritt wahren. Das System musste über die erste Fahrrad-Implementierung hinaus skalieren — für die Roadmap mit Matratzen und Schuhen, ohne für jede Kategorie neu zu beginnen.

03.

Didaktische Klarheit durch Illustrationen schaffen

Die ersten Entwürfe nutzten generische Stockfotos, die nichts vermittelten. Wir haben sie durch maßgeschneiderte Illustrationen ersetzt — sie zeigen genau, was Nutzer tun müssen: welche Körperwinkel, wie positioniert, welche Maße das System braucht. Dieser funktionalere Bildansatz reduziert Verwirrung in den kritischen Momenten.

Didaktische Klarheit durch Illustrationen schaffen

Die ersten Entwürfe nutzten generische Stockfotos, die nichts vermittelten. Wir haben sie durch maßgeschneiderte Illustrationen ersetzt — sie zeigen genau, was Nutzer tun müssen: welche Körperwinkel, wie positioniert, welche Maße das System braucht. Dieser funktionalere Bildansatz reduziert Verwirrung in den kritischen Momenten.

04.

Prototyping zur Validierung, nicht für die Präsentation

Wir haben zwei hochauflösende, interaktive Prototypen für Desktop und Mobile gebaut. Sie simulierten komplette User Journeys — inklusive Fehlerzuständen, Ladeverhalten und geräteübergreifender Übergaben. So konnten wir mit echten Nutzern testen, bevor in Entwicklung investiert wurde. Und die Prototypen dienten als gemeinsame Wahrheit zwischen Motesques KI-Team, Fahrrad.des E-Commerce-Team und unseren Entwicklungspartnern. Konkrete Darstellungen reduzieren Unklarheit — und verhindern teure Änderungen mitten in der Entwicklung.

Prototyping zur Validierung, nicht für die Präsentation

Wir haben zwei hochauflösende, interaktive Prototypen für Desktop und Mobile gebaut. Sie simulierten komplette User Journeys — inklusive Fehlerzuständen, Ladeverhalten und geräteübergreifender Übergaben. So konnten wir mit echten Nutzern testen, bevor in Entwicklung investiert wurde. Und die Prototypen dienten als gemeinsame Wahrheit zwischen Motesques KI-Team, Fahrrad.des E-Commerce-Team und unseren Entwicklungspartnern. Konkrete Darstellungen reduzieren Unklarheit — und verhindern teure Änderungen mitten in der Entwicklung.

Projektauswirkungen

Erste Partnerschaft mit reduziertem Risiko

Unser systematischer Ansatz hat Launch-Probleme verhindert, die Motesques Glaubwürdigkeit bei Fahrrad.de beschädigt hätten — genau die Art fehlgeschlagener Implementierungen, die KI-Startups regelmäßig zurückwerfen.

Erste Partnerschaft mit reduziertem Risiko

Unser systematischer Ansatz hat Launch-Probleme verhindert, die Motesques Glaubwürdigkeit bei Fahrrad.de beschädigt hätten — genau die Art fehlgeschlagener Implementierungen, die KI-Startups regelmäßig zurückwerfen.

Für Skalierbarkeit entwickelt

Das Designsystem funktioniert über Fahrräder, Matratzen und Schuhe hinweg — ohne Neuaufbau pro Sparte. Motesque kann neue Handelspartner mit produktionsreifen Erlebnissen überzeugen.

Für Skalierbarkeit entwickelt

Das Designsystem funktioniert über Fahrräder, Matratzen und Schuhe hinweg — ohne Neuaufbau pro Sparte. Motesque kann neue Handelspartner mit produktionsreifen Erlebnissen überzeugen.

In 6 Wochen produktionsreif

Vom Briefing bis zum Deployment auf der Fahrrad.de-E-Commerce-Plattform — in einem einzigen Accelerator-Projekt. Tempo, das zählt, wenn man mit etablierten Anbietern um Handelspartnerschaften konkurriert.

In 6 Wochen produktionsreif

Vom Briefing bis zum Deployment auf der Fahrrad.de-E-Commerce-Plattform — in einem einzigen Accelerator-Projekt. Tempo, das zählt, wenn man mit etablierten Anbietern um Handelspartnerschaften konkurriert.

KI-Innovationen absichern, ohne an Geschwindigkeit einzubüßen

Du baust KI-gestützte Produkte, IoT-Plattformen oder komplexe B2B2C-Technologie?

Die Lücke zwischen bahnbrechender Fähigkeit und Consumer-Akzeptanz entscheidet über den kommerziellen Erfolg. Raffinierte Algorithmen bringen nichts, wenn Nutzer das Interface verlassen, bevor es Mehrwert liefert.

Der Markt für virtuelle Anproberäume soll bis 2032 von 5,71 Mrd. auf 24,30 Mrd. US-Dollar wachsen. Aber nur Unternehmen, die das Systemproblem lösen — nicht nur das Oberflächenproblem — werden diese Chance nutzen.

Unsere Accelerators verdichten Monate von Discovery und Design zu fokussierten Sprints, die schnell den Nutzen beweisen — weil wir sowohl die Technologie als auch das menschliche Verhalten verstehen, dem sie dienen soll.

Zurück