Übersetzt aus dem englischen Original. Zahlen und Quellen sind unverändert. Englisches Original lesen
Delivery Hero
Delivery Hero erzeugt fehlende Speisekartenfotos mit selbst betriebenem Stable Diffusion
Delivery Hero hat ein Open-Weight-Bildmodell, Stable Diffusion, feinabgestimmt und selbst betrieben, um Speisenbilder für Gerichte ohne Foto zu erzeugen. Laut der Person, die die KI-Entwicklung bei Delivery Hero leitet, zeigte ein A/B-Test einen Anstieg der Conversion von der Speisekarte in den Warenkorb um 6 % bis 8 %, wenn ein Produkt ein Bild hatte, bei Kosten von unter 0,3 Cent pro Bild.
Kennzahlen
Wortgetreu aus den Quellen übernommen. Kopieren Sie jede Zahl mit ihrer Quellenangabe.
6 %
bis 8 %
Anstieg der Conversion-Rate von der Speisekarte in den Warenkorb, wenn einem Produkt ein Bild hinzugefügt wird, in einem A/B-Test1
85 %
Rückgang der Rechenzeit für ein Bild nach der Optimierung (die Ausgangsbasis in Sekunden ist für diese Zahl nicht angegeben)1
weniger als 0,3 Cent
Kosten pro erzeugtem Bild bei der selbst betriebenen Lösung (das Team nennt 2 Cent pro Bild beim zuvor genutzten OpenAI-Dienst)1
Was es erforderte
Das Problem
Viele Gerichte auf Lieferplattformen für Essen haben kein Foto. Die Datenanalyse von Delivery Hero fand viele Produkte ohne Bild, und laut dem Vortrag wurden nur 14 % der Produkte ohne Bild gekauft. Für jedes Gericht jedes Restaurants Fotos aufzunehmen oder zu kaufen ist langsam und teuer und unterscheidet sich von Land zu Land.
Was sie gebaut haben
Delivery Hero baute ein System, das aus der Beschreibung eines Gerichts ein Speisenbild erzeugt. Eine erste Version nutzte einen gehosteten Bilddienst von OpenAI. Danach wechselte das Unternehmen zu einem selbst betriebenen Stable-Diffusion-Modell, einem Open-Weight-Bildmodell (mit offenen Gewichten), dessen Dateien veröffentlicht sind, sodass ein Unternehmen es betreiben und anpassen kann. Eine der besten Konfigurationen in den Tests war eine Community-Variante namens Juggernaut V9 mit einem IP-Adapter. Restaurantbetreiber sehen die vorgeschlagenen Bilder und wählen das passendste aus.
Wie sie vorgegangen sind
Das Team stimmte das Modell vollständig fein ab, was mehrere Tage auf einem A100-Grafikprozessor dauerte, weil es Tausende lokaler Gerichte abdecken musste. Das verbesserte lokale Gerichte, machte aber einige andere, etwa Pizza, weniger appetitlich. Für den Betrieb wählte es L4-Grafikprozessoren wegen der besten Kosten pro Bild und beschleunigte die Inferenz durch Optimierung zur Kompilierzeit. Die Produktion läuft auf AWS in Kubernetes und skaliert mit KEDA von 0 auf 36 Knoten.
Automatische Prüfungen weisen Bilder mit Menschen oder Lebewesen, Text, schlechtem Bildausschnitt oder Unschärfe zurück. Die Offline-Tests nutzten 1.000 Produkte, verteilt über Einheiten und Kategorien.
Ergebnisse
Laut dem Vortrag zeigte ein A/B-Test einen Anstieg der Conversion von der Speisekarte in den Warenkorb um 6 % bis 8 %, wenn ein Produkt ein Bild hatte. Die Zeit pro Bild sank auf 11,2 Sekunden, was im Vortrag als Rückgang um 85 % bezeichnet wird. Die Kosten fielen auf unter 0,3 Cent pro Bild, gegenüber 2 Cent pro Bild beim zuvor genutzten OpenAI-Dienst. Inzwischen haben mehr als 100.000 Produkte erzeugte Bilder.
Alle berichteten Zahlen
| Messgröße | Wert | Quellenangabe |
|---|---|---|
| Anstieg der Conversion-Rate von der Speisekarte in den Warenkorb, wenn einem Produkt ein Bild hinzugefügt wird, in einem A/B-Test | 6 % bis 8 %1 | |
| Erzeugungszeit pro Bild nach der Optimierung | 11,2 Sekunden1 | |
| Rückgang der Rechenzeit für ein Bild nach der Optimierung (die Ausgangsbasis in Sekunden ist für diese Zahl nicht angegeben) | 85 %1 | |
| Kosten pro erzeugtem Bild bei der selbst betriebenen Lösung (das Team nennt 2 Cent pro Bild beim zuvor genutzten OpenAI-Dienst) | weniger als 0,3 Cent1 | |
| Produkte mit erzeugten Bildern auf den Plattformen von Delivery Hero | Mehr als 100.0001 |
Erkenntnisse für Ihr Projekt
Prüfen Sie den wirtschaftlichen Nutzen, bevor Sie im großen Maßstab bauen. Delivery Hero analysierte zunächst seine Speisekartendaten, um zu entscheiden, wo generative KI am meisten bringt, und maß dann den Effekt von Bildern per A/B-Test.
Beginnen Sie für einen schnellen Prototyp mit einem gehosteten Dienst und wechseln Sie zum Eigenbetrieb, wenn das Volumen die Stückkosten wichtig macht.
Bauen Sie früh automatische Qualitätsprüfungen ein. Delivery Hero filtert Text, Personen, Unschärfe und schlechte Bildausschnitte heraus und lässt Restaurants unter den vorgeschlagenen Bildern wählen.
Halten Sie die Infrastruktur nach Möglichkeit in einer Cloud. Im Vortrag wurde die Aufteilung von Diensten auf zwei Clouds als Fehler bezeichnet, der die Lieferung verzögerte.
Einschränkungen
- Alle Zahlen stammen aus einem Konferenzvortrag der Person bei Delivery Hero, die die Entwicklung der KI-Lösungen leitet und für das Unternehmen spricht. Sie sind nicht unabhängig bestätigt.
- Im Vortrag werden widersprüchliche Zahlen erzeugter Bilder genannt (mehr als 100.000 und dann rund eine Million), daher wird nur die Zahl der Produkte mit erzeugten Bildern verwendet.
- Der Rückgang um 85 % wird ohne die Ausgangsbasis in Sekunden genannt. Die einzige Ausgangsbasis im Vortrag, etwa drei Minuten pro Bild bei Standard-Stable-Diffusion auf einer T4-GPU, betrifft einen anderen Aufbau.
- Der Vortrag nennt weder ein Startdatum noch eine Teamgröße oder einen Gesamtzeitplan. Als Einführungsdatum ist das auf der InfoQ-Seite angegebene Aufnahmedatum angezeigt (das Ankündigungsdatum); der tatsächliche Produktivstart liegt früher und ist unbekannt. Der Vortrag bezeichnet den Börsengang von Talabat als im Vorjahr erfolgt.
- Das Ergebnis des A/B-Tests wird als Spanne ohne Stichprobengröße oder Dauer genannt. Delivery Hero sagt, die Bilder seien als nur zur Veranschaulichung gekennzeichnet.
- Das Modell ist ein Bildmodell, kein Textmodell. Juggernaut V9 ist eine Community-Variante von Stable Diffusion, daher ist die Zuordnung zu Stability AI eine Näherung.
Quellen
- AI for Food Image Generation in Production: How & Why
InfoQ (QCon London 2025, talk by Iaroslav Amerkhanov of Delivery Hero) · 2025-08-27 · Konferenzvortrag · infoq.com
In eigenen Worten aus den oben genannten Quellen zusammengefasst. Einen Fehler entdeckt? Siehe Korrekturen.