Erkennung gefälschter Produkte

⏱️ Lesezeit: 9 Min. · 📁 Kategorie: Markenschutz und digitale Sicherheit

Die Erkennung gefälschter Produkte verzögert sich und lässt sich nicht skalieren, wenn sie allein auf manuellen Beschwerdeabläufen beruht. Ein wirksames System erfordert die Analyse visueller Ähnlichkeit, die Erkennung von Preisanomalien und das Scannen von Marktplätzen als zusammenwirkende Ebenen eines Ansatzes zur algorithmischen Überwachung.

🧠 Visuelle Ähnlichkeit: Hashing / ViT / CLIP

• Perceptual Hashing: Schnelle Erkennung nahezu identischer Bilder mit aHash/dHash/pHash, auch bei Farb- oder Größenänderungen.
• Tiefe Merkmale: Extraktion von ViT/CLIP-basierten Embeddings zur Gruppierung ähnlicher Produktfotos im Vektorraum.
• Schnelle Suche: Suche nach nächsten Nachbarn (k-NN) in Millionen von Bildern innerhalb von Millisekunden mit HNSW/FAISS-Indizes.
• Verschiedene Blickwinkel und Manipulationen: Robuste Erkennung trotz veränderter Blickwinkel, Zuschnitte, Wasserzeichen und Beleuchtung; kombinierte Signale aus Logoabgleich und Form/Muster.

💸 Preisanomalien und Marktdynamik

Bilder allein reichen nicht aus, um Originalprodukte von Fälschungen zu unterscheiden; auch das Preisverhalten muss beobachtet werden. Angebote, deren Preis plötzlich X % unter den SKU-Referenzpreis fällt, sind Anomaliesignale.

• Statistische Auslöser: Ausreißererkennung mit Z-Score, IQR und MAD (Median Absolute Deviation).
• Zeitreihen: Gleitender Durchschnitt und Saisonbereinigung zur Abgrenzung von Fehlalarmen durch Aktionen und Blitzrabatte.
• Zuverlässigkeit der Quelle: Gewichteter Risikoscore anhand der Bestandsdauer des Verkäuferkontos, der Retourenquote und der Beschwerdehistorie.

🛒 Scannen von Marktplätzen und sozialen Plattformen

• Erfassung aus mehreren Quellen: Abruf von Produkten und Medien aus Shops auf Trendyol, Hepsiburada, Amazon, AliExpress und Instagram/TikTok über offizielle APIs oder HTML/JSON-Feeds.
• Normalisierung von Angeboten: Umwandlung von Titel, Variante, Preis, Verkäufer-ID und Bildern in einen eindeutigen „Angebotsfingerabdruck“.
• Automatischer Abgleich: Abgleich mit Markenkatalogen über Bild-Embeddings und Textähnlichkeit (BM25/semantisch).
• Warnungen und Entfernung: Automatisches Ausfüllen von Formularen in Plattformportalen für geistiges Eigentum, DMCA-/Beschwerdeformularen und Entwürfen für Unterlassungsaufforderungen.

🎯 Perspektive: „Erkennung geklonter Angebote → UDRP/DMCA-Beweispaket“
B10 Digital bündelt Belege visueller Übereinstimmung (Ähnlichkeitsscore zwischen Originalbild und Fälschungsangebot), Preisanomalie-Diagramme, Verkäuferhistorie und Screenshots mit Zeitstempel in einem Beweispaket. Dieses Paket beschleunigt die Beweisführung bei Plattformbeschwerden und UDRP/DMCA-Verfahren. 📚 Training mit einem ethisch beschafften Datensatz aus 10.000 Bildern

Ein gut aufgebauter Trainingsdatensatz ist entscheidend, um falsch positive Ergebnisse zu reduzieren. Ein ethisch beschaffter Datensatz mit rund 10.000 Bildern wird nach folgenden Grundsätzen aufgebaut:

• Vielfalt: Produktvarianten, Nahaufnahmen von Verpackungen/Etiketten, unterschiedliche Beleuchtung und Hintergründe; Mischung aus Stock- und Nutzerbildern.
• Datenaugmentation: Zuschnitt, Unschärfe, Kompression, Farbverschiebungen und Wasserzeichen/Überlagerungen simulieren typische Manipulationen von Fälschern.
• Qualität der Annotation: Doppelblinde Annotation, Schlichtung bei Uneinigkeit und Wahrung des Klassengleichgewichts.
• Datenschutz und Lizenzierung: Prüfung von Erlaubnissen/Lizenzen für Bilder Dritter; Speicherung gemäß KVKK/GDPR.

📈 KPIs und operative Kennzahlen

• Entfernungsquote (Takedown Rate): Anteil erfolgreich geschlossener gemeldeter Angebote.
• Kosten falsch positiver Ergebnisse (FPC): Gesamte operative Kosten und Reputationskosten fälschlich markierter Angebote echter Produkte.
  Beispielformel: FPC = (Anzahl falsch positiver Ergebnisse × Bearbeitungszeit × Kosten pro Stunde) + Kostenkoeffizient für Verkäufer-/Partnerbeziehungen.
• TTR (Time to Remove): Zeit von der ersten Erkennung bis zur Bestätigung der Entfernung durch die Plattform (Stunden/Tage).
• Precision/Recall: Genauigkeit und Abdeckung der Erkennung; ausgewogene Messung mit F1.

Der B10-Ansatz: Wir kombinieren visuelle Signale (ViT/CLIP), Text und Preise in einem Ensemble und erzeugen damit einen Risikoscore. Die Schwellenwerte werden nach Plattform und Land differenziert, sodass FPC sinkt und die Entfernungsquote steigt. Durch Integration von Recht und PR werden Einwände in einem gemeinsamen Ablauf bearbeitet.

Beratung zur Erkennung gefälschter Produkte und zur Entfernung von Angeboten anfragen