Een ingrediëntenlijst waar je nauwelijks iets van begrijpt. Een kledinglabel vol materiaalnamen en percentages. Voor Plastic Soup Foundation zit daar belangrijke informatie in. Voor de gemiddelde consument vooral veel kleine lettertjes. Die wil gewoon antwoord op een simpele vraag: hoeveel plastic zit er in het product dat ik voor me heb?
PlasticFreeFuture maakt die informatie direct bruikbaar. Richt je camera op een ingrediëntenlijst of materiaaletiket en de app leest wat erop staat, interpreteert de informatie en vertaalt die binnen enkele seconden naar een begrijpelijk advies. Ninjible bouwde de app en de techniek erachter; Accenture ontwikkelde het design. Benieuwd?
📲 Download PlasticFreeFuture nu in de App Store of in Google play.
Van foto naar betrouwbaar advies
Vooral bij kleding komt daar technisch nogal wat bij kijken. Van een foto van een label naar herkende materialen en percentages, en van die informatie naar een inhoudelijk onderbouwde beoordeling. Daarvoor moeten OCR, AI, beoordelingsregels en de techniek achter de app naadloos samenwerken.
Van complexe productinformatie naar één duidelijke keuze
Plastic Soup Foundation beschikt over veel kennis over microplastics en plasticgebruik. Maar die kennis heeft pas echt waarde voor consumenten als ze beschikbaar is op het moment dat iemand een keuze maakt.
Bijvoorbeeld wanneer je met een fles shampoo in je hand staat.
Met PlasticFreeFuture richt je de camera van je telefoon op de ingrediëntenlijst. De app leest de ingrediënten, herkent welke stoffen erin zitten en controleert deze aan de hand van de kennis en beoordelingsmethodiek van Plastic Soup Foundation. Vervolgens krijg je direct een begrijpelijke uitslag en kun je plasticvrije alternatieven ontdekken.
Geen ingrediëntenlijst uitpluizen. Geen ingewikkelde database doorzoeken. Scannen en weten waar je aan toe bent. Dat principe vormde vanaf het begin de basis van PlasticFreeFuture.
De volgende stap: kleding scannen
Met de nieuwe functionaliteit past Plastic Soup Foundation hetzelfde principe toe op fashion. In plaats van een ingrediëntenlijst scant de gebruiker het materiaaletiket van een kledingstuk. De app leest bijvoorbeeld dat een shirt bestaat uit katoen, polyester en elastaan, herkent de verschillende materialen en percentages en vertaalt die informatie naar een oordeel over de hoeveelheid plastic in het kledingstuk.
De gebruiker hoeft niet te weten welke vezels synthetisch zijn of zelf percentages bij elkaar op te tellen. De techniek doet het werk op de achtergrond. En juist daar werd het interessant.
Een AI product scanner moet meer kunnen dan iets herkennen
Een camera op een label richten is één ding. Een app met scanfunctionaliteit bouwen die van die foto binnen enkele seconden een betrouwbare en bruikbare uitkomst maakt, is iets anders. De scan doorloopt daarvoor meerdere stappen. OCR haalt de tekst van het label uit het beeld. AI en beeldherkenning helpen om de verschillende materialen en percentages te herkennen en interpreteren. Vervolgens wordt die informatie gekoppeld aan de inhoudelijke beoordelingslogica van Plastic Soup Foundation.
Daarna doet de app misschien wel het belangrijkste: alle techniek weer uit beeld laten verdwijnen. De gebruiker ziet uiteindelijk geen AI-model, OCR-resultaat of ingewikkelde materiaalanalyse, maar een simpele conclusie: Yay, Hmm of Nay.
AI bepaalt niet wat goed of fout is
Dat onderscheid is belangrijk. AI wordt binnen de fashionscanner ingezet om informatie op het kledinglabel te begrijpen. Maar een AI-model bepaalt niet op eigen houtje of een product een Yay, Hmm of Nay verdient.
De beoordelingsregels komen van Plastic Soup Foundation. De technologie zorgt ervoor dat de informatie uit de echte wereld kan worden herkend en langs die regels kan worden gelegd. Dat maakt AI hier geen gimmick, maar één onderdeel van een groter digitaal product. Precies daar zit ook het verschil tussen experimenteren met AI en een AI-applicatie bouwen die daadwerkelijk in de praktijk gebruikt kan worden.
“De opdracht klinkt in eerste instantie eenvoudig: zorg dat de app ook kleding kan scannen. Maar de echte uitdaging zit in alles wat daarna gebeurt. Hoe ga je van een foto van een label naar een uitkomst die inhoudelijk klopt én die iemand in een winkel direct begrijpt? AI helpt ons bij het herkennen en interpreteren. Het product eromheen zorgt dat iemand er daadwerkelijk iets aan heeft.”
René Vetter, Ninjible
Niet iedereen zal blij zijn met de uitslag
Plastic in kleding wordt voor consumenten zo een stuk zichtbaarder.
“We zijn trots op wat er nu ligt, maar niet iedereen zal er blij mee zijn. Grote modemerken, en zeker ultra fast fashion-ketens, gaan deze app met argusogen bekijken. Juist kleding met veel synthetische materialen komt er minder goed uit. De app laat gewoon zien wat erin zit.”
René Vetter, Ninjible
En precies dat was de bedoeling: complexe informatie niet nóg ingewikkelder maken, maar terugbrengen tot iets waarmee iemand zelf een keuze kan maken.
PlasticFreeFuture is meer dan een scanner
Aan de voorkant voelt PlasticFreeFuture bewust eenvoudig. Camera openen. Scannen. Uitslag krijgen. Daarachter zit een digitaal product waarin verschillende onderdelen moeten samenwerken: de mobiele app, OCR en AI, beoordelingslogica, productinformatie, alternatieven en de backend waarin Plastic Soup Foundation haar inhoud beheert.
Ninjible bouwde PlasticFreeFuture als onderdeel van het bredere digitale ecosysteem van Plastic Soup Foundation. De app staat daarmee niet los van de rest van de digitale omgeving. Ook de website, het CMS, data en andere functionaliteiten moeten goed op elkaar aansluiten. In de case van Plastic Soup Foundation lees je hoe Ninjible samen met Accenture het bredere digitale ecosysteem vernieuwde.
Daardoor kijken we bij nieuwe functionaliteit niet alleen naar de feature die erbij moet komen, maar ook naar de systemen en data waar die functionaliteit van afhankelijk is. Want een slimme scanner bouwen is één uitdaging. Zorgen dat die scanner onderdeel wordt van een product dat kan blijven groeien, is een andere.
Van cosmetica naar fashion. En daarna?
De stap van cosmetica naar kleding laat ook zien waarom we PlasticFreeFuture niet als een eenmalige scanner hebben benaderd. De productcategorie verandert. De informatie op het label verandert. De manier waarop een beoordeling tot stand komt verandert. Maar het onderliggende principe blijft overeind:
Iets uit de fysieke wereld scannen → informatie herkennen → interpreteren → combineren met eigen data en regels → direct een bruikbare uitkomst tonen.
Dat principe is niet voorbehouden aan cosmetica of kleding. Denk aan een app die een verpakking scant en informatie uit een eigen productdatabase teruggeeft. Een inspectietool die een label of document herkent en direct de juiste vervolgstap bepaalt. Of een toepassing waarbij medewerkers een object scannen en informatie uit verschillende bedrijfssystemen terugkrijgen.
Niet iedere toepassing heeft daarvoor dezelfde technologie nodig. Soms is OCR voldoende. Soms heb je beeldherkenning, AI, een eigen database of koppelingen met bestaande systemen nodig.
De interessante vraag is daarom niet of AI iets kan herkennen. De interessante vraag is wat je daarna met die informatie wilt doen.
Een app met scanfunctionaliteit laten bouwen?
PlasticFreeFuture begon met een concreet probleem: hoe maak je de kennis van Plastic Soup Foundation bruikbaar voor iemand die op het punt staat een product te kopen? Het antwoord werd een app die iets uit de fysieke wereld kan scannen, herkennen en interpreteren en daar direct relevante informatie aan koppelt.
Dat principe gaat veel verder dan cosmetica of kleding. Denk aan verpakkingen, etiketten, onderdelen, documenten, machines of andere objecten. Je camera wordt de ingang naar productdata, een database, bedrijfsregels of informatie uit andere systemen.
Heb je een idee voor een app waarmee gebruikers iets moeten kunnen scannen en direct moeten weten wat het is, wat erin zit of wat ermee moet gebeuren? Dan begint het interessante deel pas ná de scan. Welke informatie moet eruit komen? Welke data en systemen zijn daarvoor nodig? En hoe maak je van beeldherkenning, OCR, AI en bestaande systemen één scanfunctionaliteit die voor de gebruiker juist heel simpel voelt? Dat is precies het soort digitale product dat we bij Ninjible graag bouwen.
