Die Hautanalyse, wie Ihre Kunden sie sehen.
Machen Sie unten ein Selfie. Unter einer Minute, ohne Anmeldung.
Demo mit Ihren Produkten buchenLive. Dieselbe Analyse, die die Kunden einer Marke bekommen, in Theas Farben statt in ihren.
Was die KI liest
Was leistet eine KI-Hautanalyse?
Eine KI-Hautanalyse liest ein Selfie und erkennt den Hauttyp sowie acht Hautparameter, jeder auf dem Foto visualisiert und als Stufe oder als Wert von 0–100 ausgegeben. Ein höherer Wert heißt stärker ausgeprägt. Dazu kommen eine Melanin-Ansicht sowie Hautton, Alter und Geschlecht als Kontext. Klicken Sie sich durch, was die Modelle sehen.
Davon wenig auf dem Beispielgesicht
Trockenheit
Wert im Beispiel
40
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Wie trocken die Hautoberfläche wirkt: Wasserverlust, geschwächte Barriere, Spannungsgefühl, feine Trockenheitslinien. Hoher Wert heißt trockener. Auch ölige Haut kann dehydriert sein, deshalb werden Trockenheit und Öligkeit getrennt gelesen.
So reagieren Marken typischerweise
Feuchtigkeitsspendende und barrierestärkende Pflege. Für die meisten Marken das Hauptanliegen.
Öligkeit
Wert im Beispiel
60
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Überschüssiger Talg: Glanz und ein Film auf der Haut, typischerweise in der T-Zone. Hoher Wert heißt öliger.
So reagieren Marken typischerweise
Sanfte Reinigung, leichte Texturen, mattierende Pflege. Reichhaltige Cremes fallen raus.
Rötungen
Wert im Beispiel
1
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Diffuse Rötung durch erweiterte Gefäße, getrennt von Unreinheiten. Ursachen reichen von Empfindlichkeit über UV und Temperatur bis zu Hormonen. Hoher Wert heißt mehr Rötung.
So reagieren Marken typischerweise
Beruhigende Pflege für empfindliche Haut, parfümfrei, bekannte Reizstoffe ausgeschlossen.
Schuppen
Wert im Beispiel
0
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Trockene, abgestorbene Hautzellen, die sich von der Oberfläche lösen: kleine weiße oder silbrige Schüppchen, oft mit Spannen oder Jucken. Hoher Wert heißt mehr Schuppung.
So reagieren Marken typischerweise
Regenerierende, barrierereparierende Pflege. Sanftes Peeling, wo das Sortiment es hergibt.
Falten
Wert im Beispiel
37
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Sichtbare Linien und Vertiefungen im Gesicht, durch Kollagen- und Elastinverlust, wiederholte Bewegung und Sonne. Tiefe und Anzahl werden zusammen gelesen. Hoher Wert heißt stärker ausgeprägte Falten.
So reagieren Marken typischerweise
Anti-Aging-Pflege und täglicher Sonnenschutz. Marken ohne Anti-Aging-Linie können diese Ansicht ausblenden.
Unreinheiten
Wert im Beispiel
0
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Mitesser und entzündete Pickel, einzeln erkannt und gezählt, wo immer sie auftreten. Hoher Wert heißt mehr aktive Unreinheiten.
So reagieren Marken typischerweise
Sanfte Reinigung gegen Unreinheiten, klärende Wirkstoffe, nicht komedogene Texturen.
Pigmentflecken
Wert im Beispiel
48
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Dunkle Flecken durch übermäßige Melaninbildung: Sonne, Alter, Hormone, abgeheilte Unreinheiten. Hoher Wert heißt mehr sichtbare Flecken.
So reagieren Marken typischerweise
Aufhellende Pflege und Sonnenschutz.
Poren
Wert im Beispiel
2
/ 100 · höher = stärker ausgeprägt
Was gelesen wird
Sichtbare, vergrößerte Porenöffnungen, meist durch überschüssigen Talg oder Verstopfung. Hoher Wert heißt sichtbarere Poren.
So reagieren Marken typischerweise
Porenreinigende Produkte und leichte Feuchtigkeitspflege.
Melanin-Ansicht
Stufe im Beispiel
Mittel
Eine Ansicht, kein bewertetes Anliegen
Was gelesen wird
Eine generierte Ansicht der Melaninverteilung in tieferen Hautschichten, die dermatologische Melanin-Bildgebung aus einem normalen Foto annähert. Zeigt Pigmentansammlungen, bevor sie an die Oberfläche kommen. Angezeigt als niedrig, mittel oder hoch.
So reagieren Marken typischerweise
Sonnenschutz und milde Pflege. Im Report als Ansicht gezeigt, nicht als Anliegen zur Auswahl.
Normal
Was gelesen wird
Ausgeglichene Talgproduktion, gleichmäßige Textur. Weder zu trocken noch zu ölig, selten Unreinheiten.
So reagieren Marken typischerweise
Erhalt und Schutz.
Trocken
Was gelesen wird
Weniger Talg: Die Haut fühlt sich rau und gespannt an und kann schuppen, besonders in den kalten Monaten.
So reagieren Marken typischerweise
Reichhaltigere Texturen, Barrierestärkung, milde Reinigung.
Ölig
Ergebnis im Beispiel
Hauttyp im Beispiel
Was gelesen wird
Überschüssiger Talg, glänzendes Hautbild, Neigung zu vergrößerten Poren und Unreinheiten.
So reagieren Marken typischerweise
Leichte Texturen, ausgleichende Pflege, nicht komedogen.
Mischhaut
Was gelesen wird
Ölige T-Zone (Stirn, Nase, Kinn) bei normalen bis trockenen Wangen. Der Typ, der am häufigsten falsch eingeschätzt wird.
So reagieren Marken typischerweise
Zonenbewusste Pflege: leichter auf der T-Zone, mehr Feuchtigkeit auf den Wangen.
Hautton
Ergebnis im Beispiel
Fitzpatrick II von I–VI
Was gelesen wird
Der Hautton wird von einem eigenen Modell auf der Fitzpatrick-Skala eingeordnet, dem Standard in der Dermatologie.
So reagieren Marken typischerweise
Kontext im Report und in der Analytik der Marke. Kein bewerteter Parameter.
Alter
Ergebnis im Beispiel
44 Jahre
Was gelesen wird
Chronologisches Alter, aus dem Selfie geschätzt.
So reagieren Marken typischerweise
Optionaler Kontext für altersspezifische Linien und Analytik. Marken können es abschalten.
Geschlecht
Ergebnis im Beispiel
Weiblich
Was gelesen wird
Aus dem Selfie geschätzt, nur genutzt, wo das Sortiment der Marke nach Geschlecht getrennt ist.
So reagieren Marken typischerweise
Zuordnung zur passenden Produktlinie. Optional, kann durch eine Fragebogen-Antwort ersetzt werden.
Landmarken-Erkennung
Was passiert
Hunderte Gesichtspunkte werden auf dem Foto lokalisiert: Augen, Brauen, Nase, Lippen, Kieferlinie, Haaransatz. Sie verankern alles Weitere, damit ein Wert in jeder Analyse an derselben Stelle des Gesichts sitzt.
So reagieren Marken typischerweise
Nichts zu konfigurieren. Die Animation trägt den Look der Marke.
Gesichtserkennung und Qualitätsprüfung
Was passiert
In der Live-Kamera wird das Gesicht gefunden und der Kunde in Position geführt: Abstand, Winkel, Zentrierung, Licht. Ausgelöst wird erst, wenn ein frontales, scharfes, gleichmäßig beleuchtetes Gesicht den Rahmen füllt. Unscharfe, dunkle, gegenlichtige oder abgeschnittene Fotos werden mit einem Hinweis zur Wiederholung abgelehnt. Hochgeladene Fotos durchlaufen dieselbe Prüfung.
So reagieren Marken typischerweise
Verhindert, dass schlechte Fotos sichere, aber falsche Werte erzeugen. Nichts zu konfigurieren.
Gesichtskartierung
Was passiert
Die Landmarken teilen das Gesicht in Regionen, darunter T-Zone und U-Zone, damit jeder Parameter dort gelesen wird, wo er hingehört, und Ergebnisse zwischen Personen und zwischen zwei Analysen derselben Person vergleichbar sind.
So reagieren Marken typischerweise
Nichts zu konfigurieren. Die Zonen machen Mischhaut überhaupt erst lesbar.
3D-Ansicht
Optional
Was gezeigt wird
Das analysierte Gesicht als drehbares 3D-Modell. Jede Maske folgt der Oberfläche, sodass ein Parameter auf Wange oder Kieferlinie auch von der Seite sichtbar ist, nicht nur frontal. Ein Schalter zwischen 2D und 3D im Report.
So reagieren Marken typischerweise
Eingeschaltet für Marken, die den „Sehen Sie es auf Ihrem eigenen Gesicht“-Moment wollen. Standardmäßig aus, wo eine einfache 2D-Ansicht besser zur Marke passt.
So ist es entstanden
Mit Dermatologen entwickelt. Eigene Modelle, eigene Labels.
Dermatologen der LMU München und Kosmetikwissenschaftler der Universität Hamburg haben die Trainingsbilder von Hand gelabelt. Die Analyse ist kein LLM, das raten soll: Sie läuft auf unseren eigenen, spezialisierten Computer-Vision-Modellen.
Dermatologie
Kosmetikwissenschaft
KI-Entwicklung
50.000+
Bilder, annotiert von Dermatologen und Kosmetikwissenschaftlern
Vielfältig
Licht: Tageslicht, Innenraum und Mischlicht, aufgenommen mit gewöhnlichen Smartphones
I–VI
Fitzpatrick-Hauttöne. Funktioniert für alle Ethnien
1
Echte Haut, alle Hauttöne, alle Ethnien
Bilder echter Menschen über Hauttypen, Hautzustände, Hauttöne und Ethnien hinweg. Der Datensatz wurde für Fitzpatrick I bis VI aufgebaut, nicht für einen einzelnen Markt. Keine Stockfotos, keine synthetischen Gesichter.
2
Von Medizinern gelabelt, Bild für Bild
Dermatologen und Ärzte der LMU München sowie Kosmetikwissenschaftler der Universität Hamburg haben jede Region markiert: wo Rötung sitzt, welche Punkte als Unreinheiten zählen, wie Poren bei 0 und bei 100 aussehen. Diese Labels sind die Grundwahrheit, die die Modelle lernen.
Dermatologen · LMU München
Ärzte
Kosmetikwissenschaftler · Universität Hamburg
3
Eigene Computer-Vision-Modelle
Segmentierungs-, Klassifikations- und Detektionsmodelle lesen Haut, Hauttyp und Unreinheiten, ein generatives Modell rendert die Melanin-Ansicht. Von Thea Care gebaut, trainiert und im eigenen Besitz. Kein LLM schaut auf die Haut.
Konsistenz
Wie konsistent ist das Ergebnis, und was sorgt dafür?
Licht ändert sich von Minute zu Minute, und keine zwei Smartphones sehen Farbe gleich. Ein Ergebnis, das zwischen zwei Selfies schwankt, ist schlechter als keins. Vier Maßnahmen halten die Ergebnisse konsistent.
88 %
Übereinstimmung mit dem Expertenpanel
1.000 Kundenfotos, eines pro Person
93 %
gleiches Ergebnis bei einem zweiten Foto
300 Fotos, dieselben Personen, unterschiedliches Licht
Interne Validierung gegen ein Panel aus Dermatologen und Kosmetikwissenschaftlern, Mehrheitsentscheid pro Bild.
Ergebnisse pro Parameter und Methode im Genauigkeits-GuideVor dem Foto
Kameraführung
Live-Hinweise zu Abstand, Winkel und Licht. „Zum Fenster drehen“ nimmt mehr Varianz heraus als jede Modellanpassung.
Vor der Analyse
Bildqualitäts-Check
Unscharfe, dunkle, gegenlichtige oder abgeschnittene Fotos werden mit einem Hinweis zur Wiederholung abgelehnt, statt einen sicheren, aber falschen Wert zu erzeugen.
In der Analyse
Lichtnormalisierung und Konfidenz
Farbe und Belichtung werden normalisiert, bevor die Modelle laufen. Regionen mit niedriger Konfidenz werden heruntergewichtet, nicht als Fakt ausgegeben.
Jede Trainingsrunde
Nachtrainiert mit neu gelabelten Grenzfällen
Fotos mit instabilen Ergebnissen werden vom Dermatologie-Team neu gelabelt und in die nächste kontrollierte Trainingsrunde gegeben. Das Modell lernt nicht aus Nutzerverhalten, sondern aus Labels.
Der Weg Ihrer Kunden
Fünf Screens von „neugierig“ bis „Routine im Warenkorb“.
Was ein Shopper durchläuft, in den Farben und Worten der Marke. Unter einer Minute von Anfang bis Ende.
Wischen Sie, um alle fünf Schritte zu sehen →
1
Start
Einstieg von einer Produktseite, aus der Navigation, einem Newsletter oder einer Anzeige. Markenlogo, Markenwording.
2
Anleitung
Vier Dinge, die die Fotoqualität entscheiden, gezeigt bevor die Kamera öffnet. Upload statt Kamera ist möglich.
3
Kamera
Live-Checks zu Licht und Position, bevor ausgelöst wird. Unscharfe, dunkle oder abgeschnittene Fotos werden mit einem Hinweis zur Wiederholung abgelehnt.
4
Analyse
Hauttyp und acht Parameter, jeder auf dem eigenen Gesicht eingezeichnet, Ansicht für Ansicht umschaltbar. Optional ein kurzer Fragebogen, während die Modelle laufen.
5
Report
Hauttyp, Top-Anliegen und eine Schritt-für-Schritt-Routine aus Ihrem Sortiment, Werte und Ansichten einen Tipp entfernt. Direkt in den Warenkorb oder per E-Mail.
Anatomie eines Reports
Was Ihre Kunden mitnehmen, und was Sie daraus lernen.
1
Hauttyp und Hautalter
Die zwei Hauptergebnisse, in den Chips der Marke. Das Alter ist optional und abschaltbar.
2
Wichtigste Hautbedürfnisse
Die Anliegen, die die Routine bestimmen, jedes mit einem einzeiligen Pflegehinweis, der sich auch ohne Kauf umsetzen lässt.
3
Routine in Schritten, kaufbereit
Reinigen, behandeln, pflegen, oder welche Schritte Ihr Sortiment definiert. Produkt, Bewertung, eine Zeile Begründung, Preis, In-den-Warenkorb. Eine Ankündigungsleiste trägt Ihr Angebot oder Ihren Rabattcode für die komplette Routine.
4
Report per E-Mail: ein Kontakt mit Hautprofil
„Analyse speichern“ schickt den Report per Opt-in an die Kunden. Die Marke gewinnt einen Kontakt mit Hauttyp, Anliegen und Routine, synchronisiert ins CRM. Das macht Re-Engagement konkret: Nachkauf-Erinnerungen, nächste Routine-Schritte, saisonale Wechsel.
5
Jede Bestellung, getrackt
Käufe, die in der Analyse beginnen, erscheinen in Ihrem Dashboard, direkt und indirekt. Heute Shopify, weitere Shopsysteme folgen.
So entsteht die Routine
Vom Selfie zur Routine: So entsteht eine Empfehlung.
Transparent von Grund auf: Jede Empfehlung lässt sich auf Hautprofil, Antworten und Ihren Katalog zurückführen. Wie stark Ihr Team kuratiert, entscheiden Sie: von handgesetzten Regeln für ein kleines Sortiment bis zum vollautomatischen Matching über tausende Produkte.
Eingaben
Lesen
Kunde
Selfie
Ein Foto aus der Handykamera. Qualitätsgeprüft, bevor irgendetwas läuft.
Hautmodelle
Hautprofil
Hauttyp, acht Parameter als Stufen oder 0–100-Werte, Melanin-Ansicht, Hautton, Alter.
Kunde · optional
Fragebogen-Antworten
Aktuelle Routine, Ziele, bekannte Empfindlichkeiten. Was das Foto nicht sehen kann.
Gewichtung
Top-Anliegen
Ihr Team · Dashboard
Markenregeln
Zulässige Linien, Preisbänder, Bundles, was nie kombiniert wird.
Von Thea getaggt
Ihr Katalog, getaggt und gefiltert
Durchgestrichen: durch Ihre Regeln ausgeschlossen.
So funktioniert das Tagging →Matchen
Matching-Engine
Jedes Produkt gegen diese Haut bewertet
Profil und Anliegen treffen auf die Tags jedes Produkts. Regeln filtern, was zulässig ist. Jedes Produkt bekommt einen Passungswert, pro Routine-Schritt.
Transparentes Scoring, keine Blackbox
Reproduzierbar: gleiches Profil und gleiche Regeln ergeben dieselbe Routine
So kuratiert oder so automatisch, wie Ihr Team es will
Läuft auf Ihrem Live-Katalog: neues Produkt heißt neue Tags, sonst nichts
Ergebnis
Ausgabe
Die Routine
Die passendsten Produkte für jeden Routine-Schritt, jedes mit dem Grund, warum es gewählt wurde. Die Schritte folgen Ihrem Sortiment. Ganze Routine oder einzelnes Produkt in den Warenkorb.
Überzeugen Sie sich selbst von Theas Haut-KI
Vereinbaren Sie eine Demo, um zu erfahren, wie die KI-Lösungen von Thea Ihnen helfen können, Ihre Kundenbindung, Ihre Markenbekanntheit, Ihr Vertrauen und Ihre Konversionen zu fördern.