Zum Hauptinhalt springen
Mockup: Smartphone mit Waschmaschinen-UI neben einer Waschmaschine

Einwerfen, Tür zu, fertig

Ein Designkonzept für eine Waschmaschine, die eingeworfene Wäsche erkennt, das Programm selbst wählt und in verständlicher Sprache begründet, warum.

Zwanzig Programme, kryptische Symbole, und am Ende wäscht doch jeder mit denselben 2 Programmen

Eine Waschmaschine wäscht heute zuverlässig sauber, kompliziert ist nur der Weg dorthin: die Wahl des richtigen Programms. Moderne Geräte haben sechzehn bis zwanzig davon, mit Namen wie „Eco 40-60", deren Bedeutung kaum jemand kennt. Also nimmt fast jeder dieselben zwei, drei Programme und lässt den Rest unberührt.

Das Merkwürdige daran: Die Hardware ist längst klug genug. Beladung, Verschmutzung und Stoffart werden in vielen Geräten bereits gemessen, dosiert wird automatisch. Was fehlt, ist nicht die Sensorik, sondern die Schicht darüber, die dieses Wissen in eine nachvollziehbare Entscheidung übersetzt. Die Maschine ist smart geworden im Ausführen, aber blind geblieben für das, was sie eigentlich wäscht.

Das war die Frage, die das Projekt angetrieben hat: Wie sieht das UI einer Waschmaschine aus, die das Wissen zu Textilien und Waschprogrammen selbst hat und dabei nicht entmündigt, sondern mitnimmt?

Für alle, die waschen, ohne Textilpfleger werden zu wollen

Diese Maschine ist für Menschen, die ihre Kleidung gut behandeln möchten, aber keine Lust haben, dafür Pflegesymbole zu entziffern oder Programmlisten zu studieren. Die Stimmen aus Nutzerforen, die ich für das Konzept gesichtet habe, klingen alle ähnlich:

„Meine Maschine hat sechzehn Programme, aber ich nutze immer dieselben zwei, drei. Ich weiß einfach nicht, was ‚Eco 40-60' oder ‚Mix' für meine Sachen bedeutet."
„Das Handbuch ist achtzig Seiten lang. Ich will doch nur meine Wäsche waschen, ohne dafür einen Ingenieursabschluss zu brauchen."
„Diese winzigen Symbole auf den Etiketten sind reine Hieroglyphen. Ich habe schon so viele Sachen ruiniert, weil ich falsch geraten habe."
„Baumwolle, Baumwolle Eco, Baumwolle 20°, Pflegeleicht, Mix… ich will einen Knopf, auf dem steht: wasch meine Alltagskleidung ordentlich."

Ich wasche seit Jahren auf denselben paar Programmen, nicht weil die anderen schlechter wären, sondern weil ich nie sicher war, was sie tun.

Von Stift + Papier zum Begründungs-Modell, an einem Arbeitstag

Ich bin von einer einzigen Annahme ausgegangen: Im Einfüllbereich sitzt eine Kamera mit Makroobjektiv, die jedes Teil beim Einwerfen erkennt, Material und Farbe. Den Flow habe ich erst mit Stift auf Papier skizziert, wie fast immer bei mir, dann in Figma als klickbare Basis aufgebaut und in ein schlichtes UI übersetzt. Die zentrale Regel fiel dabei schnell: Das empfindlichste Teil bestimmt den ganzen Waschgang. Ein Wollpullover in einer Ladung Baumwolle zieht alles auf 30 Grad herunter, weil Wolle sonst verfilzt, und das ist nicht rückgängig zu machen.

Erste Skizze des Waschmaschinen-UI-Konzepts: Kamera-Erkennungsschritt, Auto Detect mit manuellem Override, und Liste der Sonderfälle
Waschmaschine mit Makro-Kamera im Innenraum, die die eingeworfene Wäsche scannt und Temperatur, Dauer und Schleuderdrehzahl automatisch berechnet

Wie das System entscheidet, läuft über zwei getrennte Schichten. Die Wahrnehmung erkennt Material, Farbe und Verschmutzung per Kamera und arbeitet, wie neuronale Netze es tun, mit einer gewissen Unsicherheit. Die Entscheidung folgt dagegen festen Regeln statt einem gelernten Modell, damit sie nachprüfbar bleibt. Sie läuft in zwei Schritten: Zuerst setzt das empfindlichste Teil die harten Grenzen für Temperatur und Schleudern, abgeleitet aus den Pflegesymbolen nach ISO 3758. Innerhalb dieses erlaubten Korridors wird dann auf geringen Verschleiß und Energie optimiert. Offen bleibt nur eine Entscheidung, die keine Sensorik treffen kann: wann die Wäsche fertig sein soll. Das Diagramm zeigt diesen Ablauf am Beispiel eines Wollpullovers.

Ein Prototyp, der die Begründung anfassbar macht

Herausgekommen sind ein Designkonzept und ein interaktiver Begründungs-Explorer. Wäschestücke werden in eine simulierte Trommel gelegt, und live ändert sich, wie Temperatur, Schleuderdrehzahl, Programm und die Begründungen darauf reagieren.

Begründungs-Explorer

Wäscheteile kombinieren und beobachten, wie Temperatur, Schleudern und Programm reagieren — zum Beispiel mit T-Shirt, Wollpullover und schwarzer Socke.

Trommel leer — links Wäsche antippen.

Drei Fälle decken die Logik ab: Eine Baumwoll-Ladung läuft bei 40 Grad, ein zusätzlicher Wollpullover senkt sie auf 30 Grad und 600 Umdrehungen mit der Zeile „ohne ihn wären 40 Grad möglich", eine schwarze Socke lässt die Temperatur stehen und löst stattdessen eine Trennen-Warnung aus. Konzept und Prototyp sind an einem Arbeitstag entstanden, das UI in Figma, der Explorer als HTML mit simulierter Erkennung.

Vier Schritte: Einwerfen, Erkennen, Entscheiden, Vorschlag. Das empfindlichste Teil setzt die Grenze für Temperatur und Schleudern, danach entsteht innerhalb dieser Grenze der sparsamste, schonendste Weg.
App und Maschinen-Display zeigen dieselbe Information, inklusive Warnung, dass der Wollpullover bei normaler Wäsche verfilzt

Was fehlt und was ich anders machen würde

Die Kameraerkennung stößt an Grenzen: Wer drei Teile auf einmal einwirft, kann sie überfordern, dann braucht es eine Nachklassifikation mit sichtbarem Konfidenz-Status statt einer stillen Annahme, dasselbe gilt für ausgewaschene oder fehlende Pflegelabel. Offen sind komplexere Use Cases wie eine bestimmte Endzeit vorgeben, den Start verschieben oder Turnschuhe waschen, und die Kamera samt Rechenleistung in jeder Trommel erhöht die Stückkosten.

Auch das UI ist ein Konzeptstand und noch nicht fein ausgestaltet, für ein UI-Feindesign reichte die Zeit hier nicht. Offen bleibt zudem, ob die Maschine mitlernen soll – der aktuelle Stand sagt nein, weil Verlässlichkeit vor Personalisierung geht.

Vernetzen LinkedIn

Häufig gestellte Fragen

Wie lange hat das Projekt gedauert?

Konzept und interaktiver Prototyp sind an einem Arbeitstag entstanden. Die Research zu den Schmerzpunkten und der Wettbewerbslage hatte ich vorab mit Hilfe von Hermes Agent in europäischen Nutzerforen zusammengetragen.

Welche Tools wurden eingesetzt?

Stift und Papier für den ersten User Flow, Figma für UI-Design und klickbaren Prototyp, und HTML mit JavaScript für den Begründungs-Explorer. Die Erkennung im Prototyp ist simuliert, es steckt kein echtes Computer Vision dahinter, das war für den Konzeptbeweis auch nicht nötig.

Erfindet das Konzept eine neue Waschtechnik?

Nein, und das ist Absicht. Die Sensorik für Beladung, Verschmutzung und Stoffart gibt es in heutigen Geräten bereits, ebenso die automatische Dosierung. Das Konzept setzt eine Ebene höher an, beim Interface, das aus vorhandenem Sensorwissen eine nachvollziehbare Entscheidung macht. Es ist UX-Arbeit, keine Maschinenbau-Arbeit.

Wie steht es um die Kamera und den Datenschutz?

Die Kamera schaut nur in die Einfüllöffnung, der Raum dahinter liegt außerhalb von Bild und Schärfe. Sie ist sichtbar, ihr Status ist über einen Lichtring ablesbar, und sie lässt sich physisch abschalten. Die Verarbeitung passiert auf dem Gerät, es verlassen nur Metadaten die Maschine, keine Bilder.

Wäre das auf bestehende Hersteller übertragbar?

Im Prinzip ja, weil es auf vorhandener Sensorik aufsetzt. Der spannende strategische Punkt ist die alternde Gesellschaft: Ferngesteuertes Starten gibt es heute schon, aber blind. Erst die Ladungserkennung macht es verantwortbar, aus der Ferne zu starten, und das ist bei den großen Herstellern längst ein Thema auf Vorstandsebene.