KI-Stylist DressCode: Perfekte Outfits dank Google Gemma 4 und Wettervorhersage

Die morgendliche Outfit-Entscheidung kann anstrengend sein: Soll es der warme Pullover oder das leichte T-Shirt sein? Mit DressCode, einer innovativen Anwendung auf Basis von Google’s Gemma 4 KI, gehört dieses Rätsel der Vergangenheit an. Die App analysiert deine Kleidung, berücksichtigt die Wettervorhersage und schlägt dir täglich stilvolle Outfits vor – automatisch und präzise.

Wie DressCode mit KI deine Garderobe optimiert

DressCode setzt auf zwei zentrale Funktionen von Gemma 4, um Kleidung nicht nur zu erkennen, sondern intelligent zu kombinieren. Zunächst analysiert die KI hochgeladene Fotos deiner Kleidungsstücke und extrahiert detaillierte Informationen wie Farbe, Material, Stil und Wettertauglichkeit. Anschließend vergleicht sie diese Daten mit der Wettervorhersage für dein ausgewähltes Datum und generiert passende Outfits – stets koordiniert nach Farbharmonie und Stil.

1. Intelligente Kleideranalyse in Echtzeit

Sobald Nutzer ein Foto ihrer Kleidung hochladen, durchläuft das Bild eine tiefgreifende Analyse durch Gemma 4. Die KI identifiziert dabei:

• Kleidungsstücke wie Hemden, Hosen, Jacken, Kleider oder Accessoires
• Farben und Muster inklusive Hex-Codes für präzise Farbabstimmung
• Wetterangepasstheit (z. B. für kalte Wintertage oder warme Sommertage)
• Stilmerkmale wie Formell, Lässigkeit oder Saison

Diese automatische Kategorisierung ermöglicht es DressCode, deine Garderobe ohne manuelle Eingabe zu verstehen und zu organisieren. Jedes Kleidungsstück wird in einer strukturierten Datenbank gespeichert, die als Grundlage für intelligente Outfit-Vorschläge dient.

2. Wetterbasierte Outfit-Generierung

Der zweite entscheidende Baustein ist die Integration von Wetterdaten. DressCode nutzt die Vorhersage für dein ausgewähltes Datum und kombiniert diese mit deiner analysierten Kleidung. Die KI berücksichtigt dabei:

• Tageszeit und Wetterbedingungen (z. B. Regen, Sonne, Temperatur)
• Saisonale Eignung der Kleidungsstücke
• Farbliche und stilistische Passform für ein harmonisches Gesamtbild

Das Ergebnis? Ein perfektes Outfit, das nicht nur bequem, sondern auch wettergerecht und stilvoll ist – ohne stundenlanges Überlegen.

Technischer Aufbau: So funktioniert DressCode im Hintergrund

Hinter der benutzerfreundlichen Oberfläche steckt eine durchdachte Architektur, die auf Google’s Gemma 4 und modernen Entwicklertools basiert. Ein zentraler Bestandteil ist die API-Anbindung, die eine nahtlose Kommunikation zwischen App und KI ermöglicht.

Projektkonfiguration und API-Zugriff

Um Gemma 4 zu nutzen, ist zunächst ein Google AI Studio-Projekt erforderlich. Nach der Erstellung des Projekts generiert das System einen API-Schlüssel, der die Verbindung zur KI herstellt. Dieser Schlüssel wird in der Anwendung als Umgebungsvariable (GEMINI_API_KEY) hinterlegt, um die Authentifizierung zu sichern.

Ein typisches Projekt-Setup sieht wie folgt aus:

[project]
name = "dresscode"
version = "0.1.0"
description = "KI-gestützte Outfit-Empfehlungen basierend auf Wetter und Kleideranalyse"
readme = "README.md"
requires-python = ">=3.12"

dependencies = [
    "google>=3.0.0",
    "google-genai>=2.4.0",
    "python-dotenv>=1.2.2",
    "requests>=2.34.2",
]

Die Umgebung wird mit UV, einem modernen Python-Paketmanager, eingerichtet:

uv sync

Strukturierte Datenausgabe für maximale Effizienz

Ein Kernfeature von DressCode ist die strukturierte Antwortausgabe der KI. Statt ungeordneten Texten liefert Gemma 4 die analysierten Daten im JSON-Format zurück – streng nach einem vordefinierten Schema. Dies ermöglicht eine direkte Weiterverarbeitung in der Anwendung ohne zusätzliche Datenbereinigung.

Ein Beispiel für das verwendete Schema:

from pydantic import BaseModel, Field
from typing import List

class ClothingItem(BaseModel):
    name: str = Field(description="Name oder kurze Beschreibung des Kleidungsstücks")
    category: str = Field(description="Kategorie: Top, Bottom, Outerwear, Footwear")
    color_palette: str = Field(description="Dominante Farben, z. B. Dunkelblau, Warme Beige")
    seasonality: str = Field(description="z. B. Schwere Winterkleidung, Leichte Frühlingsmode")
    style_vibe: str = Field(description="z. B. Formal, Lässig, Streetwear")
    location_in_image: str = Field(description="Position im Bild, z. B. [x, y, width, height]")

class ClosetAnalysis(BaseModel):
    clothes: List[ClothingItem]

Implementierung der Kleideranalyse

Der folgende Python-Code demonstriert, wie DressCode ein hochgeladenes Bild analysiert und die Daten extrahiert:

from google import genai
from dotenv import load_dotenv
from google.genai import types
from pydantic import BaseModel, Field
from typing import List

load_dotenv()

class ClothingItem(BaseModel):
    name: str
    category: str
    color_palette: str
    seasonality: str
    style_vibe: str
    location_in_image: str

class ClosetAnalysis(BaseModel):
    clothes: List[ClothingItem]

client = genai.Client()

with open("kleidung.jpg", "rb") as f:
    image_bytes = f.read()

response = client.models.generate_content(
    model="gemma-4-26b-a4b-it",
    contents=[
        types.Part.from_bytes(
            data=image_bytes,
            mime_type="image/jpeg",
        ),
        "Analysiere alle sichtbaren Kleidungsstücke im Bild und kategorisiere sie streng nach dem Schema.",
    ],
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema=ClosetAnalysis,
    ),
)

print(response.text)

Fazit: Die Zukunft der Outfit-Empfehlungen ist intelligent und automatisiert

DressCode zeigt eindrucksvoll, wie künstliche Intelligenz den Alltag erleichtern kann – in diesem Fall durch eine smarte Outfit-Auswahl, die Wetter, Stil und persönlichen Geschmack vereint. Mit Google’s Gemma 4 als technologischer Grundlage wird aus einer einfachen Garderobe ein dynamisches, wetterangepasstes Kleidungssystem, das Entscheidungen in Sekunden trifft.

Während DressCode aktuell noch in der Entwicklungsphase ist, deutet die Kombination aus Bildanalyse, Wetterdaten und KI-gestützter Logik darauf hin, dass solche Anwendungen bald zum Standard gehören könnten. Für alle, die morgens keine Zeit für Modeentscheidungen haben, könnte DressCode bald der perfekte digitale Stylist sein.