Von Sprachmodellen zu Bildintelligenz
– was KI wirklich kann
Wenn heute von Künstlicher Intelligenz die Rede ist, fällt fast reflexartig der Name „ChatGPT". Für viele ist damit das Thema schon umrissen: ein Chatbot, der erstaunlich menschlich antwortet. Doch das ist nur ein kleiner Ausschnitt dessen, was KI leisten kann. Wer genauer hinschaut, entdeckt schnell: Die Möglichkeiten gehen weit über das reine Gespräch mit einer Maschine hinaus.
Noch mehr Infos zum Thema KI?
Wir freuen uns auf den Austausch.
Was Bilder mit Mathematik zu tun haben
Ein zentraler Ansatz in der KI besteht darin, Daten – Texte, aber eben auch Bilder – in sogenannte Vektoren zu übersetzen. Diese numerischen Repräsentationen machen es möglich, Inhalte mathematisch zu vergleichen. Man spricht dabei von „Embeddings". Das Prinzip dahinter ist elegant: Ähnliche Inhalte liegen in diesem Vektorraum nah beieinander, unähnliche weiter auseinander.
Während Sprachmodelle auf Text spezialisiert sind, gibt es eigene KI-Modelle für Bilder. Sie sind darauf trainiert, visuelle Merkmale zu erkennen – Motive, Strukturen, Farben, Kompositionsmuster – und diese in solche Vektoren zu überführen. Das Ergebnis: Jedes Bild bekommt eine Art digitalen Fingerabdruck, der seinen Inhalt beschreibt.
Bildserien automatisch erkennen – ganz ohne Metadaten
Diese Eigenschaft lässt sich für einen konkreten und häufigen Anwendungsfall nutzen: das automatische Erkennen zusammengehöriger Bildserien in großen Sammlungen. Für jedes Bild werden die nächsten Nachbarn im Vektorraum gesucht, also diejenigen Bilder, die sich am ähnlichsten sind. Gruppen von nahe beieinanderliegenden Bildern bilden sogenannte Cluster. Und diese Cluster entsprechen in vielen Fällen genau den gesuchten Bildserien.
Das Besondere daran: Die Erkennung basiert ausschließlich auf dem Bildinhalt, nicht auf Dateinamen, Schlagwörtern oder anderen Metadaten, die oft fehlen oder nicht gepflegt sind.
Eine wichtige Stellschraube ist dabei der Schwellenwert, ab dem zwei Bilder als zusammengehörig gelten. Ist er zu streng, werden Bilder derselben Serie getrennt; ist er zu großzügig, vermischen sich unterschiedliche Serien. Dieser Wert lässt sich nicht pauschal festlegen, sondern muss je nach Art der Bildsammlung angepasst werden.
Unser Praxisbeispiel: ResourceSpace
Genau diese Technologie haben wir bei Rheinschafe für einen Kunden umgesetzt, der sein Digital Asset Management System ResourceSpace nutzt. Entwickelt wurde ein Plugin, das Bildserien automatisch erkennt und zusammenführt, allein auf Basis der visuellen Inhalte. Was früher manuellen Aufwand bedeutete, läuft nun vollautomatisch im Hintergrund.
Das Beispiel zeigt: KI muss nicht immer als Chatbot auftreten. Oft liegt ihr größter Nutzen in maßgeschneiderten Lösungen, die leise im Hintergrund arbeiten und konkrete Probleme effizient lösen.
Christian
Loth
Mehr über den
Autor erfahren?
Christian Loth ist nicht nur Backend-Entwickler, TYPO3-Entwickler und Systemadministrator für Infrastruktur und DevOps. Er beschäftigt sich zusätzlich gerne mit "Black Boxes" der AI. Dabei öffnet er diese gerne und untersucht wie Dinge wirklich funktionieren. Mit diesem Wissen entwickelt er gerne maßgeschneiderte AI Applikationen, wobei der Kreativität kein Limit gesetzt ist.
Wenn Sie auch Interesse daran haben über persönliche AI-Lösungen für Ihr Unternehmen zu sprechen und zu entwickeln, steht Ihnen Christian Loth gerne beratend zur Seite.