KI-Verschlagwortung: was sie übernimmt und wo du hinschauen musst

Der Nutzen automatischer Verschlagwortung ist an einer Zahl abzulesen: Ein Bestand von 80.000 Bildern, der von Hand mit zwei Personen etwa neun Monate gebraucht hätte, ist maschinell in einer Nacht erschlossen. Das ist kein Effizienzgewinn, das ist der Unterschied zwischen „wird gemacht" und „wird nie gemacht".

Gleichzeitig ist die Verlockung groß, das Ergebnis für fertig zu halten. Es ist nicht fertig. Es ist ein sehr guter Rohentwurf.

KI-Bildverschlagwortung: Was verlässlich funktioniert

Objekte und Szenen. Fahrzeug, Werkhalle, Kind, Konferenztisch, Küstenlandschaft. Bei klar erkennbaren Motiven liegt die Trefferquote in unseren Auswertungen konstant über 90 Prozent.

Text im Bild. Schilder, Beschriftungen, Trikotnummern, Verpackungsaufdrucke. Das ist oft der wertvollste Treffer überhaupt, weil dieser Text sonst in keinem Feld auftaucht — ein Messestand wird über den Standnamen auffindbar, den niemand erfasst hätte.

Personen und Gesichter. Technisch zuverlässig, aber der sensibelste Teil der Verschlagwortung. Wir raten dazu, Gesichtserkennung getrennt zu aktivieren und getrennt zu dokumentieren, nicht als Nebeneffekt der normalen Bildverschlagwortung — wer sie einsetzt, sollte das bewusst entscheiden und nicht als Standardeinstellung mitlaufen lassen.

Grenzen der automatischen Verschlagwortung: Wo es systematisch danebengeht

Kontext, der nicht im Bild steckt. Ein Modell sieht eine Gruppe Menschen an einem Tisch. Ob das ein Kundentermin, ein Betriebsrat oder eine Preisverleihung ist, entscheidet nicht das Bild, sondern das Wissen darum. Solche Schlagworte werden geraten und klingen dabei überzeugend.

Für genau diesen Fall gibt es in VAULO ein eigenes Kontextfeld: Dort lässt sich der KI vorab mitgeben, in welchem Rahmen ein Bild entstanden ist, sodass sie diese Information bei der Verschlagwortung berücksichtigen kann, statt zu raten.

Alles, was Bewertung enthält. „Modern", „hochwertig", „vertrauenswürdig", „nachhaltig". Diese Begriffe kommen erstaunlich oft zurück und sind für die Suche wertlos, weil niemand danach sucht und weil sie nichts unterscheiden.

Fachbegriffe der eigenen Branche. Ein Modell erkennt ein Metallteil. Ob es ein Ritzel, ein Zahnkranz oder eine Passfeder ist, weiß es nicht, und die eigene Belegschaft sucht ausschließlich mit diesen Wörtern.

Negationen. Kein Modell verschlagwortet zuverlässig, was *nicht* zu sehen ist. Das klingt akademisch, wird aber praktisch, sobald jemand „Produktfoto ohne Personen" braucht.

Alternativtexte und Barrierefreiheit: Was automatische Bildbeschreibung bedeutet

Automatisch erzeugte Bildbeschreibungen sind ein guter Ausgangspunkt für Alternativtexte, aber kein Ersatz. Ein Alternativtext beschreibt nicht, was auf dem Bild ist, sondern wofür das Bild an dieser Stelle steht — dieselbe Aufnahme braucht in einem Pressebereich einen anderen Text als in einem Produktkatalog.

Der praktikable Weg: die maschinelle Beschreibung als Vorbelegung, die redaktionelle Anpassung als verpflichtenden Schritt vor der Veröffentlichung. Das ist deutlich weniger Aufwand als von null zu schreiben und deutlich verlässlicher als ungeprüft zu übernehmen.

In VAULO lässt sich das direkt als Freigabeschritt abbilden: Ein Asset mit nur maschinell erzeugtem Alternativtext bleibt im Status „ungeprüft" und wird für die Veröffentlichung erst freigegeben, wenn jemand den Text bestätigt oder angepasst hat.

Fazit: Die ehrliche Zusammenfassung

Automatische Verschlagwortung erledigt den Teil der Arbeit, der ohne sie liegen bleibt, und sie erledigt ihn gut. Sie ersetzt nicht die Person, die entscheidet, welche Begriffe im eigenen Haus überhaupt etwas bedeuten. Wer sie als Vorschlagsmaschine betreibt, gewinnt Monate. Wer sie als Autorität betreibt, baut sich ein Archiv voller plausibler Falschangaben.

FAQ

Kann KI-Verschlagwortung die manuelle Verschlagwortung komplett ersetzen?

Nein. Sie erledigt zuverlässig, was im Bild sichtbar ist — Objekte, Szenen, Text im Bild. Kontext, Bewertungen und Fachbegriffe der eigenen Branche kann sie nicht zuverlässig liefern, weil das Wissen dafür nicht im Bild steckt. Sie ersetzt also die Vorarbeit, nicht die Entscheidung, welche Begriffe im eigenen Haus etwas bedeuten.

Wie bekommt die KI Informationen, die nicht im Bild zu sehen sind, etwa den Anlass einer Aufnahme?

Über ein Kontextfeld, wie es zum Beispiel VAULO anbietet: Dort lassen sich Hintergrundinformationen zum Bild hinterlegen, die die KI bei der Verschlagwortung berücksichtigen kann, statt sie zu raten.

Sollte ich Gesichtserkennung automatisch mitlaufen lassen?

Das würden wir nicht empfehlen. Gesichtserkennung sollte bewusst und getrennt von der normalen Bildverschlagwortung aktiviert werden, mit einer eigenen Dokumentation, wer sie warum nutzt — nicht als automatischer Nebeneffekt.

Ersetzt eine automatisch generierte Bildbeschreibung den Alternativtext?

Nein. Eine maschinelle Beschreibung ist eine gute Vorbelegung, aber kein fertiger Alternativtext, weil ein Alternativtext beschreibt, wofür das Bild an dieser Stelle steht, nicht nur, was auf dem Bild zu sehen ist. Die redaktionelle Anpassung vor der Veröffentlichung bleibt deshalb ein eigener, verpflichtender Schritt.