Insights

AI Tagging: Was es strukturiert, was es nicht entscheidet.

AI Tagging beschreibt, was auf einem Bild ist. Es entscheidet nicht, wofür das Bild bestimmt ist. Genauigkeit, also wie viele Tags stimmen und wie viele nicht, ist die kleinere Frage. Ein falscher Tag macht ein Asset schwerer auffindbar. Eine festgehaltene Entscheidung, die niemand getroffen hat, verändert, was ein Team für vereinbart hält.

Mathias, Mitgründer bei moodcase

Mathias Buschor

Mitgründer bei moodcase

•

2

min Lesedauer

Ein Mountainbiker fährt einen steilen Geröllhang aus hellem Kies hinunter, dahinter ein weites Tal und gestaffelte Bergrücken unter schwerem, lichtdurchbrochenem Himmel. Fotografiert von Martin Bissig in Patagonien.

Photo: Martin Bissig

Photo: Martin Bissig

Automatische Verschlagwortung erzeugt Beschreibung, kein Urteil

AI Tagging heisst: Ein Modell liest Eigenschaften aus den Pixeln, also Objekte, Szenen, Farben, Text im Bild und ob Gesichter vorhanden sind. Prüfen lässt sich jede davon, indem man das Asset ansieht, und in der Menge sind sie etwas wert, weil eine Bibliothek, die pro Jahr um Tausende Assets wächst, jede manuelle Verschlagwortung überholt. Was ein Modell nicht lesen kann, sind die Absprachen rund um das Bild: zu welcher Kampagne es gehört, ob es freigegeben wurde, was die Lizenz erlaubt. Es kann melden, dass eine Aufnahme ein Gebäude in der Dämmerung zeigt, nicht aber, dass das Bild für eine Region und ein Jahr lizenziert ist.

Genauigkeitsfehler kosten eine Suche, Zuständigkeitsfehler eine Zusage

Modelle schneiden bei erkennbaren Objekten und lesbarem Text gut ab, weniger gut bei abstrakten Arbeiten und kleinen Markenzeichen, und das verschiebt sich mit jeder Modellgeneration. Ein falscher Tag kostet eine Suche und ist mit einer Korrektur der Metadaten behoben. Markiert ein System ein Asset als freigegeben, ohne dass jemand das entschieden hat, trägt das Asset die Aussage aus der Bibliothek hinaus, und die Frage kommt nach der Veröffentlichung, wenn eine Korrektur der Metadaten nicht mehr hilft. Das eine ist ein Aufwand beim Finden. Das andere ist eine Zusage im Namen einer anderen Person.

Bessere Modelle ändern nicht, was eine Entscheidung ist

Ein Modell schreibt Eigenschaften. Menschen schreiben Zustände: was freigegeben wurde, in welchem Stand das Asset ist, wer darauf zugreifen darf. Eine Freigabe ist keine Tatsache, die darauf wartet, erkannt zu werden. Sie entsteht durch eine befugte Person, und dasselbe gilt für den Zugriff und für Nutzungsrechte. Genauigkeit macht aus Beschreibung keine Entscheidung, so weit sie auch reicht.

Die moodcase Library-Detailansicht des Projekts Patagonia. Das Bild füllt den Rahmen, während das Info-Panel maschinell vorgeschlagene AI Tags wie Slope, Bicycle, Gravel und Cycling über Fotograf und Copyright auflistet; die von Hand geschriebenen Felder Alt-Text und Keywords sind noch leer.

Was moodcase damit macht

In moodcase Visual Asset Management schlägt AI Tagging Tags vor, sobald Assets in die Bibliothek kommen, Asset Metadata hält die strukturierten Felder, und Global Search liefert Assets über Eigenschaften aus dem ganzen Workspace. Workflow Statuses setzen die Personen, die dafür zuständig sind.

Die Designentscheidung ist, beides getrennt zu halten. Das Tagging kann weiter besser werden, und was die Bibliothek über Freigabe und Zugriff festhält, verschiebt sich damit nicht.

Wo das hingehört

Ist eine Bibliothek zu gross, um sie von Hand zu beschreiben, und handeln andere auf Basis ihrer Angaben, wird die Grenze zwischen einem vorgeschlagenen Tag und einer festgehaltenen Entscheidung wichtig. In moodcase kommen Tags beim Upload, und ein Zustand ändert sich nur, wenn jemand ihn setzt.

Visuelle Assets brauchen mehr als einen Ordner. Sehen Sie, wie moodcase den gesamten Workflow abwickelt.

7 Tage testen. Keine Kreditkarte erforderlich.

Automatische Verschlagwortung

Metadaten

Suche

Kreative Teams