Der Autotagger von comspace spart Medienmachern und Marketing-Teams viel Zeit, Mühe und Geld. Nur getaggte Bilder und Mediendateien sind effizient zu durchsuchen und der Aufwand für das Tagging ist enorm. Insbesondere in größeren Organisationen warten im Digital Asset Management System wie dem CELUM DAM Tausende von Dateien auf die Verwendung. Alle wurden per Hand getagged – oder niemand kann sie finden.
Die Wirkung nach Einsatz des Autotaggers ist fantastisch. Was vorher Stunden dauerte, geht nun mit wenigen Klicks.
Mit der Integration der Kategorisierungsfunktion in den Autotagger können Assets jetzt noch besser sortiert werden. Die KI-Bilderkennung sorgt damit nicht nur für das automatisierte Taggen der Bilder, sondern klassifiziert diese gleichzeitig in sinnvolle Kategorien. Redakteure haben über die Suche nach entsprechenden Sammelbegriffen schneller Zugriff auf passende Bilder – ob im DAM oder in angebundenen Drittsystemen. Dies bedeutet besonders bei sehr großen Datenmengen eine enorme Zeitersparnis. In einem Custom Training kann die KI überdies auf neue Kategorien trainiert werden.
Ein paar Klicks statt monatelanger Arbeit: Automatisches Tagging von Bildern spart Zeit im Team, erhöht die Effizienz und spart damit viel Geld.
Die Bildersuche ist ein Traffic-Kanal, der häufig unterschätzt wird. Gut getaggte Bilder werden mehr gefunden und Unternehmen mit guten Visuals können punkten.
Digital Asset Management steht und fällt mit der Qualität seiner Typisierungen, Kategorien und Tags. Gut und durchgängig getaggte Bilder sind ein großer Schritt hin zu einem effizienten Media Asset Management.
Dank KI immer den passenden Bildausschnitt.
"Was habe ich von getaggten Bildern? Ich finde meine Sachen auch so!"
Die Frage kann man sich stellen, klar. Jemand, der viel Zeit für die Verwaltung und Organisation von Bildern aufgewendet hat, der kennt sich natürlich gut aus in den Ordnerstrukturen. Diese Person weiß genau, wo die Produktbilder mit roten Hintergrund liegen oder die Bilder des Fotoshootings am Flughafen.
Was aber, wenn andere (viele?) auf das System zugreifen? Was, wenn die Datenmenge dramatisch zunimmt? Wie finden Menschen das richtige Asset?
Sie versuchen es über die Suche. Ungetaggte und nicht kategorisierte Assets werden dann in der Suche nur über den Dateinamen gefunden. DSC_9001.jpg wird dann nicht als Ergebnis auftauchen.
Das Tagging und die Kategorisierung der Assets durch die KI-Bilderkennung ist hier der Schlüssel. Das Marketing braucht ein Bild von einem roten Auto. Die Produktentwicklung braucht ein Foto von einer Schraube. Sowohl "auto rot" als auch "schraube" wird in der Suche Treffer bringen – vorausgesetzt, solche Assets existieren.
Insbesondere die Kategorisierung ist hier hilfreich. Damit können die Nutzer nicht nur nach konkreten Objekten im Bild suchen, sondern auch nach abstrakten Sammelbegriffen – Fahrzeug statt Auto, Pflanze statt Rose und Tier statt Elefant. Der Autotagger beschleunigt also direkt das Tagging und die Kategorisierung von Assets. Mittelbar sorgt der Autotagger jedoch dafür, dass das Digital Asset Management-System für alle Nutzer zu einer gewinnbringenden Ressource und zu einer echten Zeitersparnis wird.
Digital Asset Management (DAM) räumt auf mit redundanten Bildern, mit der Unzahl an verschiedenen Größen und Versionen; räumt auf mit verteilten Dateien auf Fileservern, externen Festplatten, NAS, SAN oder CDs. Die DAM-Vision sieht einen zentralen Verwaltungsort für alle digitalen Daten, insbesondere Media-Assets (also Bilder, Töne und Videos). Kombiniert mit einem Rechte-System kann so jeder Mitarbeiter auf die Assets zugreifen, die er braucht.
Um Assets zu indexieren und damit schnell durchsuchbar zu machen, müssen die Assets klassifiziert werden. Tags helfen dabei immens. Insofern ist ein großer Teil jedes DAM-Projekts das manuelle Taggen der vorliegenden Assets – in den meisten Organisationen ein gigantischer Aufwand. Je nach Unternehmen oder Organisation wächst der Asset-Bestand monatlich um Hunderte, Tausende oder gar Millionen Bilder und dementsprechend besteht großer Bedarf an Ressourcen für die Verschlagwortung.
Smart Speaker wie Amazon Echo oder Google Home bringen virtuelle Assistenten wie Alexa, Cortana und Siri in Arbeitsräume und Wohnzimmer. 2016 wurden bereits 20 Prozent aller Suchanfragen über "Voice Search" getätigt – über das Smartphone oder den Smart Speaker. Die Konsequenz daraus sind veränderte Queries. Wo früher nach "bilderkennung automatisch" gegooglet wurde, sucht der Mensch über Voice mit anderen Anfragen. "wie funktioniert automatische bilderkennung" könnte so ein Query sein.
Daraus resultiert eine große Herausforderung für die Suchmaschinen. Sie müssen natürliche Sprache verstehen (Natural Language Processing), um sinnvolle Ergebnisse präsentieren zu können. Mit zunehmender Verbreitung von Screens in Smart Speakern und der Integration von Home Screens wie Fernsehern ist die Suche weiterhin ein visueller Prozess. Metadaten sind für Google & Co. der Schlüssel für gute Ergebnisse und die Grundlage von Bilder-SEO.
Von Haus aus kann die KI des Autotaggers eine Vielzahl an Assets korrekt erkennen. Für besondere Ansprüche kann die Künstliche Intelligenz eigene Kategorien oder Tags lernen. Das geschieht über Training. Dafür müssen 500 bis 1.000 Images und eine entsprechende Liste in ein Trainings-Modul geladen werden. Anschließend sind die neuen Tags im Autotagger verfügbar.
CELUM ist eine Digital Asset Management-Lösung (DAM). Ob Fotos, Videos, MP3s, PDFs oder MS-Office®-Dateien – jegliche Art von Mediendatei kann im CELUM medienneutral und übersichtlich verwaltet, gepflegt und für verschiedene Kommunikationskanäle zur Verfügung gestellt werden. Auf diese Weise steigern Sie die Effizienz von Marketing und Vertrieb und beschleunigen die unternehmensinternen Abläufe.
MEHR ZUM CELUM DAMJe nach strategischer Ausrichtung oder Datenschutzvorschriften kann der CELUM Autotagger als SaaS-Lösung (Software-as-a-Service) oder on Premise (also auf eigenen Servern) installiert werden.
Der CELUM Autotagger erweitert bestehende CELUM-Installationen um die Autotagging-Kapazitäten. Durch die Anbindung über Schnittstellen kann der Autotagger schnell seine Arbeit aufnehmen.
