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.