Was bedeutet Computer Vision?

Computer Vision bezeichnet das Teilgebiet der KI, das Bilder, Videos und Scans automatisch auswertet. Solche Systeme erkennen darin Objekte, Personen, Schrift oder Bewegungen und geben das Ergebnis als weiterverarbeitbare Daten aus. Anders als die reine Bildbearbeitung verändert Computer Vision das Bild selbst nicht, sondern leitet daraus eine überprüfbare Aussage über den Inhalt ab.

Ein Bild kommt als Zahlenmatrix ins Modell, mit einem Wert je Farbkanal und Bildpunkt. Convolutional Neural Networks schieben Filter über diese Matrix und erkennen zunächst Kanten, in tieferen Schichten dann Formen und ganze Objekte. Vision Transformer zerlegen das Bild stattdessen in Kacheln und gewichten deren Bezug zueinander. Über die Qualität entscheidet die Annotation, denn jedes Trainingsbild braucht eine geprüfte Angabe darüber, was darauf zu sehen ist.

Computer Vision lohnt sich dort, wo große Mengen an Bildmaterial nach immer demselben Kriterium durchgesehen werden müssen. Eingesetzt wird das etwa zur Zustandserfassung an Straßen und Leitungsnetzen, zur Qualitätskontrolle in der Fertigung und zum Auslesen von Formularen und Belegen. Wo es auf einen Einzelfall mit hohem Risiko ankommt, bleibt die Prüfung durch Fachleute die Grundlage.

Der Vorteil gegenüber einer Sichtprüfung von Hand liegt im gleichbleibenden Maßstab. Jedes Bild wird nach denselben Kriterien bewertet, unabhängig von Tageszeit und Ermüdung. Weil das Modell zu jedem Treffer einen Sicherheitswert ausgibt, lässt sich eine Schwelle setzen und der Rest zur Nachprüfung vorlegen.

Sobald Personen, Kennzeichen oder Gesichter im Bild sind, greift die DSGVO und der Zweck muss vorab festgelegt sein. Eine Unkenntlichmachung direkt bei der Aufnahme hält die Datenmenge klein und verhindert, dass überhaupt eine personenbeziehbare Aufnahme entsteht.