Lexikon · B
Bilderkennung
Kurzantwort
Bilderkennung, fachlich Bildklassifikation, ordnet ein ganzes Bild einer oder mehreren vorher festgelegten Klassen zu, etwa "Katze", "Hund" oder "Ausschuss". Heraus kommt eine Klasse mit einer Wahrscheinlichkeit. Wo im Bild das Erkannte liegt, sagt die Bilderkennung nicht.

Tippst du in der Fotogalerie deines Handys "Hund" ein, zeigt sie dir Bilder, die du nie beschriftet hast. Eine Pflanzen-App nennt dir den Namen einer Blume, eine Kamera am Fließband sortiert verkratzte Teile aus. Jedes Mal schaut ein Programm auf das ganze Bild und entscheidet, zu welcher Klasse es gehört. Wo im Bild etwas liegt und wie oft, beantwortet erst die Objekterkennung. Für das Training der Bilderkennung reicht deshalb ein Etikett pro Bild, niemand muss Umrisse einzeichnen.
Wie ein Netz lernt, was auf einem Bild zu sehen ist
Bilderkennung ist eine Teilaufgabe der Computer Vision und ein Fall von überwachtem Lernen. Das Modell sieht sehr viele Bilder, zu denen jeweils die richtige Klasse gehört, und passt seine Gewichte so lange an, bis es die Klassen selbst trifft. Lange war dafür ein CNN das Mittel der Wahl, ein neuronales Netz, das kleine Filter über das Bild schiebt und in den ersten Schichten Kanten, in späteren ganze Formen erkennt.
Bekannt wurde der Ansatz 2012 mit einem Netz von Alex Krizhevsky und zwei Mitautoren. Es hatte 60 Millionen Parameter, lernte auf 1,3 Millionen Bildern aus 1.000 Klassen und lag bei den Testbildern nur in 18,9 Prozent der Fälle mit allen fünf Top-Tipps daneben, deutlich besser als alle Verfahren davor1. Die Grundlage dafür war die ImageNet-Challenge, ein Wettbewerb, der seit 2010 jedes Jahr ausgetragen wurde und den Fortschritt messbar machte2.
Beispiele aus dem Alltag
Fotoverwaltungen sortieren damit Urlaubsbilder nach Motiven wie Strand oder Essen. Am Fließband entscheidet eine Kamera, ob ein Bauteil in Ordnung ist, eine typische Aufgabe für KI in der Produktion. Auch Röntgen- und Hautbilder lassen sich vorsortieren, das Urteil bleibt dann bei der Ärztin, wie der Beitrag zu KI in der Medizin beschreibt. Apps, die Pilze bestimmen, gehören ebenfalls dazu. Bei Pilzen ersetzt keine App die Prüfung durch eine Fachperson, weil eine Verwechslung lebensgefährlich sein kann.
Woran Bilderkennung scheitert
Ein Netz lernt, was in den Trainingsbildern mit einer Klasse zusammenhängt, und das ist nicht immer das Tier oder das Teil selbst. Sara Beery, Grant Van Horn und Pietro Perona untersuchten 2018 Bilder aus 20 Wildkameras. Die Modelle erkannten die Tiere an den Standorten gut, an denen sie trainiert worden waren; an neuen Standorten sank die Leistung stark, bei reinen Klassifikationsmodellen besonders3.
Dazu kommt, dass ein hoher Wahrscheinlichkeitswert nichts beweist. Auch bei einem Bild, das gar nicht in seine Klassen passt, gibt das Modell eine Klasse mit Zahl aus. Gezielt veränderte Bilder, sogenannte Adversarial Examples, können ein Netz sogar mit winzigen, für Menschen unsichtbaren Änderungen täuschen.
Häufige Fragen
Was ist der Unterschied zwischen Bilderkennung und Gesichtserkennung?
Bilderkennung ordnet ein Bild einer allgemeinen Klasse zu. Gesichtserkennung findet Gesichter und vergleicht sie mit gespeicherten Personen, was eigene rechtliche Fragen aufwirft.
Wann lohnt ein eigenes Modell statt eines multimodalen Chatbots?
Multimodale Sprachmodelle beschreiben hochgeladene Bilder und beantworten Fragen dazu. Für tausendfach gleiche Prüfaufgaben, etwa am Fließband, ist ein spezialisiertes Modell schneller und günstiger.
Quellen
Stand:
- NeurIPS Proceedings (Krizhevsky, Sutskever, Hinton): ImageNet Classification with Deep Convolutional Neural Networks, Stand 2012, abgerufen am 22.11.2026. zurück
- arXiv (Russakovsky u. a.): ImageNet Large Scale Visual Recognition Challenge, Stand 30.01.2015, abgerufen am 22.11.2026. zurück
- arXiv (Beery, Van Horn, Perona): Recognition in Terra Incognita, Stand 25.07.2018, abgerufen am 22.11.2026. zurück





