Visual Search Enhancement
Visual Search Enhancement bezeichnet die Verbesserung von Suchsystemen, bei denen man mit einem Bild statt mit Wörtern sucht. Ziel ist es, dass das System auf dem Foto das Richtige erkennt und passende Treffer liefert – etwa das Produkt, das man gerade sieht.
Normalerweise sucht man im Internet mit Wörtern. Man tippt „weiße Turnschuhe“ ein und bekommt eine Trefferliste. Bei der visuellen Suche gibt man stattdessen ein Foto als Suchanfrage ein. Das System vergleicht das Bild mit riesigen Bildersammlungen und zeigt, was ähnlich aussieht. Visual Search Enhancement ist der Sammelbegriff für alle Maßnahmen, die diese Bildsuche treffsicherer machen. Dazu gehört bessere Erkennung im Bild, aber auch bessere Aufbereitung der Daten auf der Gegenseite.
Warum Fotos oft die bessere Suchanfrage sind
Es gibt Dinge, für die man keine Worte hat. Eine Jacke mit einem ungewöhnlichen Muster lässt sich kaum beschreiben. Eine Pflanze im Garten, eine Schraube in unbekannter Größe, ein Möbelstück in einem fremden Wohnzimmer – all das ist schwer zu tippen, aber leicht zu fotografieren. Genau hier scheitert die klassische Textsuche.
Für Unternehmen steckt darin viel Geld. Wer im Online-Handel ein Produkt nicht findet, kauft es nicht. Studien der Branche zeigen, dass Nutzer nach zwei erfolglosen Suchen häufig abbrechen. Eine bessere Bildsuche verwandelt also Fotos direkt in Umsatz. Deshalb investieren Handelsplattformen, Suchmaschinen und Modeanbieter stark in dieses Feld.
Ein zweiter Grund ist das Verhalten junger Nutzer. Viele beginnen ihre Suche gar nicht mehr in einer Suchmaschine, sondern in einer Foto- oder Video-App. Die Kamera wird dort zum Einstiegspunkt. Anbieter, deren Produkte in solchen Bildsuchen nicht auftauchen, verlieren Sichtbarkeit.
Vom Foto zum Zahlenmuster
Der Kern der Technik ist eine Umrechnung. Ein KI-Modell wandelt jedes Bild in eine lange Zahlenreihe um, eine Art Fingerabdruck des Inhalts. Bilder mit ähnlichem Inhalt bekommen ähnliche Zahlenreihen. Die Suche vergleicht dann nicht Bildpunkte, sondern nur noch diese Zahlen. Das ist schnell genug für Millionen Produkte.
Damit das gut wird, setzen Entwickler an mehreren Stellen an. Erstens wird das Motiv freigestellt: Das System erkennt, dass die Tasche gesucht ist und nicht die Person, die sie trägt. Zweitens werden Bild und Text im selben System abgelegt, sodass Foto und Beschreibung verglichen werden können. Drittens lernt das Modell aus echten Klicks, welche Treffer Nutzer tatsächlich für passend halten.
Ein häufiger Irrtum ist, dass die Bildsuche fertige Objekte „wiedererkennt“ wie ein Mensch. Tatsächlich kennt sie keine Namen, sondern nur Ähnlichkeiten. Deshalb hilft auf der Anbieterseite gute Vorarbeit enorm: scharfe Fotos aus mehreren Winkeln, neutraler Hintergrund, saubere Angaben zu Farbe und Material. Ein schlecht abgebildetes Produkt bleibt auch für das beste Modell unsichtbar.
Kameralupe, Möbel-App und Pflanzenbestimmung
Am bekanntesten ist die Kamerafunktion in Suchmaschinen und Smartphone-Galerien. Man richtet das Handy auf einen Gegenstand und bekommt Namen, Preise und Bezugsquellen. Pflanzen- und Insekten-Apps arbeiten nach demselben Prinzip. Auch die Sortierung der eigenen Fotos nach Personen oder Orten gehört technisch dazu.
Im Handel begegnet man dem Begriff als Verkaufsargument. Möbelhäuser bieten „Suche mit Foto“, Modeplattformen zeigen „ähnliche Artikel“ unter jedem Produkt. In Nachrichten und Quartalsberichten liest man dann von steigenden Konversionsraten, also dem Anteil der Besucher, die wirklich kaufen.
Abzugrenzen ist der Begriff von der reinen Bilderkennung. Bilderkennung sagt, was auf einem Foto zu sehen ist. Visual Search sucht darüber hinaus passende Einträge in einer Datenbank. Und Visual Search Enhancement meint nicht die Technik selbst, sondern die laufende Arbeit daran, ihre Treffer besser zu machen.
