#Bildanalyse

Unsere KI-Bilder zeigten eine Tischlerei statt einer Kfz-Werkstatt, weil im Prompt der eigentliche Anker fehlte. Die erste Bildserie mit Nano Banana 2 war warm, ruhig und sauber belichtet, traf aber die Branche nicht: Holzwerkbank in einer Steinscheune statt Hebebühne und Motorraum. Erst als ich Auto, Diagnosegerät und freie Werkstatt ausdrücklich in jeden Prompt geschrieben habe, kam das, was gemeint war. Eine Maschine macht genau das, was dasteht, nicht das, was ich meine.

Ein Bild für die Website soll echt aussehen, nicht perfekt. Die ersten Entwürfe aus Nano Banana 2 waren hochglänzend und gestellt, ein Server zwischen Zimmerpflanzen, ein Oldtimer neben einem Traktor, alles zu sauber für eine echte freie Werkstatt. Die nächste Serie habe ich bewusst eine Spur rauer angelegt, etwas Öl unter den Fingernägeln, Werkstatt statt Lifestyle. Wer als kleiner Praktiker auftritt, verliert seine Glaubwürdigkeit, sobald das Bild zu glatt wird.

Ein Bild allein reicht der Maschine nicht, sie braucht den Text daneben. Unsere Pipeline schickt Gemma über Ollama jetzt beides: das gescannte Dokument als Bild mit dreihundert DPI für Layout und Position, dazu den ausgelesenen Text für die exakten Werte. So liest sie ein Dokument in fünf bis fünfundzwanzig Sekunden, ohne Zahlen zu erraten. Das Auge zeigt, wo etwas steht, der Text sagt, was dort wirklich geschrieben ist.

Man lässt es die Maschine über Nacht machen. Unser lokales Modell, Gemma über Ollama, hat 672 Fahrzeugbilder in gut anderthalb Stunden beschrieben, ohne einen einzigen Fehler. Was einen Menschen Wochen kostet, war am Morgen fertig. Die Zeit, die frei wird, gehört dann dem Kunden, nicht dem Bildschirm.

Er macht die Bilder für blinde Menschen lesbar. Unser Modell beschreibt jedes Fahrzeugbild in einfacher Sprache: Marke, Modell, Farbe, Perspektive, ganz ohne Werbefloskeln. Diese Texte gab es bei uns vorher schlicht nicht, da stand nur Bild eins, Bild zwei. Technik im Hintergrund, die einem echten Menschen vorne hilft.