KI-gestützte Asset-Analyse im DAM: Von Farbanalyse bis Claims-Erkennung

Ein Bereich, in dem diese Analyse besonders viel Zeit spart, sind umweltbezogene Aussagen im Hinblick auf die EU-Green-Claims-Richtlinie und vergleichbare Regularien. Ein speziell entwickelter Prompt prüft Assets unter anderem auf Aussagen zu Umwelt und Nachhaltigkeit, Klima und CO₂, Recycling, Verpackung, biologischer Abbaubarkeit, natürlicher Herkunft sowie Energieeffizienz.

Wichtig dabei: Die KI trifft keine abschliessende rechtliche Bewertung und erteilt keine Freigabe. Sie erstellt eine strukturierte Compliance-Vorprüfung und zeigt auf, welche Assets durch Marketing-, Regulatory- oder Legal-Teams näher betrachtet werden sollten.

Die Risikostufe zeigt, wie dringend ein Claim geprüft werden sollte:

• Niedrig heisst klar belegbar oder unkritisch
• Mittel heisst unklar oder ohne Nachweis
• Hoch heisst stark, verallgemeinernd oder ganz ohne Beleg.

Eine rechtliche Bewertung ersetzt das nicht – die Stufe hilft nur, die Prüfreihenfolge zu priorisieren.

Die Wasserflasche. Ein Werbemotiv zeigt eine Person, die aus einer Flasche trinkt, ergänzt durch die Aussagen «Good for you. Good for the environment.» und »100 % natural«. Die Aussage «good for the environment» bleibt vage – sie benennt keinen konkreten Aspekt von Produkt oder Verpackung:

Was das bedeutet: Ob dominante Farbe, Bildinhalt oder Green Claim – die zugrunde liegende Analyse-Logik bleibt identisch, nur der hinterlegte Prompt und die gesuchten Kategorien ändern sich. Denkbar ist etwa die Erkennung von Personen im Bild zur Steuerung von Einwilligungs- und Bildrechte-Workflows – relevant überall dort, wo Assets mit erkennbaren Personen nur mit gültiger Freigabe verwendet werden dürfen. Ebenso möglich sind Markenkonformitäts-Checks oder automatisierte Alt-Text-Generierung für Barrierefreiheit. Ein Unternehmen kann so mit überschaubarem Aufwand weitere Merkmale ergänzen, sobald ein neuer Bedarf entsteht, ohne die Analyse-Logik neu aufzubauen.

Die Analyseergebnisse werden direkt am jeweiligen Asset als Metadaten gespeichert – darunter je nach Anwendungsfall Farbwerte, strukturierte Bildbeschreibungen oder «Claim Category» und «Risk Level».

Die Grundvoraussetzung ist keine bestimmte Software, sondern zwei technische Bausteine:

• Eine KI-Anbindung, die Bilder analysieren kann – diese Fähigkeit bringen mittlerweile viele DAM‑Systeme mit.
• Informationsfelder, in denen sich das Ergebnis strukturiert ablegen lässt.

Bringt das eigene DAM-System diese Fähigkeit noch nicht mit, liesse sich das künftig auch über einen ergänzenden Service anbinden. Bei Sharedien lässt sich der Prompt beispielsweise bereits heute direkt in der Konfiguration der Metadatenfelder hinterlegen, sodass er automatisch angewendet wird.

Weil die Ergebnisse als Metadaten vorliegen, lassen sich betroffene Assets organisationsweit suchen, filtern und gezielt in Review- oder Kampagnenprozesse überführen.

Wie viel Zeit die automatisierte Analyse im Einzelfall gegenüber manuellem Tagging spart, hängt davon ab, wie viele Assets analysiert werden, wie lückenhaft die bisherige Verschlagwortung ist und wie viele Merkmale pro Asset erfasst werden sollen – eine pauschale Zahl gibt es dafür nicht.

Das schafft eine gemeinsame Grundlage für Marketing, Sustainability, Regulatory und Legal – für eine frühzeitige Identifikation relevanter Assets, nachvollziehbare Review-Prozesse und eine effizientere Vorbereitung auf regulatorische Anforderungen wie beispielsweise EmpCo.

Ob Farbwelt, Bildinhalt oder Green Claim: Relevante Informationen stecken oft in Details, die klassisches Tagging nicht erfasst. Ein gezielt entwickelter KI-Prompt macht diese Details sichtbar und durchsuchbar – als strukturierter, priorisierter Startpunkt für die zuständigen Teams.

Möchten Sie wissen, ob und wie sich KI-gestützte Bildanalyse an Ihr bestehendes System anbinden lässt? Wir helfen Ihnen, die richtigen Prompts zu definieren.

Sprechen Sie mit uns – wir zeigen Ihnen, wie sich die KI-Klassifizierung in Ihre bestehende DAM-Struktur integrieren lässt.