CUSTOMER SUCCESS STORY / VIDISPINE
Künstliche Intelligenz in der Media Supply Chain
INDUSTRIE
IT-Unternehmen
PRODUKT
Ergänzung eines Medienverwaltungssystems durch automatische Bild- und Videoerkennung sowie integrierte Möglichkeit der Erzeugung individueller KI Modelle.
Pressemitteilung
Mithilfe von DeepVA kann der User intuitiv und einfach direkt im Media Asset Management System Trainingsdaten anlegen und verwalten.
Dies erhöht die Identifizierungsleistung im Bereich der Gesichtserkennung erheblich.
Kontaktieren Sie uns
Mit unserem Know-How helfen wir Ihnen, eine perfekte Lösung für Ihr Projekt zu finden!
KI EXPERTEN KONTAKTIERENArvato Systems ist ein international agierender IT-Spezialist und Multi-Cloud Service Provider, der es sich zur Aufgabe gemacht hat, verschiedene Unternehmen bei ihrer digitalen Transformation zu unterstützen. Schnelle und sichere IT-Systeme bringen Arvatos Kunden in die Cloud und sorgen mithilfe von IoT, Blockchain oder Künstlicher Intelligenz für maximal vernetzte Anwendungen und Geschäftsprozesse.
Mit VidiNet bietet Arvato Systems eine cloudbasierte Media Service Plattform der Arvato Systems Marke Vidispine, die mit ihren zahlreichen Applikationen eine hocheffiziente Grundlage für die gesamte Content Chain bildet. Sie bietet Anwendern eine Reihe von Services und Apps in einer vorintegrierten Umgebung als SaaS Lösungen. Damit unterstützt die Plattform nicht nur verschiedene Medien-Workflows, sondern erlaubt beliebige Skalierungsmöglichkeiten für den professionellen Einsatz.
Kooperation mit Vidinet: KI trifft MAM-System
Die Kooperation unserer KI-Software mit dem Arvato Systems Vidispine Team stellte sich als voller Erfolg heraus. ereits zu Beginn waren sowohl wir als auch das Team von Arvato Systems fasziniert von der Idee, Medienworkflows maximal zu automatisieren und das mit den progressivsten Tools aus dem IT-Werkzeugkasten, nämlich KI im Bereich Computer Vision. Der Nutzer des Media-Asset-Managementsystems soll in die Lage versetzt werden, die Erkennung von Inhalten aus Bild und Video, die Erstellung eigener KI-Modelle und die Qualitätssicherung seiner Trainingsdaten eigenhändig überwachen und steuern zu können.
Die Herausforderung: Individuelle KI-Lösungen sind teuer und erfordern Expertenwissen
Die Implementierung vorgefertigter KI-Modelle im Bereich Computer Vision liefert in der Praxis selten den erhofften Mehrwert. Die Integration in ein MAM kann zwar unkompliziert und schnell sein, aber die Erkennungsleistung ist stark eingeschränkt. So müssen die meisten Unternehmen auch beispielsweise Personen in Bildern und Videos erkennen, die nicht teil eines bereits existierenden KI-Modells sind. Die Modelle müssen stetig erweitert, aktualisiert und angepasst werden. Die nötigen Werkzeuge dafür müssen dem Nutzer direkt im MAM transparent zur Verfügung gestellt werden.
Eigene Lösungen zu entwickeln, um KI-Modelle präzise an die eigenen Unternehmensbedürfnisse anzupassen, ist in der Regel teuer und erfordert Expertenwissen im Bereich Machine Learning.
Unsere Erfahrungen mit generischen KI-Lösungen ist, dass die gewünschten Entitäten im eigenen Content oftmals nicht erkannt werden. Trainingsdatenerstellung und Datensatzverwaltung sind komplex und zeitintensiv. Die Integration von DeepVA in Vidispine und VidiNet hat uns gezeigt, dass individualisierbare KI in der vertrauten MAM-Oberfläche intuitiv und unkompliziert sein kann.
Ralf Jansen
Software Architekt bei Vidispine – An Arvato Systems Brand
Die Lösung: Eigene KI-Modelle direkt und einfach im MAM
DeepVA bietet, im Gegensatz zu anderen großen Anbietern im Bereich der Image Recognition, die Möglichkeit automatisiert eigene KI-Modelle zu erstellen, wobei weitaus mehr und individuellere Inhalte aus Medien-Assets erkannt werden können, als es bisherige „pre-trained models“ in der Lage sind.
Das Ergebnis: Hocheffiziente und zeitsparende Personenerkennung
Durch die Kooperation von DeepVA und VidiNet wird der Aufbau individueller KI-Modelle im eigenen MAM-System ohne technisches Vorwissen ermöglicht. Durch den wachsenden Bestand an Trainingsdaten, die nicht umsonst als das Gold des datengetriebenen Zeitalters gelten, steigt die Erkennungsleistung im Bereich der Personenerkennung rapide an. Dadurch entsteht in der Analyse von Bild- und Videodaten eine detailliertere und qualitativ hochwertigere Verschlagwortung der Medien und eine verbesserte Recherchierbarkeit der Inhalte. Zudem werden über das sogenannte Face Indexing (das Vergeben einer individuellen ID für nicht erkannte Personen) weiterführende Analysen sowie eine Rückwärtssuche ermöglicht. So werden Arbeitsabläufe im MAM optimiert, Zeit und Kosten könnten eingespart werden. Mitarbeiter müssen ihre Zeit nicht mehr mit der monotonen und repetitiven manuellen Verschlagwortung von Medieninhalten verbringen, sondern schaffen mit wenigen Klicks ein intelligentes und sich stets verbesserndes System zur Verwaltung visueller Daten.
Mit DeepVA und VidiNet und den dazugehörigen VidiNet Cognitive Services entsteht ein hochintegriertes MAM-Ökosystem, welches dem Nutzer die Möglichkeit gibt, auf einfache und intuitive Weise eigene KI-Modelle aufzubauen. Über die Integration von DeepVA in VidiNet können die dafür benötigten Trainingsdaten effizient angelegt und verwaltet werden. Beispieldaten können manuell eingepflegt oder über ein Tool direkt aus Videos ausgeschnitten und beschriftet werden. Mit der Face Dataset Creation wird sogar die automatisierte Generierung von Trainingsdaten möglich, die aus Interviewszenen Beispielbilder extrahiert und abspeichert. Zusätzlich zur Verwaltung der Trainingsdaten werden diese auch automatisch hinsichtlich ihrer Qualität für die Verwendung in einem KI-Modell geprüft.
SCHNELLERE DATENERFASSUNG
BEDARF AN KI-EXPERTEN
SCHNELLERE KENNZEICHNUNG
Werfen Sie einen Blick auf unsere weiteren Erfolgsgeschichten
rbb
Die Zusammenarbeit des rbb mit DeepVA hat den regionalen Rundfunk und die Archivierung durch den effizienten Einsatz von KI transformiert.
Heilbronn
DeepVA hilft dem Stadtarchiv Heilbronn dabei, große Fotomengen automatisiert zu verschlagworten und zu digitalisieren.
Bayerischer Rundfunk
Das Anlegen und Verwalten von Trainingsdaten für die Face Recognition mithilfe von KI erfordert einen hohen Zeit- und Kostenaufwand.
Mit unserem Know-How helfen wir Ihnen, eine perfekte Lösung für Ihr Projekt zu finden!
Wir werden unterstützt von
