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.