[{"data":1,"prerenderedAt":51},["ShallowReactive",2],{"i-material-symbols:language":3,"i-material-symbols:person":8,"i-mdi:instagram":10,"i-mdi:youtube":12,"i-ri:linkedin-fill":14,"i-ri:twitter-x-line":16,"i-ri:facebook-fill":18,"glossary-bilderkennung":20,"i-material-symbols:person-outline":38,"i-material-symbols:calendar-month":40,"i-mdi:schedule":42,"i-simple-icons:openai":44,"i-simple-icons:claude":47,"i-simple-icons:googlegemini":49},{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":7},0,24,false,"\u003Cpath fill=\"currentColor\" d=\"M8.125 21.213q-1.825-.788-3.187-2.15t-2.15-3.188T2 11.988t.788-3.875t2.15-3.175t3.187-2.15T12.013 2t3.875.788t3.175 2.15t2.15 3.175t.787 3.875t-.787 3.887t-2.15 3.188t-3.175 2.15t-3.875.787t-3.888-.787M12 19.95q.65-.9 1.125-1.875T13.9 16h-3.8q.3 1.1.775 2.075T12 19.95m-2.6-.4q-.45-.825-.787-1.713T8.05 16H5.1q.725 1.25 1.813 2.175T9.4 19.55m5.2 0q1.4-.45 2.488-1.375T18.9 16h-2.95q-.225.95-.562 1.838T14.6 19.55M4.25 14h3.4q-.075-.5-.112-.987T7.5 12t.038-1.012T7.65 10h-3.4q-.125.5-.187.988T4 12t.063 1.013t.187.987m5.4 0h4.7q.075-.5.113-.987T14.5 12t-.038-1.012T14.35 10h-4.7q-.075.5-.112.988T9.5 12t.038 1.013t.112.987m6.7 0h3.4q.125-.5.188-.987T20 12t-.062-1.012T19.75 10h-3.4q.075.5.113.988T16.5 12t-.038 1.013t-.112.987m-.4-6h2.95q-.725-1.25-1.812-2.175T14.6 4.45q.45.825.788 1.713T15.95 8M10.1 8h3.8q-.3-1.1-.775-2.075T12 4.05q-.65.9-1.125 1.875T10.1 8m-5 0h2.95q.225-.95.563-1.838T9.4 4.45Q8 4.9 6.912 5.825T5.1 8\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":9},"\u003Cpath fill=\"currentColor\" d=\"M9.175 10.825Q8 9.65 8 8t1.175-2.825T12 4t2.825 1.175T16 8t-1.175 2.825T12 12t-2.825-1.175M4 20v-2.8q0-.85.438-1.562T5.6 14.55q1.55-.775 3.15-1.162T12 13t3.25.388t3.15 1.162q.725.375 1.163 1.088T20 17.2V20z\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":11},"\u003Cpath fill=\"currentColor\" d=\"M7.8 2h8.4C19.4 2 22 4.6 22 7.8v8.4a5.8 5.8 0 0 1-5.8 5.8H7.8C4.6 22 2 19.4 2 16.2V7.8A5.8 5.8 0 0 1 7.8 2m-.2 2A3.6 3.6 0 0 0 4 7.6v8.8C4 18.39 5.61 20 7.6 20h8.8a3.6 3.6 0 0 0 3.6-3.6V7.6C20 5.61 18.39 4 16.4 4zm9.65 1.5a1.25 1.25 0 0 1 1.25 1.25A1.25 1.25 0 0 1 17.25 8A1.25 1.25 0 0 1 16 6.75a1.25 1.25 0 0 1 1.25-1.25M12 7a5 5 0 0 1 5 5a5 5 0 0 1-5 5a5 5 0 0 1-5-5a5 5 0 0 1 5-5m0 2a3 3 0 0 0-3 3a3 3 0 0 0 3 3a3 3 0 0 0 3-3a3 3 0 0 0-3-3\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":13},"\u003Cpath fill=\"currentColor\" d=\"m10 15l5.19-3L10 9zm11.56-7.83c.13.47.22 1.1.28 1.9c.07.8.1 1.49.1 2.09L22 12c0 2.19-.16 3.8-.44 4.83c-.25.9-.83 1.48-1.73 1.73c-.47.13-1.33.22-2.65.28c-1.3.07-2.49.1-3.59.1L12 19c-4.19 0-6.8-.16-7.83-.44c-.9-.25-1.48-.83-1.73-1.73c-.13-.47-.22-1.1-.28-1.9c-.07-.8-.1-1.49-.1-2.09L2 12c0-2.19.16-3.8.44-4.83c.25-.9.83-1.48 1.73-1.73c.47-.13 1.33-.22 2.65-.28c1.3-.07 2.49-.1 3.59-.1L12 5c4.19 0 6.8.16 7.83.44c.9.25 1.48.83 1.73 1.73\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":15},"\u003Cpath fill=\"currentColor\" d=\"M6.94 5a2 2 0 1 1-4-.002a2 2 0 0 1 4 .002M7 8.48H3V21h4zm6.32 0H9.34V21h3.94v-6.57c0-3.66 4.77-4 4.77 0V21H22v-7.93c0-6.17-7.06-5.94-8.72-2.91z\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":17},"\u003Cpath fill=\"currentColor\" d=\"M10.488 14.651L15.25 21h7l-7.858-10.478L20.93 3h-2.65l-5.117 5.886L8.75 3h-7l7.51 10.015L2.32 21h2.65zM16.25 19L5.75 5h2l10.5 14z\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":19},"\u003Cpath fill=\"currentColor\" d=\"M14 13.5h2.5l1-4H14v-2c0-1.03 0-2 2-2h1.5V2.14c-.326-.043-1.557-.14-2.857-.14C11.928 2 10 3.657 10 6.7v2.8H7v4h3V22h4z\"\u002F>",{"postType":21,"id":22,"date":23,"modified":24,"title":25,"slug":26,"author":27,"seoTitle":28,"seoDescription":29,"content":30,"readingTime":31,"featuredImage":32},"glossary",78426,"2026-06-29T14:08:47","2026-07-08T15:29:27","Bilderkennung: Technologie, Funktionen und Einsatz","bilderkennung","Todd Terwillegar","Was ist Bilderkennung? Funktionen und Einsatz","Bilderkennung erklärt: Wie KI-Algorithmen Bilder analysieren, klassifizieren und durchsuchbar machen und was das für Ihr Digital Asset Management bedeutet.","\u003Ch2 class=\"wp-block-heading\" id=\"toc-1--was-ist-bilderkennung\">Was ist Bilderkennung?\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">Bilderkennung bezeichnet die Fähigkeit von Computersystemen, digitale Bilder automatisch zu analysieren, zu klassifizieren und inhaltlich zu beschreiben. Bilderkennungssoftware erkennt Objekte, Personen, Texte, Orte und Verhaltensweisen in Bilddateien und versieht sie automatisch mit strukturierten Metadaten. Die Grundlage bilden maschinelles Lernen und Deep Learning: Algorithmen, die visuelle Muster aus großen Trainingsdatensätzen erlernen, ohne dass Entwickler jede Erkennungsregel manuell definieren müssen.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Für Teams, die große Bildbestände verwalten, bedeutet das einen grundlegenden Effizienzgewinn. Eine Bilderkennungssoftware verschlagwortet Millionen von Bildern in kürzester Zeit und macht Inhalte auffindbar, die ohne automatische Metadaten in einer \u003Ca href=\"\u002Fde\u002Fdigital-asset-management\u002F\">Digital Asset Management (DAM)\u003C\u002Fa>-Bibliothek kaum auffindbar wären.\u003C\u002Fp>\u003Ch3 class=\"wp-block-heading\">Wie Bilderkennungsalgorithmen funktionieren\u003C\u002Fh3>\u003Cp class=\"wp-block-paragraph\">Moderne Bilderkennungssysteme basieren auf sogenannten Convolutional Neural Networks (CNNs), einer Architektur des Deep Learnings, die visuelle Informationen schichtweise verarbeitet. Das Netzwerk erkennt dabei zunächst einfache Muster wie Kanten und Texturen, dann zunehmend komplexe Strukturen wie Formen und Objekte. Dieser Prozess läuft automatisch ab und wird mit zunehmender Menge an Trainingsdaten kontinuierlich präziser. Solche Prozesse sind etwa in der \u003Ca href=\"\u002Fde\u002Fblog\u002Fbildverarbeitung\u002F\">Bildverarbeitung\u003C\u002Fa> ein etablierter Standard.\u003C\u002Fp>\u003Ch2 class=\"wp-block-heading\" id=\"toc-2--objekterkennung-und-bildklassifizierung\">Objekterkennung und Bildklassifizierung\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">Die Bilderkennung umfasst eng miteinander verwandte Techniken. Zum einen bestimmt die Bildklassifizierung, was auf einem Bild zu sehen ist, und ordnet es einer Kategorie zu. Die Objekterkennung geht noch einen Schritt weiter: Sie findet innerhalb desselben Bildes mehrere Objekte und klassifiziert jedes davon einzeln. Beide Funktionen sind für die automatische Verschlagwortung in einem \u003Ca href=\"\u002Fde\u002Fdigital-asset-management\u002F\">DAM-System\u003C\u002Fa> wesentlich, da sie strukturierte und durchsuchbare Metadaten erzeugen, ohne dass Teammitglieder Bilder manuell taggen müssen.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Mit OCR (Optical Character Recognition) kommt eine weitere Erkennungsebene hinzu. Gedruckter oder eingebetteter Text in Bildern wird dadurch in ein maschinenlesbares Format umgewandelt. Das ist besonders für die automatische Erfassung von Dokumenten, Rechnungen und Produktetiketten relevant. In Kombination mit Natural Language Processing ermöglicht OCR zudem die Suche nach Bildinhalten per Freitexteingabe, was das \u003Ca href=\"\u002Fde\u002Fglossary\u002Fmetadaten-management\u002F\">Metadaten-Management\u003C\u002Fa> erheblich vereinfacht.\u003C\u002Fp>\u003Ch2 class=\"wp-block-heading\" id=\"toc-3--gesichtserkennung\">Gesichtserkennung\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">Eine spezialisierte Anwendung der Bilderkennung ist die Gesichtserkennung. Deep-Learning-Algorithmen können Gesichter auch unter wechselnden Lichtverhältnissen, verschiedenen Kamerawinkeln und bei teilweiser Verdeckung erkennen, abgleichen und verfolgen. Neben klassischen Anwendungsfeldern wie der Zugangskontrolle und Sicherheitsüberwachung ist sie für Teams mit umfangreichen Video- und Bildarchiven besonders wertvoll, wo \u003Ca href=\"\u002Fde\u002Fblog\u002Fki-gesichtserkennung\u002F\">KI-Gesichtserkennung\u003C\u002Fa> Personen auf Tausenden von Aufnahmen identifizierbar und gezielt durchsuchbar macht.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">In Europa gilt dabei ein wichtiger rechtlicher Rahmen. Gesichtsmerkmale zählen zu biometrischen Daten, deren Verarbeitung als besonders schützenswerte Datenkategorie der DSGVO unterliegt. Unternehmen, die Gesichtserkennung einsetzen, brauchen eine eindeutige Rechtsgrundlage und müssen entsprechende Schutzmaßnahmen nachweisen, einschließlich Dokumentation und \u003Ca href=\"\u002Fde\u002Fglossary\u002Fdigital-rights-management\u002F\">Digital Rights Management\u003C\u002Fa>.\u003C\u002Fp>\u003Ch2 class=\"wp-block-heading\" id=\"toc-4--anwendungsgebiete-der-bilderkennung\">Anwendungsgebiete der Bilderkennung\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">Bilderkennungstechnologie ist heute branchenübergreifend in Workflows integriert:\u003C\u002Fp>\u003Cfigure class=\"wp-block-table\">\u003Ctable class=\"has-fixed-layout\">\u003Cthead>\u003Ctr>\u003Cth>Branche\u003C\u002Fth>\u003Cth>Anwendung\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>Sicherheit und Überwachung\u003C\u002Ftd>\u003Ctd>Bilderkennung ermöglicht die Echtzeit-Identifikation von Personen und Objekten in Videos. Damit unterstützt sie die automatische Erkennung verdächtiger Aktivitäten in Sicherheitsbereichen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>\u003Ca href=\"\u002Fde\u002Findustries\u002Fhealthcare\u002F\">Gesundheitswesen\u003C\u002Fa>\u003C\u002Ftd>\u003Ctd>Bilderkennungssysteme analysieren Röntgenaufnahmen, MRT- und CT-Scans und helfen medizinischem Fachpersonal, Anomalien frühzeitig zu erkennen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Autonome Fahrzeuge\u003C\u002Ftd>\u003Ctd>Kamerasysteme im Fahrzeug erfassen Videoaufnahmen in Echtzeit und identifizieren zuverlässig Fußgänger, andere Fahrzeuge und Verkehrszeichen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>\u003Ca href=\"\u002Fde\u002Findustries\u002Feinzelhandel\u002F\">Einzelhandel\u003C\u002Fa> und E-Commerce\u003C\u002Ftd>\u003Ctd>Käufer suchen Produkte zunehmend über Bilder statt über Texteingaben. Bilderkennungssysteme gleichen Suchanfragen mit Produktkatalogen ab und liefern passende Ergebnisse in Echtzeit.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>\u003Ca href=\"\u002Fde\u002Findustries\u002Findustrie\u002F\">Industrie\u003C\u002Fa> und Qualitätskontrolle\u003C\u002Ftd>\u003Ctd>Kameras und Bilderkennungssoftware prüfen Bauteile und Produkte während der Fertigung automatisch auf Defekte. Das reduziert Ausschuss und entlastet das Prüfpersonal.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Betrugserkennung\u003C\u002Ftd>\u003Ctd>Bilderkennungsalgorithmen analysieren Ausweisdokumente, Unterschriften und Transaktionsbelege auf Unregelmäßigkeiten und helfen so, gefälschte Identitäten frühzeitig zu erkennen.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Ffigure>\u003Ch2 class=\"wp-block-heading\" id=\"toc-5--herausforderungen-der-bilderkennung\">Herausforderungen der Bilderkennung\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">Bilderkennungssysteme sind leistungsfähig, jedoch nicht fehlerfrei. Ihre Genauigkeit hängt unmittelbar von der Qualität der Trainingsdaten ab. Modelle, die überwiegend unter kontrollierten Bedingungen trainiert wurden, stoßen in der Praxis schnell an Grenzen: schlechte Beleuchtung, ungewöhnliche Perspektiven oder teilweise Verdeckung von Objekten reichen aus, um die Quote erfolgreicher Erkennungen deutlich zu senken. Hinzu kommt der erhebliche Aufwand für die manuelle Datenannotation, ohne die kein Modell zuverlässig trainiert werden kann.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Für Unternehmen im deutschsprachigen bzw. europäischen Raum kommen noch regulatorische Anforderungen dazu. Die KI-Verordnung der EU stuft bestimmte biometrische Erkennungssysteme als Hochrisikoanwendungen ein, die entsprechenden Nachweispflichten unterliegen. Wer Gesichtserkennung oder vergleichbare Technologien produktiv einsetzt, muss die Einhaltung dieser rechtlichen Bestimmungen (Compliance) aktiv dokumentieren und nachweisen, nicht nur voraussetzen.\u003C\u002Fp>\u003Ch2 class=\"wp-block-heading\" id=\"toc-6--von-der-bilderkennung-zur-ki-gest-tzten-visuellen-suche\">Von der Bilderkennung zur KI-gestützten visuellen Suche\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">Standardmäßige Bilderkennungssoftware verschlagwortet Bilder, erkennt Objekte und kennzeichnet Inhalte. Für viele Anwendungsfälle reicht das aus. Teams, die wachsende \u003Ca href=\"\u002Fde\u002Fdigital-asset-management\u002F\">Digital Asset Management\u003C\u002Fa>-Bibliotheken verwalten, stoßen damit jedoch schnell an Grenzen. Das richtige Asset zu finden setzt voraus, dass die richtigen Schlagwörter vergeben wurden, oder dass man bereit ist, manuell durch Ordnerstrukturen zu navigieren.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Moderne Deep-Learning-Systeme leisten hier deutlich mehr. Sie können visuelle Ähnlichkeiten verstehen, analysieren Videos auf Einzelbildebene und erkennen Personen auf Tausenden Aufnahmen wieder. Der \u003Ca href=\"\u002Fde\u002Fproduct\u002Fai-library-assistant\u002F\">AI Library Assistant\u003C\u002Fa> von Canto organisiert Asset-Bibliotheken automatisch, während \u003Ca href=\"\u002Fde\u002Fproduct\u002Fcanto-ai\u002F\">Canto AI\u003C\u002Fa> diese Fähigkeiten in einer zentralen KI-Plattform bündelt.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">AI Visual Search geht einen entscheidenden Schritt weiter: Sie ist nicht auf Metadaten oder manuell vergebene Schlagwörter angewiesen. Stattdessen formulieren Nutzer frei und in natürlicher Sprache, was sie suchen, und erhalten sofort die relevantesten Ergebnisse. Visuelle Ähnlichkeit, Metadaten und Natural Language Processing fließen in einer einzigen Suchanfrage zusammen. Funktionen wie die Videosuche auf Einzelbildebene, die \u003Ca href=\"\u002Fde\u002Fblog\u002Fki-gesichtserkennung\u002F\">KI-Gesichtserkennung\u003C\u002Fa> in kompletten Inhaltskollektionen sowie die automatische Duplikaterkennung helfen Teams, organisiert zu bleiben und jedes erstellte Asset maximal auszuschöpfen. Wie tiefgreifend diese Entwicklung die Arbeit kreativer und Marketing-Teams bereits verändert, zeigt die \u003Ca href=\"\u002Fde\u002Fblog\u002Fso-revolutioniert-ki-die-visuelle-suche\u002F\">KI-gestützte visuelle Suche\u003C\u002Fa> in der Praxis.\u003C\u002Fp>\u003Cfigure class=\"wp-block-image aligncenter size-full\">\u003Cimg loading=\"lazy\" decoding=\"async\" width=\"880\" height=\"445\" src=\"\u002Fcdn\u002Fde\u002F2026\u002F06\u002F29135050\u002FBilderkennung-1.jpg\" alt=\"AI Visual Search von Canto erkennt Bildinhalte automatisch in einer zentralen Asset-Bibliothek\" class=\"wp-image-78428\" srcset=\"\u002Fcdn\u002Fde\u002F2026\u002F06\u002F29135050\u002FBilderkennung-1.jpg 880w, \u002Fcdn\u002Fde\u002F2026\u002F06\u002F29135050\u002FBilderkennung-1-450x228.jpg 450w, \u002Fcdn\u002Fde\u002F2026\u002F06\u002F29135050\u002FBilderkennung-1-768x388.jpg 768w\" \u002F>\u003C\u002Ffigure>\u003Ch2 class=\"wp-block-heading\" id=\"toc-7--darum-setzen-unternehmen-bilderkennungssoftware-ein\">Darum setzen Unternehmen Bilderkennungssoftware ein\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">Unternehmen mit wachsenden Bildbeständen setzen Bilderkennungssoftware ein, um den manuellen Aufwand beim Verschlagworten und Kennzeichnen zu bewältigen. Automatische Metadaten verbessern die Auffindbarkeit von Assets und beschleunigen die Suche erheblich. Gut organisierte Bildbestände reduzieren zudem das Risiko von Urheberrechtsverletzungen und verkürzen die Projektlaufzeiten.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Der Effizienzgewinn kommt dem gesamten Unternehmen zugute. Wenn Teams weniger Zeit mit der Asset-Suche verbringen, gewinnen sie Kapazitäten für kreative und strategische Aufgaben. Übernimmt eine KI die \u003Ca href=\"\u002Fde\u002Fblog\u002Fbilder-verschlagworten\u002F\">automatische Verschlagwortung\u003C\u002Fa>, bleiben Markenkonsistenz und Compliance gesichert. Die leistungsstärksten Inhalte lassen sich schneller auf allen Kanälen einsetzen.\u003C\u002Fp>\u003Ch2 class=\"wp-block-heading\" id=\"toc-8--h-ufig-gestellte-fragen-zur-bilderkennung\">Häufig gestellte Fragen zur Bilderkennung\u003C\u002Fh2>\u003Cp class=\"wp-block-paragraph\">\u003Cstrong>Was ist der Unterschied zwischen Bilderkennung und Computer Vision?\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Computer Vision ist das übergeordnete Fachgebiet, das Maschinen die visuelle Wahrnehmung ermöglicht. Bilderkennung ist eine spezifische Anwendung davon: Sie klassifiziert und beschreibt Bildinhalte automatisch.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">\u003Cstrong>Wie genau ist moderne Bilderkennungssoftware?\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Die Genauigkeit hängt von der Qualität der Trainingsdaten und den Einsatzbedingungen ab. Unter kontrollierten Bedingungen erreichen aktuelle Systeme sehr hohe Erkennungsraten. In der Praxis beeinflussen Lichtverhältnisse, Bildqualität und Motivvielfalt das Ergebnis.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">\u003Cstrong>Wie unterstützt Bilderkennung das Digital Asset Management?\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Bilderkennungssoftware verschlagwortet Assets automatisch, verbessert die Durchsuchbarkeit von Medienbibliotheken und reduziert manuellen Aufwand. In Kombination mit \u003Ca href=\"\u002Fde\u002Fproduct\u002Fai-visual-search\u002F\">AI Visual Search\u003C\u002Fa> lassen sich Assets per Freitexteingabe finden, ohne auf manuell vergebene Schlagwörter angewiesen zu sein.\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">\u003Cstrong>Welche rechtlichen Anforderungen gelten für Gesichtserkennung in Deutschland?\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp class=\"wp-block-paragraph\">Gesichtsmerkmale gelten als biometrische Daten und unterliegen der DSGVO als besonders schützenswerte Datenkategorie. Unternehmen benötigen eine eindeutige Rechtsgrundlage und müssen Schutzmaßnahmen aktiv dokumentieren. Die KI-Verordnung der EU stuft bestimmte biometrische Systeme zusätzlich als Hochrisikoanwendungen ein.\u003C\u002Fp>",5,{"url":33,"url_md":34,"alt":35,"height":36,"width":37},"https:\u002F\u002Fwww.canto.com\u002Fcdn\u002Fde\u002F2026\u002F06\u002F29135048\u002FBilderkennung-Feature.jpg","https:\u002F\u002Fwww.canto.com\u002Fcdn\u002Fde\u002F2026\u002F06\u002F29135048\u002FBilderkennung-Feature-450x236.jpg","Eine Frau zuckt mit den Schultern, hinter ihr ein Vergrößerungsglas, das über Bildern schwebt.",630,1200,{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":39},"\u003Cpath fill=\"currentColor\" d=\"M9.175 10.825Q8 9.65 8 8t1.175-2.825T12 4t2.825 1.175T16 8t-1.175 2.825T12 12t-2.825-1.175M4 20v-2.8q0-.85.438-1.562T5.6 14.55q1.55-.775 3.15-1.162T12 13t3.25.388t3.15 1.162q.725.375 1.163 1.088T20 17.2V20zm2-2h12v-.8q0-.275-.137-.5t-.363-.35q-1.35-.675-2.725-1.012T12 15t-2.775.338T6.5 16.35q-.225.125-.363.35T6 17.2zm7.413-8.587Q14 8.825 14 8t-.587-1.412T12 6t-1.412.588T10 8t.588 1.413T12 10t1.413-.587M12 18\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":41},"\u003Cpath fill=\"currentColor\" d=\"M12 14q-.425 0-.712-.288T11 13t.288-.712T12 12t.713.288T13 13t-.288.713T12 14m-4.712-.288Q7 13.426 7 13t.288-.712T8 12t.713.288T9 13t-.288.713T8 14t-.712-.288M16 14q-.425 0-.712-.288T15 13t.288-.712T16 12t.713.288T17 13t-.288.713T16 14m-4 4q-.425 0-.712-.288T11 17t.288-.712T12 16t.713.288T13 17t-.288.713T12 18m-4.712-.288Q7 17.426 7 17t.288-.712T8 16t.713.288T9 17t-.288.713T8 18t-.712-.288M16 18q-.425 0-.712-.288T15 17t.288-.712T16 16t.713.288T17 17t-.288.713T16 18M5 22q-.825 0-1.412-.587T3 20V6q0-.825.588-1.412T5 4h1V2h2v2h8V2h2v2h1q.825 0 1.413.588T21 6v14q0 .825-.587 1.413T19 22zm0-2h14V10H5z\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":43},"\u003Cpath fill=\"currentColor\" d=\"M12 20a8 8 0 0 0 8-8a8 8 0 0 0-8-8a8 8 0 0 0-8 8a8 8 0 0 0 8 8m0-18a10 10 0 0 1 10 10a10 10 0 0 1-10 10C6.47 22 2 17.5 2 12A10 10 0 0 1 12 2m.5 5v5.25l4.5 2.67l-.75 1.23L11 13V7z\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":45,"hidden":46},"\u003Cpath fill=\"currentColor\" d=\"M22.282 9.821a6 6 0 0 0-.516-4.91a6.05 6.05 0 0 0-6.51-2.9A6.065 6.065 0 0 0 4.981 4.18a6 6 0 0 0-3.998 2.9a6.05 6.05 0 0 0 .743 7.097a5.98 5.98 0 0 0 .51 4.911a6.05 6.05 0 0 0 6.515 2.9A6 6 0 0 0 13.26 24a6.06 6.06 0 0 0 5.772-4.206a6 6 0 0 0 3.997-2.9a6.06 6.06 0 0 0-.747-7.073M13.26 22.43a4.48 4.48 0 0 1-2.876-1.04l.141-.081l4.779-2.758a.8.8 0 0 0 .392-.681v-6.737l2.02 1.168a.07.07 0 0 1 .038.052v5.583a4.504 4.504 0 0 1-4.494 4.494M3.6 18.304a4.47 4.47 0 0 1-.535-3.014l.142.085l4.783 2.759a.77.77 0 0 0 .78 0l5.843-3.369v2.332a.08.08 0 0 1-.033.062L9.74 19.95a4.5 4.5 0 0 1-6.14-1.646M2.34 7.896a4.5 4.5 0 0 1 2.366-1.973V11.6a.77.77 0 0 0 .388.677l5.815 3.354l-2.02 1.168a.08.08 0 0 1-.071 0l-4.83-2.786A4.504 4.504 0 0 1 2.34 7.872zm16.597 3.855l-5.833-3.387L15.119 7.2a.08.08 0 0 1 .071 0l4.83 2.791a4.494 4.494 0 0 1-.676 8.105v-5.678a.79.79 0 0 0-.407-.667m2.01-3.023l-.141-.085l-4.774-2.782a.78.78 0 0 0-.785 0L9.409 9.23V6.897a.07.07 0 0 1 .028-.061l4.83-2.787a4.5 4.5 0 0 1 6.68 4.66zm-12.64 4.135l-2.02-1.164a.08.08 0 0 1-.038-.057V6.075a4.5 4.5 0 0 1 7.375-3.453l-.142.08L8.704 5.46a.8.8 0 0 0-.393.681zm1.097-2.365l2.602-1.5l2.607 1.5v2.999l-2.597 1.5l-2.607-1.5Z\"\u002F>",true,{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":48},"\u003Cpath fill=\"currentColor\" d=\"m4.714 15.956l4.718-2.648l.079-.23l-.08-.128h-.23l-.79-.048l-2.695-.073l-2.337-.097l-2.265-.122l-.57-.121l-.535-.704l.055-.353l.48-.321l.685.06l1.518.104l2.277.157l1.651.098l2.447.255h.389l.054-.158l-.133-.097l-.103-.098l-2.356-1.596l-2.55-1.688l-1.336-.972l-.722-.491L2 6.223l-.158-1.008l.656-.722l.88.06l.224.061l.893.686l1.906 1.476l2.49 1.833l.364.304l.146-.104l.018-.072l-.164-.274l-1.354-2.446l-1.445-2.49l-.644-1.032l-.17-.619a3 3 0 0 1-.103-.729L6.287.133L6.7 0l.995.134l.42.364l.619 1.415L9.735 4.14l1.555 3.03l.455.898l.243.832l.09.255h.159V9.01l.127-1.706l.237-2.095l.23-2.695l.08-.76l.376-.91l.747-.492l.583.28l.48.685l-.067.444l-.286 1.851l-.558 2.903l-.365 1.942h.213l.243-.242l.983-1.306l1.652-2.064l.728-.82l.85-.904l.547-.431h1.032l.759 1.129l-.34 1.166l-1.063 1.347l-.88 1.142l-1.263 1.7l-.79 1.36l.074.11l.188-.02l2.853-.606l1.542-.28l1.84-.315l.832.388l.09.395l-.327.807l-1.967.486l-2.307.462l-3.436.813l-.043.03l.049.061l1.548.146l.662.036h1.62l3.018.225l.79.522l.473.638l-.08.485l-1.213.62l-1.64-.389l-3.825-.91l-1.31-.329h-.183v.11l1.093 1.068l2.003 1.81l2.508 2.33l.127.578l-.321.455l-.34-.049l-2.204-1.657l-.85-.747l-1.925-1.62h-.127v.17l.443.649l2.343 3.521l.122 1.08l-.17.353l-.607.213l-.668-.122l-1.372-1.924l-1.415-2.168l-1.141-1.943l-.14.08l-.674 7.254l-.316.37l-.728.28l-.607-.461l-.322-.747l.322-1.476l.388-1.924l.316-1.53l.285-1.9l.17-.632l-.012-.042l-.14.018l-1.432 1.967l-2.18 2.945l-1.724 1.845l-.413.164l-.716-.37l.066-.662l.401-.589l2.386-3.036l1.439-1.882l.929-1.086l-.006-.158h-.055L4.138 18.56l-1.13.146l-.485-.456l.06-.746l.231-.243l1.907-1.312Z\"\u002F>",{"left":4,"top":4,"width":5,"height":5,"rotate":4,"vFlip":6,"hFlip":6,"body":50},"\u003Cpath fill=\"currentColor\" d=\"M11.04 19.32Q12 21.51 12 24q0-2.49.93-4.68q.96-2.19 2.58-3.81t3.81-2.55Q21.51 12 24 12q-2.49 0-4.68-.93a12.3 12.3 0 0 1-3.81-2.58a12.3 12.3 0 0 1-2.58-3.81Q12 2.49 12 0q0 2.49-.96 4.68q-.93 2.19-2.55 3.81a12.3 12.3 0 0 1-3.81 2.58Q2.49 12 0 12q2.49 0 4.68.96q2.19.93 3.81 2.55t2.55 3.81\"\u002F>",1789479947098]