Glossar
Bilderkennung (Image Recognition)
Bilderkennung im Markenschutz: Wie Visual AI Fälschungen aufspürt
Bilderkennung ist eine Form künstlicher Intelligenz, die erkennt und einordnet, was auf einem Bild zu sehen ist, etwa ein Produkt, ein Logo oder eine Szene. Im Markenschutz vergleicht die Software damit online gefundene Bilder mit den eigenen Visuals einer Marke, sodass gefälschte Listings und gestohlene Fotos auch dann auffallen, wenn der Text nichts Verwertbares enthält.
Reine Textsuche übersieht viel. Verkäufer schreiben Markennamen falsch, lassen sie ganz weg oder verstecken sie, brauchen aber meist trotzdem Bilder, um zu verkaufen. Bilder gehören deshalb zu den verlässlichsten verfügbaren Signalen.
Was ist Bilderkennung?
Bilderkennung ist eine Aufgabe innerhalb der Computer Vision. Ein Modell wird mit vielen Beispielbildern trainiert, bis es sagen kann, was ein neues Bild zeigt oder wie stark es einem bekannten Bild ähnelt.
Für Marken bedeutet das meist eine oder mehrere der folgenden Aufgaben:
- Klassifikation: Entscheiden, welche Art von Produkt oder Szene ein Bild zeigt, zum Beispiel "Handtasche" oder "Laufschuh".
- Abgleich: Bilder finden, die einem Referenzbild gleichen oder fast gleichen, auch nach Zuschnitt, Größenänderung, Farbänderung oder eingefügtem Text.
- Erkennung von Marken: Ein Logo oder Etikett in einem Bild lokalisieren. Siehe Logo-Erkennung.
- Ähnlichkeitssuche: Bilder danach ordnen, wie nah sie einem Produktdesign visuell kommen.
Sie unterscheidet sich von der manuellen umgekehrten Bildersuche, bei der eine Person ein einzelnes Bild bei einer Suchmaschine hochlädt. Bilderkennung läuft in großem Maßstab über viele Quellen, ohne dass jemand jede Prüfung anstößt.
So funktioniert es
- Referenzbestand. Die Marke liefert offizielle Produktfotos, Logos, Verpackungen und Designdateien.
- Merkmalsextraktion. Das Modell wandelt jedes Bild in eine numerische Beschreibung von Formen, Farben, Texturen und Mustern um. So lassen sich zwei Bilder nach Inhalt vergleichen, nicht nach Dateiname oder exakten Pixeln.
- Erfassung. Bilder werden von Marketplaces, sozialen Medien, Websites, App Stores und Anzeigen gesammelt, oft per Web Crawling.
- Vergleich. Jedes erfasste Bild wird mit dem Referenzbestand verglichen. Nahe Treffer werden markiert.
- Prüfung. Analysten prüfen die markierten Treffer, denn ein Treffer kann auch ein legitimer Wiederverkäufer mit offiziellen Fotos oder ein fremdes Produkt mit ähnlichem Aussehen sein.
Beispiele
Eine Uhrenmarke stellt fest, dass ein Marketplace-Verkäufer ihre offiziellen Produktfotos für eine billige Imitation nutzt. Das Listing nennt den Markennamen nie, Stichwortsuchen übersehen es also. Der Bildabgleich findet die Fotos trotzdem, obwohl der Verkäufer sie zugeschnitten und mit einem Rahmen versehen hat.
Ein Kosmetikunternehmen sieht, dass seine Verpackung in Beiträgen von Social Shops nachgeahmt wird. Der Text spricht von "Premium-Serum" ohne Markennamen, doch die Erkennung von Verpackungsdesign und Logo bringt die Beiträge ans Licht.
Ein Möbelhersteller findet seine Katalogbilder in einem Fake-Shop wieder. Die Seite wechselt häufig den Namen, die Bilder bleiben gleich, und der Bildabgleich verbindet die neuen Seiten mit den früheren.
Warum es für Marken wichtig ist
- Sie findet, was Text nicht findet. Falschschreibungen, verschlüsselte Formulierungen und Listings in anderen Sprachen sind weniger ein Problem, wenn Bilder der Schlüssel sind.
- Sie funktioniert über Sprachen und Plattformen hinweg. Ein Produktfoto sieht in jedem Land gleich aus.
- Sie unterstützt große Mengen. Marketplaces und soziale Plattformen enthalten riesige Bildmengen. Software prüft sie viel schneller als Menschen.
- Sie verknüpft zusammengehörige Fälle. Wiederverwendete Fotos können zeigen, dass mehrere Listings oder Shops zum selben Verkäufer oder Netzwerk gehören.
- Sie stärkt die Beweislage. Ein visueller Vergleich von Original und Kopie ist für Prüfer einer Plattform leicht verständlich.
Grenzen, die Sie kennen sollten
Bilderkennung ist ein Signal, kein Beweis. Echte Wiederverkäufer nutzen oft mit Erlaubnis offizielle Fotos. Echte Produkte können sich ähneln, ohne etwas zu verletzen. Fotos allein zeigen nicht, ob ein Artikel echt ist. Ergebnisse sollten daher von Menschen geprüft und mit weiteren Daten wie Preis, Verkäuferhistorie und bei Bedarf einem Testkauf kombiniert werden. Schlecht abgestimmte Systeme erzeugen Fehlalarme, die Zeit kosten und legitime Verkäufer treffen können.
So nutzen Sie Bilderkennung richtig
- Hochwertige Referenzbilder liefern, aus mehreren Blickwinkeln, mit Verpackung und Details.
- Designvarianten einbeziehen, etwa ältere Produkte, regionale Versionen und Saisonartikel.
- Mit Text- und Verkäuferdaten kombinieren, damit Treffer nach Risiko bewertet werden. Siehe Risk Scoring.
- Eine Positivliste führen mit autorisierten Wiederverkäufern, damit diese nicht markiert werden.
- Treffer prüfen, bevor ein Takedown verschickt wird.
- Die zugeordneten Bilder speichern als Teil Ihrer Beweise.
- Regelmäßig überprüfen, da sich Produkte und Fälschungen ändern.
Verwandte Begriffe
- Computer Vision: das größere Fachgebiet, zu dem die Bilderkennung gehört.
- Logo-Erkennung: Markenzeichen in Bildern finden.
- Umgekehrte Bildersuche: manuell herausfinden, wo ein Bild online auftaucht.
- Bilderklau: die unautorisierte Nutzung von Fotos einer Marke.
- KI im Markenschutz: wie KI-Methoden in ein Markenschutzprogramm passen.
So hilft Remove.tech
Remove.tech durchsucht mit KI, einschließlich visueller Analyse, Marketplaces, soziale Medien, Websites und App Stores nach Listings und Seiten, die Ihre Produkte, Verpackungen und Bilder kopieren. Treffer werden geprüft und dokumentiert, bevor in Ihrem Auftrag Takedown-Meldungen verschickt werden. So fallen Rechtsverletzungen auf, die eine reine Stichwortüberwachung übersehen würde. Was Ihre Bilder verwendet, finden Sie hier heraus: starten Sie hier.

