Der Atlas, der in unseren Fotos steckt: Was 67.608 Familienbilder darüber wussten, wo wir gewesen waren

Ich hatte 67.608 Fotos. Zwanzig Jahre davon, das älteste von 2006, verteilt über 73 verschiedene Kameras und Handys, die die Familie seither besessen hat. Alles war gesichert, alles „sicher" — und völlig unerreichbar. Niemand scrollt zwanzig Jahre Bilder zurück, um den einen Nachmittag in einer bestimmten Stadt wiederzufinden, denn etwas zu finden ist mühsamer, als sich daran zu erinnern. Wertlos war das Archiv nicht. Es war ein zweites Gehirn, zu dem keine Tür führte. Also habe ich eine gebaut und KI auf den ganzen Berg angesetzt, um zu sehen, was wirklich darin steckt. Was am Ende dabei herauskam, war keine bessere Suchmaske. Es war eine Sammlung von Landkarten, von denen ich gar nicht wusste, dass ich sie mit mir herumtrug.

TL;DR

• 67.608 Fotos aus zwanzig Jahren und von 73 Kameras, alle mit einem maschinenlesbaren „Gespür" dafür ausgestattet, was darauf zu sehen ist.
• Ich habe einem generischen Modell anhand von rund 1.000 eigenen Lieblingsbildern meinen persönlichen Geschmack beigebracht — kein riesiges Training, nur ein kleiner Aufsatz obendrauf.
• 53.242 Fotos wussten bereits, wo sie aufgenommen wurden. Für die 14.363, die es nicht wussten, hat ein Modell allein aus den Pixeln geraten — beeindruckend, aber unzuverlässig.
• Die unspektakuläre Methode (einen fehlenden Ort aus den Fotos ergänzen, die wenige Minuten davor und danach entstanden) hat die spektakuläre jedes Mal geschlagen.
• Der Gewinn war keine Suchmaske. Es waren 86 Reisen aus zwei Jahrzehnten, als Erinnerungskarten aus der Spur gezeichnet, die die Fotos hinterlassen hatten.

Jede Familie hat dieses Archiv — und jedes Unternehmen ebenso

Eigentlich ist das gar keine Foto-Geschichte. Jede Organisation, die mir je begegnet ist, sitzt im größeren Maßstab auf demselben: zwei Jahrzehnte E-Mails, die niemand nach Bedeutung durchsuchen kann, ein gemeinsames Laufwerk mit 40.000 Dokumenten ohne jede Übersicht, jahrelange Support-Tickets, die die Antwort auf die Frage von nächster Woche enthalten — wenn nur jemand sie finden könnte. Die Daten sind alle da, alle gesichert und faktisch tot, weil es mehr kostet, sie von Hand durchzugehen, als jeder einzelne Fund wert wäre. Mein Fotoarchiv war einfach die Variante davon, die zufällig mir gehörte — und klein genug, dass ein Einzelner versuchen konnte, sie an einem Wochenende wachzuküssen.

Das Ziel war bescheiden. Ich wollte, dass zwanzig Jahre Bilder zu etwas werden, dem ich tatsächlich Fragen stellen kann. Wo waren wir eigentlich überall. Welche davon taugen etwas. Zeig mir die guten von der Küste, aus dem Jahr, in dem meine Tochter — nun ja, eben die Art Frage, die sich nur beantworten lässt, wenn der Berg weiß, was er enthält. Nichts davon ist in einem Ordner mit 67.608 namenlosen Dateien erreichbar. Alles davon steckt in den Bildern selbst und wartet nur darauf, dass jemand sie liest.

Schritt eins: jedem Foto ein Gespür dafür geben, was es ist

Der erste Schritt ist der, der alles Weitere erst möglich macht — und er ist still und leise billig geworden. Man schickt jedes Bild durch ein Vision-Modell, das aus dem Foto eine Liste von 768 Zahlen macht — ein „Embedding" —, die festhält, worum es auf dem Foto geht. Zwei Strandbilder landen am Ende bei ähnlichen Zahlen, selbst wenn elf Jahre und zwei Kontinente zwischen ihnen liegen. Ein offenes Standardmodell von der Stange — namens CLIP — erledigt das; ich habe alle 67.608 Fotos auf meinem eigenen Rechner hindurchgeschickt, ohne Cloud und ohne Gebühr pro Bild.

Sobald jedes Foto ein Punkt in diesem Raum ist, geht es beim „Suchen" nicht mehr um Dateinamen, sondern um Bedeutung. Man kann mit ganz normalen Worten nach „verschneitem Bergdorf" fragen und bekommt die richtigen Bilder zurück, ohne dass je auch nur eines davon verschlagwortet wurde. Für ein Unternehmen ist genau das der entscheidende Hebel: Das Embedding ist der Unterschied zwischen einem Archiv, das man durchforstet, und einem Archiv, mit dem man tatsächlich reden kann. Der unspektakuläre Infrastruktur-Schritt — einmal alles in Zahlen verwandeln — ist es, der die interessanten Fragen später überhaupt erst möglich macht.

Schritt zwei: ihm meinen Geschmack beibringen, nicht „guten Geschmack"

Hier wurde es persönlich — und hier versteckt sich die Lehre, die sich am ehesten übertragen lässt. Es gibt ein fertiges Modell, das bewertet, wie „ästhetisch ansprechend" ein Foto ist — es erklärt dir bereitwillig, ein Sonnenuntergang sei hübscher als ein Parkplatz. Nützlich, aber nicht das, was ich wollte. Allgemeine Hübschheit ist nicht meine. Meine Lieblingsfotos sind oft technisch unscheinbar und persönlich durch nichts zu ersetzen.

Statt mich also mit der generischen Bewertung zufriedenzugeben, habe ich dem System meinen Geschmack beigebracht. Ich nahm die rund 1.000 Fotos, die ich über die Jahre als Favoriten markiert hatte, als Beispiele für „ja", einen Stapel verworfener Aufnahmen als Beispiele für „nein", und trainierte ein winziges Modell auf den eingefrorenen Embeddings. Kein riesiges Training — das schwere Modell bleibt genau so, wie es ist —, nur ein kleiner Aufsatz, der das Eine lernt, was es nicht weiß: was ich mag.

Es funktionierte besser, als ich erwartet hatte. Auf einer Skala von null bis eins erreichten die Fotos, die ich von Hand als Favoriten ausgewählt hatte, im Schnitt 0,84. Die Sammlung insgesamt kam auf einen Schnitt von 0,20. Das Modell hatte aus tausend Beispielen wirklich die Form meiner Vorliebe gelernt und konnte sie nun auf alle 67.608 anwenden: 7.737 Fotos überschritten 0,8 und 5.380 überschritten 0,9 — eine handverlesene Bestenauswahl, für deren Zusammenstellung mir selbst nie die Geduld gereicht hätte. Die Lehre für jeden, der ein generisches KI-Modell und einen ganz bestimmten Bedarf hat: Man muss nur höchst selten einen eigenen Giganten trainieren. Man braucht ein eingefrorenes Allzweckmodell und ein paar Hundert eigene, gelabelte Beispiele, um ihm das Eine beizubringen, das einem gehört.

Schritt drei: der Ort, den niemand festgehalten hat

Dann kam der Teil, der aus einer Suchmaske einen Atlas machte. Von den 67.608 Fotos trugen 53.242 bereits GPS-Koordinaten in sich, die das aufnehmende Handy eingebrannt hatte. Allein das ist schon eine Karte aus zwanzig Jahren. Aber 14.363 hatten gar keinen Ort — ältere Kameras, entfernte Metadaten, abfotografierte Augenblicke.

Also versuchte ich, sie wieder auf die Karte zu bringen, und hier traten das Spektakuläre und das Unspektakuläre gegeneinander an. Für 10.867 von ihnen nutzte ich ein Modell, das allein aus den Pixeln rät, wo auf der Erde ein Foto aufgenommen wurde — keine Metadaten, nur das Spiel des Lichts und die Landschaft. Dass das überhaupt funktioniert, ist wirklich erstaunlich. Es ist sich seiner Sache aber auch nur selten sicher — und ehrlich genug, das zuzugeben: Seine Zuversicht lag im Schnitt bei 0,04. Es erklärt dir, ein Strand sei „wahrscheinlich am Mittelmeer", und liegt oft genug daneben, dass man keinem einzelnen Tipp trauen kann.

Die übrigen 3.496 füllte ich auf die schlichte Weise: Hat ein Foto keinen Ort, wohl aber die Bilder, die drei Minuten davor und danach entstanden, dann war es mit ziemlicher Sicherheit am selben Ort. Die Zuversicht dieser Methode lag im Schnitt bei 0,74. Sie ist unglamourös, sie funktioniert nur, wenn es Nachbarn gibt, und sie lag fast jedes Mal richtig. Das spektakuläre Pixel-Modell kam als leiser Hinweis auf die Karten; die unspektakuläre Interpolation kam als Tatsache darauf. Genau diese Kluft — beeindruckend, aber unsicher gegen schlicht, aber zuverlässig — ist das mit Abstand Nützlichste, das ich wieder gelernt habe, und sie lässt sich auf jede „Schau mal, was die KI kann"-Vorführung übertragen, die man dir je zeigen wird.

Zwanzig Jahre, sechsundachtzig Reisen, aus der Spur gezeichnet

Sobald jedes Foto einen Ort hatte — festgehalten oder wiedergewonnen —, fügte sich die Spur von selbst zu 86 klar abgegrenzten Reisen aus zwanzig Jahren. Und eine Reise mit Koordinaten und Daten ist keine Liste mehr. Sie ist eine Route. Also zeichnete ich jede einzelne auf eine Satellitenkarte — so, wie man sich tatsächlich an sie erinnern möchte.

Diese hier begann als bloße Flugmarkierung — „eingeflogen aus Moskau" nach New York, dann ein Sprung hinunter nach Houston — und wurde zu dreitausend Kilometern amerikanischem Südwesten, dem ganzen Bogen von der Golfküste bis hinaus nach Los Angeles, nachgezeichnet aus der Reihenfolge, in der die Fotos entstanden. Ich hatte keinen Reiseplan geführt. Die Kamera schon.

Die Romantische Straße, eine Schleife von zu Hause aus und zurück; jede Stadt, in der wir Halt machten, taucht als beschrifteter Punkt auf, weil wir dort zufällig ein Bild gemacht haben. Kein Planungsdokument aus jener Woche ist erhalten. Diese Karte wurde vollständig daraus rekonstruiert, wo der Auslöser klickte.

Keine dieser Karten gab es vor einem Monat, und die gesamte Information in ihnen gab es die ganze Zeit über. Genau das geht mir immer wieder durch den Kopf. Ich habe nichts hinzugefügt. Die Reisen waren längst in zwanzig Jahren Fotos kodiert; sie waren nur unlesbar, bis jedes Bild wusste, wo und wann es entstanden war. Die Karten sind das Archiv, das endlich laut ausspricht, was es immer schon wusste.

Das Vorher und Nachher, ganz nüchtern

Was ich anders machen würde

Ich habe anfangs zu lange dem Beeindruckenden vertraut. Das pixelbasierte Ortsmodell ist ein echtes Wunderwerk, und ich wollte unbedingt, dass es der Held ist — dass es über die 14.363 ortlosen Fotos einen Zauberstab schwingt und sie mir alle fertig zurückgibt. Seine eigenen Zuversichtswerte mussten mir das ausreden; sie schrien leise „Vertrau mir bei keinem einzelnen davon." Die ehrliche Lesart lag von Anfang an auf der Hand: dort, wo sie greift, auf die unspektakuläre, zuverlässige Methode setzen — und die spektakuläre zum bloßen Hinweis herabstufen. Beim nächsten Mal würde ich früher den Zahlen glauben statt der Vorführung.

Die größere Erkenntnis — für jeden, der auf einem toten Archiv sitzt und es für einen hoffnungslosen Fall hält — ist, dass sich die Wirtschaftlichkeit gedreht hat und die meisten es nicht bemerkt haben. Zwanzig Jahre unstrukturiertes Material zu durchforsten hieß früher, einen Menschen dafür zu bezahlen. Inzwischen läuft die Schwerstarbeit — zu verstehen, was jedes Stück ist, es am eigenen Urteil zu messen, sogar nie festgehaltene Metadaten wiederzugewinnen — günstig, oft auf dem eigenen Rechner. Wertlos war das Archiv nie. Es wartete nur darauf, dass die Kosten, ihm eine Frage zu stellen, auf nahezu null fallen — und das ist längst geschehen.

Wo würdest du anfangen, wenn du wüsstest, dass sich genau das Archiv, das alle abgeschrieben haben, jetzt an einem Wochenende wecken lässt?