Architektur des Fotografie-Lernens

Der Kurator kann Besuchern Fotos zeigen. Ich wollte, dass er mit ihnen auch etwas erklären kann: Man öffnet ein Foto, fragt, wie es funktioniert, und bekommt eine kurze Lektion über das, was tatsächlich in diesem Bild zu sehen ist – und kann dann nachfragen oder um ein weiteres Beispiel aus demselben Archiv bitten. Das Problem ist das bekannte: eine Erklärung an Belege zu binden. Überraschend war, woher die Fehler kamen – nicht aus dem Weltwissen des Modells, sondern aus meinen eigenen gespeicherten Bildbeschreibungen.

Das Problem

Ein allgemeines Sprachmodell kann führende Linien oder Gegenlicht problemlos erklären. Das ist nicht der schwierige Teil. Schwierig ist, sie in diesem Foto zu erklären und ein anderes Foto in dieser Sammlung zu finden, das dasselbe zeigt.

• Die Lektion muss für das Bild stimmen. „Achte darauf, wie die geringe Schärfentiefe den Reiher freistellt“ ist wertlos, wenn das Schilf hinter dem Reiher scharf ist.
• Der gespeicherte Text ist keine Wahrheit. Jedes Foto trägt eine Bildunterschrift und Tags, die ein Vision-Modell beim Hochladen geschrieben hat. Ein Audit zeigte, dass einige davon genau bei dem falschlagen, worauf eine Lektion aufbaut: welche Bereiche scharf sind, woher das Licht kommt, was vor was liegt. Eine Lektion, die nur auf diesem Text beruht, wiederholt diese Fehler flüssig.
• Ein Thema muss existieren, bevor es gelehrt wird. Ein Button „Linien, die den Blick führen“ auf einem Foto ohne führende Linien ist selbst schon eine falsche Behauptung.
• Beispiele müssen aus dem Archiv kommen. „Zeig mir ein besseres Beispiel“ muss echte, veröffentlichte Fotos liefern, und die Antwort darüber darf nicht behaupten, dass sie die Technik zeigen, solange ihre Belege das nicht tun.
• Nachfragen sind kurz. „Warum ist das besser?“ bedeutet für sich genommen nichts. Das System muss wissen, welche Lektion es fortsetzt – ohne einen offenen Gesprächsverlauf in jeden Prompt zu tragen.

Was ich gebaut habe

Lernen ist kein eigenes Produkt, kein eigener Agent und kein eigenes Modell. Es ist eine kleine Erweiterung des Kurators, des belegbasierten Assistenten aus der Fallstudie zum Fotografie-Assistenten, und nutzt dessen Konversation, Transport, Rate Limits, Generierungsschicht und Validatoren.

Es besteht aus drei Teilen:

1. Genauer hinsehen. In der Fokusansicht bietet ein Foto eine allgemeine Lektion („Dieses Foto verstehen“) und höchstens zwei Technik-Lektionen an, etwa „Die Silhouette verstehen“ oder „Wie Schärfe den Blick lenkt“. Ein Klick erzeugt eine kurze Lektion aus drei bis fünf Sätzen und einen „Achte auf:“-Hinweis auf ein konkretes Detail, geschrieben von einem Vision-Modell, das das Foto sieht.
2. Begrenzter Lektionskontext. Die Lektion hinterlässt genau eine kleine, typisierte Angabe im Gespräch: welches Thema gerade erklärt wurde. Nachfragen, die die Lektion fortsetzen, nutzen sie; Nachfragen, die etwas Neues beginnen, verwerfen sie.
3. Zwei Wege für Nachfragen. Eine Frage zum geöffneten Foto wird aus seinen Pixeln beantwortet. Die Bitte um ein weiteres Beispiel wird zu einer Ähnlichkeitssuche in dem Raum, der zur Lektion passt, und läuft durch den normalen Belege- und Prüfpfad des Kurators.

Es gibt neun Technik-Themen, von selektiver Schärfe bis Wiederholung, dazu die allgemeine Lektion – in einer geschlossenen Liste. Kein Modell erzeugt jemals ein Thema.

Die Architektur im Überblick

Eine Lektion, vom Klick bis zur Antwort:

Und was mit der nächsten getippten Nachricht passiert:

Die zentrale Architekturentscheidung

Das Modell erklärt. Die Anwendung entscheidet, was erklärt wird und auf welcher Grundlage.

Jede Lektion ist genau ein Modellaufruf, und das Modell wählt die Worte. Es wählt nicht:

• welche Themen ein Foto anbietet (vom Server entschieden, bevor ein Button erscheint, und bei jeder Anfrage erneut);
• welches Foto es ansieht (das Bild wird über einen signierten Datensatz gewählt und gegen seinen Hash geprüft);
• welche Einstellungen aufgezeichnet wurden (es darf nur die gelieferten nutzen; eine unbekannte bleibt unbekannt);
• worum es in einer Nachfrage geht (eine deterministische Auflösung entscheidet, mit einem eng begrenzten Planner);
• in welchem Raum eine Beispielsuche läuft (eine feste Tabelle ordnet jedem Thema eine Sichtweise zu);
• welche Fotos Beispiele sind (das Retrieval findet sie; das Antwortmodell kann nur zitieren, was es bekommen hat).

Eine Lektion sieht ein Foto und kann nur auf dieses eine verweisen. Die Anfrage enthält eine numerische ID und ein Thema aus einer geschlossenen Liste – also keinerlei Freitext.

Was gelehrt werden darf

Der Button behauptet, dass das Foto das Thema zeigt. Deshalb entscheidet eine einzige Funktion in fester Reihenfolge, was angeboten wird; die Button-Liste und die serverseitige Prüfung jeder Lektion nutzen beide sie:

1. Eine Sperre hat Vorrang. Für eine Handvoll Fotos habe ich nachgewiesen, dass ihre gespeicherten Beschreibungen falsch sind. Sie bieten keine Lektion an, bis die Daten korrigiert sind – denn der Prompt trägt die Beschreibung als Hinweis, und eine Nachfrage aus Text würde den Fehler wiederholen.
2. Danach entscheidet ein bildgestützter Datensatz. Ein Offline-Job, den ich im Admin starte und nie ein Besucher, schickt jedes Foto einmal an ein Vision-Modell. Das Modell prüft die Themen am Bild; ein deterministischer Selektor behält nur Themen, die das Modell als klar belegt und lehrreich eingestuft hat, höchstens zwei pro Foto. Auch ein gültiger Datensatz ohne Themen ist eine Entscheidung: Ein Thema, das die Bildprüfung verworfen hat, darf nicht über eine schwächere Regel zurückkommen. Ein Datensatz, dem eine der stets zu prüfenden Konzepte fehlt, gilt als unvollständig und entscheidet nichts.
3. Sonst entscheiden Textregeln. Sie decken vier Themen ab: selektive Schärfe, Silhouette, gestaffelte Tiefe und monochrome Tonwerte. Eine Regel verlangt übereinstimmende gespeicherte Signale, etwa eine Aussage zur Freistellung des Motivs zusammen mit einem Tag, der die Unschärfe benennt. Die übrigen Themen haben keine Regel, weil Text allein zu unzuverlässig gemessen wurde: Bei führenden Linien, Gegenlicht, Luftperspektive und Wiederholung zeigten nur 4 bis 7 von 16 geprüften Fotos, deren Text das Thema nahelegte, es auch deutlich.

Die allgemeine Lektion behauptet keine Technik und braucht deshalb keine Themenbelege. Für gesperrte Fotos wird auch sie abgelehnt.

Wenn nichts zutrifft, sehen Besucher keine Technik-Buttons. Kommt trotzdem eine Anfrage – von einer veralteten Seite oder einem gefälschten Aufruf –, erhält sie eine feste, von der Anwendung geschriebene Antwort („Für dieses Foto gibt es nicht genug verlässliche Angaben, um das zu erklären.“), und es wird kein Modell aufgerufen.

Eine Lektion, die auf dem Bild beruht

Der Prompt der Lektion ist um eine ausdrückliche Rangfolge der Belege gebaut:

• Was sichtbar ist, entscheidet, was das Foto zeigt: Motive, Positionen, Licht, Schärfe, Farbe.
• Aufgezeichnete Aufnahmedaten sind die einzige Quelle für Kameraeinstellungen. Das Modell darf keine Brennweite, keine „Kompression“ und keine Tageszeit aus dem Bildeindruck ableiten.
• Die frühere Beschreibung ist ein Hinweis, nie eine Tatsache. Der Prompt nennt, was sie am häufigsten falsch macht (Schärfe, Position, Lichtrichtung), verlangt, jede visuelle Aussage am Bild zu prüfen, und bei Widerspruch dem Bild zu folgen.

Außerdem schließt der Prompt die Fehler aus, die ich in der Evaluation gesehen habe: keine Vermutungen über Absichten des Fotografen, keine Beschnitt-Ratschläge, kein Pauschallob, keine Erwähnung von Bildunterschriften, Metadaten oder „Belegen“. Auf Deutsch duzt er und verwendet etablierte Begriffe wie Schärfentiefe und Gegenlicht.

Das Modell liefert ein typisiertes Objekt – die Lektion und den „Achte auf“-Hinweis – mit harten Längengrenzen. Die Anwendung verwirft es, wenn es das Schema verletzt oder verbotenes Vokabular nutzt, und entfernt interne Kennungen. Anders als Antworten des Kurators wird eine Lektion nie wiederholt: Jeder Fehler, auch ein unlesbares Bild oder ein Timeout beim Anbieter, ergibt eine feste Bitte, es noch einmal zu versuchen. Es gibt nie eine reine Textlektion anstelle einer Vision-Lektion. Ein stiller Fallback würde genau die Fehlerart zurückbringen, die die Vision-Lektion vermeiden soll. Lektionen werden unter einem Schlüssel gecacht, der den Fingerabdruck der Belege, den Hash des Bildes, das Modell und die Prompt-Version enthält; eine gecachte Lektion überlebt also nie ihre Eingaben.

Lektionen laufen auf Claude Haiku 5.5 über einen direkten Anbieteraufruf. Die übliche Textkette des Kurators beginnt mit einem Modell, das keine Bilder annimmt; eine Vision-Anfrage würde dort scheitern oder das Bild stillschweigend verlieren.

Auf das Foto zeigen. Eine Lektion kann auch auf dem Foto markieren, was sie beschreibt: einen Bereich, einen Schärfepunkt oder nummerierte Tiefenebenen, gekoppelt an den Satz, der sie beschreibt, und synchron zur Vorlesestimme, wenn die Lektion vorgelesen wird. Ein Modell schlägt die Positionen vor; eine deterministische Prüfung entscheidet, ob sie erscheinen. Ein zweiter Aufruf platziert dieselben Sätze auf einer gespiegelten Kopie des Bildes, und eine Markierung erscheint nur, wenn beide Platzierungen übereinstimmen. Linienverläufe, Kantenspuren und Lichtrichtungen werden bewusst nicht gezeichnet: Dafür gibt es keine geprüfte Geometrie, und eine aus einem Rechteck abgeleitete Linie wäre erfundene Evidenz.

Lektionskontext: eine typisierte Angabe

Nach einer Lektion muss sich das Gespräch eine Sache merken: welches Thema an welchem Foto erklärt wurde. Genau das habe ich als Feld in den kleinen Kontext aufgenommen, den der Server schreibt und der Browser beim nächsten Zug zurückschickt: learningTopic.

• Es ist ein geschlossenes Enum. Der Browser setzt es, wenn eine Lektion angezeigt wird, denn welche Lektion auf dem Bildschirm erschien, ist eine Tatsache der Oberfläche. Der Server prüft es bei jedem Zug erneut; ein unbekannter Wert scheitert an der Validierung. Dann wird der gesamte Kontext verworfen, und die Frage wird als neuer Einzelzug beantwortet.
• Es ist beratend. Es kann eine Ähnlichkeits-Sichtweise wählen und dem Antwort-Prompt eine Zeile hinzufügen. Es erreicht weder einen Claim noch ein Zitat noch die Menge der Belegfotos.
• Es hat eine festgelegte Lebensdauer. Eine Frage zu den angezeigten Fotos behält es. Eine Ähnlichkeitssuche behält es, denn sie ist die Beispielsuche, zu der die Lektion geführt hat. Eine neue Suche oder eine Verfeinerung löscht es.

Ein Gedächtnis im weiteren Sinn ist es nicht. Der Server hält keine Sitzung, und nichts überdauert das Gespräch.

Das Thema über eine neue Suche hinweg zu behalten, habe ich verworfen. Es hätte den seltenen Zug gerettet, in dem die Ausgabe des Planners die Validierung nicht bestand und der deterministische Fallback eine neue Suche startete – um den Preis, eine Kompositionslektion in „Finde Fotos aus der Schweiz“ mitzunehmen.

Nachfragen: Pixel oder Beispiele

Nachfragen nutzen den normalen Router des Kurators: eine deterministische Auflösung und ein Planner-Modell, das höchstens einmal befragt wird, wenn die Auflösung abgibt, und dessen Ausgabe nur einen aus einer festen Menge von Plänen wählen kann. Die Lektion ergänzt zwei kleine Regeln.

„Zeig mir ein besseres Beispiel.“ Ein Auffordern zu suchen genügt nicht, solange eine Lektion mitgeführt wird; die Auflösung übergibt den Zug deshalb an den Planner, statt eine Suche über fünf Wörter zu starten. Der Planner sieht das Thema und hat eine lernspezifische Anweisung: Die Bitte um ein Beispiel ist eine Ähnlichkeitssuche am Foto der Lektion; eine Frage über die bereits gefundenen Beispiele ist eine Beziehungsfrage, keine weitere Suche.

Der Planner entscheidet, dass ein Beispiel gewünscht ist. Die Anwendung entscheidet anhand einer festen Tabelle, wo gesucht wird. Kompositionsthemen (führende Linien, gestaffelte Tiefe, Silhouette, selektive Schärfe, Wiederholung) durchsuchen einen Textraum, der Bildaufbau beschreibt; Lichtthemen einen, der Licht und Atmosphäre beschreibt; Tonwert- und Farbthemen den Pixel-Embedding-Raum; die allgemeine Lektion den allgemeinen Raum. Das Retrieval liefert höchstens acht Fotos aus bereits gespeicherten Vektoren, ohne Anbieteraufruf.

Die Antwort schreibt der normale Generierungspfad des Kurators, mit einer zusätzlichen Prompt-Zeile: Dem Besucher wurde gerade dieses Thema an diesem Foto erklärt, und es soll nie behauptet werden, dass ein Foto die Technik zeigt, solange seine Belege das nicht zeigen.

„Warum wirkt die Person dadurch anonym?“ Hat das Routing einen Zug bereits auf genau das geöffnete Foto festgelegt, und geht es nicht um aufgezeichnete Einstellungen („welches Objektiv?“), beantwortet dasselbe Vision-Modell die Frage aus den Pixeln – mit derselben Bildbindung und denselben Ausgabeprüfungen wie die Lektion. Diese Entscheidung fällt nach dem Routing und ändert nichts daran. Fragen zu Einstellungen bleiben auf dem Textpfad, wo die aufgezeichneten Werte liegen, und ein gesperrtes Foto behält seine Textantwort.

So entsteht ein kurzer, zusammenhängender Austausch:

Besucher klickt Die Silhouette verstehen. Das Vision-Modell schreibt die Lektion. Besucher: „Warum wirkt die Person dadurch anonym?“ – aus den Pixeln desselben Fotos beantwortet. Besucher: „Zeig mir ein besseres Beispiel.“ – eine Ähnlichkeitssuche im Kompositionsraum, bis zu acht Fotos aus dem Archiv, durch die vollständige Prüfkette. Besucher: „Warum ist das besser?“ – eine Beziehungsfrage über die angezeigten Beispiele, mit der Lektion im Prompt.

Was die Validatoren garantieren – und was nicht

Antworten zu Beispielen nutzen die bestehenden Validatoren des Kurators, durch das Lernen unverändert. Lektionen haben einen eigenen, kleineren Satz:

• Antworten zu Beispielen durchlaufen die volle Prüfkette: Schema, Beziehungs-Claims, Zitate (ein zitiertes Foto muss in den Belegen sein), Bewertungen und Umfang, mit einem begrenzten, informierten Retry.
• Lektionen und Pixel-Antworten durchlaufen ein strenges Schema, eine Vokabularprüfung und Leak-Bereinigung, ohne Retry.
• Freitext der Besucher erreicht einen Vision-Prompt nur auf dem Pixel-Pfad, als nicht vertrauenswürdige Eingabe abgegrenzt und erst nach denselben Eskalationsprüfungen, die jede Frage durchläuft.

Die deterministischen Garantien betreffen Identität und Struktur: Jedes gezeigte Foto ist echt und veröffentlicht. Eine Lektion beschreibt das angefragte Foto, anhand genau des geprüften Bildes. Ein Themen-Button erscheint nur, wenn die Angebotsregeln erfüllt sind. Ein gefälschtes Thema gelangt in keinen Prompt. Beziehungs-Claims über Beispiele entsprechen berechneten Fakten.

Probabilistisch bleibt die Prosa selbst. Kein Validator prüft, ob ein Satz über Licht oder Schärfe für das Bild stimmt. Die Zeile „nie behaupten, dass ein Foto die Technik zeigt, solange seine Belege es nicht tun“ ist eine Prompt-Anweisung, keine Prüfung. Das Bild macht Lektionen deutlich genauer, nicht unfehlbar.

Was gescheitert ist – und was die Evaluationen zeigten

Jede Zahl in diesem Abschnitt stammt aus einem Offline-Experiment mit eingefrorenen Eingaben. Keine ist eine Produktionsmetrik, und eine Messung, ob Besucher tatsächlich etwas lernen, gibt es nicht.

Eine Textlektion wäre „gut genug“ gewesen. Problem: Ich wusste nicht, ob eine erklärende Antwort das Bild überhaupt braucht. Experiment: 384 Antworten aus vier Varianten zu 24 Fotos, bewertet von zwei verblindeten Modell-Juroren und, ebenfalls verblindet, von einer Person (mir) bei 269 davon. Ergebnis: Beim großen Schritt waren sich alle einig. Ich habe die gewöhnlichen Antworten des Kurators in einem von 66 Fällen als nützlich bewertet, und alle 67 Textlektionen, die ich aus der Haupt-Textvariante bewertet habe. Bei Text gegen Vision waren die Juroren und ich uneins. Die Juroren, die jede Aussage an den Pixeln prüften, bevorzugten Vision 38 zu 9. Ich bevorzugte Text 14 zu 8, bei 46 Gleichständen – und bewertete Textlektionen auch dann als nützlich, wenn sie eine falsche Bildunterschrift wiederholten („Loris“ statt Tauben). Konsequenz: Die erste Learn-Version war textbasiert, wobei Fotos mit nachweislich falschen Bildunterschriften zurückgehalten wurden. Die Uneinigkeit erwies sich als der wichtige Befund: Besucher sehen einen sachlichen Fehler genauso wenig wie ich, also kann wahrgenommene Nützlichkeit ihn nicht aufdecken.

Vision löste, was Korrektur nicht lösen konnte. Korrigierte Bildunterschriften beheben nur die Fehler, die man schon gefunden hat; der nächste Schritt verlegte die Lektion deshalb auf das Bild. Auf demselben Modell übernahm die Vision-Lektion keinen Fehler aus falschen Bildunterschriften, die Textlektion sieben. Antworten, die beide Juroren voll akzeptierten, stiegen auf Englisch von 0 auf 11 von 17 und auf Deutsch von 0 auf 13 von 18. Der Vergleich misst nicht nur das Bild – die Vision-Variante hatte auch einen überarbeiteten Prompt –, aber die übernommenen Fehler gehen auf das Bild zurück. Bei Tonwerten in dunklen Fotos irrt Vision weiterhin: ein Nachthimmel als „blass“, ein grauer Vogel als „fast schwarz“. Ein 1280-Pixel-Bild kostete 31 % weniger, war aber nicht nachweislich gleich genau; deshalb blieben es 1920 Pixel. Die Ausweitung von Vision auf Nachfragen zum geöffneten Foto hob die bewertete Genauigkeit von 3,53 auf 4,41 von 5 bei 33 Antworten; Antworten, die beide Juroren als sachlich falsch einstuften, sanken von 4 auf 1.

Kontinuität der Lektion. Bevor das Thema im Kontext stand, startete „Zeig mir ein besseres Beispiel“ nach einer Lektion eine neue Suche über genau diese fünf Wörter; im nachverfolgten Fall fand sie nichts. Auf einem frischen Holdout (22 Gespräche, je 3 Wiederholungen) stiegen korrekte Lern-Nachfragen von 0 auf 10 von 12 Durchläufen. Über alle Arten von Nachfragen im selben Holdout stiegen korrekte Durchläufe von 102 auf 136 von 153, ohne erfundene Foto-IDs und ohne fehlgeleitete Beispiele. Ein späterer, größerer Holdout erreichte beim Lernen 12 von 12 und bei den Kontrollen, die die Lektion gerade nicht mitnehmen sollen, 6 von 6.

Das Thema am Bild prüfen lassen. Eine eigene Bildprüfung für „selektive Schärfe“ entfernte jedes unbelegte Angebot der Textregeln (Präzision 0,69 → 1,00). Sie verfehlte aber eine vorab festgelegte Recall-Schwelle: 0,81 statt mindestens 0,85, bei 36 positiven Fällen. Ich habe das als Ablehnung verbucht, statt die Schwelle anzupassen. Eine kalibrierte Version erreichte später auf demselben Held-out-Set 0,97 Präzision und 0,83 Recall und wurde dauerhaft aktiviert. Ein bekannter Fehltreffer bleibt, und ihre Labels sind Urteile eines Agenten, nicht meine.

Ein Klassifikator, den ich nicht eingebaut habe. Um zu entscheiden, welcher Markierungsstil zu einem Lektionssatz passt, habe ich ein eigenes Urteilsmodell mit einem deterministischen Klassifikator auf 188 zurückgehaltenen Sätzen verglichen. Das Modell lag etwas höher (83,0 % gegenüber 80,3 %), aber nicht signifikant (p = 0,53), und es erzeugte mehr technische Fehltreffer. Der deterministische Klassifikator blieb.

Abwägungen und Grenzen

• Lernen beginnt mit einem Button, nicht mit Sprache. „Erklär mir führende Linien“ geht als Suche durch den gewöhnlichen Pfad des Kurators, und für allgemeine Fotografiefragen gibt es keinen Antwortpfad ohne Retrieval. Lektionen aus getipptem Text zu starten, bräuchte einen anderen Entwurf, nicht noch einen regulären Ausdruck.
• „Besser“ wird nicht gerankt. Eine Beispielsuche liefert die nächsten Fotos im Raum der Lektion. Nichts ordnet sie danach, wie gut sie die Technik zeigen, und nichts sorgt für Vielfalt. „Noch ein Beispiel“ schließt bereits gezeigte Beispiele nicht aus.
• Die Sichtweise gilt nur auf dem Planner-Pfad. Eine Anfrage, die die Auflösung selbst beantwortet, etwa „mehr davon“, nutzt auch nach einer Lektion den allgemeinen Raum.
• Antworten zu Beispielen beruhen auf Text. Sie kennen die gespeicherten Belege der Beispiele, nicht deren Pixel. Nur das geöffnete Foto wird je angesehen.
• Ein Vision-Aufruf pro Lektion. Genauigkeit, bezahlt mit Kosten und Latenz: In den Evaluationsläufen kostete eine Vision-Lektion etwa das Zweieinhalbfache einer Textlektion auf demselben Modell und dauerte im Median 3–4 Sekunden. Eine gescheiterte Lektion wird nie still auf Text herabgestuft.
• Keine menschliche Validierung seit der ersten Prüfung. Vision-Lektionen, Themenkalibrierung und Markierungen wurden von Modellen und von einem Agenten gegen Labels bewertet. Verblindete Prüfseiten existieren, aber noch keine Person hat diese Antworten bewertet.
• Die Abdeckung hängt vom Archiv ab. Ein Foto, dessen Bildprüfungen scheitern oder dessen Beschreibung gesperrt ist, lehrt schlicht weniger.

Was ich gelernt habe

Das Nützlichste an dieser Arbeit war zu sehen, wie die Evaluation selbst falsch liegen konnte. Die Textlektionen waren so flüssig, dass ich als Fotograf falsche als nützlich bewertet habe. Diese eine Uneinigkeit ist der Grund, warum das System Belege prüft, bevor es sich auf Geschmack verlässt: Das Bild entscheidet, was das Foto zeigt, die aufgezeichneten Daten, wie es aufgenommen wurde, und meine eigenen Beschreibungen gelten als Hinweise. Der Rest folgt demselben Prinzip. Ein Button ist eine Behauptung und muss verdient sein. Der Lektionskontext ist eine typisierte Angabe mit festgelegter Lebensdauer. Das Modell schreibt die Erklärung; die Anwendung entscheidet, was erklärt wird.

Den Kurator ausprobieren

Öffne ein beliebiges Foto auf der Seite Fotografie und wähle Genauer hinsehen. Frag dann nach dem, was du siehst, oder bitte um ein weiteres Beispiel. Die Fallstudien zum Fotografie-Assistenten und zur Fotosuche beschreiben den belegbasierten Assistenten und das Retrieval, auf denen das Lernen aufbaut.