Lässt Bilder sprechen

Google: „Die Kamera ist der neue Browser“

Geht es nach Google, soll die Smartphone-Kamera verstärkt zu einer Suchmaschine für die reale Welt werden. „Wir betrachten die Kamera als den neuen Browser, der die Umgebung mit einer smarten Schicht von Informationen versieht“, so Google-Managerin Aparna Chennapragada am Rande der Entwicklerkonferenz Google I/O.

Menschen nutzten die Smartphone-Kamera bereits für alles Mögliche, vom Abfotografieren von Rechnungen bis hin zu Fotos von Kleidung oder Büchern, die man sich später vielleicht kaufen will. „Es ist ein fundamentaler Wandel im Umgang mit Computern - anstelle zu versuchen, sich in Worten auszudrücken, lässt man direkt Bilder sprechen.“ Die heutigen Abläufe dabei seien aber nicht so effizient, wie sei sein sollten, die Fotos verstaubten oft in den Geräten. „Was ist das für ein cooles Auto? Wo genau bin ich gerade?“ - solche Fragen werde die Smartphone-Kamera künftig direkt beantworten können, sagte Google-Manager Clay Bavor.

Der Internetkonzern kündigte dafür auf der Entwicklerkonferenz die Weiterentwicklung der Funktion Google Lens an, die zusätzliche Informationen ins Kamerabild auf dem Bildschirm einblendet. Sie kann Text erfassen und erkennt zum Beispiel Hunderassen oder kann Rezensionen zu Büchern anzeigen. Außerdem können die Google-Karten auf die Kamera zurückgreifen, um den genauen Standort des Nutzers anhand der umliegenden Gebäude zu ermitteln.

„Es ist eine Wasserflasche“
Google habe zunächst einige sehr konkrete Anwendungen herausgesucht, um die Funktion zu etablieren, sagte Chennapragada. Eine Herausforderung dabei sei, wirklich relevante Informationen einzublenden. „Es ist nicht wirklich hilfreich, wenn man die Kamera auf etwas richtet und die Software sagt: Es ist eine Wasserflasche.“ Google löse dieses Problem so, dass zunächst verschiedene spezialisierte Programme ihr Wissen über den Inhalt eines Bildes beitragen - und dann ein übergeordnetes System entscheide, was davon für den Nutzer im Kontext der Situation wichtig sei, sagte Bavor.

Die Bilderkennung in Echtzeit sei eine große technische Herausforderung, betonte er. "Schon Spracherkennung ist schwer, obwohl wir nur wenige tausend Worte verwenden - dagegen gibt es Hunderte Millionen verschiedene Objekte, die auch noch in unterschiedlichen Winkeln, Schatten oder halb verdeckt im Bild auftauchen können."