Kurz gesagt: Ich prüfe Fahrzeugbilder für Schaden-KI in vier festen Schritten - Technik, Bildinhalt, Annotation und Datenschutz. Nur Fotos, die in allen Punkten passen, dürfen ins Training.

Wenn ich Bilddaten freigebe, achte ich vor allem auf diese Punkte:

  • Bildqualität: scharf, passend belichtet, keine kaputten Dateien, keine Dubletten
  • Bildaufbau: Übersicht, Zonenbild und Detailbild müssen vorhanden sein
  • Schadeninhalt: Schaden muss sichtbar sein und zur Klasse passen, z. B. Kratzer oder Delle
  • Markierung: Box, Polygon oder Maske muss eng am Schaden sitzen
  • Datenschutz: Kennzeichen, Gesichter, Ortsmerkmale sowie EXIF-/XMP-Daten müssen raus
  • Freigabe: Entscheidung wird mit Datum, Person und Bedingungen festgehalten

Ich sortiere Bilder auch nach ihrer Rolle im Datensatz:

  • Schadensbilder für den eigentlichen Lernstoff
  • Vergleichsbilder mit unbeschädigten Fahrzeugen
  • Ausschlussbilder wie verwackelte, irrelevante oder doppelte Fotos

Ein paar klare Richtwerte helfen bei der Prüfung:

  • Mindestens 1.280 × 720 Pixel, besser 1.920 × 1.080 Pixel
  • Für die Qualitätskontrolle werden oft 10 bis 20 % der Annotationen manuell geprüft
  • Pro Schaden reichen meist 3 Bildarten: Übersicht, Zone, Nahaufnahme

Das Grundprinzip ist einfach: Erst muss das Bild technisch passen. Dann prüfe ich, ob der Schaden sauber erkennbar und richtig markiert ist. Zum Schluss kläre ich den Datenschutz. So lernt die KI Schäden - und nicht Unschärfe, Schatten oder falsche Labels.

4-Schritte-Prüfprozess für Bilddaten in der Schaden-KI

4-Schritte-Prüfprozess für Bilddaten in der Schaden-KI

Schritt 1: Technische Bildqualität prüfen

Unscharfe, überbelichtete oder defekte Dateien verfälschen den Trainingsdatensatz und fliegen daher zuerst raus. Danach geht es nicht mehr um die reine Technik, sondern um Blickwinkel und Fahrzeugzonen.

Schärfe, Auflösung und Dateiintegrität

Ein Bild ist technisch brauchbar, wenn Karosserieflächen, Bauteilkanten und Spaltmaße klar zu sehen sind und beim Zoomen keine starke Pixelbildung auffällt. Als Richtwert gelten mindestens 1.280 × 720 Pixel, besser 1.920 × 1.080 Pixel.

Bewegungsunschärfe und Fokusfehler gehören zu den häufigsten Gründen für den Ausschluss. Defekte Dateien - also Fotos, die sich nicht sauber öffnen lassen oder unvollständige EXIF-Metadaten haben - werden direkt aussortiert und im Prüfprotokoll festgehalten. Wenn ein bestimmtes Gerät oder ein Upload-Kanal wiederholt fehlerhafte Dateien liefert, sollte der gesamte Aufnahmeprozess technisch geprüft werden, um die Qualität von KFZ-Gutachten langfristig zu sichern.

Belichtung, Licht und Bildrauschen

Überbelichtete Flächen ohne Struktur und zu dunkle Schatten ohne sichtbare Details können Schäden genauso unlesbar machen wie Unschärfe. Dazu kommen starke Reflexionen auf dem Lack, etwa durch direkte Sonne oder Neonlicht in der Werkstatt. Auch sie können Dellen optisch verdecken.

Kleine Belichtungsprobleme lassen sich mit leichten, dokumentierten Korrekturen beheben. Dazu zählen:

  • Helligkeit anpassen
  • Kontrast anpassen
  • Weißabgleich korrigieren
  • Schatten leicht aufhellen

Wichtig ist dabei die einheitliche Anwendung auf den gesamten Datensatz, damit kein Bias entsteht. Ist ein Schaden durch Überbelichtung, tiefe Schatten oder starkes Bildrauschen komplett verdeckt, wird das Foto aus dem Trainingspool entfernt. Im Datensatz bleiben nur minimal bearbeitete Originale für das Training erhalten.

Dubletten, irrelevante Fotos und Dateinamenstandard

Doppelte Aufnahmen desselben Schadens aus fast identischem Winkel verzerren das Training. Das Modell gewichtet dann bestimmte Fahrzeuge oder Schadenstypen zu stark. Deshalb bleibt pro Schadensbereich meist nur ein kleiner, passender Satz erhalten:

  • eine Übersichtsaufnahme
  • eine Aufnahme aus mittlerer Distanz
  • eine Nahaufnahme

Der Rest wird entfernt. So ist jeder Schadensbereich mit genau den Bildern vertreten, die das Modell braucht.

Fotos ohne Außenrelevanz kommen nicht in den KI-Trainingspool, bleiben aber als Teil der digitalen Schadensbewertung in der Gutachtenakte. Sie werden per Metadaten-Tag als nicht für Schaden-KI-Training freigegeben markiert. Für die Rückverfolgbarkeit gilt ein einheitliches Dateinamen-Schema, etwa GutachtenID_FahrzeugID_Zone_Kategorie_LfdNr.jpg. So lässt sich jeder Datensatz sauber mit dem zugehörigen Gutachtenvorgang verknüpfen.

Sind die Dateien technisch freigegeben, folgt Schritt 2: Kamerawinkel und Fahrzeugzonen.

Schritt 2: Kamerawinkel und Fahrzeugzonen prüfen

Nahaufnahmen reichen nicht aus. Die KI-gestützte Schadenbewertung muss erkennen, wo am Fahrzeug der Schaden sitzt und in welchem Zusammenhang er steht - zum Beispiel bei einem Frontaufprall oder einem seitlichen Streifschaden. Außerdem muss klar sein, zu welcher Fahrzeugzone und Schadensrichtung das Bild gehört. Dafür braucht es eine sauber aufgebaute Bilddokumentation des Fahrzeugs.

Übersichts-, Zonen- und Nahaufnahmen in der richtigen Reihenfolge

In der Praxis läuft die Bildprüfung nach einem festen Muster ab: erst das ganze Fahrzeug, dann die betroffene Zone, danach der Schaden im Detail. Geprüft wird in dieser Reihenfolge: vier Ecken, vier Seiten, Schadenzone, Detailaufnahme. Fehlt eine dieser Ebenen, lässt sich der Schaden später nicht sicher einordnen.

Die Tabelle zeigt die drei Pflichtperspektiven und wofür sie gebraucht werden.

Bildtyp Typischer Abstand Winkel Zweck
Übersichtsaufnahme ca. 3–5 m 45° oder schräg von vorn bzw. hinten Gesamtzustand, Schadensposition, Plausibilität
Zonenaufnahme ca. 1–2 m Senkrecht zur betroffenen Fahrzeugzone Bauteilzuordnung, betroffene Fahrzeugseite
Nahaufnahme ca. 0,2–0,5 m Direkt, möglichst wenig Verzerrung Schadenstyp und -schwere: Kratzer, Delle, Riss

Wenn alle drei Perspektiven vorliegen, lässt sich der Schaden räumlich sauber einordnen.

Auch unbeschädigte Seiten sollten fotografiert werden. Sie liefern den nötigen Referenzkontext.

Bilder den Fahrzeugzonen zuordnen

Jedes Bild im Datensatz braucht eine klar festgelegte Fahrzeugzone - zum Beispiel Frontstoßfänger, linker Kotflügel, rechte Tür, Motorhaube oder Heckklappe. Gutachter schauen dabei nicht nur darauf, ob das Label zum Bildinhalt passt. Sie prüfen auch, ob die Links-rechts-Orientierung eindeutig erkennbar ist. Fehlen klare Referenzpunkte, wird die Seitenzuordnung schwierig.

Wichtig ist auch die Vollständigkeit. Es muss geprüft werden, ob alle relevanten Seiten und Fahrzeugzonen vorhanden sind. Fehlt bei einem vermuteten Seitenaufprall etwa die rechte Fahrzeugzone, gilt der Datensatz als unvollständig und wird ausgeschlossen. Fehlende Blickwinkel führen zur Nacherfassung oder ebenfalls zum Ausschluss. Danach geht es an die Prüfung von Schadenstyp und Annotationen.

Schritt 3: Schadensklassen und Annotationen prüfen

Wenn Bildqualität und Blickwinkel passen, geht’s an den eigentlichen Kern: Ist der Schaden korrekt benannt und sauber markiert?

Schadenstyp und Schweregrad prüfen

Gutachter arbeiten mit klar festgelegten Schadensklassen. Dazu gehören meist Kratzer, Delle, Riss, Glasbruch, Lampenbruch und gebrochene Teile. Jede dieser Klassen steht für einen anderen Reparaturweg und gibt der KI ein anderes Lernsignal. Darum muss das Label immer das zeigen, was auf dem Bild sichtbar ist - nicht das, was vermutet wird oder im Bericht steht. Ein verschmutzter Stoßfänger darf also nicht als „Riss" markiert werden, wenn kein Bruch zu sehen ist.

Hinzu kommt der Schweregrad, meist in drei Stufen: leicht, mittel, schwer. Bewertet wird nach Kriterien wie Tiefe, Länge, Ausmaß und Materialdurchdringung. Gutachter gleichen das vergebene Level direkt mit dem Bildbefund ab und weisen Labels zurück, wenn der Schaden zu stark oder zu schwach eingestuft wurde.

Danach zählt nicht nur was markiert wurde, sondern auch wie.

Annotationsgenauigkeit für das KI-Training

Welche Markierungsform passt, hängt vom Trainingsziel ab.

Annotationstyp Präzision Aufwand Geeignet für
Bounding Box gering niedrig grobe Schadenslokalisierung, einfache Klassifikation
Polygon mittel mittel unregelmäßige Umrisse, z. B. langer Kratzer oder Dellenrand
Segmentierungsmaske hoch hoch komplexe oder überlappende Schäden, pixelgenaue Trennung

Reine Bounding Boxes sind für präzise Kostenschätzungen oft zu ungenau. Deshalb prüfen Gutachter, ob die Markierung eng am sichtbaren Schaden sitzt und keine Hintergrundflächen, Schatten oder Reflexionen mitnimmt.

Manuelle Expertenprüfung vor der Freigabe

Am Ende steht die fachliche Endprüfung. Ein erfahrener Gutachter kontrolliert, ob das Label zur richtigen Fahrzeugzone gehört, ob die Markierung nicht in den Hintergrund hineinläuft und ob Schadenstyp und Schweregrad zusammenpassen. Geprüft werden 10 bis 20 % der Annotationen, bei neuen Annotatoren oder schwierigen Bildchargen auch mehr.

Fälle mit widersprüchlichen Annotationen, falscher Zonenzuordnung oder unklarem Bildbefund gehen zurück in die Korrektur. Das Ergebnis ist dann klar: freigegeben, korrigiert oder abgelehnt.

Danach folgt die Datenschutzprüfung vor der Freigabe.

Schritt 4: Datenschutzprüfung und finale Freigabe

Nach der fachlichen Prüfung entscheidet der Datenschutz, ob ein Bild ins Training darf.

Kennzeichen, Gesichter und Ortsdetails prüfen

Auch technisch saubere Schadensfotos müssen vor dem Training datenschutzrechtlich geprüft werden. Lesbare Kennzeichen machen Fahrzeuge rückverfolgbar. Gesichter von Fahrern, Beifahrern oder Passanten im Hintergrund sind direkt identifizierbar. Dazu kommen Hausnummern, Firmenlogos oder andere klare Ortsmerkmale. Selbst GPS-/Geodaten in den Metadaten können Personen oder Orte erkennbar machen.

Deshalb gilt: Auch nach Schärfe-, Winkel- und Schadensprüfung ist ein Bild noch nicht automatisch freigegeben. Gutachter prüfen jedes Bild systematisch. Ist ein Kennzeichen lesbar? Ist ein Gesicht erkennbar? Sind im Hintergrund klare Ortsmerkmale sichtbar? Eine leichte Unschärfe reicht dabei nicht aus. Wenn Identifikatoren noch sichtbar sind, werden sie stark verpixelt, geschwärzt oder beschnitten.

Zusätzlich prüfen und entfernen Teams EXIF- und XMP-Metadaten. Dort können GPS-/Geodaten, Zeitstempel oder Geräte-IDs gespeichert sein.

Ob ein Bild bereinigt wird oder ganz rausfällt, richtet sich nach den DSGVO-Grundsätzen der Zweckbindung und Datensparsamkeit (Art. 5 Abs. 1 lit. b und c DSGVO). Heißt ganz praktisch: Wenn ein Gesicht für die Schadenserkennung keinen technischen Nutzen hat, wird es entfernt oder das Bild ausgeschlossen.

Sind alle Identifikatoren entfernt, folgt der nächste Schritt: die saubere Trennung von Fallakte und Trainingsdaten.

Gutachtenakte und KI-Trainingsfreigabe trennen

Fallakte und KI-Training müssen getrennt dokumentiert werden, jeweils mit eigener Rechtsgrundlage je Zweck. Die vollständige Fallakte bleibt im primären Gutachtensystem für professionelle Fahrzeugbewertungen. In den KI-Trainingsdatensatz kommen nur datenschutzbereinigte Bildkopien, die sowohl die technische Qualitätsprüfung als auch die Datenschutzprüfung durchlaufen haben.

Auch beim Zugriff gibt es eine klare Trennung. Gutachter sehen die vollständige Akte, das KI-Team nur die bereinigten Trainingsdaten. So landet nicht versehentlich mehr Material im Modelltraining, als dort gebraucht wird.

Aufbewahrungsfristen werden ebenfalls getrennt festgelegt. Trainingsdaten bleiben nur so lange gespeichert, wie sie für das Modellziel gebraucht werden.

Abschluss: Freigabe-Checkliste für zuverlässige Schaden-KI

Erst wenn alle Prüfpunkte erfüllt sind, wird ein Bild für den Trainingsdatensatz freigegeben.

Prüfpunkt Anforderung
Bildqualität Scharf, korrekt belichtet, keine Duplikate
Blickwinkel & Zonenabdeckung Übersicht, Zonen- und Detailaufnahmen vollständig
Schadensklasse & Schweregrad Label entspricht dem sichtbaren Befund
Annotationsgenauigkeit Markierung sitzt eng am Schaden, kein Hintergrund
Personenbezogene Daten Kennzeichen, Gesichter und Ortsdetails entfernt oder geschwärzt
Metadaten EXIF/XMP vollständig bereinigt
Rechtsgrundlage Art. 6 DSGVO dokumentiert
Freigabeprotokoll Verantwortliche Person, Datum, Bedingungen schriftlich festgehalten

Digitale Kfz-Gutachten bei CUBEE profitieren direkt davon: Nur vollständig geprüfte Bilddaten gehen ins Training.

FAQs

Warum reichen Nahaufnahmen nicht aus?

Nahaufnahmen machen Kratzer, Dellen und andere kleine Schäden gut sichtbar. Das Problem: Sie zeigen oft nicht, wo am Fahrzeug der Schaden genau sitzt.

Für eine präzise KI-gestützte Schadensbewertung braucht es deshalb mehrere Perspektiven.

Wichtig sind nicht nur Nahaufnahmen aus 30 bis 50 cm Abstand, sondern auch Übersichtsaufnahmen aus 1 bis 2 Metern. Dazu kommen Winkelaufnahmen. Erst dieses Zusammenspiel gibt der KI genug Kontext, um den Schaden räumlich richtig einzuordnen und verlässliche Ergebnisse zu liefern.

Wann wird ein Bild trotz sichtbarem Schaden ausgeschlossen?

Ein Bild wird ausgeschlossen, wenn die Eingabedaten nicht ausreichen. Das passiert zum Beispiel bei schlechtem Licht, einem ungeeigneten Kameraabstand oder wenn einfach zu wenige Aufnahmen vorliegen.

Auch Bilder mit einem niedrigen Certainty Score fallen raus. Das Gleiche gilt für unvollständige Dokumentation, etwa wenn genug Perspektiven fehlen oder die Auflösung zu schwach ist. In solchen Fällen werden die Bilder entweder aussortiert oder sind im digitalen Gutachten nur eingeschränkt nutzbar.

Wie streng ist die Datenschutzprüfung bei Fahrzeugfotos?

Die Datenschutzprüfung fällt streng aus und richtet sich nach den hohen Vorgaben der DSGVO. Das hat einen einfachen Grund: Fahrzeugfotos können personenbezogene Daten enthalten, zum Beispiel Kennzeichen oder Details im Hintergrund.

Wenn solche Bilder für das KI-Training genutzt werden sollen, muss die Verarbeitung rechtmäßig sein. Dazu gehört unter anderem die ausdrückliche Zustimmung der Fahrzeughalter. Außerdem sollten keine unbeteiligten Personen und keine fremden Kennzeichen zu sehen sein. Hier greift das Prinzip der Datensparsamkeit: Es sollen nur die Daten verarbeitet werden, die dafür unbedingt nötig sind.

Verwandte Blogbeiträge