Standort aus Bild analysieren ohne Metadaten

Ein Foto wird heutzutage oft von Metadaten wie dem Aufnahmeort begleitet. Was aber, wenn diese Informationen fehlen und auch keine offensichtlichen Hinweise wie Orts- oder Straßenschilder im Bild zu sehen sind? Eine künstliche Intelligenz kann in solchen Fällen dennoch in der Lage sein, den Aufnahmeort allein basierend auf der Analyse visueller Merkmale zu bestimmen.

Die Herausforderung: Standortbestimmung ohne Metadaten

Standardmäßig verlassen sich viele digitale Bildanalysen zur Standortbestimmung auf sogenannte EXIF-Daten (Exchangeable Image File Format), die von Kameras oder Smartphones automatisch im Bild gespeichert werden können. Diese Daten können unter anderem GPS-Koordinaten enthalten. Fehlen diese Daten oder wurden sie bewusst entfernt, ist eine alternative Methode erforderlich. Ebenso unbrauchbar für eine automatisierte Analyse sind oft offensichtliche, aber nicht maschinenlesbare Hinweise im Bild wie die Namen von Geschäften oder Restaurants. Die Aufgabe, den Aufnahmeort nur anhand der sichtbaren Landschaft, Architektur und Umgebung zu identifizieren, stellt eine komplexe Mustererkennungsaufgabe dar.

Dieses Bild habe ich Gemini 2.5 Flash in den Prompt kopiert und wollte den exakten Aufnahmeort wissen.

Die analytische Vorgehensweise von Gemini 2.5 Flash

Die Analyse des vorliegenden Fotos durch Gemini 2.5 Flash illustriert eine solche fortschrittliche visuelle Analyse. Die KI begann mit einer umfassenden Betrachtung des Gesamtbildes, um den Kontext zu erfassen. Dabei wurden folgende Schlüsselelemente identifiziert:

• Tageszeit und Lichtverhältnisse: Der Himmel zeigte einen Gradienten von Dunkelblau zu Orange/Rosa, was auf die Dämmerung hinweist. Sterne/Planeten und eine Mondsichel waren sichtbar. In den Gebäuden brannten bereits Lichter.
• Landschaft: Die Szene umfasste auf der linken Seite das Meer mit brechenden Wellen, im Vordergrund Palmen, eine Küstensiedlung mit Gebäuden und Lichtern, sowie im Hintergrund Hügel/Berge mit einer markanten Erhebung auf der rechten Seite.
• Besondere Merkmale: Auf dem Kamm der Hügel/Berge im Hintergrund waren Windkraftanlagen deutlich erkennbar. Die Himmelskonstellation (Mondsichel und ein heller Stern/Planet) wurde ebenfalls registriert.

Dieser erste Schritt etablierte das grundlegende Szenario: eine Küstenstadt in einer touristischen Region (erkennbar an den Palmen und der Art der Gebäude), gelegen an einem Strand, mit bergigem Hinterland, in dem Windenergie genutzt wird.

Merkmalsextraktion und Schlüsselwortgenerierung

Basierend auf der visuellen Analyse extrahierte die KI die prägnantesten Merkmale und übersetzte diese in potentielle Suchbegriffe oder Keywords:

• Küstenstadt mit Strand
• Palmen
• Hügel/Berge hinter der Stadt
• Windkraftanlagen auf dem Kamm
• Dämmerung mit Mondsichel und hellem Stern

Obwohl die astronomische Konstellation theoretisch für Berechnungen genutzt werden könnte, wurde dieser Pfad von der KI als weniger direkter Weg zur Standortbestimmung eingeschätzt als die geografischen Merkmale. Die Kombination der geografischen Merkmale war der zentrale Ansatzpunkt.

Geografische Eingrenzung und Hypothesenbildung

Die KI nutzte die extrahierten Merkmale, um potentielle geografische Regionen zu identifizieren, in denen diese Kombination häufig vorkommt. Küstenstädte mit Stränden und Palmen sind weltweit in tropischen und subtropischen Zonen verbreitet. Das Vorhandensein von Hügeln/Bergen in Küstennähe ist ebenfalls global verbreitet. Das markanteste Merkmal war die Kombination aus Windkraftanlagen auf einem Bergrücken direkt hinter einer entwickelten Küstenregion.

Diese spezifische Kombination deutete stark auf Gebiete hin, in denen Windenergie intensiv genutzt wird und die Topographie entsprechende Bedingungen bietet. Die Kanarischen Inseln wurden als ein besonders passender Kandidat identifiziert, da diese Region für ihre vulkanischen Hügel, Strände, Palmen und die ausgeprägte Nutzung von Windenergie bekannt ist, oft auf prominenten Höhenzügen.

Präzisierung durch Topographie und spezifische Merkmale

Innerhalb der Kanarischen Inseln erfolgte eine weitere Eingrenzung. Die KI verglich die spezifische Topographie der sichtbaren Hügel (insbesondere des markanten Kammes auf der rechten Seite mit den gleichmäßig verteilten Windturbinen) und den Verlauf der Küstenlinie mit ihrem internen Wissen oder simulierten externen Daten über verschiedene Orte.

Die Form des Hügels, die Anordnung der Turbinen und die Lage der Stadt entlang der Küste wurden mit bekannten Orten auf den Kanaren abgeglichen, die für Tourismus und Windenergieanlagen bekannt sind. Insbesondere die Südküste von Gran Canaria, bekannt für Touristenzentren wie Maspalomas und Playa del Inglés, aber auch die angrenzenden Gebiete mit hügeligem Hinterland und Windparks, passte zum visuellen Eindruck.

Die Gegend um Bahía Feliz und San Agustín auf Gran Canarias Südostküste entsprach den Merkmalen besonders gut: felsige Buchten, Strände, Hotels und Hügel im Hinterland, auf denen Windparks existieren.

Bestimmung des Blickwinkels und virtuelle Verifikation

Zur weiteren Präzisierung wurde der Blickwinkel analysiert. Das Foto wurde aus einer erhöhten Position aufgenommen, die auf den Strand und die Stadt blickt. Die Küstenlinie krümmte sich nach links, während der markante Hügel mit den Turbinen rechts positioniert war. Die Stadt erstreckte sich entlang des Strandes und die unteren Hänge hinauf.

Diese Ausrichtung und Perspektive legte nahe, dass der Aufnahmeort auf einer erhöhten Position in Bahía Feliz oder unmittelbar östlich davon lag, mit Blickrichtung Südwesten entlang der Küste in Richtung San Agustín und Playa del Inglés in der Ferne.

Die KI simulierte abschließend die Überprüfung dieser Hypothese, ähnlich dem Prozess der virtuellen Erkundung via Online-Kartendiensten wie Google Maps oder Street View. Durch den Abgleich von Satellitenbildern und vorhandenen Fotos der Küste bei Bahía Feliz und den dahinterliegenden Hügeln konnte die visuelle Übereinstimmung bestätigt und der wahrscheinlichste Aufnahmeort auf das Gebiet um Bahía Feliz eingegrenzt werden.

Ergebnis der Analyse

Basierend auf der detaillierten Analyse der visuellen Merkmale – der Küstenlandschaft, des Strandes, der Palmen, der Bebauung mit Lichtern und insbesondere des markanten Bergrückens mit den darauf befindlichen Windkraftanlagen – wurde das Foto mit hoher Wahrscheinlichkeit in der Gegend von Bahía Feliz auf der Insel Gran Canaria (Kanarische Inseln, Spanien) aufgenommen. Der Blickwinkel deutet auf eine erhöhte Position in Bahía Feliz hin, von der aus nach Südwesten entlang der Küste in Richtung San Agustín und Maspalomas/Playa del Inglés geblickt wurde, während der Windpark auf den Hügeln im Osten/Nordosten sichtbar war.

Tatsächlich wurde das Bild vom Dach eines Hotels aufgenommen:

Fazit: Die Stärke der visuellen Mustererkennung

Dieses Beispiel demonstriert eindrucksvoll die Fähigkeit moderner KI, wie Gemini 2.5 Flash, komplexe visuelle Muster zu erkennen und zu interpretieren, um selbst ohne explizite Metadaten oder offensichtliche Schilder präzise Rückschlüsse auf den Aufnahmeort eines Fotos zu ziehen. Durch die Kombination von Merkmalsextraktion, geografischem Wissen und logischer Schlussfolgerung kann die KI eine detaillierte Analyse durchführen, die weit über einfache Bilderkennung hinausgeht und menschlichen Rechercheprozessen ähnelt.