Die 3 größten Hürden für DAM-Projekte: Aufwendige Asset-Pflege

Ist das DAM einmal implementiert und eingerichtet, sind die Assets ins System überführt und die Anwender geschult, ist die wesentliche Arbeit getan und das DAM arbeitet gewissermaßen von allein – oder etwa nicht?

Man könnte das erwarten, denn immerhin hat das Unternehmen eine nicht unerhebliche Investition getätigt, die sich jetzt rechnen soll.

Hier setzt Teil drei des comspace Gastartikels an, denn die Wahrheit sieht meist anders aus: Nach der DAM-Einführung beschäftigen sich ein oder sogar mehrere Mitarbeitende fast ausschließlich damit, die vorhandenen Assets manuell zu verschlagworten und in Kategorien einzuordnen – und kein Ende ist in Sicht. Ist dein Unternehmen international tätig, steht auch noch die Übersetzung der Metadaten an.

Warum ist das notwendig? Sind die Assets nicht durchgängig und präzise getaggt und kategorisiert, sowie die Metadaten gepflegt, ist eine performante und vor allem schnelle Suche im DAM nicht möglich. Die erhoffte Erleichterung der täglichen Arbeit findet dann nicht statt.

Unerlässliches Taggen und Kategorisieren von Bildern

In den meisten Unternehmen stellen riesige Mengen an Bildern den größten Teil der im DAM befindlichen Assets dar. Diese haben oft keinen sprechenden Namen, sondern werden unter Titeln wie 2023948_201365.png oder DSC_9001.jpg abgelegt.

Woher soll das DAM wissen, welche Bilder beispielsweise zur Produktkategorie „Gartenscheren“ passen, und bei welcher Suchanfrage sie ausgespielt werden sollen?

Ohne Tags keine erfolgreiche Suche im DAM

Ohne entsprechende Tags versinken die Bilder in den virtuellen Weiten des DAM und sind über die Suche nicht oder nur schwer auffindbar. Dies gilt besonders dann, wenn die Datenmengen drastisch zunehmen und viele Personen auf das System zugreifen.

Ein manuelles Taggen der Bilder kann allerdings nicht die Lösung sein. Ein einziges Bild zu taggen kann bereits mehrere Minuten dauern. Wer soll diese zeitraubende und langweilige Arbeit übernehmen, zumal in den meisten Unternehmen regelmäßig große Mengen neuer Bilder ins DAM geladen werden?

Manche DAM-Systeme erleichtern die Arbeit zwar durch einen übersichtlichen Erfassungs-Dialog oder eine Mehrfach-Verschlagwortung mehrerer Assets gleichzeitig, aber wirkliche Abhilfe schaffen nur automatische Lösungen.

Automatische Tagging-Lösung

Eine dieser Lösungen ist unser automatisches Bilderkennungstool, der Autotagger. Dieser basiert auf der KI-Lösung Imagga und übernimmt das automatische Taggen und Kategorisieren von riesigen Bildermengen in kürzester Zeit.

KI beschleunigt das Taggen und Kategorisieren drastisch

Wie funktioniert die Lösung? Per API werden die Bild-Dateien an die künstliche Intelligenz übertragen und dort von dem Machine Learning-Algorithmus überprüft. Anschließend meldet die KI die Tags und Kategorien zurück an das DAM und die Daten werden an dem jeweiligen Bild gespeichert. Dabei dienen die Tags der schnellen Auffindbarkeit der Bilder, während es die Kategorien dem Nutzer erlauben, nach abstrakten Sammelbegriffen zu suchen wie etwa Tier statt Papagei oder Obst statt Apfel.

Über die Suche nach entsprechenden Kategorien haben alle User im Unternehmen schneller Zugriff auf passende Bilder – ob im DAM, CMS oder in angebundenen Drittsystemen. Plötzlich beantwortet das DAM Suchanfragen wie „auto blau”, „sonnenuntergang strand” oder „frau lachen” mit einer Auswahl an geeigneten Assets. Das Ergebnis ist eine positive Experience für alle Anwender. Sie bekommen schnell und einfach, was sie  für ihren Anwendungsfall benötigen.

Custom Training dank lernender KI

Viele Bilder kann der Autotagger von Haus aus passenden Stichworten und Kategorien zuordnen. Dort, wo es um branchen- oder unternehmensspezifische Produktbilder geht, kann die KI in einem Custom Training auf neue Tags und Kategorien trainiert werden. Danach erkennt der Autotagger dann auch die Bohrmaschine W 6413 oder die Steckverbindung CV312.

Metadaten-Pflege in mehreren Sprachen

Deine Assets sollen auch auf internationalen Länder-Websites oder in Shops eingesetzt werden, die Metadaten und Tags liegen aber nur auf Deutsch vor? Dann können die Mitarbeitenden in den Länder- oder ausländischen Vertriebsgesellschaften das DAM nicht adäquat nutzen, weil die interne Suche nach Tags nicht erfolgreich sein wird.

Das Übersetzen der Metadaten in verschiedene Sprachen ist in den meisten Unternehmen ein aufwendiger und fehleranfälliger Prozess, bei dem Metadaten aus dem DAM exportiert, an Übersetzungsagenturen weitergegeben und die übersetzten Sprachversionen anschließend wieder ins DAM importiert werden.

Mit einer automatischen Übersetzungslösung werden solche Arbeitsabläufe drastisch verkürzt. Dafür eignet sich unsere Integrationslösung für die DeepL-Übersetzungssoftware. DeepL gilt als eine der derzeit besten maschinellen Übersetzungstechnologien. Ihre hohe Qualität basiert auf künstlichen neuronalen Netzwerken, die Worte in ihrem Kontext verstehen, statt sie einzeln zu übersetzen.

Zudem arbeitet der DeepL-Service zu 100 Prozent DSGVO-konform. Texte werden nach der Übersetzung wieder gelöscht. Mit der DeepL-Integration in den CELUM ContentHub können Redakteure automatische Übersetzungen in aktuell 49 Sprachkombinationen vornehmen lassen. Dies kann nach manueller Auswahl bestimmter Assets oder Asset-Folder oder automatisch direkt beim Import neuer Assets geschehen.

Das bedeutet eine deutliche Zeitersparnis für die Redakteure bei einer gleichzeitig sehr hohen Übersetzungsqualität und Minimierung der Fehlerquote, außerdem werden die Kosten für die Übersetzungsagentur gespart.

Eine DAM-Einführung macht Arbeit – aber sie lohnt sich!

Ein DAM-System bringt Struktur ins Daten-Chaos und beeinflusst nicht nur die internen organisatorischen Prozesse positiv, sondern zahlt auch auf eine konsistente Unternehmens- und Markenpräsentation ein.

Wie jede Einführung einer neuen Software muss ein DAM-Projekt gut geplant und mit allen Beteiligten koordiniert umgesetzt und eingeführt werden. Vorbereitung, Realisierung und Kommunikation machen Arbeit, erfordern Ressourcen und sind kein Selbstläufer.

DAM-Projekte verlaufen schwieriger, wenn

  • die Integration mit wichtigen Systemen fehlt oder nicht funktioniert,
  • für das Tagging keine befriedigende Lösung gefunden wurde,
  • und die Change-Kommunikation vernachlässigt wurde.

 

Wir haben gute Erfahrungen damit gemacht, vor und in Projekten immer wieder auf diese Themen hinzuweisen und bei Bedarf auch zu unterstützen. Manche Dinge lassen sich hervorragend technisch lösen, bei anderen helfen nur Erfahrung, Empathie und klare Kommunikation. Doch sind die hier vorgestellten Hürden einmal überwunden, ist ein gutes DAM ein mächtiger Freund für jedes Unternehmen.

Mehr darüber, wie du die Hürde der Integration eines DAM-Systems in die bestehende IT-Infrastruktur meisterst, erfährst du im ersten Teil dieser Artikelserie. Im zweiten Teil geht es darum, wie du als Projektmanager die Akzeptanz im Unternehmen sicherstellen kannst.

Stehst du vor einer der Hürden? Oder hast du sie bereits gemeistert? In jedem Fall freuen wir uns auf deine Erfahrungsberichte oder Fragen. Kontaktiere uns, wir freuen uns!

Über comspace

comspace entwickelt und integriert komplexe Weblösungen für Content Management in mittelständischen und Großunternehmen. Als Digitalagentur mit Tech-Fokus konzentriert sich comspace auf höchste Qualität in Code und Projektmanagement. Beratung, Entwicklung, Services: die über 100 Kolleg*innen decken die ganze Bandbreite ab – immer mit dem Blick auf Tech, Umsetzbarkeit und Transparenz. Als Trusted Celum-Partner unterstützt comspace Unternehmen bei der Implementierung und Individualisierung des CELUM DAM. Mit seinen Konnektoren und Erweiterungen sorgt die Agentur für eine optimale Integration in bestehende CMS-Umgebungen und schafft eine hervorragende Experience für die CELUM-User.

Share the love

Share on linkedin
Share on twitter
Share on facebook
Share on xing

Related Stories