Forscher der Renmin University of China und des Oppo-Forschungsinstituts entwickelten DeepImageSearch, einen Benchmark, welcher auf miteinander verbundenen visuellen Daten basiert. Experimente der Forscher zeigen, dass modernste Modelle darunter High-End-Systeme wie Nano Banana Pro und Claude 4.5, erhebliche Schwierigkeiten mit den Nuancen der persönlichen Bildersuche haben. Claude Opus 4.5 fand nur in knapp 29 Prozent der Fälle alle richtigen Bilder, GPT-5.2 schaffte dies in rund 13 Prozent der Fälle und Gemini 3 Pro Preview in etwa 25 Prozent.
Das Kernproblem liegt in der Komplexität der menschlichen Erinnerung und Suche. Die meisten bestehenden KI-Fototools basieren auf einer einfachen Objekterkennung wie „Katze“ oder „Eifelturm“. Menschen suchen jedoch selten nur nach einem Objekt, sondern die Suche ist komplexer. Bei komplexen Suchanfragen muss ein KI-System zunächst herausfinden, was der Mensch sucht. D.h., die relevanten Informationen aus der Frage extrahieren und dann diesen Kontext anwenden, um das gesuchte Bild zu finden. Diese Kontextisierung und anschließende Umsetzung der Suche bereitet allen KI-Modellen große Schwierigkeiten, die Suche wird oftmals vorzeitig durch die KI-Modelle abgebrochen.
URLs:
- Forschungsbericht auf arXiv: https://arxiv.org/abs/2602.10809v1
- Bericht bei AI Tech Suite: https://www.aitechsu … onal-photo-retrieval
- Bericht bei The Decoder (deutsch): https://the-decoder. … r-nicht-finden-kann/