GenAI-Fahrzeugfotokorrektur im Händlermaßstab: Eine Case Study

Eine US-amerikanische Fahrzeugfotografie-Plattform, die Hunderte Autohändler bedient, verarbeitet täglich 70.000–80.000 Inseratsfotos — ein Volumen, bei dem die Bildqualität direkt über Käuferinteresse und Verkaufsgeschwindigkeit entscheidet. HDWEBSOFT lieferte eine GenAI-gestützte Bildkorrekturplattform, die die alternden Modelle durch modernes Deep Learning ersetzte, objektive Qualitätsbewertung zur automatischen Freigabe hochsicherer Fotos einführte und die manuelle Bearbeitungsrate von rund 34 % auf unter 10 % senkte — eine Reduktion um 70 % — während das gesamte Tagesvolumen in einem 4-Stunden-Fenster bei unter 3 Sekunden pro Foto verarbeitet wird.

Projektkontext

Jeden Morgen treffen Zehntausende Fahrzeugfotos in einem engen Zeitfenster für Online-Inserate ein. Trotz vorhandener KI-Werkzeuge musste noch rund jedes dritte Foto wegen schlechter Beleuchtung, schiefen Winkeln und falschen Farben manuell korrigiert werden — das bedeutete über 23.000 Fotos täglich für menschliche Editoren.

Der Kunde beauftragte eine neue Plattform, die die älteren Modelle durch modernes Deep Learning ersetzt, eine Qualitätsbewertung einführt, mit der hochsichere Fotos die menschliche Prüfung komplett überspringen können, und die manuelle Last komprimiert — ohne den nachgelagerten Inserats-Workflow zu verändern, von dem die Händler abhängen. Ein fünfköpfiges HDWEBSOFT-Team deckte Modellentwicklung, MLOps, Cloud-Infrastruktur und die Review-Webanwendung ab.

Stakeholder-Interview

„Die härteste Randbedingung war das Burst-Fenster selbst — 80.000 Fotos in vier Stunden, jedes unter drei Sekunden. GPUs brauchen über zwei Minuten zum Kaltstart, ein reaktives Autoscaling läuft der Warteschlange also immer nur hinterher. Wir mussten die Pipeline um diese Realität herum entwerfen.”

— Dat Huynh, Project Manager bei HDWEBSOFT

Statt auf Last zu warten, drehte das Team die Reihenfolge um: Die GPU-Kapazität wird 15 Minuten vor dem täglichen Burst mit 3,6-fachem Puffer vorgewärmt, Queues puffern die Ankunftsspitzen, während bereits warme Instanzen sie abarbeiten, und Scale-to-Zero hält die Leerlaufkosten außerhalb des Fensters bei nahezu null. Eine vollständige Vier-Stunden-Lastsimulation vor dem Launch bewies das Design mit realem Volumen — nicht mit Schätzungen.

Genau diese Designarbeit ermöglichte es der Plattform, den SLA von unter 3 Sekunden ab dem ersten Tag über den gesamten Morgen-Burst zu halten — ohne Rückstau, der die Inseratspläne der Händler beeinträchtigt hätte. Sie wurde zudem zur Vorlage für die Kapazitätsreviews des Teams bei späteren hochvolumigen KI-Workloads.

Zentrale Funktionen

• KI-Geometriekorrektur — begradigt schiefe Winkel und gekippte Horizonte und schneidet den Bildausschnitt um das Fahrzeug.
• KI-Farbkorrektur — korrigiert Beleuchtung, Weißabgleich, Belichtung und Kontrast; lernt den Marken-Look jedes Händlers statt eine generische Korrektur anzuwenden.
• Qualitätsbewertung & Auto-Freigabe — bewertet jedes Foto von 0–100; hochsichere Ergebnisse gehen ohne menschlichen Eingriff direkt ins Inserat.
• Menschlicher Review-Workflow — Rasteransicht mit Konfidenz-Badges, mit der Reviewer ganze Batches per Klick freigeben.
• Nahtlose Integration — bindet die bestehende Inserats-Pipeline des Kunden per Webhooks mit Retries und Deduplizierung an; der nachgelagerte Workflow bleibt unverändert.

Technische Herausforderungen

Trainingsdatenqualität hing vollständig von kundenseitigen Bildpaaren ab

Die Korrekturmodelle konnten nur so gut sein wie die Tausenden Vorher-Nachher-Bildpaare des Kunden — erstellt von unterschiedlichen Editoren über lange Zeit. Das eigentliche Risiko war Inkonsistenz: Korrigierten zwei Editoren dasselbe Beleuchtungsproblem unterschiedlich, lernte das Modell Rauschen statt Absicht. Innenraumaufnahmen verschärften das Problem — enge Fahrzeugkabinen erzeugen komplexe Beleuchtung, gemischte Farbtemperaturen und starke Reflexionen auf Armaturenbrett und Scheiben, mit denen generische Korrekturen schlecht zurechtkommen. Abdeckungslücken waren ebenso entscheidend: Ein Dataset mit Schwerpunkt auf einfachen Außenaufnahmen bei Tageslicht hätte das Modell genau dort blind gemacht, wo Editoren am meisten kämpfen.

80.000 Fotos in einem 4-Stunden-Fenster

Das Volumen allein war nicht die Einschränkung — das Ankunftsmuster war es. Die Fotos treffen nicht gleichmäßig ein, sondern konzentriert als Morgen-Burst, und jedes Bild muss die Korrektur in unter 3 Sekunden durchlaufen. GPU-Instanzen brauchen bis zu 150 Sekunden für den Kaltstart, womit jedes reaktive Autoscaling der Warteschlange dauerhaft hinterherläuft: Bis neue Kapazität warm ist, hat sich der Rückstau bereits gebildet und wächst. Die Alternative — GPUs rund um die Uhr warm zu halten — hätte das Kostenmodell des Kunden gesprengt. Mitte des Projekts verdoppelte sich zudem der Umfang fast, was die verfügbare Zeit für all diese Lösungen weiter verkürzte.

Probabilistische KI-Ausgaben und Markenerwartungen pro Händler

Korrekturmodelle sind probabilistisch — dasselbe Foto kann bei wiederholten Läufen leicht unterschiedliche Ergebnisse liefern. Jede Ergebnisprüfung wurde damit zu einer subjektiven Debatte darüber, welche Version „richtig aussieht”, und untergrub das Vertrauen der Stakeholder, überhaupt ohne menschliche Freigabe zu liefern. Die Markenanforderung machte es komplizierter: Jeder Händler erwartet Fotos im eigenen etablierten Look — einer Signatur, die seine Editoren über Jahre aufgebaut haben —, nicht einen generischen Hausstil. Große Händler haben Tausende Vorher-Nachher-Beispiele zum Lernen; kleinere nicht, und ein auf dünnen Daten trainiertes Profil wäre unzuverlässig.

Lösungen

Auditierte und abdeckungsgewichtete Trainingsdaten

Vor jeder Modellierung auditete das Team den gesamten Datensatz — prüfte jede Vorher-Nachher-Paarung auf korrekte Ausrichtung, markierte inkonsistente Bearbeitungen und kontrollierte die Abdeckung über Lichtbedingungen und Aufnahmetypen. Das Dataset wurde so aufgeteilt, dass das Modell generalisierbare Korrekturmuster lernte statt die Gewohnheiten einzelner Editoren auswendig zu lernen. Für Innenräume wurden die Trainingsdaten stark auf diese schwierigen Aufnahmen gewichtet, und die Pipeline wurde so ausgelegt, dass Ergebnisse mit niedriger Konfidenz automatisch an menschliche Reviewer gehen statt ausgeliefert zu werden.

Vorgewärmte Kapazität mit nachgewiesenem Puffer

Die Server wachen 15 Minuten vor dem täglichen Burst automatisch auf — mit dem 3,6-Fachen der Basiskapazität — und absorbieren das Kaltstart-Problem, bevor es eine Warteschlange bilden kann. Eine vollständige 4-Stunden-Lastsimulation bewies das Design vor dem Launch mit realistischem Volumen. Um das mittendrin gewachsene Projektvolumen ohne Terminverschiebung aufzufangen, setzte das Team KI-gestützte Entwicklungswerkzeuge über die gesamte Lieferung ein — mit gemessenen 30 % Produktivitätsgewinn.

Objektive Bewertung und Farbprofile pro Händler

Die subjektive Bewertung wurde durch einen objektiven Qualitätsscore von 0–100 pro Foto ersetzt, mit einer harten Auslieferungsregel: Unter 90 % menschlicher Übereinstimmung mit den bewerteten Ergebnissen wird eine Korrektur nicht ausgeliefert. Für die Markenlooks werden Farbprofile pro Händler aus dessen eigenen Vorher-Nachher-Beispielen trainiert — sie lernen dessen Look, statt einen aufzuzwingen. Händler ohne ausreichende Historie fallen auf ein regionales Profil zurück, und die Profile verfeinern sich kontinuierlich aus den Korrekturen, die menschliche Editoren nachgelagert vornehmen.

Geschäftsergebnisse

• 70 % weniger manuelle Bearbeitung — von rund jedem dritten Foto auf unter 10 % mit Review-Bedarf, von Minuten auf Sekunden pro Foto.
• ~3.470 USD/Monat Infrastrukturkosten bei vollem Produktionsvolumen, mit Scale-to-Zero außerhalb des Burst-Fensters.
• Einheitliche Qualität über alle Händler — ein Bewertungsmaßstab statt Subjektivität pro Reviewer.
• Canary-Deployments mit Auto-Rollback halten Modell-Updates im Produktionsmaßstab sicher.
• Strategische Gewinne — schnelleres Inserieren für Händler, segmentiertes Reporting für den Kunden und volle operative Unabhängigkeit seines Teams nach der Übergabe.

Technischer Snapshot

• Modelle: YOLOv8-m für Geometrieerkennung; SVDLUT (PyTorch) für Farbkorrektur; MUSIQ NR-IQA und LPIPS für objektive Qualitätsbewertung — CUDA-beschleunigt.
• Serving: SageMaker Async Inference hinter einem vor dem Burst vorgewärmten, autoskalierenden GPU-Pool.
• Pipeline: AWS Lambda (Python 3.12) und ECS/Fargate (Node.js), orchestriert über SQS/SNS, mit Zustand in DynamoDB, Metadaten in RDS PostgreSQL 16 und Assets in S3 hinter API Gateway.
• Sicherheit: mTLS, HMAC-SHA256-Request-Signierung, WAFv2, PrivateLink und KMS.
• Delivery: Terraform als IaC, GitHub Actions CI, Docker/ECR-Images, CloudWatch + X-Ray Observability, PagerDuty On-Call und React + Cognito + CloudFront für die Review-Oberfläche.

Fazit

Die Plattform verwandelte den Bearbeitungsbetrieb des Kunden von einem manuellen Engpass pro Foto in eine bewertete, selbstkorrigierende Pipeline — menschliche Reviewer berühren nur noch die Fotos, bei denen die KI am unsichersten ist. Wenn Ihr Team eine Computer-Vision- oder Generative-AI-Workload unter harten Latenz- oder Volumenanforderungen skalieren muss: Unsere KI-Entwicklungsleistungen decken genau dieses Liefermodell ab. Kontaktieren Sie unser Team für die Skizzierung eines ähnlichen Vorhabens.