KI-unterstützte Automatisierung / Workflow-Design

Photo Digitiser

An einem Tag mit KI-unterstützter Entwicklung gebaut: ein Desktop-Werkzeug, das einen langsamen Ablauf mit zwei Anwendungen und kostenpflichtiger Trennsoftware ersetzt — und hunderte Familienfotos in ein geordnetes Archiv verwandelt, bereit für mein Heim-Mediacentre.

← Zurück zu den Projekten

Das Problem

Hunderte Familienfotos aus rund 40 Jahren mussten digitalisiert werden. Sie liegen in Alben und Umschlägen und unterscheiden sich stark in Grösse, Alter und Zustand.

Alte Abzüge durch einen automatischen Einzug (ADF) zu schicken, kam nicht in Frage: Abzüge können aneinanderkleben, Staus verursachen, den Einzug beschädigen oder selbst beschädigt werden. Ein Flachbettscanner ist deutlich schonender — aber hunderte Fotos einzeln zu scannen, hätte viel zu lange gedauert.

Der verfügbare Standard-Ablauf bedeutete, in einer Anwendung zu scannen und danach mit separater, kostenpflichtiger Software jeden Mehrfachscan in einzelne Bilder zu trennen.

Selbst bauen oder kaufen

Statt zusätzliche Software zu bezahlen und mit zwei Anwendungen zu arbeiten, habe ich beschlossen, ein Werkzeug genau für diesen Ablauf zu bauen. Ich nutzte bereits Cursor, das rund CHF 20 pro Monat kostet, und das Werkzeug funktionierte innerhalb eines Tages.

Das Ergebnis lässt sich für künftige Digitalisierungen wiederverwenden und könnte für die Weiterverwendung oder den kommerziellen Einsatz aufbereitet werden.

Der Ablauf

  1. Scannersteuerung Die App steuert das Flachbett direkt
  2. Mehrfachscan Mehrere Abzüge, ein Scan der ganzen Glasfläche
  3. Automatische Trennung Jedes Foto als eigene Datei
  4. Geordnetes Archiv Benannte Batches, Originale bleiben erhalten
  5. Upload ins Heim-Mediacentre

Wo KI zum Einsatz kam

Problem, Ablauf und Prüfkriterien habe ich festgelegt: vollständige Fotoränder erhalten, Originalscans aufbewahren, Erkennungen leicht überprüfbar machen und eine Nummerierung, die nie frühere Dateien überschreibt.

Cursor wurde für Umsetzung, Debugging, Tests und schnelle Iteration anhand echter Scans eingesetzt. KI diente dazu, das Werkzeug zu bauen — nicht dazu, die Fotos zu generieren oder zu bearbeiten.

Technische Details

  • Steuert einen CanoScan LiDE 600F direkt über SANE (scanimage); XSane wird für den normalen Ablauf nicht mehr benötigt.
  • Bewahrt den Scan der ganzen Glasfläche als Archiv-Original und erkennt dann jedes physische Foto mit vollständigem Rand — auch bei gemischtem Hoch-/Querformat und leichter Schräglage.
  • Erstellt eine nummerierte Vorschau zur Kontrolle der Erkennungen und führt die Dateinummerierung innerhalb jedes benannten Batches sicher fort.
  • PySide6-Desktop-Oberfläche. Die gesamte Verarbeitung läuft lokal unter Ubuntu, ohne Cloud-Dienste oder APIs.

Technologie

  • Python
  • OpenCV
  • NumPy
  • PySide6
  • SANE / scanimage
  • Ubuntu