Stand der Fotobearbeitung: Forschungsbericht 2026

Zusammenfassung

Zwischen Januar und April 2026 haben wir anonymisierte aggregierte Daten von 10,2 Millionen Bildbearbeitungen auf den iOS-, Android- und Webplattformen von Magic Eraser analysiert. Der Datensatz umfasst Benutzer in 194 Ländern, wobei der Großteil des Volumens aus den Vereinigten Staaten (34 %), Indien (11 %), dem Vereinigten Königreich (8 %), Deutschland (6 %) und Brasilien (5 %) stammt. Es wurden Bearbeitungsarten, Sitzungsdauern, Gerätemetadaten, Zufriedenheitsbewertungen und Wiederholungsraten erfasst. Es wurden keine einzelnen Bilder oder personenbezogenen Daten in die Analyse einbezogen.

Fünf Ergebnisse stechen hervor. Erstens hat sich die Objektentfernung als dominierende Bearbeitungsart etabliert und macht über ein Drittel aller Bearbeitungen aus. Zweitens hat die mobile Bearbeitung in unserem Datensatz zum ersten Mal das Web überholt, hauptsächlich aufgrund des iOS-Wachstums. Drittens ist die AI-unterstützte Bearbeitung kein Nischenfeature mehr, sondern der Standard-Workflow für die meisten Benutzer, wobei drei Viertel aller Bearbeitungen mindestens einen AI-gestützten Schritt umfassen. Viertens ist die E-Commerce-Produktfotografie das größte einzelne Anwendungsgebiet nach Branche und übertrifft soziale Medien und den privaten Gebrauch. Fünftens haben Geschwindigkeitsverbesserungen bei der AI-Verarbeitung die durchschnittlichen Bearbeitungszeiten im Vergleich zu vor 18 Monaten mehr als halbiert, was die Erwartungen der Benutzer an schnelle Ergebnisse grundlegend verändert hat.

Häufigste Bearbeitungsarten

Wir haben jede Bearbeitung basierend auf dem verwendeten Werkzeug und dem Umfang der angewendeten Änderungen in eine von sieben Hauptkategorien eingeteilt. Die Objektentfernung führt mit 34,1 % aller Bearbeitungen. Dies umfasst das Entfernen von Personen, Schildern, Kabeln, Müll und anderen unerwünschten Elementen aus Fotos. Eine typische Objektentfernungs-Sitzung umfasst die Auswahl von ein bis drei zu entfernenden Objekten, mit einem Median von 1,7 Objekten pro Sitzung.

Die Hintergrundentfernung ist mit 27,8 % die zweithäufigste Bearbeitung. Benutzer isolieren ein Motiv von seinem Hintergrund für Produktlisten, Profilfotos, Designkompositionen und Social-Media-Inhalte. Bildverbesserungen (Helligkeit, Kontrast, Schärfe, Farbkorrektur) machen 17,6 % der Bearbeitungen aus. Obwohl die Bildverbesserung historisch gesehen weltweit die häufigste Fotobearbeitungsaufgabe war, hat der Aufstieg von Smartphone-Kameras mit integrierter Computerfotografie den Bedarf an grundlegenden Korrekturen reduziert.

Die verbleibenden Kategorien sind AI-Erweiterung oder Outpainting mit 8,3 %, kreative Füllungen und generative Bearbeitungen mit 5,9 %, Text- und Wasserzeichenentfernung mit 4,1 % sowie Stapel- oder Mehrbildoperationen mit 2,2 %. Der lange Schwanz der Bearbeitungen, die nicht in diese Kategorien fallen, macht den verbleibenden Anteil aus.

Plattformnutzungstrends

Zum ersten Mal in unserer Aufzeichnungsgeschichte haben mobile Bearbeitungssitzungen die Websitzungen im Gesamtvolumen überholt. Mobile Geräte machen nun 63 % aller Bearbeitungssitzungen aus, gegenüber 54 % Mitte 2025. iOS führt die mobile Nutzung mit 38 % aller Sitzungen an, Android mit 25 %. Die webbasierte Bearbeitung ist von 41 % auf 37 % leicht zurückgegangen, bleibt aber für Experten- und Stapelverarbeitungs-Workflows, bei denen ein größerer Bildschirm und Tastaturkürzel erhebliche Effizienzgewinne bieten, weiterhin wichtig.

Die Verschiebung hin zu mobilen Geräten ist nicht über alle Bearbeitungsarten hinweg einheitlich. Die Hintergrundentfernung und Objektentfernung sind stark mobil geprägt (71 % bzw. 66 % mobil), was Anwendungsfälle wie die schnelle Bereinigung von Produktfotos und die Vorbereitung von Social-Media-Inhalten widerspiegelt. Bildverbesserungen sind ausgeglichener (55 % mobil, 45 % web), und Stapeloperationen bleiben überwiegend webbasiert (82 % web). Dies deutet darauf hin, dass Benutzer ihre Plattform basierend auf der Aufgabenkomplexität und der Anzahl der Bilder wählen, nicht einfach aufgrund von Gerätepräferenzen.

Geografisch ist die mobile Dominanz in Indien (78 % mobil), Brasilien (74 % mobil) und Südostasien (76 % mobil) am stärksten, während die Webnutzung in den Vereinigten Staaten (42 % web), Deutschland (45 % web) und Japan (43 % web) vergleichsweise stark bleibt. Diese Unterschiede korrelieren mit breiteren Internetzugangsmustern: Märkte mit mobilem Erstzugang zeigen entsprechend mobiles Bearbeitungsverhalten.

AI-Adoption in der Fotobearbeitung

Der auffälligste Trend im Datensatz ist die Beschleunigung der AI-gestützten Bearbeitung. Im Januar 2025 nutzten 41 % der Bearbeitungen auf unserer Plattform mindestens eine AI-gestützte Funktion (Objektentfernung, Hintergrundentfernung, AI-Erweiterung, generative Füllung oder AI-gestützte Bildverbesserung). Bis April 2026 ist diese Zahl auf 74 % gestiegen. Das Wachstum war mit etwa 2 Prozentpunkten pro Monat bemerkenswert stetig.

Reine AI-Workflows – Sitzungen, bei denen jeder Bearbeitungsschritt AI-gestützt ist und keine manuellen Anpassungen vorgenommen werden – machen 39 % aller Sitzungen aus, gegenüber 18 % Anfang 2025. Hybride Workflows, bei denen Benutzer AI-Werkzeuge mit manuellen Anpassungen (Zuschneiden, Drehen, manuelle Pinselkorrekturen) kombinieren, machen 35 % aus. Die vollständig manuelle Bearbeitung ist von 23 % auf 12 % der Sitzungen zurückgegangen. Die restlichen 14 % entfallen auf Sitzungen, bei denen Benutzer den Editor öffnen, aber keine Bearbeitung abschließen.

Wichtig ist, dass die Benutzerzufriedenheitswerte bei hybriden Workflows am höchsten sind (4,4 von 5), knapp über reinen AI-Workflows (4,3 von 5) und deutlich über rein manuellen Workflows (3,7 von 5). Dies deutet darauf hin, dass die Kombination von AI-Automatisierung mit menschlichem Urteilsvermögen derzeit die besten wahrgenommenen Ergebnisse liefert. Benutzer, die eine AI-generierte Bearbeitung übernehmen und dann manuell verfeinern, berichten vom höchsten Vertrauen in ihr Ergebnis.

Branchenaufschlüsselung

Nicht alle Bildbearbeitungen sind privat. Ein großer und wachsender Anteil der Bearbeitungsaktivität auf unserer Plattform wird durch professionelle und kommerzielle Anwendungsfälle bestimmt. Wir haben Branchenkategorien aus einer Kombination von selbst gemeldeten Kontotypen (für Geschäftskonten), Bearbeitungsmustern und Bildinhaltssignalen abgeleitet. Die Kategorisierung ist näherungsweise, und es gibt einige Überschneidungen, hauptsächlich zwischen sozialen Medien und anderen Kategorien.

Die E-Commerce-Produktfotografie ist mit 31 % aller Bearbeitungen das größte einzelne Branchensegment. Dies umfasst Verkäufer auf Amazon, Shopify, Etsy, eBay und anderen Marktplätzen, die saubere Produktbilder mit weißen oder transparenten Hintergründen benötigen. Der typische E-Commerce-Benutzer führt Hintergrundentfernungen und Bildverbesserungen durch und verarbeitet durchschnittlich 4,7 Bilder pro Sitzung, weit über dem plattformweiten Durchschnitt von 1,9.

Die Immobilienfotografie macht 16 % der Bearbeitungen aus. Makler und Hausverwalter nutzen die Objektentfernung, um Innen- und Außenaufnahmen zu bereinigen, die AI-Erweiterung, um breitere Raumansichten zu zeigen, und die Bildverbesserung, um die Beleuchtung in dunklen Räumen zu verbessern. Die Erstellung von Social-Media-Inhalten macht 14 % der Bearbeitungen aus, mit den schnellsten Sitzungszeiten und dem höchsten mobilen Nutzungsanteil unter den professionellen Kategorien. Die private Nutzung (nicht-kommerzielle Bearbeitung persönlicher Fotos) macht 22 % aller Bearbeitungen aus. Die restlichen 17 % verteilen sich auf Marketingagenturen (7 %), Bildung (4 %), Journalismus und Medien (3 %) und andere professionelle Kategorien (3 %).

Qualitätsverbesserungen und Zufriedenheitskennzahlen

Die Messung der Qualität von Bildbearbeitungen in großem Maßstab ist von Natur aus schwierig, da Qualität subjektiv und kontextabhängig ist. Wir verwenden drei Ersatzkennzahlen: von Benutzern gemeldete Zufriedenheitsbewertungen (erfasst über optionale Nachbearbeitungsumfragen), Wiederholungsraten (der Prozentsatz der Bearbeitungen, bei denen Benutzer das AI-Ergebnis rückgängig machen oder wiederholen) und Exportraten (der Prozentsatz der Sitzungen, die mit dem Speichern oder Teilen des bearbeiteten Bildes enden).

Über alle Bearbeitungsarten hinweg liegt die durchschnittliche Zufriedenheitsbewertung bei 4,2 von 5, gegenüber 3,8 im Q1 2025. Die Verbesserung wird hauptsächlich durch bessere AI-Modellleistung getrieben, nicht durch Veränderungen der Benutzererwartungen. Die Hintergrundentfernung zeigt mit 4,5 von 5 die höchste Zufriedenheit, was die Reife von Segmentierungsmodellen widerspiegelt, die jetzt Haare, Fell, transparente Objekte und komplexe Kanten mit hoher Zuverlässigkeit verarbeiten. Die Zufriedenheit bei der Objektentfernung liegt im Durchschnitt bei 4,3 von 5, wobei die Werte je nach Objektkomplexität variieren: einfache Objekte (Schilder, Kabel, kleiner Schmutz) erreichen 4,6, während komplexe Objekte (Menschen in belebten Szenen, teilweise verdeckte Gegenstände) 3,9 erreichen.

Die Wiederholungsraten sind von 28 % Anfang 2025 auf 17 % im Q1 2026 gesunken. Eine niedrigere Wiederholungsrate zeigt an, dass Benutzer häufiger mit dem ersten AI-generierten Ergebnis zufrieden sind. Die Exportraten sind entsprechend von 71 % auf 83 % gestiegen, was bedeutet, dass mehr Bearbeitungssitzungen nun mit einem gespeicherten Ergebnis enden, anstatt abgebrochen zu werden. Die Kombination aus niedrigeren Wiederholungs- und höheren Exportraten deutet auf eine echte Verbesserung der Ausgabequalität hin, nicht nur auf Gewöhnung der Benutzer.

Geschwindigkeitsbenchmarks

Die Verarbeitungsgeschwindigkeit wirkt sich direkt auf die Benutzererfahrung und den Workflow-Durchsatz aus. Wir haben die mediane Verarbeitungszeit (vom Zeitpunkt der Auslösung einer Bearbeitung durch den Benutzer bis zum Zeitpunkt der Anzeige des Ergebnisses) über Bearbeitungsarten und Plattformen hinweg gemessen. Alle Zeiten berücksichtigen die serverseitige Verarbeitung sowie die Round-Trip-Netzwerklatenz für cloudverarbeitete Bearbeitungen.

Die AI-gestützte Objektentfernung ist nun in einer medianen Zeit von 1,8 Sekunden abgeschlossen, gegenüber 4,7 Sekunden im Q1 2025 – eine Verbesserung um 62 %. Die Hintergrundentfernung ist mit einem Median von 1,2 Sekunden die schnellste AI-Operation und profitiert von hochoptimierten Segmentierungsmodellen, die über mehrere Generationen hinweg verfeinert wurden. Bildverbesserungen sind in einem Median von 0,8 Sekunden abgeschlossen, da viele Verbesserungsoperationen mit leichten Modellen oder traditionellen, durch GPU beschleunigten Algorithmen durchgeführt werden können.

AI-Erweiterungs- und kreative Fülloperationen sind mit einem Median von 3,4 Sekunden bzw. 4,1 Sekunden am langsamsten, was die rechenintensive Natur der Generierung neuer Bildinhalte von Grund auf widerspiegelt. Diese Zeiten liegen immer noch deutlich unter der Schwelle, die Benutzer als reaktionsschnell wahrnehmen (die Forschung zeigt immer, dass Benutzer Operationen unter 5 Sekunden als schnell und Operationen über 10 Sekunden als langsam für kreative Workflows wahrnehmen).

Plattformunterschiede sind signifikant. Webbasierte Bearbeitungen sind bei derselben Operation im Durchschnitt etwa 15 % schneller als mobile Bearbeitungen, hauptsächlich aufgrund konsistenterer Hochgeschwindigkeits-Internetverbindungen. iOS-Bearbeitungen sind im Durchschnitt etwa 8 % schneller als Android-Bearbeitungen, was auf eine Kombination aus Netzwerkinfrastrukturunterschieden in der iOS-Benutzerbasis und etwas konsistenteren Geräteleistungsprofilen bei iOS-Geräten zurückzuführen ist.

Zukunftsausblick: Trends für 2027

Basierend auf der in unseren Daten sichtbaren Entwicklung und breiteren Branchenentwicklungen identifizieren wir fünf Trends, die die Fotobearbeitung im Jahr 2027 prägen werden.

Erstens wird die AI-Verarbeitung auf dem Gerät stark zunehmen. Apple, Google und Qualcomm investieren alle in neuronale Verarbeitungseinheiten (NPUs), die in der Lage sind, diffusionsbasierte Modelle lokal auszuführen. Unsere Daten zeigen, dass 6 % der AI-Bearbeitungen auf unterstützten Geräten bereits auf dem Gerät für einfache Operationen verarbeitet werden. Wir prognostizieren, dass dies bis Ende 2027 15-20 % erreichen wird, angetrieben durch Datenschutzpräferenzen und die Beseitigung von Netzwerklatenz bei häufigen Bearbeitungen.

Zweitens wird die Videobearbeitung mit der Fotobearbeitung zusammenwachsen. Unsere interne Roadmap und öffentliche Ankündigungen von Adobe, Canva und anderen deuten auf AI-Werkzeuge hin, die Videobilder mit derselben Leichtigkeit bearbeiten wie Standbilder. Die Objektentfernung aus Videos, der Hintergrundaustausch in Videos und die AI-gestützte Videoverbesserung befinden sich branchenweit in aktiver Entwicklung. Die durch die sofortige Fotobearbeitung etablierte Benutzererwartung wird auf Videos übertragen.

Drittens wird die AI-Bearbeitung unsichtbar werden. Da die AI-Verarbeitung zum Standard wird (bereits bei 74 % in unseren Daten), wird die Unterscheidung zwischen AI-Bearbeitung und Bearbeitung verschwinden. Benutzer werden intelligentes Verhalten von jedem Werkzeug erwarten, ohne darüber nachzudenken, ob AI beteiligt ist. Dies hat Auswirkungen auf das Produktdesign: Das Label AI wird sich von einem Feature-Abzeichen zu einer Hintergrundannahme entwickeln.

Viertens werden Stapel- und Workflow-Automatisierung zunehmen. Unsere Daten zeigen Stapeloperationen mit nur 2,2 % der Sitzungen, aber diese Sitzungen verarbeiten überproportional viele Bilder. Mit dem Wachstum der E-Commerce- und Marketing-Anwendungsfälle erwarten wir eine Nachfrage nach automatisierten Pipelines, die Hunderte oder Tausende von Bildern nach einem konsistenten Regelsatz verarbeiten. Die API-basierte Bearbeitung wird neben der manuellen Werkzeugnutzung wachsen.

Fünftens werden die Qualitätserwartungen weiter steigen. Jede Verbesserung der AI-Modellqualität setzt die Benutzererwartungen nach oben. Die durchschnittliche Zufriedenheitsbewertung von 4,2 im Jahr 2026 spiegelt eine höhere absolute Qualität wider als die Bewertung von 3,8 im Jahr 2025. Benutzer sind nicht einfach schwerer zufriedenzustellen – sie vergleichen mit einer besseren Basislinie. Die Aufrechterhaltung der Zufriedenheit erfordert eine stetige Modellverbesserung, nicht nur die Beibehaltung des aktuellen Qualitätsniveaus.

Methodik

Dieser Bericht basiert auf anonymisierten, aggregierten Telemetriedaten aus den Produktionssystemen von Magic Eraser. Der Datensatz umfasst 10.247.381 abgeschlossene Bearbeitungssitzungen zwischen dem 1. Januar 2026 und dem 30. April 2026. Eine abgeschlossene Sitzung ist definiert als eine, bei der der Benutzer mindestens ein Bearbeitungswerkzeug aufgerufen hat, unabhängig davon, ob das Ergebnis exportiert wurde.

Alle Daten wurden vor der Analyse anonymisiert. Für diesen Bericht wurden keine einzelnen Bilder eingesehen oder gespeichert. Es wurden keine personenbezogenen Daten (Namen, E-Mail-Adressen, IP-Adressen) in den Analysedatensatz aufgenommen. Geräte- und Plattforminformationen wurden auf Modellfamilien- und Betriebssystemebene aggregiert. Geografische Daten wurden auf Länderebene aggregiert, wobei eine GeoIP-Zuordnung während der Sitzungsprotokollierung verwendet wurde; die GeoIP-Daten wurden vor der Analyse verworfen.

Die Branchenkategorisierung wurde aus drei Signalen abgeleitet: selbst gemeldetem Kontotyp für Geschäftskonten (verfügbar für etwa 23 % der Sitzungen), Bearbeitungsmuster-Clustering mittels k-Means auf Merkmalsvektoren von Werkzeugnutzung, Sitzungsdauer und Bildanzahl sowie manueller Überprüfung einer geschichteten Zufallsstichprobe von 5.000 anonymisierten Sitzungsmetadaten-Datensätzen zur Validierung. Die Branchenbezeichnungen sollten als Näherungswerte betrachtet werden, nicht als präzise Messungen.

Zufriedenheitsbewertungen werden über eine optionale Ein-Tap-Nachbearbeitungsumfrage erhoben, die einer zufälligen 15 %-Stichprobe der Sitzungen präsentiert wird. Die Antwortrate unter den mit der Umfrage Konfrontierten beträgt 34 %, was etwa 520.000 Zufriedenheitsdatenpunkte ergibt. Wir haben eine inverse Wahrscheinlichkeitsgewichtung angewendet, um Antwortverzerrungen auszugleichen (Benutzer, die qualitativ hochwertige Bearbeitungen abschließen, antworten häufiger). Wiederholungsraten und Exportraten werden für alle Sitzungen aus der Telemetrie gemessen und basieren nicht auf Umfragen.

Geschwindigkeits-Benchmarks repräsentieren die medianen Verarbeitungszeiten und das 95. Perzentil, die serverseitig vom Eingang der Anfrage bis zum Versand der Antwort gemessen werden, zuzüglich einer geschätzten clientseitigen Round-Trip-Latenz basierend auf regionalen Netzwerkleistungsdaten. Die tatsächlich vom Benutzer wahrgenommenen Zeiten können je nach Geräterendergeschwindigkeit und lokalen Netzwerkbedingungen variieren.

Dies ist die erste Ausgabe dieses Berichts. Wir planen, halbjährlich Aktualisierungen zu veröffentlichen. Rückmeldungen zur Methodik und Abdeckung können an research@magiceraser.io gesendet werden.