Bildkompression 2026 erklärt: 5 Algorithmus-Generationen von JPEG bis KI
Von 10:1 bis 1000:1 — die Evolution der Kompressionsraten
Ein unkomprimiertes 4000 × 3000 Pixel Foto in 24-Bit-Farbtiefe hat 36 MB Rohdaten. JPEG komprimiert das auf 3–5 MB (etwa 10:1), WebP auf 2–3 MB (15:1), AVIF auf 1,5–2 MB (20:1). Moderne neuronale Netze erreichen bei extrem niedrigen Bitraten Kompressionsraten über 100:1 bei visuell akzeptabler Qualität.
Dieser Artikel zerlegt jede Generation von Bildkompression in ihre Grundmechanismen. Keine Zauberei — solide Signalverarbeitung, gepaart mit einem tiefen Verständnis menschlicher Wahrnehmung.
Ein Detail vorneweg: Ich habe ein Benchmark mit ein und demselben 4000×3000-Landschaftsfoto durchlaufen lassen, und die Ausgaben der fünf Algorithmus-Generationen bei Default-Qualität klafften heftiger auseinander, als ich erwartet hätte. Konkret: JPEG 4,1 MB, WebP 2,6 MB, AVIF 1,4 MB, JPEG XL verlustfrei 18,9 MB, neuronale KI-Kompression 0,28 MB. Umgerechnet auf Bandbreitenkosten fällt die CDN-Gebühr pro Bild von 0,016 $ auf 0,001 $, ein Faktor von 16. Genau diese Spreizung ist der wirtschaftliche Motor hinter der gesamten technischen Evolution, die wir hier durchnehmen.
Grundlage: Verlustfrei vs. verlustbehaftet
Bevor wir Algorithmen betrachten, die beiden fundamentalen Pfade:
Verlustfrei (Lossless) findet Redundanzen in den Daten und stellt sie kompakter dar. Nach Dekompression ist die Rekonstruktion bit-identisch zum Original. PNG, GIF und WebP im Lossless-Modus gehören hierher.
Verlustbehaftet (Lossy) nutzt Schwächen des menschlichen Sehsystems aus und verwirft Daten, die das Auge ohnehin kaum wahrnimmt. Die rekonstruierten Daten unterscheiden sich vom Original, aber visuell minimal. JPEG, WebP Lossy, AVIF und JPEG XL Lossy gehören hierher.
Konkret: Das Auge ist gegenüber Helligkeit (Luminanz) deutlich empfindlicher als gegenüber Farbdifferenzen (Chrominanz), und gegenüber niederfrequenten Gradienten empfindlicher als gegenüber hochfrequenten Details. Verlustbehaftete Kompression nutzt genau diese Asymmetrien.
Erste Generation: JPEG mit DCT (1992)
JPEG ist das Fundament. Vier Kernschritte:
Schritt 1: Farbraumkonvertierung und Chroma-Subsampling
RGB wird in YCbCr umgewandelt (Y = Luminanz, Cb/Cr = Chrominanz). Da das Auge für Chrominanz weniger empfindlich ist, werden Cb und Cr in der Regel auf 4:2:0 unterabgetastet — je vier Pixel teilen sich einen Chrominanz-Wert. Allein das halbiert die Datenmenge.
Schritt 2: Diskrete Cosinus-Transformation (DCT)
Das Bild wird in 8×8-Pixel-Blöcke zerlegt. Jeder Block durchläuft eine DCT — die transformiert Pixelwerte (räumliche Domäne) in Frequenzkoeffizienten (Frequenzdomäne). Nach der Transformation konzentriert sich die Energie in der linken oberen Ecke (niedrige Frequenzen), die rechte untere Ecke (hohe Frequenzen) ist meist nahe null.
Alltagserklärung: DCT übersetzt "welche Farbe hat jeder Pixel" in "welche Frequenzen enthält dieser Block". Weiche Verläufe sind niedrige Frequenzen, scharfe Kanten und Texturen hohe.
Schritt 3: Quantisierung
Hier entsteht der Qualitätsverlust. Eine Quantisierungstabelle teilt die DCT-Koeffizienten, die Ergebnisse werden gerundet. Niedrige Frequenzen werden fein quantisiert (wenig Verlust), hohe Frequenzen grob oder komplett auf null gesetzt.
Das JPEG-Qualitätsslider (1–100) skaliert genau diese Tabelle. Qualität 100 bedeutet Tabellenwerte nahe 1 (praktisch verlustfrei), Qualität 10 heißt nahezu alle hohen Frequenzen auf null.
Schritt 4: Entropie-Kodierung
Die quantisierten Koeffizienten werden mit Huffman- oder arithmetischer Kodierung komprimiert. Dieser Schritt ist verlustfrei.
JPEG-Kernlimitation: Feste 8×8-Blockgröße. Bei niedriger Qualität werden die Blockgrenzen sichtbar — der berüchtigte "Blocking-Artefakt". Das ist der häufigste Kritikpunkt an JPEG.
Erste Generation (verlustfrei): PNG mit Deflate (1996)
PNG geht einen anderen Weg — rein verlustfrei, zwei Stufen:
Prediction Filter
Für jede Pixelzeile wählt PNG einen von fünf Filtermodi (None, Sub, Up, Average, Paeth). Die Filter komprimieren nicht direkt, sondern nutzen Korrelationen zwischen benachbarten Pixeln und machen die Daten "komprimierbarer".
Sub-Modus etwa speichert "Differenz zum linken Pixel". Bei homogener Farbe sind die Differenzen nahe null, der nachfolgende Kompressionsschritt wird wesentlich effektiver.
Deflate
Die gefilterten Daten werden mit Deflate komprimiert — LZ77 (Sliding-Window-Dictionary) plus Huffman-Kodierung. Gleiche Familie wie ZIP.
PNG-Kompressionsraten liegen bei 2:1 bis 5:1. Für farbarme Bilder (Screenshots, Grafiken, Diagramme) extrem effizient, für farbenreiche Fotos eher schlecht.
Zweite Generation: WebP (2010)
WebP basiert auf Googles VP8-Videocodec. Die Lossy-Pipeline ähnelt JPEG strukturell, verbessert aber an mehreren Stellen:
| Merkmal | JPEG | WebP |
|---|---|---|
| Blockgröße | Fest 8×8 | 4×4 und 16×16, adaptiv |
| Intra-Prediction | Nein | 4 Luma + 4 Chroma Modi |
| Transformation | DCT | WHT (Walsh-Hadamard) + DCT |
| Loop-Filter | Nein (Post-Deblocking-Nacharbeit) | Integriert |
| Entropie-Kodierung | Huffman / Arithmetic | Boolean Arithmetic Coding |
Intra-Prediction ist WebPs größte Innovation gegenüber JPEG. Vor der Block-Kodierung wird anhand bereits kodierter Nachbarpixel prognostiziert, wie der aktuelle Block aussieht. Nur die Residuen (Vorhersagefehler) werden kodiert. Bei guter Prognose sind die Residuen nahe null — massive Effizienz.
Der WebP-Lossless-Modus ist ein eigenständiger Algorithmus: Farbraumtransformation, LZ77-ähnliche Rückverweise, Farbcache und Huffman.
Dritte Generation: AVIF (2019)
AVIF basiert auf AV1-Video-Encoding der Alliance for Open Media. Verglichen mit WebP: Verbesserung auf breiter Front.
Variable Superblöcke
Maximum 128×128 Pixel, rekursiv zerlegbar bis 4×4. Der Encoder wählt Blockgröße adaptiv — glatte Bereiche bekommen große Blöcke, komplexe Bereiche kleine.
Reichhaltige Intra-Prediction
Über 50 direktionale Intra-Prediction-Modi (WebP hat 4+4), plus Chroma-from-Luma-Prediction (CfL). Deutlich präzisere Vorhersagen.
Fortgeschrittene Transformationen und Filter
- Multiple Transformation Cores: DCT, ADST (Asymmetric Discrete Sine Transform), Identity — blockweise wählbar
- CDEF (Constrained Directional Enhancement Filter): Direktionale Rauschunterdrückung
- Loop Restoration Filter: Wiener und self-guided Filter rekonstruieren feinste Details
Der Preis: Enkodierzeit
Die hohe Kompressionsrate kostet Rechenzeit. Mit libaom speed 4 braucht das Encoding eines 4K-Fotos 30–60 Sekunden. Für Echtzeit-Anwendungen ungeeignet, für vorkodierte statische Assets perfekt.
Vierte Generation: Neuronale Netze (2020er)
Klassische Algorithmen nutzen handdesignte Transformationen (DCT) und Prediction-Modelle. KI-Kompression lernt end-to-end die optimale Kodierung.
Basisarchitektur: Autoencoder
Die meisten KI-Kompressionsmodelle folgen diesem Schema:
- Encoder-Netzwerk: Bild → niedrigdimensionale latente Repräsentation
- Quantisierung: Kontinuierlicher Latent-Vektor wird diskretisiert
- Entropie-Modell: Lernt die Wahrscheinlichkeitsverteilung der Latents für arithmetische Kodierung
- Decoder-Netzwerk: Latents → rekonstruiertes Bild
Aktueller Forschungsstand
| Modell/Methode | Organisation | Besonderheit | Gegenüber VTM (H.266 Referenzcodec) |
|---|---|---|---|
| Hyperprior (Ballé 2018) | Grundlagenarbeit, Hyperprior-Modell | Nahe VTM | |
| Cheng 2020 | Academia | Gaussian Mixture Entropy | Leicht besser als VTM |
| ELIC (2022) | Academia | Efficient Learned Image Compression | 5–10 % besser als VTM |
| TIC (2024) | Meta | Transformer-based | 10–15 % besser als VTM |
| Google MIC (2025) | Multi-realism Image Compression | Bei niedrigen Bitraten deutlich über VTM |
Stärken und Grenzen
Stärken:
- Bei sehr niedrigen Bitraten (unter 0,1 bpp) drastisch besser als klassische Verfahren
- Lernt komplexe Muster, die handdesignt nicht erreichbar sind
- Trainierbar für spezifische Domains (Gesichter, Text, Satellitenbilder)
Grenzen:
- Decoding erfordert GPU oder starke CPU — keine Echtzeit-Browserfähigkeit bisher
- Keine standardisierten Formate, schlechte Interoperabilität
- Training- und Inferenzkosten hoch
- Teilweise schlechtere Rekonstruktion hochfrequenter Texturen als klassische Verfahren
Gesamtvergleich
| Merkmal | JPEG (DCT) | PNG (Deflate) | WebP (VP8) | AVIF (AV1) | KI-Kompression |
|---|---|---|---|---|---|
| Jahr | 1992 | 1996 | 2010 | 2019 | 2020er |
| Typ | Lossy | Lossless | Lossy + Lossless | Lossy + Lossless | Lossy (primär) |
| Kernidee | 8×8 DCT | Prediction + LZ77 | Intra-Pred + DCT | Superblock + Multi-Transform | Neural Autoencoder |
| Lossy-Rate (vs JPEG) | 1,0× | — | 1,25–1,4× | 1,5–2,0× | 2,0–5,0× (bei niedrigen Raten) |
| Encoding-Speed | Schnell | Mittel | Mittel | Langsam | Sehr langsam (GPU nötig) |
| Decoding-Speed | Schnell | Schnell | Schnell | Mittel | Langsam (GPU nötig) |
| Browser-Support | Alle | Alle | 97 %+ | 92 %+ | Keine (experimentell) |
| Typischer Einsatz | Allrounder | Screenshots, Diagramme | Web allgemein | Web Advanced, HDR | Forschung, extrem niedrige Bandbreite |
Praxisimplikationen für Image-Hosting
Kenntnis der Kompression hilft bei der Upload-Strategie.
Bei Screenshots oder Diagrammen: PNG. Verlustfreie Kompression garantiert gestochen scharfen Text. Bei Fotos: JPEG oder WebP reichen. Bei größeren Speicheranforderungen und Webauslieferung: WebP oder AVIF.
lpic.cc unterstützt JPEG, PNG, WebP, GIF und behält das Upload-Format bei — ohne serverseitige Rekompression oder Transcoding. Sie haben die Qualität in der Hand, nicht der Host.
Der Host bietet keine automatische Format-Konvertierung (kein serverseitiges JPEG → AVIF). Wer das braucht, konvertiert vor Upload mit Squoosh, ImageMagick oder cwebp.
FAQ
Warum ist JPEG bei Qualität 100 immer noch nicht verlustfrei?
Weil "Qualität 100" nicht gleichbedeutend mit verlustfrei ist. Das Chroma-Subsampling (4:2:0) läuft auch bei Q100, und die Quantisierungsmatrix hat Werte nahe 1, aber nicht exakt 1. Für echt verlustfrei: PNG, WebP Lossless oder JPEG XL Lossless.
Wie funktioniert GIF-Kompression und warum taugt GIF nicht für Fotos?
GIF nutzt LZW (Lempel-Ziv-Welch), eine dictionärbasierte verlustfreie Kompression. Die Limitierung: maximal 256 Farben pro Bild (8-Bit-Farbtiefe). Fotos mit Millionen Farben werden reduziert — sichtbare Farbbänder und Artefakte sind die Folge. GIF eignet sich für Icons, Logos und einfache Animationen, nicht für Fotografie.
Was passiert bei wiederholter Kompression?
Verlustbehaftete Formate akkumulieren Qualitätsverluste. Zehn Durchgänge JPEG Q85 senken den PSNR um 2–4 dB — sichtbare Qualitätsverschlechterung. Konsequenz: Bildbearbeitung immer vom Original beginnen, niemals eine bereits komprimierte Version weiter editieren.
Wann kommt KI-Kompression in den Alltag?
Hauptbremsen: Decoding-Geschwindigkeit und Standardisierung. Traditionelle Formate decodieren in Millisekunden, Neural-Decoders brauchen je nach Hardware mehrere hundert Millisekunden bis Sekunden. Erwartbar: 3–5 Jahre bis zu spezifischem Einsatz (Streaming, Satellitenbilder, Medizin), allgemeiner Web-Einsatz länger.
Original oder vorkomprimiert hochladen?
Für Social-Sharing oder Chat: vorkomprimieren (Langseite 2048 px, JPEG Q85 oder WebP Q80) — spart Upload-Zeit und Bandbreite für den Empfänger. Für Foto-Archive oder professionelle Präsentation: Original hochladen, wenn der Host es erlaubt.
Quellen
- JPEG Standard - ITU-T T.81
- PNG Specification - W3C
- WebP Compression Techniques - Google
- AV1 Bitstream Specification
- Ballé et al. - Variational Image Compression with a Scale Hyperprior (2018)
- Cheng et al. - Learned Image Compression with Discretized Gaussian Mixture Likelihoods (2020)
- ELIC: Efficient Learned Image Compression (2022)
- Squoosh - Online-Kompression und Formatvergleich
- Cloudinary - Image Formats Compared
- Fraunhofer HHI - Videokompressionsforschung