Was ist Facet?
Facet ist eine lokale Engine zur Fotoanalyse und zum Aussortieren mit Weboberfläche: Sie bewertet jedes Bild, dann können Sie die Ergebnisse durchsuchen, aussortieren und ordnen. Laut README läuft alles auf Ihrem Rechner, ohne Cloud, Konten oder API-Schlüssel, und der Code steht unter der MIT-Lizenz.
Die LICENSE-Datei nennt Nicolas Coevoet als Inhaber des Urheberrechts. Die Arbeit verteilt sich auf zwei Werkzeuge: einen Scanner, der von der Kommandozeile gestartet wird, und einen Viewer, der die Galerie im Browser bereitstellt.
Bezugsquelle
Facet wird aus seinem Quell-Repository mit Docker oder einem Installationsskript installiert; das Projekt veröffentlicht weder Installer noch App-Store-Eintrag noch Release-Binärdatei.
Option | Bezug |
|---|---|
| Docker (empfohlen) | Installationsanleitung: klonen, Fotoordner festlegen, docker compose up |
| Ohne Docker | Klonen, bash install.sh ausführen, dann python facet.py und python viewer.py (Linux, macOS) |
| Dokumentation | Docs-Ordner im Repository |
| Website | ncoevoet.github.io/facet |
| Quellcode | github.com/ncoevoet/facet (MIT) |
| Releases | GitHub-Releases, nur Versionshinweise |
Geprüfte Version: v1.25.0, laut GitHub-Release am 27. Oktober 2026 veröffentlicht; der letzte Push ins Repository erfolgte am 28. Oktober 2026. Die Installation erfordert ein Terminal, Git und Docker oder Python, ist also eine Entwickler-Einrichtung und keine Installation per Doppelklick. Eine eigene Datenschutzseite wurde weder auf der Projektseite noch in der gelesenen Dokumentation gefunden; Datenschutzaussagen stehen in der README.
Anforderungen
Laut Dokumentation läuft Facet auf jedem Rechner mit CPU; eine NVIDIA-GPU oder ein Apple-Silicon-Mac mit viel Speicher schaltet die stärksten Modelle frei.
Profile
- Angaben der Quellen:
- legacy: nur CPU; 8gb: NVIDIA 6-14 GB; 16gb: NVIDIA 14-20 GB; 24gb: NVIDIA ab 20 GB
Download beim ersten Start
- Angaben der Quellen:
- Laut Dokumentation einmalig rund 4,7 GB (legacy), 6,9 GB (8gb), 14,6 GB (16gb) oder 19,1 GB (24gb)
Apple Silicon
- Angaben der Quellen:
- Nutzt das Metal-Backend für Torch-Modelle; das Profil auto richtet sich nach dem gesamten Unified Memory, bei 32 GB wird 16gb erreicht
Arbeitsspeicher
- Angaben der Quellen:
- Die Dokumentation nennt kein RAM-Minimum; sie warnt, dass ein Container mit Speicherlimit bei größeren Profilen mitten im Scan beendet werden kann
Software
- Angaben der Quellen:
- Docker oder Python 3.12 (3.10+ funktioniert) und Node.js 20+ für den Galerie-Build bei manueller Installation
Betriebssystem
- Angaben der Quellen:
- Windows, macOS oder Linux; unter Windows verweist die Dokumentation auf Docker und für eine NVIDIA-GPU auf WSL2
Fotoformate
- Angaben der Quellen:
- unter anderem JPEG, HEIC, 10 RAW-Formate, PNG, WebP, TIFF, AVIF und JPEG XL
Diese Angaben stammen aus der Dokumentation des Projekts; PromptQuorum hat Scandauer und Speicherbedarf auf keiner Hardware gemessen.
So gelingt der Einstieg
Diese Schritte folgen der Dokumentation des Projekts; PromptQuorum hat sie nicht ausgeführt.
- 1Code holen und Ordner festlegen
Why it matters: Klonen Sie das Repository, kopieren Sie .env.example nach .env und setzen Sie PHOTOS_DIR auf Ihren Fotoordner. - 2Facet starten
Why it matters: Führen Sie docker compose up -d aus; bei einer NVIDIA-Karte fügen Sie die Compose-Datei für deren Größe hinzu, oder nutzen Sie das Installationsskript ohne Docker. - 3Scannen und auf die Downloads warten
Why it matters: Der erste Scan lädt die Modelle für Ihr Profil herunter, legt die Datenbank an und bewertet die Fotos; währenddessen können Sie bereits stöbern. - 4Galerie öffnen und Passwort setzen
Why it matters: Öffnen Sie den Viewer im Browser, melden Sie sich mit dem Edition-Passwort an, das das Docker-Image einmal ausgibt, und setzen Sie ein Viewer-Passwort, bevor Sie den Port freigeben.
Wichtige Funktionen
Jeder Punkt unten stammt aus README oder Dokumentation des Projekts; PromptQuorum hat keinen davon getestet.
- Bewerten. Neun Dimensionen pro Foto, darunter ästhetische Qualität, Bildkomposition, Gesichtsqualität, Augenschärfe und Belichtung, gewichtet je Inhaltskategorie (über 30 Kategorien).
- Aussortieren. Gruppen für Serien, ähnliche Fotos und Szenen, Blinzel-Markierungen, Erkennung von Beinahe-Duplikaten und ein Auto-Cull mit Vorschau als Probelauf; Belichtungsreihen und Panoramen bleiben zusammen.
- Stöbern. Mosaik- und Rasteransicht, Filter, Zeitleiste, Karte, Alben einschließlich intelligenter Alben, thematische Diashows und Erinnerungen „An diesem Tag“.
- Ordnen. Benannte Personen mit Vorschlägen zum Zusammenführen, Sternebewertungen, Tags und Stapelaktionen mit kurzer Rückgängig-Funktion.
- Teilen und verbinden. Album-Links mit Kundenfreigabe-Modus, XMP-Sidecars für Lightroom, darktable und digiKam, ein WebDAV-Posteingang für Handy-Uploads und ein Bewertungsabgleich mit Immich.
KI-Funktionen und wo sie laufen
Die Kern-KI arbeitet mit Bildern: Modelle zur Qualitätsbewertung, Embeddings für die Suche, Gesichtsmodelle und Motiverkennung; geschriebene Tags, Beschreibungen und Kritiken stammen von einem optionalen Vision-Language-Modell.
- Qualitätswerte. Die Profile 16gb und 24gb nutzen TOPIQ für den ästhetischen Wert, legacy und 8gb dagegen CLIP-Embeddings mit einem Ästhetik-Kopf; die Dokumentation führt ergänzende Bewerter wie LIQE als auf jedem Profil verfügbar auf.
- Suche. Eingaben wie „Sonnenuntergang am Strand“ werden mit Embeddings abgeglichen: SigLIP 2 auf 16gb und 24gb, OpenCLIP ViT-L-14 auf legacy und 8gb.
- Gesichter. InsightFace erkennt Gesichter, und ein Clustering gruppiert sie zu Personen; optionale MediaPipe-Blendshapes verbessern die Erkennung von Blinzeln und Lächeln.
- Motive. BiRefNet trennt Motiv und Hintergrund, um Schärfe und Bildausschnitt zu beurteilen.
- My Taste. Ihre A/B-Vergleiche, Bewertungen und Aussortier-Entscheidungen speisen einen Gewichtungs-Optimierer und ein persönliches Ranking.
- Vision-Language-Modell. Tags, Beschreibungen und Kritiken laufen auf 16gb und 24gb im selben Prozess oder auf einem entfernten Ollama- oder OpenAI-kompatiblen Server, den vlm_backend festlegt; dann wird das Bild an diesen Server gesendet.
Datenfluss und Datenschutz
Laut README läuft alles auf Ihrem Rechner, ohne Cloud, Konten oder API-Schlüssel, und laut Dokumentation liest ein Scan Ihre Fotos nur und schreibt die Ergebnisse in Facets eigene Datenbank. Die Modelle werden beim ersten Einsatz aus Hugging-Face-, PyIQA- und InsightFace-Quellen in lokale Caches geladen; den Betrieb ohne Internet nach diesem Download hat PromptQuorum nicht getestet.
In Dokumentation und Quellcode gefundene ausgehende Anfragen: eine Update-Prüfung, die alle 7 Tage bei GitHub nach dem neuesten Release fragt, solange updates.enabled nicht auf false steht; Kartenkacheln, die der Browser vom Kachelserver von OpenStreetMap lädt; ein GPS-Bearbeitungsdialog, der den Geocoder Photon nennt; und, nur wenn Sie vlm_backend auf Ollama oder einen OpenAI-kompatiblen Server setzen, die Bilder, die Sie dorthin senden. Das Viewer-Skript lauscht standardmäßig auf allen Schnittstellen, und solange viewer.password leer ist, kann jeder, der den Port erreicht, die Bibliothek durchsuchen und Originale herunterladen. Der Endpunkt für MCP-Assistenten ist standardmäßig aktiv; bei einer offenen Installation liefert er einen schreibgeschützten anonymen Schlüssel, und viewer.mcp.enabled auf false schaltet ihn ab.
📌Hinweis: Das sind die Angaben des Projekts und PromptQuorums Lesart von Dokumentation und Quellcode. Der Netzwerkverkehr wurde nicht untersucht, und der übrige Quellcode wurde nicht geprüft.
Lizenzen der Modelle
Facets eigener Code steht unter der MIT-Lizenz, aber einige standardmäßig heruntergeladene Modelle sind nicht für die kommerzielle Nutzung lizenziert. Die Lizenzseite des Projekts führt pyiqa (TOPIQ, LIQE und die übrigen Bewerter) als PolyForm-Noncommercial-Code mit CC-BY-NC-SA-Gewichten und die InsightFace-buffalo_l-Gewichte als ausschließlich nichtkommerzielle Forschung auf. Die GitHub-API meldet für das Repository keine erkannte Lizenz, lesen Sie daher die LICENSE-Datei selbst.
Mit licensing.mode auf commercial beschränkt sich Facet auf freizügig lizenzierte Modelle: Eingeschränkte Komponenten werden nie importiert oder heruntergeladen, und jeder Platz wird einem Ersatz zugeordnet, etwa YuNet und SFace für Gesichter. Das Standard-Installationsskript und das Docker-Image enthalten die eingeschränkten Pakete, und eine kommerzielle Installation schaltet den Modus nicht von selbst um. Die Seite weist darauf hin, dass sie Information und keine Rechtsberatung ist.
📌Hinweis: Wenn Sie Facet geschäftlich einsetzen möchten, prüfen Sie die Lizenz jedes Modells selbst, bevor Sie sich auf die Standardeinstellung verlassen.
Für wen sich die Software eignet
- Fotografen mit großen Bibliotheken, die Serienbilder, Blinzler und Beinahe-Duplikate vor dem Bearbeiten sortieren möchten.
- Selbsthoster, die eine private Galerie mit Suche in natürlicher Sprache und Gesichtsgruppierung wünschen und mit Docker vertraut sind.
- Nutzer von Lightroom, darktable und digiKam, die Bewertungen und Auswahl als Standard-Sidecar-Dateien zurückgeschrieben haben möchten.
Was wir nicht überprüfen konnten
- KI-Qualität. Bewertungsgenauigkeit, Gesichtsgruppierung, Suchrelevanz und Scangeschwindigkeit wurden nicht getestet; die README selbst nennt den ästhetischen Wert ungefähr.
- Offline-Betrieb. Ob Facet nach dem ersten Modell-Download vollständig offline funktioniert, wurde nicht überprüft.
- Release-Stabilität. Laut den Hinweisen zu v1.23.1 wurde v1.23.0 ohne das CUDA-Docker-Image veröffentlicht, und zwischen dem 24. und 27. Oktober 2026 erschienen drei Versionen; rechnen Sie also mit schnellen Änderungen.
- Support. Die README beschreibt ein Ein-Entwickler-Projekt ohne den Support kommerzieller Aussortier-Werkzeuge.
- Installationsschritte. Die Einrichtungsbefehle stammen aus der Dokumentation und wurden von PromptQuorum nicht ausgeführt.
Wettbewerber und Alternativen
Das Verzeichnis enthält drei weitere rezensierte Foto- und Bildbibliotheks-Werkzeuge im selben Segment.
Immich
- Plattformen:
- Server (Docker), iOS, Android, Browser
- Preis / Lizenz:
- Kostenlos / AGPL-3.0
- Wichtigster Unterschied:
- Handy-Backup und Suche; laut Facet-README ergänzt Facet Qualitätsbewertung und Aussortieren und kann Bewertungen mit Immich abgleichen
Artikel über Immich (1)
- Immich Review: Self-Hosted Photo Library with Smart SearchAktualisiert 26. Oktober 2026
PhotoPrism
- Plattformen:
- Server (Docker), Browser
- Preis / Lizenz:
- Kostenlose Community / AGPL-3.0
- Wichtigster Unterschied:
- Selbst gehostete KI-Fotobibliothek; die Facet-README zählt sie wie Immich zu den Werkzeugen für Ordnung, Suche und Backup
Artikel über PhotoPrism (1)
- PhotoPrism Review: Self-Hosted AI Photo Library for Your ServerAktualisiert 24. Oktober 2026
PixlStash
- Plattformen:
- Desktop-App für Windows, macOS, Linux, Web
- Preis / Lizenz:
- Kostenlos / GPL-3.0
- Wichtigster Unterschied:
- Bildbibliothek mit lokaler Verschlagwortung, Beschriftung und ComfyUI-Anbindung, als Desktop-App installiert
Artikel über PixlStash (1)
- PixlStash Review: Self-Hosted Image Library Manager with Local AI TaggingAktualisiert 17. Oktober 2026
Prüfen Sie Preis, Lizenz und Plattformen jeder App auf deren eigener Seite.
Häufig gestellte Fragen
Braucht Facet eine GPU?
Nein. Das Profil legacy führt Bewertung, Gesichter, Tags, Aussortieren und Galerie auf einer CPU aus, nur langsamer; TOPIQ, SigLIP 2 und die integrierten Beschreibungen erfordern die NVIDIA-Profile 16gb oder 24gb, es sei denn, vlm_backend zeigt auf einen entfernten Server.
Verändert oder löscht Facet meine Fotos?
Laut Dokumentation liest ein Scan sie nur. Bewertungen und Schlagwörter in Ihre Dateien zu schreiben, ist eine eigene optionale Aktion, und Aussortiertes landet nur im Papierkorb, wenn viewer.cull.allow_trash aktiviert ist.
Kann ich Facet vom Handy aus nutzen?
Es gibt keine native App. Die Galerie ist eine responsive, installierbare Web-App, und die Dokumentation beschreibt, wie PhotoSync oder eine andere WebDAV-App in einen überwachten Posteingang hochlädt.
Wie nutze ich Facet kommerziell?
Installieren Sie die kommerzielle Variante, setzen Sie licensing.mode auf commercial und führen Sie den Doctor-Befehl aus, der die aktive Lizenzlage anzeigt; lesen Sie danach die Seite zu den Modelllizenzen.
Wie halte ich die Galerie privat?
Setzen Sie viewer.password und stellen Sie den Viewer hinter einen Reverse-Proxy mit HTTPS; die Deployment-Dokumentation enthält Beispiele für nginx und Caddy.
Fazit
Facet ist ein kostenloser, aktiv gepflegter Weg, eine große lokale Fotobibliothek zu bewerten, auszusortieren und zu durchsuchen, mit Gesichtsgruppierung und Suche in natürlicher Sprache auf dem eigenen Rechner. Dagegen stehen eine Einrichtung mit Terminal und großem Modell-Download beim ersten Start, laut Lizenzseite des Projekts einige Standardmodelle ohne kommerzielle Lizenz, laut Dokumentation ein Viewer, der bis zur Passwortvergabe offen ist, eine optionale Funktion, die Bilder an einen entfernten Server senden kann, und KI-Qualitätsaussagen, die sich hier nicht prüfen ließen. Es passt zu Fotografen und Selbsthostern, die mit Docker vertraut sind; wer eine App per Doppelklick oder einen LLM-Assistenten sucht, sollte anderswo schauen.
Quellen
- Facet-Website — Funktionsüberblick und Schnellstart, geprüft am 28. Oktober 2026.
- Facet-README — Funktionen, Anforderungen, Lizenzen und Vergleiche, geprüft am 28. Oktober 2026.
- Facet-Dokumentation — Installation, Konfiguration, Deployment und KI-Agenten-Seiten, geprüft am 28. Oktober 2026.
- Modelle und Lizenzen von Drittanbietern — Lizenz jedes Modells, geprüft am 28. Oktober 2026.
- Facet auf GitHub — Releases und Commit-Aktivität, geprüft am 28. Oktober 2026.