digiKam 9.1: Open-Source Foto-DAM im Produktcheck
Gerhard G. StocKinger · Veröffentlichung am 21.07.2026
Wer zehntausende Fotos, RAW-Dateien und Videos verwaltet, braucht mehr als eine Ordnerstruktur. Gleichzeitig soll nicht jedes Bild für Gesichtserkennung, Verschlagwortung oder Ähnlichkeitssuche in eine Cloud übertragen werden. Genau in diesem Spannungsfeld ist digiKam interessant.
Mein Kurzurteil: digiKam ist ein leistungsfähiges Desktop-System für lokale, metadatenintensive Bildarchive. Die Kombination aus offener Lizenz, XMP-Sidecars, breiter Formatunterstützung und lokal ausgeführter KI ist überzeugend. Als browserbasiertes Enterprise-DAM für viele gleichzeitig arbeitende Personen ist es jedoch nicht konzipiert.
Was digiKam ist – und was nicht
digiKam ist eine Open-Source-Anwendung zur Verwaltung, Suche, Bearbeitung und Ausgabe von Fotos, RAW-Dateien und Videos. Die zum Recherchezeitpunkt aktuelle stabile Version 9.1.0 erschien am 7. Juni 2026. Offizielle Pakete stehen für Linux, Windows 10 oder neuer sowie macOS auf Intel- und Apple-Silicon-Systemen bereit. Das Projekt wird unter GPL-2.0-or-later entwickelt.
Mit Version 9 wurde der Kern auf Qt 6 portiert; Qt 6 ist damit der strategische Hauptpfad. Einzelne Qt-5-Kompatibilitätspakete wurden bei Version 9.1 weiterhin angeboten. Diese Unterscheidung ist wichtig, wenn digiKam in eine standardisierte Unternehmensumgebung paketiert werden soll.
| Produktart | Desktop-DAM und Bildbearbeitung |
|---|---|
| Lizenz | GPL-2.0-or-later |
| Plattformen | Linux, Windows und macOS |
| Datenhaltung | Originaldateien im Dateisystem; Katalog in SQLite oder MySQL/MariaDB |
| Metadaten | EXIF, IPTC, XMP und XMP-Sidecars |
| KI-Verarbeitung | Lokal; Modelle werden bei Bedarf zunächst heruntergeladen |
| Support | Dokumentation, Community und KDE-Bugtracker; kein klassischer Hersteller-SLA |
Die größten Stärken
Katalogisierung und Metadaten
Alben, hierarchische Schlagwörter, Sternebewertungen, Farbmarkierungen und Statuskennzeichen schaffen eine belastbare Ordnung. Gesucht werden kann unter anderem nach Datum, Dateieigenschaften, Tags, Bewertungen, Aufnahmeort sowie EXIF-, IPTC- und XMP-Feldern.
Strategisch besonders wichtig ist die Wahl der Metadatenablage: Informationen können in der digiKam-Datenbank, in unterstützten Bilddateien oder in XMP-Sidecars gespeichert werden. Richtig konfiguriert bleibt der Bestand dadurch mit anderen Anwendungen und einer späteren Migration kompatibel. XMP ersetzt allerdings kein Backup und die Schreibstrategie sollte vor dem Massenimport getestet werden.
Lokale KI und Bildanalyse
digiKam bietet Gesichtserkennung, automatische Verschlagwortung, Ähnlichkeits- und Dublettensuche, Qualitätsbewertung, automatische Ausrichtung und Rote-Augen-Erkennung. Die benötigten Modelle werden beim ersten Einsatz heruntergeladen; die anschließende Analyse erfolgt auf dem eigenen Rechner. Optionale Export- und Webdienst-Plugins können selbstverständlich externe Verbindungen aufbauen.
Für personenbezogene Bilder, interne Unternehmensaufnahmen, Forschung oder sensible Archive ist diese lokale Verarbeitung ein klarer Vorteil. Sie erleichtert einen datenschutzbewussten Betrieb, ersetzt aber weder Rechtsgrundlage noch Berechtigungs-, Lösch- und Sicherungskonzepte.
<figcaption>Originaldateien, lokale Analyse, Metadaten und Backup bleiben in einem kontrollierten Workflow.</figcaption>
RAW, Bildbearbeitung und Stapelverarbeitung
RAW-Dateien werden über LibRaw unterstützt; darktable oder RawTherapee lassen sich als externe Werkzeuge einbinden. Der integrierte Editor deckt typische Korrekturen wie Farbe, Schärfung, Rauschreduzierung, Zuschnitt, Rotation und Objektivkorrekturen ab. Eine aktivierbare Versionsverwaltung unterstützt nicht-destruktives Arbeiten.
Die Batch Queue verbindet Werkzeuge zu wiederholbaren Verarbeitungsketten: RAW entwickeln, Größe ändern, Wasserzeichen anwenden, Metadaten ergänzen, Zielformat erzeugen und exportieren. Für komplexe Retuschen oder Composings bleibt ein spezialisierter Pixel-Editor die bessere Wahl.
Video verwalten, aber nicht schneiden
Videos lassen sich katalogisieren, mit Metadaten versehen, als Vorschau anzeigen und über FFmpeg wiedergeben. Eine eigentliche Videobearbeitung ist nicht Teil des Systems. Schnitt, anspruchsvolles Transcoding und Produktionsworkflows benötigen daher eine zusätzliche Anwendung.
Architektur: Einzelplatz, großes Archiv oder NAS
digiKam verwaltet vier Datenbanken: Kerndaten, Vorschaubilder, Ähnlichkeitsmerkmale und Gesichtserkennungsdaten. Standardmäßig kommt SQLite zum Einsatz. Alternativ lassen sich MySQL beziehungsweise MariaDB verwenden.
Für einen Einzelarbeitsplatz ist SQLite mit aktivem WAL-Modus auf SSD oder NVMe meist die pragmatische Wahl. Auch bei sechsstelligen Bildbeständen sollte nicht allein die Dateizahl über die Datenbank entscheiden. RAW-Anteil, Vorschaugrößen, KI-Läufe, Speicherort und Arbeitsprofil beeinflussen die Leistung stärker als eine pauschale Grenze.
Bei Bildern auf einem NAS sollten Datenbank, Vorschaudaten und Cache auf schnellem lokalen Speicher liegen. Ein kabelgebundenes Netzwerk ist bei großen RAW-Beständen deutlich verlässlicher als WLAN. Gesichert werden müssen mindestens Originale, Kerndatenbank und XMP-Sidecars; Vorschau-, Ähnlichkeits- und Gesichtsdaten lassen sich grundsätzlich neu erzeugen, was bei großen Archiven allerdings Zeit kostet.
Der kritische Punkt: Mehrbenutzerbetrieb
Netzwerkfreigaben können als Collections eingebunden werden. Eine gemeinsam genutzte Datenbank und Collection dürfen laut offizieller Dokumentation jedoch nicht gleichzeitig von mehreren digiKam-Clients verwendet werden. Eine gemeinsame Bildsammlung mit getrennten lokalen Datenbanken kann parallel genutzt werden; sobald mehrere Arbeitsplätze Metadaten in dieselben Dateien oder Sidecars schreiben, entsteht trotzdem Konfliktpotenzial.
Auch virtuelle Platzhalterordner von OneDrive, Google Drive oder iCloud werden als Collections ausdrücklich nicht unterstützt. Dateien, die erst bei Zugriff heruntergeladen werden, passen nicht zuverlässig zum kontinuierlichen Abgleich zwischen Dateisystem und Katalog.
Meine Einordnung daraus: digiKam kann in einer NAS-Umgebung funktionieren, ist aber kein kollaboratives Enterprise-DAM mit Browseroberfläche, SSO, zentralen Rollen, Freigabeworkflows, Mandantenfähigkeit und revisionssicheren Audit-Trails.
Für wen digiKam gut passt
- Fotograf:innen und kleine Kreativteams mit klaren Zuständigkeiten
- Marketing- und Kommunikationsabteilungen mit kontrolliertem Bildarchiv
- Archive, Vereine, Bildungseinrichtungen und Forschung
- Organisationen mit hohen Anforderungen an lokale Datenhaltung
- Migrationen aus proprietären Fotokatalogen mit XMP-orientierter Metadatenstrategie
- Dubletten-, Ähnlichkeits-, Gesichts- und Metadatensuche in großen Beständen
Wann eine andere DAM-Plattform sinnvoller ist
- Viele Personen müssen gleichzeitig und browserbasiert arbeiten
- Externe Kunden benötigen Portale und differenzierte Freigaberechte
- Mehrstufige Review-, Aufgaben- und Freigabeprozesse sind erforderlich
- SSO, SCIM, Mandantenfähigkeit und zentrale Audit-Protokolle sind Pflicht
- Ein kommerzieller Hersteller-SLA mit garantierten Reaktionszeiten wird verlangt
Meine redaktionelle Bewertung
Die folgenden Werte sind meine Einordnung anhand der dokumentierten Funktionen und Architektur – keine Herstellerwertung und kein Ersatz für einen Test mit dem eigenen Bildbestand.
| Dimension | Bewertung |
|---|---|
| Fotoverwaltung und Katalogisierung | 9/10 |
| Metadaten und Interoperabilität | 9/10 |
| Datenschutz und lokale Verarbeitung | 9/10 |
| Format- und RAW-Unterstützung | 9/10 |
| Bildbearbeitung | 7/10 |
| Batch-Verarbeitung | 8/10 |
| Benutzerfreundlichkeit | 6/10 |
| Mehrbenutzer-Zusammenarbeit | 3/10 |
| Enterprise Governance | 4/10 |
| Preis-Leistungs-Verhältnis | 10/10 |
Vor der Einführung: POC mit echten Daten
Eine belastbare Entscheidung sollte nicht auf einer Funktionsliste beruhen. Ich empfehle einen Proof of Concept mit einem repräsentativen Ausschnitt des tatsächlichen Archivs. Geprüft werden sollten:
- Import- und Vorschaugeschwindigkeit bei typischen RAW- und Videoformaten
- Qualität und Laufzeit von Gesichts-, Ähnlichkeits- und Dublettensuche
- XMP-Roundtrip mit den bereits eingesetzten Anwendungen
- Latenz und Stabilität am vorgesehenen NAS
- Backup und vollständige Wiederherstellung von Originalen, Datenbank und Sidecars
- Verhalten bei den real vorgesehenen Arbeitsplätzen und Schreibzugriffen
Fazit
Für lokale, datenschutzorientierte und metadatenintensive Fotoverwaltung gehört digiKam zu den stärksten Open-Source-Lösungen. Datenhoheit, lokale KI, XMP-Strategie und Funktionsbreite sind überzeugend.
Der größte Fehler wäre, daraus automatisch einen Ersatz für jedes Enterprise-DAM abzuleiten. Wenn Desktop-Produktivität und ein kontrolliertes Bildarchiv im Mittelpunkt stehen, verdient digiKam einen ernsthaften POC. Wenn Zusammenarbeit, Governance und browserbasierte Prozesse die Hauptanforderungen sind, sollte die Produktauswahl in eine andere Richtung gehen.