# Aufgabe 02: Face Embeddings berechnen

## Ziel

Du wandelst erkannte Gesichter in numerische Embeddings um.

## Warum ist das wichtig?

Bekannte Personen werden über Ähnlichkeit in einem Vektorraum erkannt.

## Voraussetzungen

- Aufgabe 01
- Embedding-Modell

## Theorie

Ein Embedding beschreibt ein Gesicht als Vektor. Ähnliche Gesichter liegen näher beieinander, aber der Abstand ist nie eine absolute Identitätsgarantie.

## Aufgabe

Extrahiere Embeddings aus Testbildern und speichere sie mit Metadaten.

## Akzeptanzkriterien

- Embedding-Vektor wird erzeugt.
- Metadaten enthalten Person, Bild und Datum.
- Fehlerhafte Crops werden ausgeschlossen.

## Erweiterungen

- Visualisiere Distanzen zwischen Beispielbildern.

## Reflexionsfragen

- Warum speicherst du nicht nur Namen?
- Was bedeutet Nähe im Vektorraum?
- Welche Metadaten helfen später?