Das Problem: Nach einem Shooting hast Du Hunderte oder Tausende RAW-Bilder auf der Kamera. Lightroom oder Capture One sind zu langsam für die erste Sichtung. Du verbringst Stunden damit, unscharfe, verwackelte oder misslungene Aufnahmen auszusortieren – bevor die kreative Arbeit beginnt.
Die Lösung: RAWFetcher ist eine macOS‑App speziell für die erste Phase Deines Foto‑Workflows. Verbinde Kamera oder SD‑Karte, lade Thumbnails & Metadaten, analysiere automatisch Schärfe, Motive und Orte – dann exportiere nur die Bilder, die wirklich gut sind. Perfekt für Wildlife‑, Natur‑ und Event‑Fotografen, die große Mengen RAW‑Dateien verwalten müssen.
RAWFetcher ist bewusst auf den Teil des Workflows fokussiert, der oft Zeit frisst: Sichtung, Bewertung und Auswahl – bevor Lightroom, Capture One oder andere Tools ins Spiel kommen. Ideal für Fotografen, die regelmäßig große RAW‑Mengen verwalten: Wildlife‑Fotografen nach einem Tag im Feld, Event‑Fotografen nach einer Hochzeit, Naturfotografen nach einer Reise. RAWFetcher beschleunigt die Vorauswahl, damit Du mehr Zeit für die kreative Bearbeitung hast.
RAWFetcher unterstützt Dich beim „Erst‑Sortieren" durch schnelle Analysen und praktische Filter – alles darauf ausgelegt, weniger Zeit mit Ausschuss zu verbringen. Besonders wertvoll für Fotografen, die mit großen RAW‑Mengen arbeiten: Automatische Schärfeanalyse findet unscharfe Bilder, Motiv‑Erkennung hilft bei der Kategorisierung, Standortauflösung unterstützt die Archivierung. Alles optimiert für macOS und nahtlos integrierbar in Deinen bestehenden Workflow mit Lightroom, Capture One oder anderen Editoren.
Automatische Bewertung der Schärfe pro Bild. Die Analyse nutzt mehrere Verfahren (u.a. Laplacian‑Varianz, Tenengrad sowie ein Hochfrequenz‑Signal), findet den schärfsten Bereich im Bild und markiert ihn in der Vorschau. Zusätzlich bewertet ein Ästhetik‑Score (Apple Vision) Komposition und Bildwirkung – nach beidem lässt sich filtern.
Auf Wunsch bestimmt RAWFetcher Motive/Tags für Bilder (z.B. Menschen, Tiere, Landschaft). So kannst Du schnell selektieren und dir eine Vorauswahl zusammenklicken.
Wenn GPS‑Daten vorhanden sind, kann RAWFetcher den Ort auflösen (Reverse Geocoding) und als lesbaren Ortsnamen anzeigen – hilfreich für Sortierung und spätere Katalogisierung. Intelligentes Caching reduziert API‑Anfragen für nahegelegene Orte.
Reihenaufnahmen werden automatisch erkannt und als ruhiges Kartendeck mit Anzahl‑Badge gestapelt – aufklappen, bestes Bild wählen, fertig. Auch 16.000 Bilder bleiben übersichtlich; Bewertungen gelten auf Wunsch für den ganzen Stapel.
Analysiere und verarbeite große Mengen von Bildern auf einmal: Schärfeanalyse, Motivbestimmung und Standortauflösung für alle Bilder gleichzeitig.
Standortauflösung nutzt intelligentes Caching: Bilder innerhalb von 500m und 5 Minuten teilen sich das Geocoding‑Ergebnis. Reduziert API‑Anfragen und beschleunigt die Verarbeitung.
Nimmt die Kamera RAW und JPG gleichzeitig auf, erkennt RAWFetcher die Geschwister automatisch und zeigt sie als Paar: gemeinsamer Rahmen im Raster, RAW+JPG‑Badge in Raster und Liste.
Zu dunkel oder zu hell aufgenommen? Der Belichtungsregler in der Vorschau (±3 Blendenstufen) hellt flüssig auf oder dunkelt ab – rein zur Beurteilung, das Bild bleibt unverändert.
Vorschauen, Scores und Analysen werden pro Bild gemerkt: dieselbe Karte am nächsten Tag eingesteckt, und alles ist sofort da. Wird die Karte getrennt, verbindet RAWFetcher automatisch neu.
Filtere nach Dateityp, EXIF‑Werten, Datum, Ort, Bewertung und Mindest‑Schärfe.
Exportiere genau die Auswahl und lasse RAWFetcher Ordner nach Motiv/Datum/Typ/Ort erstellen. Optional können Tags/Ort in EXIF geschrieben werden.
Ein kurzer Blick auf die wichtigsten Ansichten.
In der Vollansicht wechselst Du per Klick auf 1:1, die KI markiert die schärfste Stelle im Bild, und der Belichtungsregler (±3 EV) hellt dunkle Aufnahmen zur Beurteilung auf – ohne das Bild zu verändern.
Lade RAWFetcher für 9,99 € herunter und starte noch heute mit schneller Sichtung und Analyse – bevor Du Bilder in deine Fotobearbeitung übernimmst.
