Mit der zunehmenden Verwendung von Smartphones als primären Kameras zur Bildaufnahme ist die Qualität der Kamerahardware sowie der zugehörigen rechnerischen Fotografie-Module zu einem faktischen Standard geworden, um Smartphones auf dem Konsummarkt zu bewerten und zu klassifizieren. Wir präsentieren bislang die umfassendste Studie zur wahrnehmungsbezogenen Bewertung der Bildqualität in der Smartphone-Fotografie. Dazu stellen wir die Smartphone Photography Attribute and Quality (SPAQ)-Datenbank vor, die aus 11.125 Bildern besteht, die mit 66 verschiedenen Smartphones aufgenommen wurden, wobei jedes Bild mit bisher reichhaltigsten Annotationen versehen ist. Insbesondere sammeln wir in einem gut kontrollierten Laborumfeld eine Vielzahl menschlicher Bewertungen pro Bild, darunter die Gesamtqualität, bildspezifische Attribute (Helligkeit, Farbintensität, Kontrast, Rauschgrad und Schärfe) sowie Szenen-Kategorielabel (Tier, Stadtbild, Mensch, Innenraum, Landschaft, Nachtaufnahme, Pflanze, Stillleben und andere). Zudem werden die EXIF-Daten aller Bilder erfasst, um eine tiefere Analyse zu ermöglichen. Wir führen erstmals Versuche durch, die Datenbank zur Schulung von blinden Bildqualitätsbewertungsmodellen (Blind Image Quality Assessment, BIQA) zu nutzen, die auf Basis- und mehrfachaufgabenbasierten tiefen neuronalen Netzen aufgebaut sind. Die Ergebnisse liefern wertvolle Erkenntnisse darüber, wie EXIF-Daten, bildspezifische Attribute und hochwertige Semantik miteinander interagieren, wie zukünftige BIQA-Modelle entworfen werden können und wie rechnerische Fotografiesysteme auf mobilen Geräten optimiert werden können. Die Datenbank sowie die vorgeschlagenen BIQA-Modelle sind unter https://github.com/h4nwei/SPAQ verfügbar.