KI-generierte Fotos sehen auf den ersten Blick überzeugend aus, versagen aber bei Details: Finger haben die falsche Anzahl oder Form, Text im Bild ist unleserlich, und Hintergründe wiederholen sich auf unnatürliche Weise. Die Erkennung wird schwieriger, je besser die KI wird — deshalb ist das Prüfen von Quelle und Kontext genauso wichtig wie die visuelle Kontrolle.
Ein Foto, das wie eine echte Person, eine echte Kundenbewertung oder ein echtes Nachrichtenereignis aussieht, kann von KI in Sekunden kostenlos und von jedermann erstellt werden. Meistens sind diese Bilder harmlos. Aber sie werden zunehmend bei gefälschten Profilen, betrügerischen Produktlisten und irreführenden Online-Inhalten verwendet. Zu wissen, wo KI-Bilder noch scheitern, kann Ihnen helfen, sie zu erkennen, bevor Sie darauf hereinfallen.
Zählen Sie die Finger sorgfältig
Dies ist nach wie vor eines der zuverlässigsten Erkennungsmerkmale. KI-Bildgeneratoren produzieren bei Händen häufig die falsche Anzahl von Fingern, zusätzliche Gelenke, Finger, die zusammenwachsen, oder Fingerspitzen, die sich seltsam verjüngen. Zählen Sie bei jedem Bild, auf dem eine Hand deutlich sichtbar ist, alle Finger.
Zoomen Sie wenn möglich heran. Hände im Hintergrund oder teilweise hinter einem Objekt verborgen sind besonders fehleranfällig — die KI erzeugt oft etwas, das aus der Entfernung wie eine Hand aussieht, aber bei näherer Betrachtung auseinanderfällt.
Lesen Sie jeden sichtbaren Text im Bild
Wenn die KI ein Bild mit Schrift generiert — ein Ladenschild, ein Buchcover, ein Produktetikett, eine Schlagzeile — ist der Text fast immer unleserlich. Auf den ersten Blick sieht er aus wie echte Buchstaben, ergibt aber beim genauen Lesen nichts.
Teilweise sichtbare Wörter haben oft falsche Buchstabenkombinationen, gespiegelte Zeichen oder Wiederholungen, die keine echten Wörter bilden. Echte Fotos zeigen echten Text. KI erfindet etwas, das Text ähnelt, ohne tatsächlich lesbar zu sein.
Schauen Sie auf Ohren, Zähne und Gesichtssymmetrie
Echte menschliche Gesichter sind leicht asymmetrisch. KI-Gesichter sehen oft zu symmetrisch oder zu glatt aus — eine Art Perfektion, die leicht seltsam wirkt, ohne dass man es benennen kann.
Ohren sind ein häufiger Schwachpunkt. Sie können mit den Haaren verschmelzen, seltsame Knorpelformen haben oder wie eine grobe Annäherung an ein Ohr statt eines echten aussehen. Zähne, wenn sichtbar, verschwimmen manchmal zu einem gleichmäßigen weißen Streifen, anstatt einzelne, natürliche Zähne mit natürlichen Abständen zu zeigen. Diese Details sind klein, aber auffällig, sobald man weiß, worauf man achten muss.
Prüfen Sie den Hintergrund auf Wiederholungen oder Verzerrungen
KI erstellt Hintergründe oft durch Mischen und Kacheln von Texturen. Achten Sie auf gemusterte Elemente in der Szene: Backsteinmauerwerk, Stoff, Bodenfliesen, Bücherregale oder Menschenmengen im Hintergrund. Bei KI-Bildern wiederholen sich diese Muster manchmal auf eine Art, die echten Szenen fremd ist.
Personen in einem Hintergrundgedränge können ineinander übergehen oder duplizierte Gesichter teilen. Fenster können inkonsistente oder unmögliche Spiegelungen haben. Ein Hintergrund, der eher wie Tapete als wie ein echtes Ort aussieht, verdient einen näheren Blick.
Beachten Sie, wie Schatten fallen
Die Beleuchtung in einem echten Foto ist einheitlich. Schatten fallen aus einer Richtung von einer dominanten Lichtquelle, oder sie mischen sich natürlich, wenn mehrere Quellen vorhanden sind. KI-Bilder setzen Schatten manchmal falsch — ein Schatten zeigt in die falsche Richtung, oder ein Objekt wirft keinen Schatten, obwohl es offensichtlich einen haben sollte.
Achten Sie auf den Schatten unter dem Kinn einer Person, neben der Nase, neben den Brillengestellen oder um jedes dreidimensionale Objekt in der Szene. Wenn der Schatten nicht zur offensichtlichen Lichtquelle im restlichen Bild passt, ist das ein aussagekräftiger Hinweis.
Untersuchen Sie Schmuck und Brillen genau
Wie bei Deepfake-Videos stolpern KI-Generatoren zuverlässig über kleine Accessoires. Eine Halskette kann in den Kragen übergehen oder fest wirken, wo sie drapieren sollte. Ohrringe sind oft asymmetrisch — einer deutlich anders als der andere in Form oder Position. Brillengestelle verzerren häufig dort, wo sie über das Auge gehen, oder die Gläser zeigen Spiegelungen, die zu keiner sichtbaren Lichtquelle passen.
Wenn Accessoires in einem Bild leicht undefiniert wirken, in das Gesicht oder die Kleidung übergehen oder einfach nicht ganz stimmen, ist das einen Vermerk wert neben anderen Zeichen, die Sie bereits entdeckt haben.
Fragen Sie, woher das Bild stammt
Visuelle Prüfung ist nur die halbe Arbeit. Fragen Sie sich: Ist dieses Profil mit einem Konto verbunden, das echte, organische Aktivitäten zeigt — markierte Fotos, Kommentare von anderen echten Personen, eine konsistente Posting-Geschichte? Enthält diese Produktbewertung spezifische, glaubwürdige Details über den Kauf, oder nur allgemeines Lob?
Kontextprüfungen erkennen, was die visuelle Kontrolle übersieht. Und je besser die KI-Bildqualität wird, desto wichtiger wird der Kontext gegenüber visuellen Zeichen.
Ein ehrlicher Hinweis: Die Erkennung wird schwieriger
Die obigen Prüfungen funktionieren gut bei Bildern, die mit aktuellen KI-Tools erstellt wurden, sind aber nicht narrensicher, und KI-Generatoren verbessern sich ständig. Bilder, die vor einem Jahr den Fingertest eindeutig nicht bestanden hätten, bestehen ihn jetzt. Das bedeutet nicht, dass die Fähigkeit nutzlos ist — es bedeutet, dass die Gewohnheit, sowohl visuelle Details als auch den Quellenkontext zu prüfen, der dauerhaftere Schutz ist.
Keine einzelne Prüfung ist für sich allein ein zuverlässiger Detektor. Aber mehrere dieser Zeichen mit einem Blick darauf zu kombinieren, woher das Bild stammt, gibt Ihnen eine vernünftige Grundlage für gesunden Skeptizismus.
Was Sie als Nächstes ausprobieren sollten: Dieselben Instinkte gelten für Videos — lesen Sie Wie man ein Deepfake-Video erkennt für die Bewegtbild-Version dieses Leitfadens. Wenn Sie spezielle Erkennungstools testen möchten, behandelt KI-Detektoren im Test, was wirklich funktioniert und wo aktuelle Tools scheitern.
