Was ein Bild verrät, und was nicht

Ein Bild zeigt, was innerhalb seines Rahmens liegt. Wer es aufgenommen hat, wann das geschah und ob die Bildunterschrift stimmt, steht nicht automatisch daneben. Selbst ein echtes Foto kann eine falsche Geschichte erzählen, wenn es aus einem anderen Zusammenhang stammt. Und ein Bild, das künstlich erzeugt wurde, muss nicht so aussehen, wie ältere Ratgeber es versprechen.

Die nützlichere Frage lautet daher nicht nur: „Ist das KI?“ Sondern: Welche Behauptung soll dieses Bild belegen, und welche Spur trägt sie tatsächlich?

Erst die Behauptung prüfen

Ein Foto von einer überschwemmten Straße kann zeigen, dass Wasser auf einer Straße steht. Für sich genommen zeigt es nicht, in welcher Stadt das passiert ist, an welchem Tag es aufgenommen wurde oder ob das Wasser von einem Unwetter stammt. Diese Angaben kommen aus der Bildunterschrift, dem Beitrag oder dem Konto, das die Datei verbreitet.

Deshalb lohnt es sich, den Begleittext in einzelne Behauptungen zu zerlegen: Geht es um eine Person, einen Ort, einen Zeitpunkt oder eine Handlung? Ist die Quelle die Person, die fotografiert hat, oder nur ein Konto, das das Bild weitergereicht hat? Eine falsche Zuordnung kann auch ohne KI entstehen. Ein Bild wird dann nicht unbedingt verändert. Nur seine Geschichte wird ausgetauscht.

Welche Spur hilft wobei?

Auf schmalen Bildschirmen seitlich verschieben, um alle Spalten zu lesen.

Die Spuren beantworten verschiedene Fragen. Eine Rückwärtssuche ist keine KI-Erkennung; eine gültige Signatur ist kein Wahrheitsstempel. Erst wenn die Teilfragen getrennt sind, lässt sich sehen, wo noch eine Lücke liegt.

Die Suche findet Wiederverwendung, nicht automatisch den Ursprung

Eine Rückwärts-Bildsuche kann zeigen, dass dasselbe Foto schon früher im Netz aufgetaucht ist. Das ist besonders hilfreich, wenn ein Post ein altes Bild als aktuelle Aufnahme ausgibt. Man kann dafür das ganze Bild oder einen markanten Ausschnitt suchen. Ein enger Ausschnitt kann eine Suche verändern, weil verschiedene Dienste Bilder unterschiedlich zuordnen.

Ein früherer Fund ist aber zunächst nur eine frühere Fundstelle. Sie muss nicht die erste Veröffentlichung sein. Umgekehrt beweist eine ergebnislose Suche nicht, dass das Bild neu oder unverändert ist. Ein privates Foto, ein kleines Konto oder ein noch nicht indexierter Beitrag kann fehlen.

Wenn ein früherer Treffer auftaucht, sollte man seine Bildunterschrift und den Zeitpunkt ansehen. Stimmen sie mit der aktuellen Behauptung überein? Finden sich unabhängige Berichte oder weitere Aufnahmen desselben Ereignisses? Die Suche kann einen Zusammenhang sichtbar machen. Sie entscheidet ihn nicht allein.

Metadaten sind Notizen, keine neutrale Zeugenaussage

Digitale Bilddateien können Informationen über Kamera, Aufnahmezeit und Standort enthalten. Diese EXIF-Metadaten sind nützlich, wenn eine unveränderte Originaldatei vorliegt. Sie sind jedoch bearbeitbar und verschwinden oft, wenn Bilder über Plattformen geteilt werden. Ein Zeitstempel ohne weitere Bestätigung ist deshalb ein Hinweis, kein Beleg.

Content Credentials gehen einen Schritt weiter. Sie können Bearbeitungs- und Herkunftsangaben kryptografisch an ein bestimmtes Bild binden. Bei einer Prüfung geht es nicht nur darum, ob ein Symbol sichtbar ist. Wichtig ist, ob die Signatur gültig ist, wer die Angaben signiert hat und welche Änderungen dokumentiert sind.

Auch diese Technik beantwortet nicht, ob die Aufnahme die Wirklichkeit korrekt zeigt. Eine korrekt signierte Datei kann falsch beschriftet sein. Ein Dokumentationsschritt kann fehlen, wenn ein Programm die Herkunftsdaten nicht weiterführt. Und eine Credential kann aus einer Datei entfernt werden. Ihr Fehlen ist daher kein Beweis für Manipulation.

Was KI-Detektoren leisten können

Ein Detektor ordnet ein Bild anhand bestimmter Muster ein. Seine Ausgabe hängt davon ab, welche Generatoren, Bildarten und Veränderungen bei seiner Entwicklung und Prüfung vorkamen. Kompression, ein neuer Generator oder ein anderer Bildstil können das Ergebnis beeinflussen. Die NIST-Übersicht zu Techniken für synthetische Medien beschreibt genau diese Abhängigkeit von Prüfdatensatz, Generator und Bildveränderung.

Zwei neuere Benchmarks zeigen, warum eine einzelne Trefferquote nicht für jedes Bild gilt. Die IJCNLP-AACL-Arbeit VCT² testete 17 Detektoren ohne speziell auf den jeweiligen Generator abgestimmtes Training. In zwei eigens aufgebauten Datensätzen lagen die dort gemessenen Erkennungswerte bei 58 und 58,34 Prozent. Der NeurIPS-Benchmark AIGIBench prüfte elf Detektoren unter anderem mit veränderten und realen Online-Bildern und berichtete deutliche Leistungseinbußen gegenüber kontrollierten Tests. Das sind Ergebnisse für diese Benchmarks, kein allgemeines Urteil über jeden Dienst.

Sichtbare vermeintliche Fehler sind genauso wenig ein Standardtest. Generatoren verändern sich; bei echten Bildern entstehen ebenfalls ungewöhnliche Hände, Reflexionen oder Schatten. Ein Detektor kann eine Prüfung ergänzen, aber niemand sollte aufgrund eines einzelnen Scores ein Bild als Fälschung bezeichnen.

Was die Kennzeichnungspflicht in Europa sagt

Seit dem 2. August 2026 gilt Artikel 50 des EU AI Act. Anbieter generativer Systeme müssen bestimmte synthetische Ausgaben maschinenlesbar markieren, sodass sie als künstlich erzeugt oder verändert erkennbar sind. Wer ein System einsetzt, muss dagegen einen Inhalt offenlegen, wenn er als Deepfake im gesetzlichen Sinn gilt. Das betrifft Bild, Ton oder Video, das einer realen oder plausibel realen Person, Sache, einem Ort oder Ereignis ähnelt und falsch als authentisch oder wahr erscheinen kann.

Bei einem solchen Deepfake genügt es für Einsetzende nicht, sich nur auf eine maschinenlesbare Markierung in der Datei zu verlassen. Die Offenlegung muss für Menschen verständlich und wahrnehmbar sein. Für offensichtlich künstlerische, kreative, satirische oder fiktionale Werke ist die Form angemessen zu wählen, ohne die Darstellung zu beeinträchtigen. Daraus folgt nicht, dass jedes KI-generierte Bild immer denselben sichtbaren Warnhinweis tragen muss. Die Leitlinien der Europäischen Kommission zu Artikel 50 erläutern die Unterschiede zwischen Anbieter- und Einsetzendenpflichten.

Eine begrenzte Übergangsfrist bis 2. Dezember 2026 betrifft nur die Markierungs- und Erkennungspflicht bestimmter Systeme, die bereits vor dem 2. August auf den Markt gebracht wurden. Die Regeln sind neu und ihre Anwendung hängt vom konkreten Fall ab. Dieser Überblick ersetzt keine rechtliche Prüfung.

Ein kurzer Prüfweg

Wenn ein Bild eine wichtige Behauptung stützen soll, hilft diese Reihenfolge:

1. Den Satz neben dem Bild präzisieren. Was genau soll das Foto zeigen?
2. Zur Quelle zurückgehen. Den ursprünglichen Beitrag, das Konto und den Zeitpunkt suchen.
3. Nach älteren Fassungen suchen. Rückwärtssuche nutzen und Bildunterschriften vergleichen.
4. Vorhandene Herkunftsdaten prüfen. Metadaten und Content Credentials als Hinweise lesen, nicht als Urteil.
5. Details unabhängig abgleichen. Ort, Zeit und sichtbare Einzelheiten mit anderen Quellen vergleichen.

Bei privaten oder sensiblen Bildern kommt noch eine praktische Frage hinzu: Wer erhält die Datei, wenn man sie in einen Online-Detektor hochlädt? Ein zusätzlicher Dienst ist nicht automatisch der richtige Ort für ein Bild, das nicht öffentlich werden sollte.

Amnesty International beschreibt in seiner Verifikationsmethodik, wie Quelle, Zeit und Ort mit weiteren Berichten und Zeugenaussagen abgeglichen werden. Für den Alltag reicht oft eine kleinere Prüfung. Bei einem möglichen Notfall oder einer schweren Anschuldigung reicht sie nicht. Wenn Herkunft und Kontext ungeklärt bleiben, ist Nicht-Weiterleiten eine vernünftige Entscheidung. Ein Bild kann eine Spur sein, ohne schon eine Antwort zu sein.