Ein Foto ist nicht mehr tausend Worte wert
Jahrzehntelang genoss das fotografische Bild eine stillschweigende Glaubwürdigkeit: Sehen heißt Glauben. Fotos waren Beweise. Videos waren Zeugnisse. Diese Ära geht zu Ende.
2026 erzeugen KI-Modelle Bilder, Stimmen und Videos realer oder völlig fiktiver Personen mit einer Wiedergabetreue, die in vielen Fällen die menschliche Fähigkeit übertrifft, echt von falsch zu unterscheiden. Das ist keine Science-Fiction-Hypothese, sondern der Zustand der Welt, wie er ist.
Die Frage ist nicht mehr nur technisch — Wie erkennt man einen Deepfake? — sondern zutiefst gesellschaftlich und politisch: Was geschieht, wenn niemand mehr dem trauen kann, was er sieht?
Deepfakes: von der Kuriosität zur Desinformations-Infrastruktur
Der Begriff Deepfake tauchte 2017 in obskuren Foren auf, um pornografische Videos mit gefälschten Prominentengesichtern zu beschreiben. In weniger als einem Jahrzehnt wanderte die Technik aus dem Keller des Internets in Verbraucher-Tools, Wahlkämpfe, Finanzbetrug und militärische Konflikte.
2024 überwies ein Mitarbeiter eines Hongkonger Unternehmens umgerechnet 25 Millionen Dollar nach einer Videokonferenz mit vermeintlichen Kollegen — allesamt Echtzeit-Deepfakes. Im selben Jahr kursierten in mehreren Ländern gefälschte Videos von politischen Führern, die Kriegs- oder Kapitulationsentscheidungen verkündeten.
Das ist keine Randmanipulation mehr. Es ist eine Desinformations-Infrastruktur, verfügbar für ein paar Euro im Monat.
Was KI (noch) nicht simulieren kann
Angesichts dieses Fähigkeitssprungs suchten Forscher nach biologischen Signalen, die KI nicht leicht nachbildet. Zu den vielversprechendsten: die Fern-Photoplethysmografie, kurz rPPG.
Das Prinzip ist subtil, aber wirkungsvoll. Wenn das Herz schlägt, pulsiert Blut unter der Haut und verändert leicht die Farbe der Gesichtspixel — eine mit bloßem Auge unmerkliche, aber algorithmisch messbare Schwankung. Eine reale, gefilmte Person zeigt dieses regelmäßige Signal. Ein Deepfake, Bild für Bild ohne Modellierung der menschlichen Physiologie erzeugt, ignoriert es völlig oder gibt es inkonsistent wieder.
In dieselbe Richtung werden Mikro-Mimiken untersucht — unwillkürliche Gesichtsbewegungen von weniger als 0,01 Sekunden. Lidschläge, feine Muskelkontraktionen, Reflex-Erröten: Signale, die Diffusionsmodelle schwer erzeugen, weil sie Bild für Bild rechnen, ohne feine zeitliche Kohärenz.
Diese biologischen Ansätze sind nicht narrensicher. Aber sie zeigen ein Kernprinzip: Die robusteste Erkennung stützt sich auf das, was das Leben hervorbringt und die Berechnung noch nicht vortäuschen kann.
Das Wettrüsten zwischen Erzeugung und Erkennung
Das grundlegende Problem der KI-Erkennung ist ihr reaktiver Charakter. Werkzeuge wie Hive Moderation, Illuminarty oder die internen Klassifizierer großer Plattformen werden mit Bildern bekannter Modelle trainiert. Sobald ein neues Modell erscheint — Midjourney v6, Sora, ein Open-Source-Tool — sind dessen spezifische Artefakte noch nicht erkannt.
Es ist ein asymmetrisches Wettrüsten: Erzeugen wird immer einfacher und schneller; Erkennen verlangt Zeit, Daten und muss bei jeder neuen Modellgeneration von vorne beginnen.
Manche Forscher sprechen von spektraler Drift: jede Architektur erzeugt charakteristische Artefakte in den hohen Frequenzbereichen eines Bildes, sichtbar per Fourier-Transformation. Diese Signaturen können manchmal das Quellmodell verraten. Doch neuere Architekturen reduzieren sie — und Nutzer lernen, sie mit Nachbearbeitungs-Tools zu tilgen.
C2PA: Herkunft statt Inhalt
Angesichts der Unmöglichkeit, das Rennen an der Inhaltsfront zu gewinnen, entsteht ein anderer Ansatz: die Herkunftskette zertifizieren, statt Pixel zu analysieren.
Das ist der Anspruch des C2PA-Standards (Coalition for Content Provenance and Authenticity), getragen von Adobe, Microsoft, Intel, der BBC und anderen. Das Konzept: jede Bild- oder Videodatei bettet ein kryptografisch signiertes Manifest ein, das ihre Herkunft (welches Gerät, welche Software) und alle nachfolgenden Änderungen festhält.
Leica brachte 2023 eine Kamera (die M11-P) mit C2PA auf Hardware-Ebene heraus. Adobe Lightroom und Photoshop signieren Exporte automatisch. Einige Broadcast-Kameras übernehmen den Standard.
C2PA ist kein Allheilmittel. Es ist eine Vertrauens-Infrastruktur, die funktioniert, wenn jedes Glied der Kette sie übernimmt — was heute bei Weitem nicht der Fall ist. Aber es ist einer der wenigen Ansätze, der nicht von einem technischen Rennen zwischen Erzeugung und Erkennung abhängt.
Die Lügendividende: das unerwartete Geschenk der Deepfakes an Lügner
Im Kern der Deepfake-Krise steckt ein Paradox, das kaum jemand vorhersah: die Verbreitung von Fälschungen nützt auch echten Lügnern.
Dieses Phänomen, von den Forschern Bobby Chesney und Danielle Keats Citron als Lügendividende (Liar's Dividend) theoretisiert, ist leicht zu verstehen. Wenn alle wissen, dass sich in Minuten perfekt realistische Videos fälschen lassen, wird jedes Video verdächtig — auch die echten.
Ein bei einer Straftat gefilmter Politiker kann nun „Deepfake!“ rufen — und genug Zweifel säen, um Folgen zu entgehen. Eine echte Tonaufnahme kann für synthetisch erklärt werden. Ein reales Foto kann als KI-generiert abgetan werden.
Die Lügendividende ist vielleicht das schwerwiegendste Risiko der Deepfake-Technik — nicht die Fälschung, die als echt durchgeht, sondern das Echte, das man als falsch hinstellen kann. Sie bedroht die Grundlagen journalistischer und gerichtlicher Beweise.
Der rechtliche Rahmen: zwischen Transparenz und Verbot
Die Gesetzgeber haben zu reagieren begonnen. Die Europäische Union verabschiedete 2024 die Verordnung über Künstliche Intelligenz (EU-KI-Verordnung), den weltweit ersten umfassenden Rechtsrahmen zum Thema.
Für Deepfakes und synthetische Inhalte unterscheidet das Gesetz mehrere Stufen:
- Unannehmbares Risiko: KI zur unbemerkten Manipulation von Menschen oder zur Ausnutzung von Schwachstellen — verboten.
- Begrenztes Risiko: Deepfakes und nicht-künstlerische synthetische Inhalte — erlaubt unter der Bedingung der Transparenz. Der Endnutzer muss klar informiert werden, dass er KI-generierte Inhalte sieht.
- Ausnahme: Kunst, Satire und Fiktion, sofern sie ausdrücklich als solche gekennzeichnet sind.
Die KI-Verordnung gilt für jedes Unternehmen, das KI-Produkte in der EU vermarktet, unabhängig vom Sitz. Die Bußgelder können 35 Millionen Euro oder 7 % des weltweiten Umsatzes erreichen.
In den USA ist die Gesetzgebung fragmentiert: einige Bundesstaaten haben spezielle Gesetze zu Wahl- oder Porno-Deepfakes erlassen, aber 2026 existiert kein einheitlicher Bundesrahmen.
Was wir heute tun können
Angesichts dieser Realität sind drei Gewohnheiten unerlässlich geworden:
- Hinterfrage die Quelle, nicht nur das Bild. Wo wurde dieses Video zuerst veröffentlicht? Wer teilt es, mit welchem Motiv? Virale Inhalte ohne überprüfbare Quelle verlangen immer Vorsicht.
- Suche nach Bestätigung. Ein echtes Ereignis wird meist von mehreren unabhängigen Quellen berichtet. Ein KI-Bild nicht. Der Kontext eines Bildes zählt so viel wie das Bild selbst.
- Nutze Prüfwerkzeuge. Rückwärts-Bildersuche (Google Bilder, TinEye), KI-Erkennungstools (Hive, Illuminarty) und Adobe Content Credentials klären oft die Herkunft eines Inhalts.
Bildung: die einzige skalierbare Verteidigung
Erkennungstechnologien werden sich weiterentwickeln. Gesetze werden unvollkommen durchgesetzt. C2PA wird Jahre brauchen, um sich zu verbreiten. Bis dahin ist die wirksamste und dauerhafteste Verteidigung Bildung im weitesten Sinne — keine Checkliste technischer Signale auswendig lernen, sondern eine systematisch kritische Haltung gegenüber Online-Inhalten kultivieren.
Das nennen wir synthetische Kompetenz: die Fähigkeit, sich in einer Welt zurechtzufinden, in der ein wachsender Anteil visueller und akustischer Inhalte von Algorithmen erzeugt, verändert oder optimiert wird — ohne in Paranoia oder Naivität zu verfallen.
Diese Kompetenz erwirbt man nicht in einer einzigen Lektüre. Sie wird kultiviert, geübt und geprüft. Deshalb gibt es Werkzeuge wie Fake or Real: nicht um dir Angst zu machen, sondern um dich zu trainieren, klug zu zweifeln.
Fazit: Vertrauen als zivilisatorische Herausforderung
Das Problem der digitalen Postfaktizität ist im Kern kein technologisches Problem. Es ist ein Vertrauensproblem — in Institutionen, in Medien, in Bilder, ineinander.
Die Werkzeuge dagegen sind technologisch (C2PA, rPPG, forensische Erkennung), rechtlich (KI-Verordnung, nationale Regelungen) und kulturell (Medienkompetenz, faktenprüfender Journalismus). Keines genügt allein.
Was wir individuell tun können, ist zwei symmetrische Versuchungen abzulehnen: alles zu glauben, weil es bequem ist, und alles abzulehnen, weil es einfacher ist. Die Wahrheit existiert. Sie ist nur schwerer erreichbar geworden — und genau deshalb verdient sie mehr Mühe.