KI-Bilder erkennen: 9 Prüfungen, die wirklich helfen

Ein Experiment aus dem Jahr 2022 sollte eigentlich beruhigen. Die Forscher Sophie Nightingale und Hany Farid zeigten Versuchspersonen echte Gesichter und solche, die ein KI-Modell erzeugt hatte. Die Trefferquote lag bei 48,2 Prozent. Raten wäre besser gewesen. Mit Training und Rückmeldung stieg sie auf 59 Prozent, und die künstlichen Gesichter wirkten sogar um 7,7 Prozent vertrauenswürdiger als die echten (Nightingale & Farid, PNAS).

Das Auge ist also ein schwaches Messgerät. Es fängt immer noch viele schlampige Fälschungen ab. Die verlässlichsten Prüfungen schauen aber gar nicht auf das Bild, sondern darauf, woher es kommt.

Warum der erste Blick auf die Pixel der falsche ist

Fast jede Liste zum Thema beginnt mit Fingern. Das war 2022 sinnvoll, als Generatoren regelmäßig sechs Finger und zerlaufene Schrift produzierten. Heutige Modelle machen diese Fehler viel seltener. Was übrig bleibt, steckt in vollen Szenen, kleinen Hintergrunddetails und allem, was über das ganze Bild hinweg stimmig sein muss.

Der Blick auf die Pixel irrt auch in die andere Richtung. Echte Fotos, die stark komprimiert oder hochskaliert wurden oder aus einem aggressiven Nachtmodus stammen, sehen oft verschmiert und „künstlich” aus. Genau solche Bilder werden ständig als KI abgestempelt. So landen echte Nachrichtenfotos im Fake-Ordner.

Die bessere Reihenfolge: erst Herkunft, dann Kontext, zuletzt Pixel.

1. Content CredentialsDatei in ein C2PA-Prüftool laden. Ein signiertes Manifest nennt Kamera oder App.
2. WasserzeichenIn der Gemini-App fragen, ob das Bild mit Google-KI erstellt wurde. Das liest SynthID aus.
3. RückwärtssucheGoogle Lens, Bing und TinEye zeigen ältere Kopien und den ersten bekannten Upload.
4. KontextWer hat es zuerst gepostet, wann, und gibt es dieselbe Szene aus einem anderen Blickwinkel?
5. PixelErst jetzt: Hände, Schrift, Spiegelungen, Schatten, Muster, Menschen im Hintergrund.

Prüfung 1 und 2: Herkunftsdaten, die etwas beweisen können

Content Credentials. Der offene Standard C2PA erlaubt Kameras und Smartphones, aber auch Bildbearbeitungen, einen signierten Herkunftsnachweis an die Datei zu hängen. Darin steht, welches Gerät oder welche App das Bild erstellt hat, welche Bearbeitungen stattfanden und ob ein generatives Werkzeug beteiligt war. Seit dem Pixel 10 signiert Google jedes Foto aus der Pixel-Kamera-App, und Google Fotos versieht KI-bearbeitete Bilder mit einem solchen Nachweis. Im Lenkungsausschuss der C2PA sitzen unter anderem Adobe und Microsoft, außerdem OpenAI und Meta. Wie die Signaturen funktionieren und warum sie so oft fehlen, steht im Ratgeber zu Content Credentials.

SynthID. Bilder und Videos, die mit Googles Modellen erzeugt oder bearbeitet wurden, tragen ein unsichtbares Wasserzeichen. In der Gemini-App kannst du eine Datei bis 100 MB hochladen und fragen, ob sie mit Google-KI erstellt wurde. Ein Treffer heißt: Das Bild stammt ganz oder teilweise aus Googles Werkzeugen. Kein Treffer heißt nur, dass es nicht von Google kommt. Google schreibt selbst, es könne „von anderen KI-Systemen erstellt worden sein” (Gemini-Hilfe).

Für beide gilt dasselbe Muster. Ein positiver Befund ist ein starkes Indiz. Ein negativer ist fast wertlos, weil die meisten Bilder ohne Metadaten in Feeds landen und viele Generatoren kein Wasserzeichen setzen.

Prüfung 3 und 4: Rückwärtssuche und Kontext

Eine Bild-Rückwärtssuche beantwortet die Frage, die im Alltag am meisten zählt: Gab es das Bild schon vor heute? Ein angeblich exklusives Hochwasserfoto, das 2019 in einer Stockfoto-Datenbank auftaucht, ist kein KI-Bild, aber trotzdem eine Falschmeldung. Umgekehrt verdient ein Bild ohne jede frühere Kopie, zuerst gepostet von einem Konto, das vor vier Wochen angelegt wurde, Misstrauen, selbst wenn es makellos aussieht. Wie du dabei vorgehst, zeigt der Ratgeber zur Bild-Rückwärtssuche.

Kontext klingt langweilig und wirkt. Gibt es ein zweites Foto desselben Ereignisses von jemand anderem? Passen Wetter und Ladenschilder zu Ort und Datum, und stimmen die Kennzeichen? Postet das Konto sonst Bilder, die nach derselben Person hinter der Kamera aussehen?

Prüfung 5 bis 9: Was die Pixel noch verraten

Wenn die Herkunft nichts ergibt, schau genau hin. Zoom auf 200 Prozent und arbeite das Bild Bereich für Bereich ab, statt den Gesamteindruck zu beurteilen.

• Hände und Füße: Finger zählen, Übergänge zu Gegenständen prüfen
• Zähne und Augen: ungleichmäßige Zähne, unterschiedlich geformte Pupillen, falsche Lichtreflexe
• Schrift: Schilder, Etiketten, Kennzeichen und Buchrücken, die in Fantasiebuchstaben zerfallen
• Wiederholungen: Zäune, Fensterreihen, Tastaturen, Fliesen
• Schmuck und Brillen: ungleiche Ohrringe, Brillengestelle, die in die Haut übergehen
• Menschen im Hintergrund: verschwimmende Gesichter, Gliedmaßen ohne Besitzer
• Licht: Schatten in verschiedene Richtungen, Spiegelungen mit anderer Szene
• Haut: wachsartiger, gleichmäßig glatter Glanz über das ganze Gesicht

Das FBI nennt in seiner Warnung vom Dezember 2024 dieselben Schwachstellen: verzerrte Hände oder Füße, unrealistische Zähne oder Augen. Besonders wichtig sind sie bei Profilbildern für Love- und Anlagebetrug. Das sind meist Porträts vor neutralem Hintergrund, bei denen der Hintergrund wenig verrät.

Ein einzelner Fehler überführt kein Bild. Echte Fotos haben seltsame Spiegelungen, und Handykameras erfinden bei wenig Licht Strukturen dazu. Zwei oder drei unabhängige Auffälligkeiten in verschiedenen Bildbereichen sind ein deutlich stärkeres Signal.

Was KI-Bild-Detektoren können und was nicht

Webseiten, die „99 % Genauigkeit” versprechen, meinen in der Regel ihren eigenen Testdatensatz mit Bildern aus den Generatoren, die sie kennen. Bei neuen Modellen sinkt die Trefferquote, ebenso bei Screenshots und mehrfach komprimierten Dateien.

Ein Beispiel aus dem Videobereich macht das greifbar. Bei Metas Deepfake Detection Challenge 2020 erreichte das beste Modell auf einem unbekannten Testdatensatz 65,18 Prozent. Das BSI führt diese Zahl als Beleg dafür an, dass automatische Detektoren schlecht verallgemeinern (BSI).

Kriterium	Kann KI belegen	Kann Echtheit belegen	Klappt mit Screenshots
Content Credentials		teilweise
SynthID-Prüfung			teilweise
Rückwärtssuche	teilweise	teilweise
Detektor-Score			teilweise
Genaues Hinsehen	teilweise

Detektoren taugen als zusätzliche Meinung, vor allem wenn zwei unterschiedliche Tools übereinstimmen. Als Urteil taugen sie nicht. Und sie sollten nie der Grund sein, einem Menschen eine Fälschung vorzuwerfen.

Die häufigsten Fehler beim Prüfen

Der größte Fehler ist, mit einer Meinung anzufangen. Wer ein Bild schon für gefälscht hält, findet garantiert eine seltsame Spiegelung, und wer es für echt halten möchte, übersieht drei verbogene Finger, weil das Motiv so gut zur eigenen Sicht der Dinge passt.

Zweiter Fehler: nur ein Werkzeug. Ein Detektor sagt „87 % KI”, und damit ist der Fall erledigt. Ist er nicht. Kombiniere immer mindestens eine Herkunftsprüfung mit einer Rückwärtssuche.

Dritter Fehler: mit dem Screenshot arbeiten statt mit der Datei. Screenshots haben keine Metadaten, keine Content Credentials und oft eine schlechtere Auflösung. Frag nach dem Original.

Vierter Fehler: den Absender anprangern. Wer ein KI-Bild weiterleitet, ist meist selbst darauf hereingefallen. Ein freundlicher Hinweis mit Quelle bewirkt mehr als ein öffentlicher Vorwurf.

Eine realistische Routine für den Alltag

Für ein Meme in der Familiengruppe lohnt sich das alles nicht. Für ein Bild, das du an 300 Leute weiterleiten, veröffentlichen oder als Grund für eine Überweisung nehmen willst, schon.

Fünf Minuten reichen meist: Datei durch ein Prüftool und Gemini schicken, eine Rückwärtssuche in zwei Suchmaschinen, den ersten Poster prüfen, dann Hände und Schrift heranzoomen, zuletzt den Hintergrund. Kommt nichts Eindeutiges heraus, schreib „nicht geprüft” dazu oder teil es nicht. Das ist ein völlig ordentliches Ergebnis.

Redaktionen und Unternehmen, die viele Bilder veröffentlichen, setzen besser vorher an: eigene Bilder signieren und von Zulieferern signierte Dateien verlangen. Wer Herkunftsnachweise direkt in die eigene Content-Pipeline einbauen will, kann sich an ein Studio wie OnlineBuilders wenden, das KI-Systeme mit Protokollierung und Prüfung entwickelt.

Videos brauchen andere Prüfungen, weil Bewegung Fälschungen an anderen Stellen verrät. Weiter geht es mit dem Ratgeber Deepfake erkennen oder in der Übersicht Bilder & Video.

Häufige Fragen

Gibt es ein kostenloses Tool, das sicher sagt, ob ein Bild KI ist?

Nein. Kostenlose Detektoren liefern eine Wahrscheinlichkeit und kennen nur die Generatoren, mit denen sie trainiert wurden. Herkunftsnachweise wie Content Credentials oder SynthID sind belastbarer, schlagen aber nur an, wenn der Hersteller das Signal eingebaut hat.

Kann KI immer noch keine Hände zeichnen?

Aktuelle Bildmodelle zeichnen Hände deutlich besser als die Generation von 2022. Sechs Finger sind selten geworden. Hände bleiben trotzdem einen Blick wert, zusammen mit Schmuck, Zähnen und allem, was sich regelmäßig wiederholen muss.

Heißt fehlendes EXIF, dass das Foto gefälscht ist?

Nein. WhatsApp, Instagram und die meisten anderen Dienste entfernen Metadaten beim Hochladen. Fehlendes EXIF zeigt nur, dass die Datei irgendwo neu gespeichert wurde.

Was mache ich, wenn ich mich nicht entscheiden kann?

Nicht teilen. Ein Bild, das du nicht einordnen kannst, beweist nichts, weder in die eine noch in die andere Richtung. Oft taucht nach ein, zwei Tagen die Originalquelle oder ein Faktencheck auf.