KI-Bilder erkennen: Merkmale und Methoden

Der bekannteste Tipp lautet, die Finger zu zählen. Der hat ungefähr bis 2024 funktioniert. Die meisten anderen Merkmale, an denen man KI-generierte Bilder angeblich erkennt, sind genauso alt. Moderne Modelle erstellen Motive, die täuschend echt wirken.

Was heute hilft, ist die Reihenfolge. Zuerst die Herkunft prüfen, dann den Kontext, und erst zum Schluss das Bild selbst. Die Prüfung mit bloßem Auge ist der unzuverlässigste Teil, deshalb steht sie hinten.

Ebene 1: Herkunft der Datei

Hier liegt der einzige Hinweis, der kein Ratespiel ist.

Unsichtbare Wasserzeichen. Mehrere große Anbieter markieren ihre Ausgaben beim Erzeugen. Googles Verfahren SynthID schreibt ein Muster direkt in die Pixel, das ein Mensch nicht sieht und das Zuschneiden, Filter und Komprimierung übersteht. In der Gemini-App kannst du eine Datei hochladen und fragen, ob sie von Googles KI stammt.

Wichtig ist, wie du das Ergebnis liest:

• Ein Treffer ist ein starker Beleg. Dann stammt das Bild aus einem Modell, das verwendete Markierungen schreibt.
• Kein Treffer beweist nichts. Viele Werkzeuge markieren gar nicht, und das Wasserzeichen lässt sich entfernen.

Content Credentials. Hinter dem Namen steckt der Standard C2PA, der eine signierte Herkunftsangabe an die Datei hängt: welches Programm sie erzeugt hat, wann, und welche Bearbeitungen folgten. Kameras von Leica und Nikon schreiben das ebenso wie Photoshop. Soziale Netzwerke rechnen Uploads allerdings neu, und dabei geht die Angabe meist verloren.

Metadaten. Ein echtes Foto bringt EXIF-Daten mit: Modell, Blende, Belichtungszeit, oft GPS. Bei KI-generierten Bildern fehlt das alles, weil keine Kamera beteiligt war. Mit unserem EXIF-Betrachter siehst du in Sekunden, was die Datei enthält.

Fehlende Metadaten sind trotzdem nur ein schwacher Hinweis. Fast jede Plattform entfernt sie beim Hochladen, und löschen kann sie jeder in zwei Klicks.

Ebene 2: Kontext und Rückwärtssuche

Die zweite Ebene beantwortet die Frage, die meistens dahintersteckt: Zeigt das Bild tatsächlich das, was behauptet wird?

Lade das Bild in eine Rückwärtssuche wie Google Lens oder TinEye. Taucht es nirgends früher auf, obwohl es angeblich ein aktuelles Ereignis zeigt, solltest du misstrauisch werden. Echte Pressefotos werden verbreitet, zitiert und mit Urheber genannt. Gefälschte Aufnahmen für betrügerische Zwecke haben dagegen keine Vergangenheit.

Drei Fragen aus derselben Ebene:

1. Wer hat es zuerst veröffentlicht? Ein Profil ohne Vergangenheit stellt ein größeres Warnzeichen dar als jedes verzerrte Detail.
2. Steht etwas im Kontext? Begriffe wie Midjourney oder „mit künstlicher Intelligenz erstellt“ stehen häufig in Beschreibung, Hashtags oder Dateiname.
3. Wem nützt es? Ein Bild, das exakt dann erscheint, wenn jemand es braucht, verdient mehr Prüfung als ein Katzenfoto. Das gilt besonders bei möglichen Falschmeldungen.

Ebene 3: Das Motiv selbst

Jetzt erst lohnt das genaue Hinsehen, und zwar an den Stellen, an denen die Entwicklung der Modelle bis heute Schwierigkeiten hat. Diese Merkmale haben keine Beweiskraft einzeln, erst mehrere zusammen bekommen Bedeutung.

Text im Bild. Das verlässlichste Merkmal. Schilder, Buchrücken, Etiketten und Plakate werden zu verzerrten Zeichen, die wie Schrift aussehen, ohne Wörter zu sein.

Muster und Wiederholungen. Geländer, Fliesen, Fensterreihen, Gesichter in einer Menge. Folge einer Reihe über das ganze Bild und achte auf die Stelle, an der der Rhythmus unnatürlich bricht.

Haut und Haare. Die Hauttextur ist oft unnatürlich glatt und gleichmäßig, fast wie Kunststoff. Am Haaransatz, bei Strick und bei Spitze fallen die Details bei starker Vergrößerung auseinander.

Licht und Schatten. Prüfe, ob alle Schatten in dieselbe Richtung fallen und ob Spiegelungen zu dem passen, was davorsteht. Zu perfekte Beleuchtung ohne erkennbare Lichtquelle bleibt ein typischer Fehler.

Übergänge und unscharfe Details. Das BSI nennt in seinen Hinweisen zu Deepfakes sichtbare Nähte am Gesichtsrand sowie Zähne und Augen, die bei genauem Hinsehen verschwommen wirken.

Gegenstände am Körper. Ohrringe, Brillenbügel und Ketten verschmelzen gern mit Haut oder Haar. Falsche Proportionen sind an diesen Stellen auffälliger als an Händen, und auch die Proportionen von Gegenständen im Vordergrund stimmen oft nicht.

Hintergründe. Unlogische Hintergründe gehören zu den häufigsten Fehlern: Architektur, die so nicht baubar wäre, Gegenstände, die sich nicht auflösen, Tiefenschärfe, die nicht zur Entfernung passt.

Warum Detektoren wenig helfen

Es gibt zwei Sorten digitaler Werkzeuge, die denselben Namen tragen.

Eines liest Wasserzeichen und Content Credentials. Was es findet, ist belastbar. Das andere rät anhand der Pixel, gestützt auf ein Modell, das mit älteren Generationen trainiert wurde. Es verwechselt KI-Bilder und echte Fotos in beide Richtungen, und zwar selbstbewusst.

Schick dieselbe Datei durch drei solcher Dienste, und du bekommst leicht drei verschiedene Antworten. Dieses Experiment lohnt sich einmal, bevor man das Ergebnis eines einzelnen Dienstes irgendwo zitiert.

Wann es wirklich darauf ankommt

Meistens gar nicht. Ein KI-generiertes Titelbild über einem Blogbeitrag ist eine Gestaltungsentscheidung und keine Täuschung.

Ernst wird es, sobald ein Bild als Beleg auftritt: ein Pressefoto, ein Produktfoto, ein Vorher-Nachher-Vergleich, das Porträt einer angeblich existierenden Person. Gefälschte Belege dieser Art sind die eigentliche Gefahr, und dort lohnt die vollständige Prüfung.

Wenn du selbst veröffentlichst, gilt das Umgekehrte: Originale aufheben, Kameradaten belassen, wo der Datenschutz es zulässt, und KI-generierte Bilder ausdrücklich kennzeichnen. Was du dabei rechtlich beachten musst, steht in unserem Ratgeber zu kostenlosen Bildern.

Häufige Fragen

Gibt es ein zuverlässiges Werkzeug?

Für markierte Dateien ja. Für alles andere raten die Dienste, und sie liegen oft genug daneben, dass ein einzelnes Ergebnis nichts entscheidet.

Haben KI-Bilder EXIF-Daten?

In der Regel nicht, weil keine Kamera beteiligt war. Als Beweis taugt das nicht, denn Plattformen entfernen die Daten auch bei echten Fotos.

Müssen KI-Inhalte gekennzeichnet werden?

Die KI-Verordnung der EU sieht Kennzeichnungspflichten für bestimmte erzeugte Inhalte vor. Durchsetzung und Zeitpunkt unterscheiden sich je nach Anwendungsfall.

Warum sehen KI-Bilder inzwischen täuschend echt aus?

Weil jede neue Modellgeneration die auffälligen Schwächen der vorherigen behebt. Verformte Hände waren das Thema von 2023, nicht von heute.

Kurz zusammengefasst

Erst Wasserzeichen und Content Credentials prüfen, dann Rückwärtssuche und Kontext, zuletzt Text, Muster und Licht im Bild.

Und halte das Urteil in beide Richtungen offen. Die Behauptung, ein Bild sei ganz sicher von einer künstlichen Intelligenz erstellt, ist ungefähr genauso oft falsch wie die gegenteilige.