Wie erkenne ich, ob ein Bild KI-generiert ist?

Die Frage wie erkenne ich ob ein bild ki generiert ist taucht inzwischen in fast jedem redaktionellen, juristischen und forensischen Alltag auf. Der Grund ist einfach: moderne generative Modelle produzieren Bilder, die auf den ersten Blick täuschend echt wirken, und gleichzeitig werden echte Fotos immer häufiger nachbearbeitet, komprimiert, umbenannt und über Plattformen weitergegeben, wodurch typische visuelle Hinweise verloren gehen. Deshalb reicht das bloße Hinsehen nicht mehr aus. Wer belastbar prüfen will, muss technische Spuren betrachten, die das Bild selbst mit sich führt, und diese Spuren dokumentieren statt sie nur zu vermuten. Das bedeutet, Metadaten zu lesen, Hashwerte zu berechnen und Provenienzinformationen zu prüfen, wenn vorhanden. Visuelle Muster wie unscharfe Hände, unlogische Reflexionen oder zu perfekte Symmetrien können ein erster Hinweis sein, sind aber kein Beweis. Sie sind Indizien, die eine genauere technische Analyse rechtfertigen, nicht ersetzen. In der Praxis beginnt eine seriöse Prüfung deshalb immer mit der Erfassung des Originalzustands, bevor das Bild bearbeitet, verkleinert oder in ein anderes Format konvertiert wird, denn jede dieser Operationen verändert die Datei und verwischt Spuren.

Visuelle Hinweise sind hilfreich als erster Filter, aber sie sind unzuverlässig und stark modellabhängig. Typisch für viele KI Ausgaben sind wiederholende Texturen, sogenannte Artefakte an Fingern, Zähnen oder Haaren, sowie unnatürliche Hautglätte und ein leicht überzeichneter Kontrast. Hintergründe werden oft zu weich oder zu perfekt, Lichtquellen passen nicht zu den Schatten und Spiegelungen in Augen wirken leer oder doppelt. Auch Logos, Schriftzüge und Zählungen sind klassische Stolpersteine generativer Modelle. Das Problem ist, dass professionelle Nachbearbeitung, Kompression und künstliche Alterung viele dieser Merkmale ebenfalls erzeugen oder glätten kann, und umgekehrt trainieren Anbieter ihre Modelle gezielt darauf, genau diese Fehler zu reduzieren. Ein Bild, das alle klassischen KI Fehler vermeidet, kann also trotzdem synthetisch sein, und ein Bild mit einem unscharfen Finger kann ein altes Handyfoto sein. Deshalb ist die visuelle Bewertung nur ein Ausgangspunkt für eine systematische Prüfung, nicht der Abschluss.

Technisch aussagekräftiger wird die Prüfung, wenn man die eingebetteten Metadaten betrachtet. Fotos von Kameras enthalten in der Regel EXIF Daten mit Hersteller, Modell, Belichtungszeit, Blende, ISO, Objektiv, Seriennummer und einem Zeitstempel. GPS Koordinaten, wenn aktiviert, sowie Software Tags verraten, welche Programme das Bild zuletzt geöffnet oder verändert haben. Bei KI generierten Bildern fehlt dieser Aufnahme-Kontext in der Regel vollständig oder es wird ein generischer Platzhalter eingetragen wie erstellt mit DALL·E oder Stable Diffusion, manchmal sogar ohne jegliche EXIF Blöcke. Auch XMP und IPTC Felder können Hinweise auf Bearbeitungsketten enthalten. Wichtig ist dabei, dass Metadaten leicht entfernt oder gefälscht werden können, weshalb ihr Fehlen kein Beweis für KI Erzeugung ist und ihr Vorhandensein kein Beweis für Echtheit. Metadaten sind ein Puzzleteil, nicht die ganze Lösung. Wer JPG Dateien untersucht, findet oft unterschiedlichste Herstellerprofile, und wer PNG Dateien prüft, sieht typischerweise kaum Kameradaten, was die Interpretation zusätzlich erschwert.

Dort wo es um belastbare Dokumentation geht, helfen kryptografische Fingerabdrücke und strukturierte Berichte. Ein SHA 256 Hash, ergänzt um MD5 und CRC32, identifiziert eine Datei eindeutig und zeigt jede noch so kleine Veränderung an. Wenn zwei Versionen desselben Bildes unterschiedliche Hashwerte haben, sind sie technisch nicht identisch. Das ist besonders nützlich, um zu prüfen, ob ein Bild nachträglich beschnitten, komprimiert oder neu exportiert wurde. Zusätzlich gibt es Provenienzstandards wie C2PA, die kryptografisch signierte Informationen über Erzeugung, Bearbeitungsschritte und Werkzeuge in die Datei schreiben können. Existiert eine solche Signatur, lässt sie sich technisch verifizieren. Fehlt sie, heißt das nicht automatisch Fälschung, sondern nur, dass keine signierte Kette vorliegt. Tools wie FilesAudit extrahieren diese Informationen systematisch, berechnen die Hashwerte und erstellen einen lesbaren PDF Bericht mit Zeitstempel, der den technischen Zustand zum Prüfzeitpunkt festhält. Das ist Dokumentation technischer Fakten, keine juristische Bewertung von Urheberschaft oder Echtheit.

In der Praxis lässt sich die Prüfung online sehr strukturiert abbilden. Du lädst das Original hoch, lässt Metadaten auslesen und dokumentieren, prüfst Software Tags auf Hinweise wie generative Modelle und vergleichst Hashwerte mit anderen Versionen, die du besitzt. Wenn du unsicher bist, ob ein Bild ein Foto oder eine Renderung ist, hilft der Blick auf die Kamerainformationen und die Konsistenz von Aufnahmeparametern. Ein realistisches Foto hat in der Regel eine plausible Kombination aus Belichtungszeit, Blende und ISO. Ein komplett leeres EXIF Segment bei einem angeblich direkt aus der Kamera stammenden Bild ist verdächtig. Für eine erste Einschätzung kannst du die Prüfung auf der Startseite durchführen, wo Dateien hochgeladen werden können, um Metadaten, Hashes und vorhandene AI Provenienz Hinweise zu extrahieren. Die Plattform unterstützt dabei ein sehr breites Spektrum an Formaten, weil die Analyse nicht nur auf Fotos beschränkt ist, und die Übersicht der Unterstützte Formate zeigt, welche Typen prinzipiell untersucht werden können. Wer regelmäßig prüft, kann die Analyse auch lokal und im Bulk mit der Desktop Variante durchführen, um sensible Materialien nicht in die Cloud zu geben.

Echte Sicherheit entsteht erst durch Kombination mehrerer Ebenen. Ein einzelner Hinweis wie fehlende EXIF Daten reicht nicht. Erst die Kombination aus fehlendem Kamerakontext, generischem Software Tag, unplausiblen visuellen Details und fehlender C2PA Signatur erhöht die Wahrscheinlichkeit einer synthetischen Herkunft. Umgekehrt kann ein Bild mit vollständigen EXIF Daten trotzdem KI generiert sein, wenn die Metadaten nachträglich kopiert wurden. Deshalb ist die saubere Dokumentation des Prüfvorgangs so wichtig. Ein forensischer Bericht sollte den exakten Dateinamen, die Dateigröße, die Hashwerte, den Zeitstempel der Prüfung und die gefundenen Metadatenfelder enthalten, damit die Prüfung später