Deepfakes erkennen: So prüfst du KI-generierte Bilder und Videos

TL;DR: Deepfakes lassen sich über eine Kombination aus visuellen Auffälligkeiten (Hände, Schatten, Übergänge), einem Kontext-Check ("ergibt das überhaupt Sinn?") und technischen Hilfsmitteln (Rückwärtssuche, Metadaten, Detektor-Tools) erkennen – eine hundertprozentige Garantie liefert aber keine Methode.

Visuelle Anzeichen: verzerrte Hände, unstimmige Schatten, fehlerhafte Spiegelungen, unscharfe Übergänge an Haaren/Kleidung, verformte Schrift.
Bei Videos zusätzlich: Lippenbewegungen ohne passenden Ton, unnatürliches Blinzeln, Ton-Bild-Versatz.
Kontext-Check: Passt die Kleidung, das Wetter, die Architektur, die Uniform zur behaupteten Situation?
Technische Hilfen: Rückwärtssuche nach der Bildquelle, Prüfung von Metadaten/Content Credentials (C2PA), Wasserzeichen-Prüfung (z. B. SynthID) sowie spezialisierte Detektor-Tools.
Wichtig: Alle Tools liefern Wahrscheinlichkeiten, keine Gewissheiten – gesunder Zweifel bleibt die wichtigste Erkennungsmethode.

Warum die Deepfake-Erkennung immer wichtiger wird

KI-generierte Bilder und Videos werden zunehmend realistischer und günstiger in der Erstellung, gleichzeitig verbreiten sie sich über soziale Netzwerke rasant. Auch regulatorisch reagiert die Politik darauf: Die EU-Kennzeichnungspflicht für KI-Inhalte im Rahmen des AI Act soll ab Ende 2026 mehr Transparenz schaffen (siehe dazu unseren Beitrag zum EU-KI-Gesetz) – bis entsprechende Standards flächendeckend greifen, bleibt die eigene Prüfung die wichtigste Verteidigungslinie.

Worauf du bei Bildern visuell achten solltest

Hände und Finger: Nach wie vor eine der häufigsten Schwachstellen von KI-Bildgeneratoren – zu viele oder zu wenige Finger, unnatürliche Verdrehungen.

Schatten und Lichtverhältnisse: Passen Schattenrichtung und Lichtquelle zueinander, oder wirken sie inkonsistent zwischen Person und Hintergrund?

Spiegelungen: In Brillen, Fenstern oder spiegelnden Oberflächen zeigen sich häufig Fehler oder gar keine Spiegelung, wo eigentlich eine sein müsste.

Übergänge an Haaren und Kleidung: Unscharfe oder unnatürlich glatte Kanten, wo Haare auf Haut oder Kleidung treffen.

Text und Schrift: Verformte, unlesbare oder inkonsistente Schriftzüge auf Schildern, Kleidung oder im Hintergrund sind ein starkes Indiz.

Hintergrunddetails: Verzerrte Architektur, unlogische Perspektiven oder sich wiederholende Muster im Hintergrund.

Zusätzliche Anzeichen bei Videos

Bei Videos kommen weitere Prüfpunkte hinzu: Lippenbewegungen, die nicht zur gesprochenen Stimme passen, deuten häufig auf nachträglich verändertes Audio oder Synchronisationsprobleme hin. Auch unnatürliches oder fehlendes Blinzeln, ruckartige Kopfbewegungen und ein spürbarer Ton-Bild-Versatz sind typische Hinweise.

Der Kontext-Check: Die einfachste und oft wirksamste Methode

Bevor du technische Tools bemühst, hilft häufig schon eine simple Plausibilitätsprüfung: Ergibt das Bild inhaltlich Sinn? Würde diese Person sich wirklich so kleiden oder an diesem Ort aufhalten? Passt das Wetter zur angegebenen Region und Jahreszeit? Stimmen Uniformen, Architektur oder Beschriftungen mit dem behaupteten Kontext überein? Viele Fälschungen fallen bereits bei dieser einfachen Prüfung auf, noch bevor eine detaillierte Bildanalyse nötig wird.

Technische Prüfmethoden

Rückwärtssuche: Über eine Bildrückwärtssuche lässt sich oft die älteste Quelle eines Bildes im Netz finden – taucht ein angeblich aktuelles Bild bereits Jahre früher in anderem Kontext auf, ist das ein klares Warnsignal.

Metadaten und Content Credentials (C2PA): C2PA hat sich als führender Standard zur Herkunftsprüfung digitaler Inhalte etabliert, unterstützt unter anderem von Adobe, Microsoft, BBC und Google. Der Standard bettet fälschungssichere Metadaten bereits bei der Erstellung eines Bildes ein und macht so nachvollziehbar, ob und wie ein Bild bearbeitet oder KI-generiert wurde.

Wasserzeichen-Prüfung: Manche KI-Anbieter betten unsichtbare Signale direkt ins Bild ein (etwa SynthID), andere setzen auf Metadaten-Kennzeichnung. Es gibt inzwischen eigene Prüftools, um solche Wasserzeichen auszulesen.

Spezialisierte Detektor-Tools: Kostenlose und kommerzielle Deepfake-Detektoren wie Hive Moderation, AI or Not, Illuminarty (für Bilder) oder InVID/WeVerify und Deepware (für Videos) analysieren Dateien automatisch auf typische KI-Manipulationsspuren und geben eine Wahrscheinlichkeitseinschätzung aus.

Grenzen der Erkennung

Wichtig zu wissen: Kein Tool erkennt Deepfakes mit hundertprozentiger Sicherheit. Detektoren liefern Wahrscheinlichkeitswerte, keine Gewissheiten, und mit jeder neuen Generation von KI-Bildgeneratoren verändern sich die typischen Fehlermuster. Die zuverlässigste Strategie bleibt deshalb eine Kombination aus mehreren Methoden statt das blinde Vertrauen in ein einzelnes Tool.

Checkliste: Deepfake-Verdacht prüfen

Prüfschritt	Worauf achten
Visuelle Details	Hände, Schatten, Spiegelungen, Übergänge, Text
Bei Video zusätzlich	Lippen-Ton-Synchronität, Blinzeln, Kopfbewegung
Kontext-Check	Kleidung, Wetter, Architektur, Uniformen plausibel?
Rückwärtssuche	Taucht das Bild schon früher in anderem Kontext auf?
Metadaten/C2PA	Content Credentials vorhanden und stimmig?
Detektor-Tool	Zweite Meinung von einem spezialisierten Tool einholen

Häufige Fragen (FAQ)

Reicht ein Blick auf die Hände, um einen Deepfake sicher zu erkennen? Nein. Verzerrte Hände sind ein starkes Indiz, aber neuere KI-Modelle werden zunehmend besser darin, auch Hände realistisch darzustellen. Ein einzelnes Merkmal reicht für eine sichere Einschätzung nicht aus.

Sind kostenlose Deepfake-Detektoren zuverlässig? Sie können eine hilfreiche erste Einschätzung liefern, sind aber nicht fehlerfrei. Am sinnvollsten ist es, mehrere Prüfmethoden zu kombinieren statt sich auf ein einzelnes Tool zu verlassen.

Was bringt die EU-Kennzeichnungspflicht für KI-Inhalte konkret? Sie soll Anbieter dazu verpflichten, KI-generierte Inhalte erkennbar zu machen, etwa über Wasserzeichen oder Metadaten-Standards wie C2PA. Bis diese Kennzeichnung flächendeckend und zuverlässig funktioniert, bleibt die eigene Prüfung weiterhin wichtig.

Fazit

Deepfakes werden immer schwerer allein mit blossem Auge zu erkennen, lassen sich aber weiterhin über eine Kombination aus visueller Prüfung, gesundem Kontext-Check und technischen Hilfsmitteln wie Rückwärtssuche, Metadaten-Prüfung und Detektor-Tools zuverlässig einschätzen. Da kein Tool absolute Sicherheit bietet, bleibt kritisches Hinterfragen der wichtigste Baustein – Technik kann diese Prüfung unterstützen, aber nicht vollständig ersetzen.