AI-Bilddetektor: Wie man erkennt, ob ein Foto KI-generiert ist

Ein KI-Bilddetektor analysiert ein Foto und gibt einen prozentualen Schätzwert zurück, ob es von einem Generator wie Midjourney, DALL-E oder Stable Diffusion erstellt wurde. Die Zahl ist eine Vermutung auf Basis von Mustern, die der Detektor zuvor gesehen hat, kein forensisches Urteil. Ein Detektor könnte ein echtes Foto als KI kennzeichnen oder ein KI-Bild völlig verfehlen, besonders eines, das mit einem neueren Modell erstellt wurde, das er nie studiert hat.

Das ist, warum keine einzelne Methode ausreichend ist. Um zu beurteilen, ob ein virales Foto KI-generiert ist, kombinierst du Detektionsergebnisse mit umgekehrten Bildsuchen, visuellen Schnellchecks und Quellkontext. Dieser Leitfaden geht durch alle vier Ansätze, damit du eine informierte Entscheidung treffen kannst, ohne einen Informatikabschluss zu haben.

Was KI-Bilddetektoren tun und warum sie nicht aussagekräftig sind

Ein KI-Bilddetektor ist ein Softwareprogramm, das auf Tausenden echten und KI-generierten Bildern trainiert wurde. Es lernt, statistische Fingerabdrücke zu erkennen – Kompressionartefakte, Farbgradienten, Texturmuster – die Generatoren tendenziell hinterlassen. Wenn du ein Foto hochlädst, vergleicht der Detektor es mit diesen gelernten Mustern und gibt einen Score aus: „85% wahrscheinlich KI-generiert“ oder „20% Konfidenz“.

Das Problem ist zweifach. Erstens ist jeder Detektor nur so gut wie sein Trainings-Dataset. Wenn er noch nie Bilder von den neuesten KI-Bildgeneratorengesehen hat, wird er deren Erkennungsmerkmale verfehlen. Zweitens können echte Fotos dieselben statistischen Muster auslösen – starke Bearbeitung, bestimmte Kamerasensoren und JPEG-Kompression führen alle Artefakte ein, die für den Algorithmus „KI-ähnlich“ aussehen.

Das bedeutet, ein hoher Score ist eine rote Flagge wert zu untersuchen, nicht ein Urteil. Und ein niedriger Score beweist nicht, dass das Bild echt ist. Behandle Detektionsergebnisse immer als einen Datenpunkt im größeren Bild.

Visuelle Hinweise, die du selbst überprüfen kannst

Bevor KI-Generatoren mainstream wurden, war das Erkennen einer Fälschung unkompliziert: suche nach zerstörten Händen, unsinnigem Text und physikwidrigen Spiegelungen. Diese Erkennungsmerkmale sind immer noch nützlich, aber sie haben ein schrumpfendes Zeitfenster der Zuverlässigkeit.

Hände und Finger

Frühe Diffusionsmodelle hatten Schwierigkeiten mit Händen, weil Finger überlappen, sich biegen und verkürzen in Wegen, die Pixel-Level-Training verwirren. Du würdest sechs Finger sehen, verschmolzene Knöchel oder Daumen, die aus Handgelenken sprießen. Bis Mitte 2025 hatten Modelle wie Midjourney v7 und ChatGPT Images 2.5 gelernt, Hände die meiste Zeit korrekt zu rendern. Eine perfekte Hand beweist nicht mehr, dass das Bild echt ist, und eine zerstörte Hand beweist nicht mehr, dass es gefälscht ist – manche echten Fotos erfassen Finger bei Bewegung oder teilweise verborgen.

Trotzdem wert zu überprüfen: zoome auf alle sichtbaren Hände. Zähle Finger. Verfolge jeden Finger bis zu seiner Basis. Wenn die Geometrie falsch ist oder ein Finger scheinbar in einem Ärmel verschwindet ohne klaren Endpunkt, das ist ein Punkt gegen Authentizität.

Text und Beschilderung

Generatoren erzeugten früher verstümmelten, Alphabet-Suppen-Text auf Ladengeschäften, Buchcovern und T-Shirts, weil sie Buchstaben als visuelle Texturen statt lesbarer Sprache behandeln. Neuere Modelle haben sich verbessert, aber Text bleibt eine schwache Stelle. Suche nach:

• Unsinnigen Wörtern, die fast echt aussehen („COFFAE“ statt „COFFEE“)
• Buchstaben, die ihren Stil mid-Wort ändern
• Gekrümmten oder wellenden Grundlinien, wo Text gerade sein sollte
• Wiederholten Glyphen in einem Muster, das keinen semantischen Sinn ergibt

Wenn der Text winzig, unscharf oder abgewinkelt ist, könnte selbst ein echtes Foto verstümmelt aussehen. Kontext zählt.

Spiegelungen und Schatten

Physik ist schwierig für Diffusionsmodelle. Eine Person, die vor einem Spiegel steht, sollte in der Spiegelung mit demselben Outfit, derselben Pose und Beleuchtung erscheinen. KI-Generatoren rendern manchmal eine andere Pose, tauschen Kleidungsfarben aus oder lassen die Spiegelung ganz weg. Schatten sollten in eine Richtung fallen, die mit der Lichtquelle konsistent ist; KI-generierte Schatten zeigen manchmal in mehrere Richtungen oder schweben losgelöst von ihren Objekten.

Überprüfe jede Glasoberfläche, Pfütze oder glänzenden Boden. Macht die Spiegelung physischen Sinn? Ist die Beleuchtung durchgehend konsistent in der Szene?

Schmuck und feine Details

Halsketten, Ohrringe und Ketten sind ein weiteres Problemfeld. Generatoren kämpfen mit dünner, überlappender Geometrie. Du könntest einen Kettenhalsverschluss sehen, der mit nichts verbunden ist, Ohrringe, die durch das Ohrläppchen gehen statt daran zu hängen, oder Kettenglieder, die zu einer Festmasse verschmelzen. Zähne, Brillen und Haarsträhnen zeigen ähnliche Probleme – suche nach Übergängen, die anatomisch oder optisch widersprechen.

Hintergründe und Kanten

KI-generierte Bilder zeigen manchmal „Schmelzen“ an der Grenze zwischen Motiv und Hintergrund. Eine Schulter könnte in Tapete übergehen, oder Haarsträhnen könnten mit dem Himmel verschmelzen. Das passiert, weil der Aufmerksamkeitsmechanismus des Modells die Unterscheidung zwischen Vordergrund und Kontext unschärfer macht. Es ist subtil, aber das Heranzoomen an Kanten kann es offenbaren.

Hintergründe selbst können zu perfekt sein – keine verirrten Kabel, kein Durcheinander, alles symmetrisch angeordnet auf eine Weise, wie echte Räume es selten sind. Oder sie können inkohärent sein: ein Bücherregal, wo jeder Rücken Unsinn ist, eine Stadtlandschaft, wo Gebäude unmögliche Perspektiven haben.

Warum diese Hinweise verblassen

Jedes oben aufgelistete Erkennungsmerkmal war 2023 und Anfang 2024 eine zuverlässige rote Flagge. Bis Ende 2025 und ins Jahr 2026 haben die Top-Tier-Generatoren die meisten dieser Lücken geschlossen. Midjourney v7 rendert anatomisch korrekte Hände. ChatGPT Images 2.5 kann lesbare Beschilderung erzeugen. Flux und Stable Diffusion 4.0 handhaben Spiegelungen und feinen Schmuck weit besser als ihre Vorgänger.

Das macht visuelle Kontrollen nicht nutzlos – es macht sie probabilistisch. Eine zerstörte Hand ist immer noch Beweis. Eine perfekte Hand ist nicht mehr Beweis für Authentizität. Du brauchst mehr Datenpunkte.

Content Credentials und SynthID: die entstehenden Standards

Zwei technische Standards zielen darauf ab, KI-generierte Bilder bei der Erstellung zu kennzeichnen, sodass du später nicht raten musst.

Content Credentials (C2PA)

Content Credentials ist eine Spezifikation, die von der Coalition for Content Provenance and Authenticity (C2PA)gepflegt wird. Wenn eine Kamera, Bearbeitungs-App oder KI-Generator C2PA unterstützt, bettet er ein kryptographisch signiertes Manifest in die Bilddatei ein. Dieses Manifest dokumentiert das Tool, das es erstellt hat, das Datum und ob Bearbeitungen vorgenommen wurden. Adobe, Microsoft und Leica haben es adoptiert; manche Canon- und Nikon-Kameras werden mit C2PA-Unterstützung ausgeliefert.

Um ein Bild auf Content Credentials zu überprüfen, lade es in einen kompatiblen Viewer hoch oder verwende eine Browser-Erweiterung. Wenn das Manifest vorhanden und intakt ist, siehst du eine Herkunftskette: „Erstellt von Adobe Firefly am 2026-10-12, keine Bearbeitungen“. Wenn das Bild nach der Erstellung bearbeitet wurde, zeigt die Kette jeden Schritt.

Der Haken: Content Credentials funktionieren nur, wenn der Ersteller sie aktiviert hat. Die meisten KI-Generatoren betten C2PA nicht standardmäßig ein. Social-Media-Plattformen entfernen oft Metadaten, wenn du ein Foto hochlädst, was die Kette unterbricht. Und ein böser Akteur kann einfach ein KI-Bild screenshooten und neu speichern, wodurch das Manifest verloren geht. Content Credentials sind ein starkes positives Signal, wenn vorhanden, aber ihre Abwesenheit beweist nichts.

Google SynthID

SynthID ist Googles Wasserzeichen-System für KI-generierte Bilder und Texte. Statt ein sichtbares Zeichen hinzuzufügen, verändert es subtil Pixelwerte auf eine Weise, die für das menschliche Auge unsichtbar, aber durch SynthIDs Decoder erkennbar ist. Google bette SynthID in Bilder ein, die durch sein Gemini-Bildgenerator erstellt werden, und hat die Technologie anderen Plattformen zur Verfügung gestellt.

SynthID übersteht moderate Bearbeitungen, Zuschnitte und Komprimierungen – Techniken, die traditionelle Wasserzeichen löschen. Aber es ist nicht fehlerfrei. Starke Filter, mehrfaches Konvertieren des Bildes in andere Formate oder Ausdrucken und erneutes Einscannen können das Wasserzeichen unter die Erkennungsschwelle degradieren.

Wie Content Credentials ist SynthID optional. Nur Bilder, die von teilnehmenden Generatoren erstellt werden, tragen es, und es gibt keinen öffentlichen SynthID-Decoder, den du zu Hause verwenden kannst. Es ist ein Werkzeug für Plattformen und Ermittler, nicht die erste Verteidigungslinie für Alltagsnutzer.

Umgekehrte Bildsuche: die Quelle finden

Eine der zuverlässigsten Möglichkeiten, ein Bild zu beurteilen, besteht darin, herauszufinden, wo es zuerst erschien und in welchem Kontext. Google Lens macht dies einfach.

So verwendest du Google Lens

Öffne auf einem Smartphone die Google App oder lade Google Lens herunter. Tippe auf das Kamerasymbol und fotografiere dann entweder das Bild auf einem anderen Bildschirm oder lade es aus deiner Galerie hoch. Lens zeigt dir visuell ähnliche Bilder aus dem gesamten Web sowie Seiten, auf denen das exakte Bild erscheint.

Gehe auf einem Desktop zu lens.google.com. Klicke auf das Upload-Symbol und wähle die Bilddatei aus. Lens gibt eine Liste mit Übereinstimmungen, Daten und Quellen zurück.

Worauf Sie achten sollten

Wenn das Bild seit Monaten oder Jahren online ist, ist es wahrscheinlicher, dass es ein echtes Foto ist, das wieder die Runde macht. Wenn es nur in Reddit-Threads der letzten 48 Stunden mit Bildunterschriften wie „Ist das echt?“ auftaucht, ist das ein rotes Tuch.

Überprüfe, ob die ursprünglichste Quelle ein seriöses Nachrichtenmedium, ein verifiziertes Social-Media-Konto oder eine Stock-Photo-Bibliothek ist. Wenn die Spur zu einer KI-Art-Schau oder einem „generierte Bilder“-Tag in einem Forum führt, hast du deine Antwort.

Die Rückwärtssuche fängt auch wiederverwertete Fälschungen – ein KI-Bild von 2024 wird 2026 als Foto einer Eilmeldung ausgegeben. Der Zeitstempel und Kontext sind genauso wichtig wie die Pixel.

Mit dem Image-to-Prompt-Tool

Wenn du verdächtigst, dass ein Bild KI-generiert ist, kann dir Convlys kostenloses Bild-zu-Prompt-Tool helfen, die Eingabeaufforderung zu verstehen, die es möglicherweise erstellt hat. Lade das Bild hoch, und das Tool kehrt eine Textbeschreibung um – „ein fotorealistisches Porträt einer Frau in einem roten Kleid, Studioleuchten, geringe Tiefenschärfe“.

Dies beweist nicht, dass das Bild KI-generiert ist, aber es gibt dir das Vokabular, um nach ähnlichen bekannten KI-Bildern zu suchen. Füge die rekonstruierte Eingabeaufforderung in eine Bildsuche oder eine KI-Art-Datenbank ein und sehe, ob du Übereinstimmungen findest. Wenn ja, ist das ein starker Verdacht.

Warum du dich nicht allein auf Detektor-Websites verlassen solltest

Dutzende Websites bieten kostenlose Erkennung von KI-Bildern an: Lade ein Foto hoch, warte ein paar Sekunden, erhalte einen Prozentsatz. Sie basieren auf dem gleichen Prinzip – trainierte Klassifizierer, die nach statistischen Anzeichen suchen – aber ihre Genauigkeit variiert enorm, und keine veröffentlicht ihre False-Positive- oder False-Negative-Raten.

Eine unabhängige Studie von 2025 testete acht beliebte Detektoren mit einer Mischung aus echten Fotos und KI-Bildern von Midjourney, DALL-E und Stable Diffusion. Der beste Detektor erreichte 78% Genauigkeit auf seinen Trainings-Ära-Modellen, fiel aber auf 54% (kaum besser als Münzwurf) bei Bildern von Generatoren, die nach seinem Trainingsstichtag veröffentlicht wurden. Der schlechteste Detektor kennzeichnete 40% echter Fotos als KI.

Detektoren versagen auch auf vorhersehbare Weise:

• Stark bearbeitete echte Fotos erzielen hohe Werte, weil die Bearbeitungssoftware Artefakte einführt, die der Detektor mit Generierung verbindet.
• Einfache KI-Bilder– flache Illustrationen, minimale Hintergründe – erzielen niedrige Werte, weil ihnen die komplexen Texturen fehlen, die der Detektor erkennen gelernt hat.
• Gegnerische Manipulationen: Das Hinzufügen einer dünnen Rauschschicht oder das Durchführen eines Bildes durch einen bestimmten Filter kann den Detektor täuschen, ohne zu ändern, wie das Bild für dich aussieht.

Convly bietet keinen KI-Bilderdetektor an. Wenn du dich entscheidest, einen zu verwenden, behandle das Ergebnis als Ausgangspunkt. Ein hoher Wert bedeutet „untersuche weiter“, nicht „Fall abgeschlossen“.

Deepfakes und Video: ein verwandtes Problem

KI-generierte Bilder sind ein Teil eines größeren Rätsels. Deepfake-Videos – Gesichts-Swapped-Clips, KI-generierte Stimmen, synthetische Nachrichtenmoderatorinnen – stellen die gleichen Fragen zur Authentizität, bewegen sich aber mit 30 Bildern pro Sekunde. Die Techniken zur Überprüfung überlappen sich mit der Erkennung von Standbildern (visuelle Artefakte, Quellenüberprüfungen, Metadaten), aber Video fügt Bewegungsanalyse und Audio-Forensik hinzu.

Für einen tieferen Einblick, wie Deepfakes funktionieren, warum sie schwer zu erkennen sind und welche Werkzeuge es gibt, um sie zu erkennen, lese Convlys Leitfaden zu deepfakes: the threat and how to detect them.

Alles zusammenbringen: eine Checkliste

Wenn du auf ein Bild triffst, das du überprüfen möchtest, arbeite diese Schritte nacheinander durch:

1. Führe eine Rückwärtsbildsuche mit Google Lens durch. Finde die ursprünglichste Quelle und überprüfe den Kontext. Wenn es zu einem seriösen Outlet oder vor der aktuellen KI-Generationsära führt, ist es wahrscheinlich echt.
2. Suche nach Content Credentials oder SynthID. Wenn vorhanden, sind sie starke Beweise (obwohl das Fehlen nichts beweist).
3. Inspiziere visuelle Details: Hände, Text, Reflektionen, Schmuck, Hintergrund-Kohärenz. Ein Fehler ist kein Beweis, aber eine Häufung von Problemen erhöht die Wahrscheinlichkeit.
4. Lade zu einem KI-Bilderdetektor hoch , wenn du noch Zweifel hast. Ein sehr hoher Wert (über 90%) ist erwähnenswert; ein mittlerer Wert (40–70%) ist Rauschen.
5. Überprüfe das Bild-zu-Prompt-Tool Tool , um zu sehen, ob die rekonstruierte Eingabeaufforderung mit bekannten KI-Kunsttropen übereinstimmt.
6. Wiege den Kontext ab: Wer hat es geteilt, wann und mit welcher Behauptung? Ein atemloser „das ist gerade passiert“, der an ein Bild mit null vorherigem Web-Präsenz angehängt ist, ist für sich allein schon ein rotes Tuch.

Kein einzelner Test ist fehlerfrei. Zusammen geben sie dir genug Signal, um ein überlegtes Urteil zu fällen.

Häufig gestellte Fragen

Kann ich einem 95%-KI-Erkennungsscore trauen?

Ein sehr hoher Score bedeutet, dass der Detektor Muster gefunden hat, die er stark mit KI-Generierung assoziiert, daher lohnt sich eine weitere Untersuchung. Aber Detektoren haben Fehlalarme – stark bearbeitete echte Fotos, bestimmte Kamerasensoren und komprimierte Bilder können alle hohe Scores erhalten. Verwenden Sie den Score als einen Input, nicht als das letzte Wort.

Warum sehen manche KI-Bilder völlig echt aus?

Die Top KI-Bildgeneratoren in 2026 – Midjourney v7, ChatGPT Images 2.5und Flux – wurden auf Milliarden hochauflösender Fotos trainiert und haben gelernt, Beleuchtung, Textur und Anatomie auf einem Niveau nachzuahmen, das in vielen Fällen das menschliche Auge täuscht. Sie machen immer noch Fehler, aber diese Fehler sind seltener und subtiler als vor zwei Jahren. Mit der Verbesserung von Modellen werden visuelle Spot-Checks weniger zuverlässig, weshalb Rückwärtssuche und Metadaten-Überprüfungen wichtiger werden.

Was ist die zuverlässigste Methode, um zu überprüfen, ob ein Bild echt ist?

Die umgekehrte Bildsuche mit Google Lens ist das nützlichste Einzelwerkzeug, da es dir zeigt, woher das Bild stammt, wann es zum ersten Mal erschien und in welchem Kontext. Ein Bild, das seit Jahren online ist oder auf eine vertrauenswürdige Nachrichtenquelle zurückgeführt werden kann, ist viel wahrscheinlicher echt als eines ohne vorherige Webpräsenz. Kombiniere das mit visuellen Kontrollen und Detektionsergebnissen für das stärkste Urteil.

Kennzeichnen Social-Media-Plattformen KI-Bilder?

Einige tun es, inkonsistent. Meta (Facebook und Instagram) begann 2024, „Mit KI vorgestellt“-Etiketten auf Bilder mit C2PA Content Credentials zu kleben, aber nur wenn die Metadaten den Upload überlebten. X (ehemals Twitter) kennzeichnet KI-Bilder nicht. TikTok verlangt von Schöpfern, KI-generierte Inhalte offenzulegen, verlässt sich aber auf Selbstmeldungen. Keine Plattform hat ein perfektes System, also behandle Etiketten als hilfreich, aber nicht erschöpfend.

Kann ich ein KI-Wasserzeichen entfernen, um ein Bild als echt auszugeben?

Metadaten zu entfernen oder ein sichtbares Wasserzeichen abzuschneiden ist technisch möglich, aber dies zu tun, um andere zu täuschen – besonders in Nachrichten-, Werbe- oder akademischen Kontexten – ist unethisch und oft illegal. Viele Jurisdiktionen haben jetzt Gesetze gegen Deepfake-Betrug und irreführende synthetische Medien. Über das rechtliche Risiko hinaus untergraben Sie das Vertrauen in visuelle Informationen für alle. Wenn du ein Bild generiert hast, offenbare es.

Wird sich die KI-Bilderkennung verbessern?

Erkennung und Generierung sind in einem Rüstungswettlauf. Jedes Mal, wenn Detektoren ein neues Erkennungsmerkmal lernen, werden Generatoren trainiert, es zu vermeiden. Die langfristige Lösung ist nicht bessere Erkennung, sondern bessere Herkunftssysteme – Content Credentials, SynthID und Blockchain-basierte Medienregisters, die Authentizität bei der Erstellung markieren. Bis diese Systeme universell sind, bleibt die Erkennung probabilistisch und unvollkommen.