Wenn Sehen nicht mehr Gewissheit bedeutet
Ein Video war einmal etwas Besonderes.
Ein Foto konnte gestellt sein, ein Bericht übertrieben, eine Erinnerung falsch. Doch wenn sich etwas bewegte, wenn eine Stimme zu hören war und eine Kamera scheinbar genau im richtigen Augenblick dabei war, hatte die Aufnahme eine eigene Autorität.
„Man sieht es doch.“
Dieser Satz reichte oft aus.
Im Jahr 2026 bröckelt diese Gewissheit zunehmend. Nicht, weil jedes Video künstlich wäre. Schwierig ist vielmehr das Gegenteil: Echte und synthetische Aufnahmen existieren nebeneinander und sind äußerlich immer schwerer voneinander zu unterscheiden.
Die entscheidende Frage lautet deshalb nicht mehr nur: Kann ich einem Bild ansehen, ob es mit künstlicher Intelligenz erzeugt wurde?
Die bessere Frage lautet: Kann ich nachvollziehen, woher dieses Video kommt und ob seine Geschichte stimmt?
Damit verändert sich unsere Vorstellung von digitaler Wahrheit. Nicht der einzelne Pixel wird zum wichtigsten Zeugen, sondern die Kette aus Herkunft, Kontext und Bestätigung.
Warum Bildfehler keine sicheren Beweise sind
Jahrelang suchten Menschen in künstlichen Bildern nach typischen Fehlern. Zu viele Finger. Unlesbare Schrift. Falsch verlaufende Schatten. Brillen, deren Bügel im Gesicht verschwanden. Zähne, die miteinander verschmolzen.
Bei Videos kamen weitere Auffälligkeiten hinzu. Gesichter veränderten sich von Bild zu Bild. Gegenstände tauchten plötzlich auf. Stoffe verhielten sich merkwürdig. Bewegungen wirkten, als erinnerten sie nur an Physik, statt ihren Gesetzen tatsächlich zu folgen.
Solche Fehler gibt es weiterhin. Doch auf lange Sicht sind sie ein schlechter Maßstab.
Jede neue Modellgeneration beseitigt einen Teil der Merkmale, an denen die vorherige noch zu erkennen war. Was gestern noch als nahezu sicherer Hinweis auf künstliche Erzeugung galt, kann morgen vollständig verschwunden sein.
Noch wichtiger ist etwas anderes: Auch echte Videos weisen Merkwürdigkeiten auf.
Smartphones komprimieren Bilder. Digitale Stabilisierung verändert Bewegungen. Nachtaufnahmen erzeugen Artefakte. Objektive verzerren Perspektiven. Automatische Bildverbesserung glättet Gesichter. Ein Schatten kann tatsächlich ungewöhnlich fallen.
Wer jede optische Unregelmäßigkeit für einen Beweis für KI hält, zieht daraus neue Fehlschlüsse.
Der Blick auf einzelne Fehler bleibt nützlich. Er darf nur nicht mit Gewissheit verwechselt werden.
Ein künstlich erzeugtes Video kann vollkommen überzeugend aussehen. Ein echtes Video kann seltsam aussehen.
Die Wirklichkeit kennt keinen Qualitätsstandard.
Die Herkunft wird zur entscheidenden Spur
Vielleicht müssen wir digitale Medien deshalb anders betrachten. Nicht als einzelnes Objekt, sondern als etwas mit einer Lebensgeschichte.
Wo wurde das Video zuerst veröffentlicht? Wer hat es aufgenommen oder erzeugt? Gibt es eine längere Version der Aufnahme? Wann ist es erstmals erschienen? Lässt sich der Aufnahmeort bestimmen? Gab es weitere Zeugen oder Kameras, die das Ereignis festgehalten haben? Lässt sich die Aufnahme in einen größeren Zusammenhang einordnen?
Diese Fragen wirken zunächst weniger spektakulär als die technische Analyse von Bildmaterial. Tatsächlich können sie wesentlich aussagekräftiger sein.
Stellen wir uns ein Video vor, das angeblich einen außergewöhnlichen Zwischenfall an einem großen Bahnhof zeigt.
Auf der Aufnahme sind Hunderte Menschen zu sehen. Nur ein einziger Account veröffentlicht das Video. Kein anderer Reisender erwähnt das Ereignis. Keine lokale Nachrichtenseite berichtet darüber. Es gibt keine zweite Aufnahme, obwohl fast jeder ein Smartphone besitzt.
Dann ist nicht unbedingt der Schatten im Video das größte Warnsignal. Es ist die fehlende Welt außerhalb des Videos.
Reale Ereignisse hinterlassen Spuren.
Sie tauchen in Aufnahmen von Überwachungskameras, in Verkehrsmeldungen, in sozialen Netzwerken, auf weiteren Fotos oder in den Aussagen anderer Menschen auf.
Je außergewöhnlicher ein Ereignis ist, desto auffälliger wäre eine vollständige digitale Stille in seinem Umfeld.
Der Kontext wird damit zu einer Art zweiter Kamera.
Echte Aufnahmen können trotzdem täuschen
Auch Angaben zur Herkunft eines Videos können täuschen.
Ein Clip, der heute als aktuelle Aufnahme verbreitet wird, muss nicht künstlich erzeugt sein. Vielleicht ist er vollkommen echt – aber fünf Jahre alt.
Vielleicht stammt er aus einem anderen Land. Vielleicht wurde ein Ausschnitt so gewählt, dass der tatsächliche Zusammenhang verloren geht.
Das ist wichtig, weil Desinformation keineswegs erst mit generativer KI entstanden ist.
Ein echtes Video mit einer falschen Beschreibung kann wirkungsvoller täuschen als ein perfekter Deepfake.
Deshalb gehört zur Prüfung eines Videos auch eine zeitliche Spurensuche.
Tauchten einzelne Standbilder daraus bereits früher im Internet auf? Wird dieselbe Szene auf anderen Webseiten anders beschrieben? Passt das sichtbare Wetter zum angeblichen Datum? Passen Architektur, Fahrzeuge, Verkehrsschilder oder Landschaft zu dem genannten Ort? Sind Uhren, Anzeigetafeln oder andere zeitliche Hinweise erkennbar?
Solche Prüfungen funktionieren nicht immer. Doch sie haben einen entscheidenden Vorteil: Sie fragen nicht danach, ob eine Maschine einen Menschen überzeugend darstellen kann.
Sie fragen, ob eine Behauptung zur dokumentierten Welt passt.
Damit wird digitale Medienkompetenz zu einer Form von Quellenkritik. Nicht wesentlich anders als früher bei einem geschriebenen Text. Nur dass sie unter höherem Zeitdruck stattfindet, stärker visuell geprägt und emotional aufgeladener ist.
Wenn reale Videos als Fälschungen abgetan werden
Generative KI bringt noch ein zweites Problem mit sich, über das deutlich weniger gesprochen wird.
Je bekannter künstliche Videos werden, desto leichter lässt sich auch eine echte Aufnahme als Fälschung abtun.
Ein Politiker wird dabei gefilmt, wie er sich problematisch äußert.
„KI.“
Das Fehlverhalten eines Unternehmens wird auf Video dokumentiert.
„Deepfake.“
Ein privates Video zeigt ein reales Ereignis.
„Das sieht künstlich aus.“
Damit entsteht ein merkwürdiger Vorteil für diejenigen, die eine unangenehme Wirklichkeit bestreiten möchten.
Früher musste man möglicherweise noch erklären, warum ein Video falsch interpretiert worden war. Künftig könnte schon die bloße Behauptung genügen, es sei künstlich generiert worden.
Das verändert die gesellschaftliche Bedeutung von Deepfakes.
Die Gefahr besteht nicht ausschließlich darin, nie geschehene Ereignisse glaubwürdig erscheinen zu lassen. Sie besteht auch darin, Aufnahmen realer Ereignisse als unglaubwürdig erscheinen zu lassen.
Eine Gesellschaft, die gelernt hat, dass Bilder manipuliert werden können, muss deshalb einen schwierigen Mittelweg finden.
Naives Vertrauen ist gefährlich. Permanenter Unglaube ebenfalls.
Wer grundsätzlich nichts mehr für echt hält, ist nicht automatisch besonders kritisch. Er kann ebenso leicht manipulierbar werden.
Denn wenn keine Quelle mehr glaubwürdig erscheint, gewinnt oft nicht die Wahrheit. Es gewinnt die Behauptung, die den eigenen Erwartungen am besten entspricht.
Vertrauen entsteht aus mehreren Bausteinen
Vielleicht müssen wir uns von einer alten Vorstellung verabschieden.
Es wird nicht immer den einen Test geben, der ein Video eindeutig als echt oder künstlich kennzeichnet.
Stattdessen setzt sich Vertrauen aus mehreren Bausteinen zusammen.
Ein nachvollziehbarer Ursprung. Eine identifizierbare Quelle. Weitere unabhängige Aufnahmen. Zeitliche und örtliche Übereinstimmungen. Technische Informationen zur Herkunft, sofern vorhanden. Plausible Begleitumstände.
Keine dieser Ebenen reicht für sich genommen aus. Zusammen können sie jedoch ein wesentlich stabileres Bild ergeben.
Das verändert auch die Rolle des Zuschauers.
Wir müssen nicht bei jedem lustigen Tiervideo eine forensische Untersuchung beginnen. Alltagsinhalte dürfen weiterhin einfach nur unterhalten.
Doch sobald ein Video etwas beweisen soll, politische Bedeutung erhält, als Grundlage einer Beschuldigung dient oder ein außergewöhnliches Ereignis dokumentiert, sollte sich unser Maßstab ändern.
Dann reicht es nicht mehr, zu sagen: „Es sieht echt aus.“
Denn genau darin werden Maschinen immer besser.
Die entscheidende Frage wird: „Was spricht außerhalb dieses Videos dafür, dass es wahr ist?“
Vielleicht klingt das weniger bequem als früher.
Doch die digitale Welt wird nicht glaubwürdiger, indem wir perfekte Fälschungen verbieten und anschließend hoffen, dass Wahrheit wieder automatisch sichtbar wird.
Wir müssen neue Formen der Gewissheit entwickeln.
Nicht durch grenzenloses Misstrauen, sondern durch nachvollziehbare Herkunft.
Nicht durch das reflexhafte Zählen von Fingern, sondern durch das Prüfen von Zusammenhängen.
Nicht durch die Vorstellung, jedes Bild müsse entweder vollkommen echt oder vollständig künstlich sein, sondern durch ein Verständnis dafür, dass Medien eine Geschichte haben.
Ein Video ist künftig vielleicht nicht mehr allein deshalb glaubwürdig, weil wir es mit eigenen Augen gesehen haben.
Es wird glaubwürdig, wenn wir nachvollziehen können, warum wir unseren Augen vertrauen dürfen.
Weiterführende Informationen
Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.
Adobe – Content Credentials: Überblick
Die Seite erläutert, wie dauerhafte Metadaten Angaben zu Urhebern, eingesetzten Werkzeugen und Bearbeitungsschritten festhalten und so die im Artikel beschriebene Herkunftskette technisch abbilden.
https://helpx.adobe.com/de/creative-cloud/apps/adobe-content-authenticity/content-credentials/overview.html
Deutsches Forschungszentrum für Künstliche Intelligenz – Mit zwei Klicks gegen Deepfakes: DFKI und Partner stärken Medienkompetenz im Wahljahr
Das DFKI beschreibt einen Ansatz, der forensische Analysen mit Metadaten sowie dem Abgleich von Orten, Personen und Ereignissen verbindet und auch das Abstreiten echter Aufnahmen als angebliche KI-Erzeugnisse berücksichtigt.
https://www.dfki.de/en/web/news/dfki-und-partner-staerken-medienkompetenz-vor-landtagswahlen-in-rheinland-pfalz
Europäische Union – Verordnung (EU) 2024/1689 über künstliche Intelligenz
Die KI-Verordnung vertieft den rechtlichen Hintergrund des Artikels durch Transparenzpflichten zur maschinenlesbaren Kennzeichnung synthetischer Inhalte und zur Offenlegung von Deepfakes.
https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX32024R1689
