Bildgeneratoren auf Basis künstlicher Intelligenz haben sich in den vergangenen Jahren enorm gewandelt. Während sie früher leicht an seltsamen Details und einem unnatürlichen Aussehen zu erkennen waren, können sie heute Bilder erzeugen, die auf den ersten Blick wie echte Fotos aussehen. Paradoxerweise gelingt dies, indem die Qualität absichtlich „verschlechtert“ wird. Über genau diese ungewöhnliche Entwicklung schreibt Allison Johnson in ihrer Kolumne für The Verge.
Als KI noch auf den ersten Blick zu erkennen war
In den Anfangszeiten der KI-Bilderzeugung waren Fehler fast immer sichtbar. Menschen hatten zu viele Finger, Gliedmaßen wirkten gummiartig und Details ergaben keinen Sinn. Als OpenAI die erste Version des Tools DALL‑E vorstellte, konnte es lediglich kleine Bilder mit einer Auflösung von 256 × 256 Pixeln erzeugen. Ein Jahr später erschien DALL‑E 2, das bereits größere und deutlich realistischere Bilder mit einer Auflösung von 1024 × 1024 Pixeln generierte, doch auch diese wiesen eindeutige „Ungereimtheiten“ auf.
Allison erinnert beispielsweise an einen Test, bei dem DALL‑E 2 das Bild eines als Feuerwehrmann verkleideten Shiba-Inu-Hundes erzeugte. Auf den ersten Blick sah es gut aus, doch bei genauerer Betrachtung waren verschwommenes Fell, unsinnige Zeichen auf dem Aufnäher und ein seltsamer Anhänger am Halsband zu erkennen. Diese Kleinigkeiten verrieten, dass es sich nicht um ein echtes Foto handelte.
Allzu perfekte Bilder wirkten verdächtig
Nach und nach setzten sich auch andere Tools wie Midjourney oder Stable Diffusion durch. Sie konnten Fehler minimieren und wurden mit der Zeit auch bei der Darstellung von Text besser. Dennoch hatten KI-Bilder lange Zeit ein gemeinsames Merkmal: Sie waren allzu glatt, sauber und makellos. Sie hatten einen eigentümlichen Glanz und wirkten eher wie stilisierte Illustrationen als wie Schnappschüsse aus der realen Welt.
Johnson zufolge wurde genau diese Perfektion allmählich zum Problem. Echte Fotos sind nämlich voller Unvollkommenheiten: schlechtes Licht, Unordnung im Bild, Überbelichtung, Bildrauschen oder ungenaue Farben. Und gerade diese Fehler machen eine Aufnahme glaubwürdig.
Ein neuer Ansatz: Handyfotos nachahmen
Der Wendepunkt kam im Jahr 2025, als Google in der Gemini-App ein neues Bildmodell namens Nano Banana vorstellte. Es ging viral, weil Menschen damit begannen, realistische Figuren von sich selbst zu erstellen. Robert Hart, ein Kollege von Allison Johnson bei The Verge, stellte fest, dass dieses Modell das tatsächliche Aussehen eines Menschen originalgetreuer bewahren kann als andere KI-Tools.
Der Schlüssel liegt darin, dass die Bilder nicht wie „Kunst“, sondern wie gewöhnliche Fotos von einem Mobiltelefon aussehen. Später stellte Google außerdem Nano Banana Pro vor, das den Look von Handyaufnahmen noch stärker nachahmt – einschließlich schwächerer Kontraste, aggressiver Nachschärfung oder ungewöhnlicher Belichtungseinstellungen. Genau solche Eigenschaften kennen wir von alltäglichen Handyfotos.
Unvollkommenheit als Vorteil
Moderne Telefone verwenden kleine Sensoren und eine komplexe Softwareverarbeitung, um technische Einschränkungen auszugleichen. Das Ergebnis ist ein spezifischer „Handy-Look“, an den wir uns gewöhnt haben. Johnson zufolge hat die KI diesen Stil einfach übernommen. Sobald ein Bild wie etwas aussieht, das wir gewöhnlich in der Galerie unseres Telefons sehen, fällt es unserem Gehirn leichter, ihm zu glauben.
Auch andere Unternehmen haben einen ähnlichen Weg eingeschlagen. Adobe bietet im Firefly-Generator einen Regler namens „Visuelle Intensität“ an, mit dem sich der typische glänzende Look von KI-Bildern abschwächen lässt. Meta wiederum verfügt über einen Regler namens „Stilisierung“, mit dem zwischen einem stilisierten und einem realistischen Ergebnis gewechselt werden kann. Bei Videos zeigt sich dieser Ansatz beispielsweise bei OpenAI Sora 2 oder Google Veo 3, die verschwommene und körnigere Aufnahmen von Überwachungskameras nachahmen können.
Wie erkennen wir, was echt ist?
Allison weist darauf hin, dass einige KI-Tools zwar noch immer an gewöhnlichen Aufgaben scheitern, sich Bildmodelle jedoch mit unglaublicher Geschwindigkeit verbessern. Der Experte Ben Sandofsky, Mitbegründer der iPhone-App Halide, erklärte ihr, dass KI mit diesem Ansatz möglicherweise das Gefühl unangenehmer Unnatürlichkeit vermeidet. Wenn ein Bild nicht perfekt, sondern wie ein gewöhnliches Foto aussieht, wirkt es natürlicher.
Das wirft jedoch eine entscheidende Frage auf: Wie werden wir erkennen, was glaubwürdig ist? Johnson verweist auf die Ansicht von Sam Altman, dem zufolge sich echte und KI-generierte Bilder mit der Zeit vermischen werden und die Menschen sich daran gewöhnen. Sie selbst ist jedoch überzeugt, dass uns die Unterscheidung zwischen Wahrheit und Täuschung auch weiterhin wichtig sein wird, und dem muss ich voll und ganz zustimmen.
Inhaltskennzeichnungen als letzte Rettung
Eine mögliche Lösung ist der Standard Content Credentials der Organisation C2PA. Er ermöglicht es, jedem Bild eine kryptografische Signatur hinzuzufügen, die angibt, wie es erstellt wurde. Google verwendet diese Technologie bereits beispielsweise bei den Pixel-10-Smartphones, auf denen alle Fotos entsprechend gekennzeichnet werden – sowohl die mithilfe von KI bearbeiteten als auch gewöhnliche Aufnahmen.
Google Fotos kann diese Informationen bereits anzeigen, und das Unternehmen plant, sie auch in der Suche und in Werbeanzeigen sichtbarer zu machen. Das Problem besteht derzeit noch darin, dass die meisten heutigen Geräte und Plattformen dieses System nicht unterstützen. Bis sich das ändert, werden wir uns vor allem auf unsere eigene Vorsicht verlassen müssen.
KI-Bildgeneratoren sind heute gerade deshalb gefährlich überzeugend, weil sie aufgehört haben, nach Perfektion zu streben. Stattdessen ahmen sie Fehler und Unzulänglichkeiten nach, die wir von alltäglichen Fotos gewohnt sind. Und das macht sie zu Werkzeugen, denen nicht zu glauben immer schwieriger wird.
