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 Auffälligkeiten wie unlogische Schatten, Spiegelungen, Schrift oder Details können Hinweise liefern, sind bei modernen Generatoren aber weder notwendig noch beweiskräftig.
- 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: Kein einzelner Test liefert Gewissheit. Quelle, Kontext und unabhängige Bestätigung sind meist wichtiger als ein Detektorwert.
Warum die Deepfake-Erkennung immer wichtiger wird
KI-generierte Bilder und Videos werden realistischer und leichter verfügbar. Seit dem 2. August 2026 gelten im EU AI Act Transparenzregeln für bestimmte KI-Systeme und Inhalte, darunter Deepfakes. Das bedeutet jedoch nicht, dass künftig jedes synthetische Bild sichtbar markiert oder jede Kennzeichnung erhalten bleibt. Mehr dazu steht im Beitrag zum EU AI Act.
Worauf du bei Bildern visuell achten solltest
Hände und Finger: Anatomische Fehler waren bei älteren Generatoren häufig. Moderne Systeme erzeugen Hände deutlich besser; ein korrektes Ergebnis beweist daher nichts und ein Fehler kann auch durch normale Bildbearbeitung entstehen.
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 ermöglicht kryptografisch prüfbare Herkunfts- und Bearbeitungsinformationen. Vorhandene, gültige Angaben können die Entstehungsgeschichte nachvollziehbarer machen. Sie beweisen jedoch nicht, dass der dargestellte Inhalt wahr ist. Fehlende Angaben beweisen umgekehrt keine Fälschung, weil Plattformen oder Dateibearbeitungen Metadaten entfernen können.
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: Detektoren können eine zusätzliche Wahrscheinlichkeitseinschätzung liefern, reagieren aber empfindlich auf neue Generatoren, Kompression und Bearbeitung. Ergebnisse sollten nie allein als Echtheitsbeweis dienen. Werkzeuge wie InVID/WeVerify helfen zusätzlich bei Quellen-, Keyframe- und Kontextprüfung, was oft aussagekräftiger ist als ein einzelner KI-Score.
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? Die Transparenzregeln nach Artikel 50 gelten seit dem 2. August 2026 für bestimmte Systeme und Inhalte. Je nach Fall geht es unter anderem um maschinenlesbare Markierung oder die Offenlegung von Deepfakes. Welche konkrete Pflicht greift, hängt vom Inhalt, der Rolle und möglichen Ausnahmen ab. Eine Kennzeichnung ersetzt die inhaltliche Prüfung nicht.
Fazit
Deepfakes werden immer schwerer allein mit blossem Auge zu erkennen. Eine Kombination aus Quellenprüfung, Kontext-Check, Rückwärtssuche, Herkunftsdaten und technischen Hilfsmitteln verbessert die Einschätzung, liefert aber nicht in jedem Fall ein eindeutiges Ergebnis. Kritisches Hinterfragen bleibt zentral – Technik kann unterstützen, aber nicht vollständig entscheiden.
Quellen
- Transparenzpflichten des EU AI Act ab 2. August 2026 – Europäische Kommission
- C2PA Technical Specification
- Deepfakes erkennen: Wie prüfst Du KI-generierte Inhalte? – 1&1
- Deepfakes erkennen: So entlarvst du KI-generierte Gesichter und Bilder – android-digital.de
- Deepfakes anhand visueller Hinweise und KI erkennen – Computer Weekly
- Deepfakes: So erkennen Sie KI-generierte Gesichter – Spektrum der Wissenschaft
- AI Content Detection Tools 2026: C2PA, SynthID & Forensics – AuditSocials
- AI Provenance, C2PA & Deepfake Verification Hub – MaxIntel
- InVID – Bellingcat's Online Investigation Toolkit
- AI Deepfake Detection Tools 2026 – Aitrove