Einführung: Zwei Wege, wie Bilder lügen

Ein Foto gilt in der Alltagswahrnehmung als Beweis. „Ich habe es selbst gesehen" und „Es gibt Fotos davon" stehen in ihrer Überzeugungskraft nahezu gleich — obwohl beide Aussagen sehr unterschiedlich belastbar sind. Dieses Missverständnis nutzen Akteure aus, die gezielt Desinformation verbreiten.

Dabei sind nicht alle Täuschungsformen gleich. Die Forscherin Claire Wardle und ihr Ko-Autor Hossein Derakhshan unterscheiden in ihrem einflussreichen Rahmenwerk von 2017 zwischen verschiedenen Typen von Informationsstörungen (Wardle & Derakhshan 2017). Für Bilder lassen sich daraus zwei besonders relevante Kategorien ableiten:

Typ 1 — Manipulation: Das Bild selbst wird verändert. Personen werden eingefügt oder entfernt, Bildunterschriften verfälscht, Logos geklont, Hintergründe ausgetauscht. Das Bild zeigt etwas, das so nie existiert hat.

Typ 2 — Kontext-Entführung: Das Bild ist echt, aber es wird für einen anderen Zweck verwendet, als es aufgenommen wurde. Ein Foto aus einem Waldbrand in Australien taucht plötzlich als angeblicher Beleg für ein Feuer in Griechenland auf. Ein Bild aus einem anderen Jahr, einem anderen Land, einem anderen Konflikt — der Kontext wird entführt, das Bild selbst bleibt unverändert.

Wardle und Derakhshan betonen, dass der zweite Typ weit häufiger vorkommt als der erste. Während aufwendige Bildmanipulation Ressourcen und Werkzeuge erfordert, braucht Kontext-Entführung nur einen Screenshot und eine Behauptung. Sie ist billiger, schneller und — weil das Bild selbst authentisch ist — schwieriger zu widerlegen (Wardle & Derakhshan 2017).

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) stellt in seinen Verbraucherinformationen zu KI-generierten Bildern fest, dass das kritische Hinterfragen von Bildquellen und die Nutzung unabhängiger Verifikationswerkzeuge grundlegende Schutzmaßnahmen für alle Nutzerinnen und Nutzer digitaler Medien darstellen (BSI o.J.[a]).

Dieses Thema stellt beide Täuschungsformen vor, erklärt verfügbare Verifikationswerkzeuge und bespricht, was die KI-gestützte Erkennung im Jahr 2026 leisten kann — und wo ihre Grenzen liegen.