Anleitung

Bild auf Echtheit prüfen

„Echt“ ist in einem Streit fast immer ein ganzes Bündel von Behauptungen. Ein Bild auf Echtheit prüfen gelingt erst, wenn Sie sagen, welche davon Sie überhaupt prüfen können.

17. Oktober 2026 · Check AI Free

Im Deutschen rutscht „Echtheit“ schnell von der Datei zur Welt. Jemand meint, die Pixel stammten aus einer Kamera. Jemand meint, die Szene sei so passiert. Jemand meint, die abgebildete Person sei die Person auf dem Ausweis. Jemand meint nur, dies sei die Datei, die der Absender geschickt hat, und nicht eine spätere Kopie. Ein Werkzeug, das eine dieser Fragen berührt, beantwortet die anderen nicht mit. Diese Seite ist der Ablauf für den Fall, dass Sie das Bild als Beleg behandeln wollen. KI-Bilder erkennen bleibt die engere Frage nach dem Generator.

Vier Fragen, die nicht zusammenfallen

Erstens: Steht in der Datei ein Hinweis auf Kamera, Generator oder Bearbeitung? EXIF, ein PNG-Parameterblock, ein ComfyUI-Workflow oder eine Content-Credential-Angabe sind solche Hinweise. Sie können stimmen, veralten, gefälscht oder gelöscht sein. Sie zu lesen ist eine Aussage über Bytes.

Zweitens: Sehen die Pixel für ein Modell nach einer Generierung aus? Das ist eine Schätzung. Auf dieser Website wird ein abgeschlossener Pixelwert bis 0,35 als eher kamera-nah und ab 0,70 als eher KI-generiert angezeigt. Dazwischen bleibt das Ergebnis unklar. Die Methodenseite nennt das Anzeigeschwellen, nicht eine kalibrierte Wahrscheinlichkeit. Eine interne technische Stichprobe hat 144 Bilder angefragt, 98 bewertet und 46 ohne Wert gelassen. Sie hing an der Verfügbarkeit des Dienstes und an einer Vorbereitungskette. Sie ist kein Maßstab, keine Genauigkeit je Generator und kein Beleg für null Fehlalarme.

Drittens: Ist die Szene so gewesen, wie die Bildunterschrift sagt? Dafür brauchen Sie eine ältere Veröffentlichung, andere Aufnahmen, Personen, die dabei waren, oder Unterlagen. Eine Rückwärtssuche kann einen älteren Kontext finden. Googles Hilfe beschreibt den Bildupload und Ergebnisse aus ähnlichen Bildern und Seiten. Sie beschreibt kein Echtheitsurteil.

Viertens: Ist die Person die behauptete Person? Ein Profilbild, das generiert wirkt, sagt nichts über einen Ausweis, und ein Foto, das einer Kamera ähnelt, sagt nichts über die Identität. Die Seite Profilbild hält diese Grenze. Die Seite Deepfake betrifft Standbilder und authentifiziert niemanden.

Ablauf, wenn das Bild als Beleg herhalten soll

1. Schritt 1

   Die Behauptung in einen Satz fassen

   Schreiben Sie auf, was das Bild belegen soll, und streichen Sie alles, was die Datei nicht tragen kann. „Aufgenommen mit dieser Kamera am genannten Tag“ ist prüfbarer als „die Kundgebung war friedlich“. Ohne diesen Satz vermischt die Prüfung vier Fragen zu einem Gefühl.

2. Schritt 2

   Die Datei einfrieren

   Speichern Sie die Kopie, notieren Sie Format, Größe und nach Möglichkeit einen SHA-256-Hash, und bearbeiten Sie sie nicht weiter. Ein erneuter Export ist eine neue Datei. In unserem Experiment haben wir Metadaten beim JPEG-Export absichtlich nicht mitgegeben; die Kamerafelder der acht Originale waren danach weg. Das beschreibt diese Exporteinstellung, nicht WhatsApp und nicht Instagram.

3. Schritt 3

   Sagen, welche Kopie vorliegt

   Original, Download, „Bild speichern“ oder Screenshot. Für Screenshots ist das lokale Experiment die passende Analogie: die gemessenen Kamerafelder kamen nicht mit. Ob Instagram, WhatsApp oder Facebook Felder entfernen, haben wir nicht gemessen. Was IPTC 2019 und die Hilfeseiten dazu hergeben, steht in der englischen Einordnung. Ein leeres EXIF ist eine Eigenschaft dieser Kopie.

4. Schritt 4

   Gespeicherte Angaben und Signatur getrennt lesen

   PNG-Text lesen Sie mit dem PNG-Info-Leser. Eine Content Credential prüfen Sie in einem Validator, etwa verify.contentauthenticity.org. Wir zeigen höchstens, dass Quelltext vorhanden ist. Ein gültiges Manifest kann eine Generierung beglaubigen. Dann ist die Datei in diesem Punkt belegt und zugleich kein Kameraoriginal. Ein fehlendes Manifest ist der Normalfall vieler Kameras und vieler Generatoren.

5. Schritt 5

   Den Kontext gegen eine zweite Quelle halten

   Suchen Sie nach einer älteren Kopie. Fragen Sie nach Rohdaten, Serie, Projekt oder Kontoverlauf. Für eine Meldung ist eine ältere echte Aufnahme mit neuer Bildunterschrift ein falscher Kontext, auch wenn jedes Modell „Foto“ sagt. Für eine Generierung ohne Treffer bleibt die Rückwärtssuche leer, ohne dass die Pixel dadurch echt würden.

6. Schritt 6

   Den Modellwert danebenstellen, nicht darüber

   Wenn Sie die Prüfung laufen lassen, schreiben Sie Produkt, Datum, Datei und den genauen Wortlaut auf. Widerspricht ein zweites Werkzeug, mitteln Sie die Werte nicht. Die Gründe für solche Widersprüche sind in veröffentlichten Vergleichen groß; die englische Seite can AI images be detected zitiert sie als fremde Messungen. Bei einer teuren Entscheidung — Veröffentlichung, Personal, Disziplinarverfahren — bleibt ein strittiger Wert ein Grund, die Originaldatei zu verlangen.

7. Schritt 7

   Die Lücke im Ergebnis lassen

   Formulieren Sie, was geprüft wurde und was offen ist. „Hash notiert, kein Parameterfeld, Modell unklar, keine ältere Veröffentlichung auf diesem Suchdienst heute“ ist ein brauchbarer Aktenvermerk. „Als echt geprüft“ ist keiner.

Was Sie von einem Modellwert nicht verlangen sollten

Ren, Zhou und Kollegen schreiben in arXiv:2602.07814, in ihrem Zero-Shot-Vergleich offener Detektoren habe es keinen universellen Sieger gegeben. Die mittlere Genauigkeit der von ihnen zusammengefassten Detektoren lag zwischen 37,5 und 75,0 Prozent, und die Reihenfolge wechselte je nach Datensatz stark. Für mehrere neuere kommerzielle Generatoren nennen sie in der Zusammenfassung nur 18 bis 30 Prozent durchschnittliche Erkennung. Das sind ihre Zahlen auf ihrem Material. Sie sind nicht die Trefferquote dieser Website und keine Vorhersage für Ihr nächstes Bild.

Li und Kollegen beschreiben in arXiv:2505.12335 (AIGIBench) das Gegenstück aus der Werbung: Detektoren melden unter kontrollierten Bedingungen oft hohe Werte. In der Zusammenfassung ihres Benchmarks brechen diese Werte auf alltagsnäheren Daten deutlich ein. Wer ein Bild auf Echtheit prüfen will, sollte diesen Abstand kennen, bevor ein Prozentwert in eine Überschrift wandert.

Ein Wasserzeichen wie SynthID wäre ein weiteres, enges Signal für Bilder, die ein System durchlaufen haben, das es einbettet, und für ein Werkzeug, das es lesen kann. Dieses Werkzeug sind wir nicht. Ein fehlendes Wasserzeichen ist der Ausgangszustand der meisten Dateien.

Wenn die Datei einen Generator beim Namen nennt, bleiben die Kontextseiten Midjourney, Flux, DALL·E und Stable Diffusion beim allgemeinen Check. Der Stil eines Bildes ersetzt den Namen in der Datei nicht.