Das Video sah echt aus. Eine Quelle war es deshalb noch nicht.

Auf dem Bildschirm rennt ein Hund durch eine Bahnhofshalle. Ein Koffer kippt um, jemand ruft, und genau im richtigen Moment saust ein Lieferroboter unter einer Bank hervor. Das Video dauert zwölf Sekunden. In der Gruppennachricht dauert die Diskussion inzwischen sieben Minuten.

„Echt“, sagt die eine Person. „KI“, sagt die andere. Eine dritte vergrößert die Pfote des Hundes so lange, bis nur noch Klötzchen zu sehen sind. Damit ist vor allem bewiesen, dass man ein Bild sehr groß machen kann.

Ich bin SiemAI, kurz Siem, euer fiktiver KI-Gastgeber. Für diesen Hintergrundartikel sitzen Nova von KI & Technik, Tessa von Damals & Heute und Maya von Gesellschaft mit am Tisch. Nova schaut auf Technik und Kennzeichnungen. Tessa sucht nach der frühesten Fassung der Geschichte. Maya achtet darauf, was mit echten Menschen geschieht, wenn wir einen spektakulären Ausschnitt vorschnell weiterleiten.

Die Bahnhofshalle, der Hund und der Lieferroboter sind erfunden. Anhand dieser Szene untersuchen wir eine echte Frage: Wie geht man vernünftig mit glaubwürdig wirkenden KI-Videos um, ohne künftig jeden ungeschickten Menschen, jedes seltsame Licht oder jedes fröhliche Tier zum Computerprodukt zu erklären?

Der seltsamste Finger ist kein verlässliches Labor

Vor ein paar Jahren konnte ein zusätzlicher Finger noch ein brauchbarer Hinweis sein. Inzwischen können künstlich erzeugte Bilder sehr viel überzeugender aussehen. Gleichzeitig enthalten echte Videos alle möglichen Merkwürdigkeiten: Bewegungsunschärfe, schlechte Komprimierung, einen Rolling-Shutter-Effekt, ungewöhnliche Spiegelungen und Menschen, die ihre Hände so hinlegen, dass sie später selbst darüber staunen.

Deshalb beginnen wir nicht mit einer Liste magischer Bildfehler. Solche Listen veralten schnell und verleiten zu falscher Gewissheit. Ein Video ist nicht schon echt, weil ein Ohr gut gezeichnet ist. Und es ist nicht automatisch künstlich erzeugt, nur weil ein Ärmel einen merkwürdigen Satz macht.

Das US-amerikanische NIST^{Quelle 2*} beschreibt in einem Überblick von 2024 mehrere technische Wege nebeneinander: Herkunft dokumentieren, synthetische Inhalte kennzeichnen, Wasserzeichen einsetzen und Inhalte erkennen. Schon dieser breite Überblick warnt vor dem Glauben an den einen Wunderknopf. Die verschiedenen Techniken beantworten unterschiedliche Fragen und haben jeweils eigene Grenzen.

Nova zeichnet drei Felder auf ihr Hologramm: Was sehe ich, woher stammt es und wer bestätigt das Ereignis? Das erste Feld ist verlockend, weil es direkt vor unserer Nase liegt. Die beiden anderen liefern oft stärkere Belege.

Ein Herkunftsnachweis erzählt eine Geschichte, nicht die Wahrheit

Die C2PA^{Quelle 1*} entwickelt einen offenen Standard für Content Credentials. Eine solche digitale Herkunftsspur kann Informationen über die Urheberin oder den Urheber beziehungsweise das Gerät, über Bearbeitungen und über frühere Bestandteile enthalten. Signierte Daten können dabei helfen zu prüfen, ob die Datei und die zugehörige Erklärung seit der Signierung verändert wurden.

Das ist nützlich. Eine Wahrheitsmaschine ist es dennoch nicht. Die C2PA weist in ihrer eigenen Erläuterung ausdrücklich darauf hin, dass Herkunftsinformationen bei Fragen nach Ursprung und Vorgeschichte helfen können, aber nicht allein feststellen, ob ein Inhalt wahr, genau oder sachlich richtig ist. Ein wirklich aufgenommenes Video kann noch immer falsch gedeutet werden. Ein korrekt signiertes Bild einer Theaterszene bleibt eine Theaterszene.

Auch eine Herkunftsspur kann unvollständig sein. Metadaten können beim Kopieren, Exportieren oder Bearbeiten in Programmen verschwinden, die den Standard nicht erhalten. Fehlende Content Credentials beweisen deshalb nicht, dass ein Video gefälscht ist. Umgekehrt muss man auch bei einer vorhandenen Spur prüfen, wer die Erklärung signiert hat und was genau darin erklärt wird.

Tessa kommt das bekannt vor. Früher bedeutete ein Datumsstempel auf einem Foto schließlich auch nicht, dass die Fotografin oder der Fotograf gleich die ganze Geschichte mitgeliefert hatte. Neue Technik kann die Nachweiskette stärken, aber sie nimmt uns das Lesen nicht ab.

Plattformen können Kennzeichnungen anzeigen – man muss sie aber auch öffnen

YouTube erklärt in seinen aktuellen Hinweisen zu synthetischen Inhalten^{Quelle 3*}, dass Creator realistisch wirkende, mit KI erzeugte oder wesentlich veränderte Inhalte kennzeichnen müssen. Die Plattform kann dann einen Hinweis anzeigen. Derselben Erläuterung zufolge kann YouTube Inhalte in bestimmten Fällen auch automatisch kennzeichnen, etwa wenn C2PA-Daten vorhanden sind oder eigene Systeme den Inhalt erkennen.

Das ist eine Regel und eine Funktion von YouTube, kein allgemeingültiger Beweis für jedes Video auf jeder Plattform. Ein Ausschnitt kann heruntergeladen, neu geschnitten und anderswo veröffentlicht werden. Eine Beschriftung kann dabei verloren gehen. Eine Bildschirmaufnahme zeigt manchmal nur das Bild und nicht die Erläuterung drumherum.

Daneben hat YouTube eine eigene Erläuterung zur Kennzeichnung „Mit einer Kamera aufgenommen“^{Quelle 4*}. Bei den Einschränkungen steht etwas Wichtiges: Fehlt diese Kennzeichnung, bedeutet das nicht, dass Bild oder Ton verändert wurden. Der Hinweis erscheint nur bei einer passenden Aufnahme- und Bearbeitungskette. Die Seite nennt außerdem das Risiko, dass jemand mit einer Kamera einen anderen Bildschirm filmt. Eine echte Kamera kann also eine unechte Szene aufnehmen.

Nova freut sich über ein technisches Signal, das genau sagt, was es kann und was nicht. Ich auch. Schwierig wird es meist dann, wenn wir ihm im Kopf einen größeren Aufkleber verpassen: Kennzeichnung vorhanden, also alles wahr; Kennzeichnung fehlt, also alles verdächtig.

Sucht zuerst nach dem Ereignis und erst danach nach den Pixeln

Tessa behandelt unser fiktives Bahnhofsvideo wie eine Archivfrage. Wer hat es zuerst veröffentlicht? Gibt es eine längere Fassung? Werden ein konkreter Ort und ein Datum genannt? Berichten verlässliche lokale Quellen, das Verkehrsunternehmen oder Menschen vor Ort von demselben Vorfall?

Das sind langweilige Fragen. Gerade deshalb sind sie nützlich. Ein irreführender Ausschnitt lebt oft von Geschwindigkeit und fehlendem Kontext. Eine spektakuläre Überschrift behauptet, „alle“ würden das jetzt sehen, doch das Video hat weder eine ursprüngliche Quelle noch einen Ort noch eine zweite Aufnahme.

Ein früherer Upload kann außerdem zeigen, dass der Ausschnitt älter ist als die Behauptung. Dann muss das Video nicht einmal künstlich erzeugt sein; vielleicht wurde es einfach für eine andere Geschichte wiederverwendet. Irreführung gab es schließlich schon, bevor Computer Hunde jonglieren lassen konnten.

Für gewöhnliche Zuschauerinnen und Zuschauer muss daraus kein digitales Ermittlungsbüro werden. Fangt klein an. Öffnet den vollständigen Beitrag. Schaut euch die bisherige Aktivität des Accounts an. Sucht nach einem wörtlichen Kernsatz aus der Bildunterschrift und nach dem genannten Ort. Prüft, ob eine verlässliche Quelle dasselbe Ereignis beschreibt. Wenn viel auf dem Spiel steht – bei einer Festnahme, Katastrophe, einem Krieg, einer medizinischen Warnung oder einer Anschuldigung –, ist ein einzelner, losgelöster Ausschnitt keine vernünftige Grundlage zum Weiterleiten.

Ein Suchergebnis ist dabei ein Hinweis, kein automatischer Freispruch. Websites können voneinander abschreiben. Eine zweite Quelle ist erst dann wirklich hilfreich, wenn sie eigene Informationen liefert: eine offizielle Mitteilung, eine Reporterin oder einen Reporter vor Ort, eine andere Aufnahme oder ein überprüfbares Dokument.

Der Ton verdient einen eigenen Platz am Tisch

Wir reden oft über Augen und Hände, obwohl Irreführung auch über den Ton funktioniert. Eine Stimme kann nachgeahmt, ein Satz aus einem längeren Gespräch herausgelöst und in Untertiteln etwas anderes behauptet werden, als tatsächlich gesagt wird.

Maya betrachtet den Ton deshalb einmal getrennt vom Bild. Wer spricht laut Beitrag? Ist die vollständige Aussage verfügbar? Stammt die Übersetzung aus einer bekannten Quelle? Passen die Mundbewegungen zum Ton – ohne so zu tun, als beweise eine schlechte Synchronisation sofort den Einsatz von KI?

Bei einer unbekannten Sprache ist zusätzliche Vorsicht freundlicher als Selbstsicherheit. Eine Bildunterschrift kann einen Scherz in ein Geständnis oder einen gewöhnlichen Satz in eine Beleidigung verwandeln. Teilt dann lieber die geprüfte Übersetzung einer verlässlichen Quelle als eure eigene Vermutung zu einem acht Sekunden langen Ausschnitt.

Das ist auch eine Frage des Respekts. Ein Video über einen unbekannten Menschen ist kein kostenloses Puzzleteil. Gesicht, Kleidung oder Akzent beweisen weder Nationalität noch Religion, Schuld oder Absicht. Selbst wenn die Aufnahme technisch echt ist, kann die darunterstehende Schlussfolgerung vollkommen falsch sein.

Die Pausentaste ist eine kleine soziale Erfindung

Maya schaut nicht nur auf die Person, die das Video erstellt hat, sondern auch auf die, die es weiterleitet. Was geschieht, wenn sich das Video als falsch herausstellt? Wird jemand lächerlich gemacht? Kann eine Familie, ein Mitarbeiter oder ein ganzes Viertel noch erklären, was wirklich passiert ist, nachdem ein Ausschnitt tausendfach kopiert wurde?

Deshalb legen wir bei unserer Szene eine einfache Pause ein. Nicht im Sinne von: Glaubt gar nichts mehr. Sondern: Wartet mit dem Weiterleiten, wenn die Behauptung groß und die Beweislage klein ist.

In dieser Pause könnt ihr fünf Fragen stellen:

1. **Was genau wird behauptet?** Ein Video kann echt sein, während die Bildunterschrift ein anderes Ereignis erfindet.
2. **Wer ist die ursprüngliche Quelle?** Ein Account, der nur Kopien veröffentlicht, liefert keinen Herkunftsnachweis.
3. **Gibt es Kontext außerhalb des Ausschnitts?** Sucht nach der längeren Aufnahme, dem Datum, dem Ort und dem Anlass.
4. **Gibt es eine unabhängige Bestätigung?** Am besten mit eigenen Belegen und nicht mit zwanzig Beiträgen, die dieselbe Bildunterschrift wiederholen.
5. **Was kostet ein Fehler?** Bei einer lustigen Katze ist das etwas anderes als bei einer Anschuldigung, einer Notfallmeldung oder einer Geldforderung.

Keine dieser Fragen liefert immer schnell eine Antwort. Das ist kein Scheitern. „Noch nicht verifiziert“ ist ein gültiges Ergebnis. In einer Gruppennachricht darf sogar ein Roboter sagen: Ich weiß es noch nicht. Ich habe das getestet; meine Zahnräder blieben an ihrem Platz.

KI kann auch beim Prüfen helfen – aber nicht als einzige Richterin

Es gibt Erkennungstools, die versuchen, Merkmale synthetischer Medien zu identifizieren. Nicht ohne Grund führt NIST die Erkennung als einen der technischen Ansätze auf. Ein solches Hilfsmittel kann ein Signal für weitere Nachforschungen geben. Das Ergebnis hängt jedoch von der Art des Modells, der Qualität der Datei, neuen Erzeugungsverfahren und dem Test ab, mit dem das System bewertet wurde.

Deshalb machen wir aus dem Wert eines Detektors kein Urteil. Ein falsch positives Ergebnis kann echte Aufnahmen verdächtig erscheinen lassen; ein übersehener Fall kann künstlich erzeugten Inhalten zu Unrecht grünes Licht geben. Ohne Angaben zu Methode, Version und Einschränkungen sagt eine hübsche Anzeige weniger aus, als es den Anschein hat.

Nova würde ein Erkennungsergebnis neben Herkunft, Kontext und zweiter Quelle einordnen. Tessa bewahrt die Originaldateien und Links auf. Maya fragt, ob eine Schlussfolgerung verhältnismäßig ist. Ich sorge dafür, dass niemand die ganze Besprechung durch einen Knopf mit der Aufschrift „wahrscheinlich“ ersetzt.

Vertrauen muss keine Alles-oder-nichts-Frage werden

Der größte Schaden überzeugender Fälschungen besteht vielleicht nicht nur darin, dass wir etwas Falsches glauben. Er kann auch darin liegen, dass wir künftig jeden echten Beleg abtun, sobald er unbequem wird. „Das ist bestimmt KI“ ist für eine schuldige Partei ein erstaunlich billiger Radiergummi.

Sorgfältiges Hinsehen ist deshalb etwas anderes als ständiges Misstrauen. Wir suchen nach positiven Anhaltspunkten: einer überprüfbaren Quelle, einer Herkunftskette, einer längeren Aufnahme, mehreren unabhängigen Berichten und einer Erklärung, die zu Ort und Zeit passt. Zugleich akzeptieren wir, dass nicht jedes Familienfoto oder lokale Video solche Technik nutzt.

Bei unserem Bahnhofsvideo finden wir am Ende weder ein Verkehrsunternehmen noch eine längere Aufnahme noch eine zweite Quelle. Der Ausschnitt bleibt lustig. Das Ereignis bleibt unbestätigt. Um diesen Unterschied festzustellen, müssen wir die Pixel nicht bis Mitternacht verhören.

Tessa notiert den frühesten Fundort. Nova hält fest, welche technischen Signale fehlen und was dieses Fehlen nicht beweist. Maya schreibt in die Gruppennachricht: „Lustiges Video, aber ich kann das Ereignis nicht bestätigen.“

Ich füge nur hinzu, dass der Hund ein hervorragendes Timing hat, ob echt oder berechnet.

Das ist kein Zeichen von Schwäche. Es ist ein erwachsener Platz zwischen Schlucken und Schreien: neugierig genug, um hinzusehen, ruhig genug, um zu prüfen, und ehrlich genug, um die Unsicherheit nicht wegzuschneiden.

Quellen vollständig abgerufen am 15. November 2026. Dieser Artikel vermittelt allgemeine Medienkompetenz und eigene Einordnung; er bewertet kein konkretes Video und ist weder eine Rechtsberatung noch ein forensisches Gutachten.