Deepfakes erkennen: Woran man KI-Videos wirklich festmacht

Warum Videos plötzlich verdächtig sind

Bis vor wenigen Jahren war ein überzeugendes Deepfake ein Projekt: Stunden Rohmaterial, ein trainiertes Modell, Nachbearbeitung von Hand. Deshalb galt die Faustregel, ein Video sei schon wegen des Aufwands glaubwürdig. Diese Rechnung ist gekippt. Ein einzelnes Porträtfoto reicht heute als Vorlage, um eine sprechende Person zu erzeugen; die Rechenzeit liegt im Bereich von Minuten und kostet oft weniger als ein Kaffee.

Dazu kommt der Ort, an dem wir Videos sehen: kurze Ausschnitte in Feeds, ohne Einordnung, ohne Datum, ohne Quelle. Ein Zwölf-Sekunden-Clip ist zu kurz, um Verhalten über Zeit zu beurteilen, und zu schnell weggewischt, um ihn zweimal anzusehen. Genau das ist die Lücke, in der sich Fälschungen halten.

Vier Prüfstellen im Bild

Man muss kein Werkzeug installieren, um ein verdächtiges Video einzuschätzen. Es hilft, den Clip anzuhalten oder mit dem Regler langsam durchzugehen und an vier Stellen genau zu schauen.

• Gesicht in Bewegung: Blinzeln wirkt gleichmäßig, der Mund schließt vollständig, Zähne bleiben Zähne. Bei Fälschungen verwischen Lippenränder, die Zunge verschwindet, und der Blick springt statt zu wandern.
• Hände und Gegenstände: Tassen, Stifte, Mikrofone. Achte darauf, ob Finger die Form eines Objekts wirklich umschließen und ob das Objekt seine Form behält, während es bewegt wird.
• Physik im Nebenbild: Haare, Stoff, Rauch, Wasser. Einzelne Strähnen dürfen sich nicht auflösen, ein Schatten darf nicht springen, während die Person stillsteht.
• Licht über die Zeit: Wenn sich der Kopf dreht, muss sich die Ausleuchtung des Gesichts mitbewegen. Bei KI-Clips bleibt das Gesicht oft gleich hell, während der Hintergrund heller oder dunkler wird.
• Der Übergang am Rand: Kinn und Hals, Haaransatz, Brillenbügel. Dort wird ein Gesicht eingesetzt, und dort zeigen sich Kanten, die im Original nicht existieren.

Ein Beispiel: zwölf Sekunden, drei Fehler

Ein typischer Fall aus dem Netz: ein kurzer Ausschnitt, in dem eine bekannte Person einen Satz sagt, den sie nie gesagt hat. Beim ersten Ansehen wirkt der Clip überzeugend, weil das Gesicht gut getroffen ist. Beim Durchgehen mit dem Regler kippt der Eindruck.

Sekunde zwei: Die Person blinzelt dreimal in einer Sekunde. Sekunde fünf: Beim Wort mit einem harten Konsonanten schließt sich der Mund nicht, die Zähne bleiben als heller Streifen stehen. Sekunde neun: Die Brille sitzt auf beiden Seiten unterschiedlich hoch, und der Bügel verschwindet in der Wange statt über dem Ohr zu liegen.

Drei Beobachtungen an drei verschiedenen Stellen sind kein Beweis, aber sie reichen für eine Entscheidung: nicht teilen, erst prüfen. Und das ist bei Videos der eigentliche Punkt – nicht das Urteil, sondern die Verlangsamung.

Der Ton ist häufig der schnellste Test

Wer ein Video prüft und nur eine Sache prüfen kann, sollte den Ton nehmen. Sprachmodelle erzeugen Stimmen inzwischen sehr gut, aber sie halten selten den Rhythmus eines echten Raums.

• Lippensynchronität: Nicht der erste Satz ist verdächtig, sondern die dritte oder vierte Silbe. Wenn die Lippen minimal nachlaufen, ist das ein starkes Signal.
• Raumhall: Ein echtes Zimmer hat einen kurzen Nachhall. Synthetische Stimmen klingen oft trocken, als spräche jemand in einem schalltoten Raum, während das Bild eine Turnhalle zeigt.
• Atmung: Menschen atmen mitten im Satz, hörbar, unregelmäßig. KI-Sprache atmet entweder gar nicht oder an gleichmäßigen Stellen.
• Nebengeräusche: Mikrofon-Pops, Stühle, Papier. Fehlen sie völlig, ist das kein Beweis, aber ein Grund, die Quelle zu prüfen.
• Sprechmelodie: Betonung folgt Inhalt. Wenn eine Aufzählung ohne Pause läuft und jeder Satz gleich endet, klingt es nach Vorlesen – auch wenn es das nicht sein muss.

Was Detektoren leisten – und was nicht

Es gibt Werkzeuge, die Deepfakes mit hoher Trefferquote erkennen, solange sie auf demselben Datenmaterial arbeiten wie im Test. In der Praxis sehen sie aber komprimierte Videos aus sozialen Netzwerken: neu kodiert, verkleinert, mit Filtern überzogen. Genau dabei gehen die Spuren verloren, an denen die Detektoren sich orientieren.

Ein zweites Problem ist der Wettlauf. Jede Veröffentlichung eines Detektors ist auch eine Information für die Gegenseite. Wer eine Fälschung erstellt, kann sie so lange nachbearbeiten, bis der Detektor wieder unsicher ist. Deshalb gilt: Ein Detektor, der eine Fälschung erkennt, ist ein Hinweis. Ein Detektor, der keine erkennt, ist kein Beleg für Echtheit.

Die Herkunft entscheidet, nicht das Auge

Bei Bildern ist die Suche nach dem Ursprung oft mühsam, bei Videos ist sie erstaunlich ergiebig, weil Videos selten allein auftreten.

• Suche den Clip rückwärts: Standbild in eine Bildsuche geben und schauen, welcher Upload der älteste ist.
• Prüfe, ob es mehrere unabhängige Aufnahmen derselben Szene gibt – aus anderem Winkel, von anderem Sender. Eine Fälschung hat genau eine Perspektive.
• Achte auf die Umgebung: Ortsschilder, Wetter, Tageszeit. Lässt sich der Ort bestätigen, sinkt die Wahrscheinlichkeit einer Fälschung deutlich.
• Frage nach dem Kontext der Veröffentlichung: Wer hat es zuerst gepostet, welche Absicht steckt dahinter, gibt es eine Korrektur?
• Nutze technische Herkunftsdaten, wenn sie vorhanden sind – etwa Content Credentials. Fehlen sie, sagt das allerdings nichts über den Ursprung aus.

Häufige Fragen