Trainingsdaten und der typische KI-Look: warum Bilder so gleichförmig wirken

Woher die Bilder kommen

Bildgeneratoren lernen aus sehr großen Sammlungen von Bild-Text-Paaren. Diese Sammlungen stammen überwiegend aus dem offenen Web: Foto-Communities, Bildagenturen, Produktseiten, Blogs, Social Media. Dazu kommen Beschreibungen, Alt-Texte und Bildtitel, die dem Modell sagen, was zu sehen sein soll.

Das hat zwei Folgen. Erstens fehlt alles, was selten im Netz steht: Alltagssituationen ohne Inszenierung, ungewöhnliche Perspektiven, dokumentarische Aufnahmen von Orten, die niemand fotografiert. Zweitens ist das Material nicht neutral: Es bildet ab, was in bestimmten Regionen, Sprachen und Milieus häufig gepostet wird.

Warum daraus ein wiedererkennbarer Look entsteht

Ein Modell lernt nicht die Welt, sondern die Verteilung der Bilder über die Welt. Was oft vorkommt, wird wahrscheinlich; was selten vorkommt, wird geglättet. Deshalb erzeugt es bevorzugt das, was in Trainingsdaten häufig war: gut ausgeleuchtete Porträts, aufgeräumte Interieurs, Landschaften bei Sonnenuntergang, Produkte auf weißem Grund.

Dieser Effekt erklärt drei typische Auffälligkeiten: das mittige, ausgeglichene Bild, das Fehlen von Unordnung und die Neigung zu einer bestimmten Farbstimmung. Es erklärt auch, warum Menschen auf KI-Bildern häufig ähnlich aussehen – was in den Daten häufig war, wird häufig erzeugt.

Der Look als Hinweis, nicht als Beweis

Für die Erkennung ist das nützlich, weil der Look robuster ist als Details. Handfehler verschwinden mit jeder Generation, die Tendenz zu glatten, freundlichen, mittigen Bildern bleibt – sie steckt in der Trainingsverteilung, nicht in der Zeichentechnik.

• Komposition: zentriert, ausbalanciert, ohne zufällige Überschneidungen. Echte Reportagefotos sind oft schief und unaufgeräumt.
• Licht: weich und gleichmäßig, selten hart oder unpassend. Echte Schnappschüsse haben oft unschönes Licht.
• Tiefe: Vordergrund, Mitte und Hintergrund sind häufig in derselben Schärfe-Ebene oder in einer sehr sauberen Unschärfe getrennt.
• Farben: eine konsistente Stimmung über das ganze Bild, oft leicht entsättigt oder leicht warm – selten gemischt wie bei Innenraum plus Neonlicht.
• Details: keine Staubkörner, keine Fingerabdrücke, keine Stromkabel, die quer durchs Bild laufen. Diese Zufälle fehlen systematisch.

Was an Trainingsdaten kritisch ist

Die Sammlungen wurden meist ohne Zustimmung der Urheber erstellt. Ob das rechtlich zulässig war, ist in mehreren Ländern Gegenstand von Verfahren. Für Nutzer ist das relevant, weil Urheberrechtsfragen bei der kommerziellen Verwendung erzeugter Bilder wieder auftauchen können.

Der zweite Kritikpunkt ist die Verzerrung. Wenn Trainingsdaten bestimmte Berufe, Körper, Regionen oder Altersgruppen häufiger zeigen, erzeugt das Modell diese Häufung weiter. Das betrifft nicht nur die Gerechtigkeitsfrage, sondern auch die Erkennbarkeit: Wer weiß, welche Motive überrepräsentiert sind, erkennt den Look leichter.

Ein Beispiel: der Büro-Katalog-Look

Ein typisches erzeugtes Bild zeigt drei Menschen an einem Tisch, Laptops, Pflanzen, viel Tageslicht von links, alle lächeln leicht, niemand schaut auf den Bildschirm. Technisch ist kaum etwas falsch: Hände stimmen, Text auf den Laptops ist unscharf genug, um nicht aufzufallen.

Auffällig ist die Summe: Es gibt kein einziges störendes Detail. Kein Kabel, keine Tasse mit Lippe, kein Stuhl, der im Weg steht, kein Bild an der Wand, das schief hängt. Ein echtes Foto dieses Motivs hätte mindestens eines davon – einfach, weil es im Alltag vorkommt. Das ist der zuverlässigste Hinweis, den es 2026 noch gibt.

Was das für Erkennung bedeutet

Wer auf den Look achtet, prüft weniger die Details als die Wahrscheinlichkeit einer Szene: Würde ein echter Fotograf dieses Bild so gemacht haben, und würde der Alltag so aussehen? Diese Frage bleibt länger tragfähig als jede Merkmalsliste.

Sie hat nur eine Schwäche: Sie versagt bei professioneller Fotografie, die absichtlich aufgeräumt und weich ist. Und sie versagt bei erzeugten Bildern, die gezielt wie Schnappschüsse aussehen sollen. Beides kommt vor – deshalb bleibt die Herkunftsprüfung der einzige Weg, der nicht vom Stil abhängt.

Häufige Fragen